Praxis Daten
A/B Testing
A/B Testing
Eine Methode zum Vergleich zweier Varianten (A und B) durch zufällige Aufteilung der Nutzer – der Goldstandard für datengetriebene Entscheidungen.
Daten
Ohne Daten keine KI. Diese Kategorie deckt alles ab, was mit Daten zu tun hat: Datensätze und ihre Qualität, Preprocessing und Feature Engineering, Embeddings und Vektordatenbanken sowie Retrieval Augmented Generation (RAG) für wissensbasierte KI-Systeme.
Sicherheit Daten
Anonymisierung / Pseudonymisierung
Anonymization / Pseudonymization
Techniken zum Schutz personenbezogener Daten: Anonymisierung entfernt den Personenbezug unwiderruflich, Pseudonymisierung ersetzt ihn durch Kennzeichen.
DevOps Daten
Apache Kafka
Apache Kafka
Eine verteilte Streaming-Plattform für zeitnahe Datenströme zwischen Systemen – häufig genutzt in ML-Pipelines, Feature Stores und Event-Driven Architectures.
Grundlagen Daten
BLEU / ROUGE
BLEU / ROUGE
Automatische Metriken zur Bewertung von generiertem Text – BLEU für Übersetzungen (Precision-basiert), ROUGE für Zusammenfassungen (Recall-basiert).
Grundlagen Daten
Confusion Matrix
Confusion Matrix
Eine Tabelle, die zeigt wie oft ein Klassifikationsmodell richtig und falsch lag – aufgeschlüsselt nach True/False Positives und Negatives.
Digital Marketing Daten
Cookieless Tracking
Cookieless Tracking
Methoden zur Messung von Nutzerverhalten und Marketing-Performance ohne Third-Party Cookies – als Reaktion auf Browser-Einschränkungen, DSGVO und das Ende des klassischen Retargetings.
Daten Grundlagen
Cosine Similarity
Cosine Similarity
Ein Ähnlichkeitsmaß, das den Winkel zwischen zwei Vektoren misst – der Standard für den Vergleich von Embeddings in der semantischen Suche und RAG-Systemen.
Daten Grundlagen
Data Augmentation
Data Augmentation
Techniken zur künstlichen Vergrößerung von Trainingsdatensätzen durch Transformationen – Rotation, Spiegelung, Rauschen oder semantische Variationen.
Daten Daten
Data Catalog
Data Catalog
Ein zentrales Verzeichnis aller Datenbestände im Unternehmen – mit Metadaten, Beschreibungen und Lineage für bessere Data Discovery.
Daten Praxis
Data Governance
Data Governance
Ein Framework aus Richtlinien, Prozessen und Standards zur Verwaltung von Daten – stellt Qualität, Sicherheit, Compliance und Nutzbarkeit von Daten sicher.
Daten DevOps
Data Lake
Data Lake
Ein zentraler Speicher, der große Mengen an Rohdaten in ihrem ursprünglichen Format aufnimmt – strukturiert, semi-strukturiert und unstrukturiert.
Daten DevOps
Data Lineage
Data Lineage
Die Dokumentation des Datenflusses von der Quelle bis zum Endprodukt – woher kommen Daten, wie werden sie transformiert, wo werden sie verwendet.
Daten DevOps
Data Mesh
Data Mesh
Ein Architekturansatz, bei dem Dateneigentum und -verantwortung dezentralisiert werden – jedes Team besitzt und verwaltet seine eigenen Daten als Produkt, statt alles in einem zentralen Data Warehouse zu bündeln.
Daten DevOps
Data Pipeline
Data Pipeline
Eine automatisierte Abfolge von Schritten, die Daten von der Quelle über Transformation bis zum Ziel transportiert und verarbeitet.
Daten
Data Quality
Data Quality
Die Messung und Sicherstellung von Datenqualität anhand von Dimensionen wie Vollständigkeit, Genauigkeit, Konsistenz und Aktualität.
Daten
Data Validation
Data Validation
Automatische Prüfung von Daten auf Korrektheit, Vollständigkeit und Konsistenz – reduziert fehlerhafte Daten in Pipelines und ML-Modellen.
Daten DevOps
Data Warehouse
Data Warehouse
Ein zentrales Datenspeichersystem, das strukturierte, aufbereitete Daten aus verschiedenen Quellen für schnelle analytische Abfragen optimiert bereitstellt.
