Zuletzt aktualisiert am:
Der Zustand von Daten basierend auf Faktoren wie Genauigkeit, Vollständigkeit, Zuverlässigkeit und Relevanz, welcher für die effektive Leistung von KI-Modellen von entscheidender Bedeutung ist.
Ein mehrdimensionales Maß – das Korrektheit (Fehlerfreiheit), Vollständigkeit (keine fehlenden Werte), Konsistenz (einheitliche Formate), Aktualität und Relevanz (Eignung für den Zweck) umfasst. Datenqualitätsprogramme nutzen automatisierte Validierungsregeln, Bereinigungs-Pipelines und Qualitäts-Dashboards mit Eskalationsverfahren, wenn Metriken unter festgelegte Schwellenwerte fallen.
Praxisbeispiel:
Ein Kreditrisiko-Team verfolgt Datenqualitätsmetriken für Einkommens- und Beschäftigungsfelder in Kreditanträgen. Wenn die Quote fehlender Werte 2 % übersteigt, löst ein automatisierter Alarm eine Überprüfung aus: Dateningenieure korrigieren ETL-Skripte und benachrichtigen die Mitarbeiter an der Front, um Pflichtfelder durchzusetzen, wodurch die Vollständigkeit der Daten vor dem erneuten Modelltraining wiederhergestellt wird.
