Bewertung der Datensatzqualität

Mit der Entwicklung von KI-Modellen in den meisten Bereichen der Gesellschaft war die Bedeutung der Daten, die zum Trainieren und Testen dieser Modelle verwendet werden, ein wichtiges Anliegen für den KI-Anbieter. Das Verständnis der Qualität der verwendeten Datensätze, insbesondere in Sektoren wie der Landwirtschaft und dem Agrar- und Lebensmittelsektor, in denen Daten selten sein können, ist daher eine Voraussetzung, um die korrekte Entwicklung von KI-Modellen sicherzustellen und Vertrauen in diese Ansätze für die Gesellschaft aufzubauen. Dieser Service zielt darauf ab, diese Herausforderung zu lösen, indem die Qualität der vom Kunden bereitgestellten Datensätze bewertet wird. Die Merkmale der zu analysierenden Datensätze basieren auf einer vereinbarten Definition durch die KI-Community: Vollständigkeit, Ausgewogenheit, Vielfalt, Genauigkeit... Die Qualitätsbewertung des Datensatzes beginnt mit der Erstellung der Liste der Einflussfaktoren des Systems, die für die Erstellung einer Datenbank erforderlich sind. Diese Faktoren werden sowohl anhand des LNE-Know-hows als auch aus externen Quellen wie agrarlebensmittelrelevanten Experten ermittelt. Anhand dieser Faktoren analysiert LNE die Verteilung (oder das Gewicht) der verschiedenen Einflussfaktoren in den Datenbanken und vergleicht sie mit denen unter normalen Nutzungsbedingungen, um die Repräsentativität und das Gleichgewicht des Datensatzes zu bewerten.