Woran erkennt man, ob ein KI-Modell gut sein wird – bevor man es ausprobiert?

Woran erkennt man, ob ein KI-Modell gut sein wird, bevor man es tatsächlich ausprobiert? Natürlich muss ein KI-System letztlich in der realen Produktion getestet werden – doch davor gibt es einen nullten Schritt: das Lesen der Trainingskurven.

Die während des Trainings aufgezeichneten Kurven zeigen bereits, ob das Modell wirklich lernt oder nur auswendig lernt, wie stabil das Training verläuft und wo Overfitting beginnt. Die Verläufe von Loss und Genauigkeit auf Trainingsdaten und Validierungsdaten sowie die Lücke zwischen ihnen verraten einem erfahrenen Auge viel darüber, wie sich das Modell an der Linie verhalten wird.

Das ist ein günstiges, schnelles Quality Gate: Modelle, die daran scheitern, verschwenden keine Zeit in Produktionsversuchen. Es gehört zu den Standardprüfungen in jedem ROBOMIND-Bildverarbeitungsprojekt, bevor ein Modell auch nur in die Nähe einer Kamera in der Fertigung kommt.