Glossar
Aktualisiert
Live-Beobachtbarkeitspipelines erfassen Metriken (Genauigkeit, Latenz, Drift der Eingabeverteilung, Fairness-KPIs, Fehlerraten) und vergleichen diese mit definierten Baseline-Schwellenwerten. Bei Anomalien werden automatisierte Warnmeldungen ausgelöst. Die Governance legt fest, was überwacht wird, definiert Alarmschwellenwerte, Eskalationsverfahren sowie Trigger für das Retraining und protokolliert sämtliche Überwachungsdaten für Audit-Zwecke.
Beispiel
Ein E-Commerce-Empfehlungsmodell überwacht täglich die Klickraten und den Anstieg der Nutzerdemografie. Wenn die CTR um mehr als 5 % sinkt oder der demografische Anstieg abweicht, wird ein Alarm an das Data Science Ops-Team gesendet, das daraufhin Datenpipeline-Probleme untersucht oder eine erneute Modellschulung einleitet, um die Leistung wiederherzustellen.