Daten Grundlagen
Dataset
Dataset
Eine strukturierte Sammlung von Daten, die für das Training, die Evaluation oder das Testen von KI-Modellen verwendet wird.
Daten Praxis
Datenannotation
Data Annotation
Der Prozess, Rohdaten mit zusätzlichen Informationen (Labels, Tags, Markierungen) zu versehen, damit KI-Modelle daraus lernen können.
Daten Grundlagen
Datenvorverarbeitung (Preprocessing)
Data Preprocessing
Datenvorverarbeitung umfasst alle Schritte, mit denen Rohdaten für ein Machine-Learning-Modell aufbereitet werden – von der Bereinigung über die Skalierung bis zur Kodierung. Sie entscheidet oft mehr über den Erfolg als das Modell selbst.
Sicherheit Daten
Differential Privacy
Differential Privacy
Ein mathematisches Framework, das garantiert, dass die Analyse eines Datensatzes keine Rückschlüsse auf einzelne Personen zulässt – durch kontrolliertes Hinzufügen von Rauschen.
Daten Grundlagen
Embedding Space
Embedding Space
Der hochdimensionale mathematische Raum, in dem Embeddings leben – semantisch ähnliche Konzepte liegen nahe beieinander, verschiedene weit auseinander.
Daten LLM
Embeddings
Embeddings
Numerische Vektordarstellungen von Text, Bildern oder anderen Daten, die semantische Bedeutung in einem hochdimensionalen Raum abbilden.
Daten DevOps
ETL / ELT
ETL / ELT
Zwei Muster für Datenpipelines: ETL transformiert Daten vor dem Laden, ELT lädt Rohdaten zuerst und transformiert sie im Zielsystem.
Daten DevOps
Feature Drift
Feature Drift / Data Drift
Eine Veränderung in der statistischen Verteilung der Eingabe-Features eines ML-Modells über Zeit – kann zu Leistungseinbußen führen, auch wenn das Modell selbst unverändert ist.
Daten Grundlagen
Feature Engineering
Feature Engineering
Der Prozess, aus Rohdaten aussagekräftige Merkmale (Features) zu extrahieren oder zu erstellen, die einem ML-Modell helfen, bessere Vorhersagen zu treffen.
Daten Grundlagen
Feature Scaling
Feature Scaling
Die Transformation von Features auf vergleichbare Wertebereiche – wichtig für viele ML-Algorithmen, besonders bei Distanzmaßen, Gradientenverfahren und Regularisierung.
Daten DevOps
Feature Store
Feature Store
Eine zentrale Plattform zur Speicherung, Verwaltung und Bereitstellung von ML-Features, die Konsistenz zwischen Training und Produktion sicherstellt.
Daten Sicherheit
Federated Learning
Federated Learning
Eine Trainingsmethode, bei der das Modell zu den Daten kommt statt umgekehrt – Daten bleiben lokal, nur Modell-Updates werden geteilt.
Digital Marketing Daten
First-Party Data vs. Third-Party Data
First-Party Data vs. Third-Party Data
First-Party Data sind Daten, die ein Unternehmen direkt von seinen Nutzern erhebt. Third-Party Data werden von Dritten gesammelt und verkauft. Mit dem Ende der Third-Party-Cookies wird First-Party Data zum strategischen Asset.
Daten Grundlagen
Imbalanced Data
Imbalanced Data / Class Imbalance
Ein häufiges Problem in ML, wenn Klassen im Datensatz sehr ungleich verteilt sind – z.B. 99% normale Transaktionen, 1% Betrug. Erfordert spezielle Techniken.
Grundlagen Daten
Klassifikation (Classification)
Classification
Klassifikation ist eine Machine-Learning-Aufgabe, bei der ein Modell Eingaben einer von mehreren festen Kategorien zuordnet – etwa E-Mails als Spam oder Nicht-Spam, oder Bilder nach ihrem Inhalt.
Daten Grundlagen
Knowledge Graph
Knowledge Graph
Eine strukturierte Wissensdatenbank, die Entitäten (Personen, Orte, Konzepte) und deren Beziehungen als Netzwerk aus Knoten und Kanten darstellt.
Daten Grundlagen
Kreuzvalidierung (Cross-Validation)
Cross-Validation
Kreuzvalidierung ist ein Verfahren, um die Leistung eines Machine-Learning-Modells zuverlässig zu schätzen, indem die Daten mehrfach in Trainings- und Testteile aufgeteilt und die Ergebnisse gemittelt werden.
