Zuletzt aktualisiert am:
Der allmähliche Verlust der Vorhersagegenauigkeit eines KI-Modells im Laufe der Zeit, verursacht durch Veränderungen der realen Datenstrukturen oder der Betriebsumgebung.
Ein Drift tritt auf, wenn die statistischen Eigenschaften der Daten, die das Modell in der Produktionsumgebung analysiert, nicht mehr mit den Daten übereinstimmen, auf denen es trainiert wurde. AI Governance erfordert eine Überwachung nach der Bereitstellung, um Drifts zu erkennen, da ein Modell, das zum Zeitpunkt der Einführung präzise und fair war, durch sich ändernde externe Bedingungen unzuverlässig oder voreingenommen werden kann.
Praxisbeispiel:
Eine für den Einzelhandel entwickelte KI, die auf den Konsummustern von 2019 trainiert wurde, erfährt während der Pandemie im Jahr 2020 einen Modell-Drift (Model Drift), da sich das Verbraucherverhalten so radikal verändert hat, dass die Bestandsprognosen des Modells unbrauchbar wurden.
