Last updated:
Der fortschreitende Qualitätsverlust der Vorhersageleistung eines KI-Modells im Laufe der Zeit, verursacht durch Veränderungen von realen Daten oder Umweltbedingungen.
Ein Drift tritt auf, wenn die statistischen Eigenschaften der Daten, auf die das Modell in der Produktionsumgebung stößt, nicht mehr mit den Daten übereinstimmen, mit denen es trainiert wurde. Die Governance von KI erfordert eine Überwachung nach der Bereitstellung, um Drifts zu erkennen. Denn ein Modell, das zum Zeitpunkt der Einführung präzise und unvoreingenommen war, kann unzuverlässig oder voreingenommen werden, wenn sich die externen Bedingungen ändern.
Real world example:
Eine Einzelhandels-KI, die auf den Ausgabenmustern von 2019 trainiert wurde, erfährt während der Pandemie 2020 einen Modelldrift, da sich das Konsumverhalten so drastisch verändert hat, dass die Bestandsprognosen des Modells unbrauchbar wurden.