Daten Grundlagen
Labeling
Labeling / Data Labeling
Das Zuweisen von Kategorien oder Tags zu Datenpunkten – der spezifische Akt des Beschriftens, der Datenannotation erst ermöglicht.
Daten Grundlagen
Normalization vs. Standardization
Normalization vs. Standardization
Zwei Feature-Scaling-Methoden im Vergleich – Normalization skaliert auf [0,1], Standardization auf Mittelwert 0 und Standardabweichung 1.
Daten
OLAP vs. OLTP
OLAP vs. OLTP
OLTP (Online Transaction Processing) ist für schnelle, häufige Einzeltransaktionen optimiert. OLAP (Online Analytical Processing) für komplexe Analysen über große Datenmengen.
Daten Grundlagen
Ontologie
Ontology
Eine formale Beschreibung von Konzepten, deren Eigenschaften und Beziehungen innerhalb einer Wissensdomäne – die Grundlage für strukturiertes Wissensmanagement in KI-Systemen.
Grundlagen Daten
Precision, Recall & F1-Score
Precision, Recall & F1-Score
Die drei wichtigsten Metriken zur Bewertung von Klassifikationsmodellen – Precision misst Genauigkeit, Recall misst Vollständigkeit, F1 kombiniert beide.
Marketing Daten
Predictive Analytics
Predictive Analytics
Der Einsatz von statistischen Modellen und Machine Learning, um aus historischen Daten Vorhersagen über zukünftige Ereignisse zu treffen – von Kundenabwanderung über Nachfrageprognosen bis zu Umsatzvorhersagen.
Daten LLM
Query Expansion
Query Expansion / Query Rewriting
Query Expansion erweitert oder reformuliert eine Suchanfrage automatisch – mit Synonymen, Umformulierungen oder LLM-generiertem Kontext – um mehr relevante Treffer zu finden.
LLM Daten
RAG (Retrieval Augmented Generation)
Retrieval Augmented Generation
Eine Technik, die Large Language Models mit externen Wissensdatenbanken verbindet, um präzisere und faktenbasierte Antworten zu generieren.
Daten
Schema Evolution
Schema Evolution
Die Fähigkeit, Datenschemata zu ändern, ohne bestehende Daten oder Anwendungen zu brechen – essentiell für langlebige Datensysteme.
Daten Praxis
Semantische Suche
Semantic Search
Eine Suchmethode, die die Bedeutung einer Anfrage versteht statt nur nach exakten Keywords zu suchen – ermöglicht durch Embeddings und Vektordatenbanken.
Daten Grundlagen
SMOTE
Synthetic Minority Over-sampling Technique
Eine Technik zur Erzeugung synthetischer Datenpunkte für unterrepräsentierte Klassen – löst das Problem unbalancierter Datensätze im ML.
Daten Architektur
SQL vs. NoSQL
SQL vs. NoSQL
Zwei grundlegend verschiedene Ansätze zur Datenspeicherung: relationale Datenbanken mit fester Struktur (SQL) versus flexible, schema-lose Datenbanken (NoSQL).
Daten Praxis
Synthetische Daten
Synthetic Data
Künstlich generierte Trainingsdaten, die echte Daten ergänzen oder ersetzen – von LLM-generierten Texten bis zu simulierten Sensordaten.
Daten Grundlagen
Time Series
Time Series Data
Daten, die über die Zeit geordnet sind – von Aktienkursen bis Sensordaten. Erfordert spezielle Methoden für Analyse und Vorhersage.
Grundlagen Daten
Trainingsdaten
Training Data
Die Datensätze, mit denen KI-Modelle trainiert werden – sie bestimmen maßgeblich, was ein Modell lernt, wie gut es funktioniert und welche Verzerrungen es aufweist.
Daten DevOps
Vector Search
Vector Search / Nearest Neighbor Search
Eine Suchmethode, die Daten als hochdimensionale Vektoren darstellt und die ähnlichsten Vektoren zu einer Anfrage findet – die Grundlage für semantische Suche und RAG.
Daten DevOps
Vektordatenbank
Vector Database
Eine spezialisierte Datenbank, die hochdimensionale Vektoren (Embeddings) speichert und effiziente Ähnlichkeitssuchen ermöglicht.
Grundlagen Daten
Word2Vec / GloVe
Word2Vec / GloVe
Pionier-Verfahren, die Wörter als Vektoren darstellen – Word2Vec (Google, 2013) und GloVe (Stanford, 2014) legten den Grundstein für moderne Embeddings.