Data Imbalance ist ein wichtiger Begriff aus den Bereichen Künstliche Intelligenz, Big Data und Smart Data sowie Automatisierung. Data Imbalance bedeutet, dass in einem Datensatz einzelne Gruppen oder Kategorien viel häufiger vorkommen als andere. So kann zum Beispiel bei der Analyse von Kundenzufriedenheit die Anzahl zufriedener Kunden wesentlich größer sein als die der unzufriedenen Kunden. Das führt dazu, dass Künstliche Intelligenz und andere Datenmodelle falsche Schlüsse ziehen oder bestimmte Gruppen übersehen.
Ein anschauliches Beispiel: Stellen Sie sich vor, Sie wollen automatisch E-Mails sortieren. Von 1.000 E-Mails sind 950 als „normal“ und nur 50 als „Spam“ markiert. Ein System, das kaum Spam lernt, stuft am Ende zu viele Spam-Mails als normal ein. Das liegt daran, dass die seltenen Fälle im Datensatz (hier: Spam) zu wenig Gewicht bei der Auswertung haben.
Data Imbalance ist besonders bei der Entwicklung von Automatisierungs- und KI-Lösungen zu beachten. Nur wenn die Daten möglichst ausgewogen sind, kann ein Modell zuverlässig und gerecht arbeiten. Daher ist es wichtig, bei der Datensammlung und Auswertung auf Data Imbalance zu achten und diese auszugleichen.
Deutsch 
English (UK)