Overfitting

Overfitting ist das Phänomen des pedantischen Strebers unter den KI-Modellen – ein System, das so gründlich auswendig lernt, dass es den Wald vor lauter Bäumen nicht mehr sieht. Stellen Sie sich einen Schüler vor, der jede Prüfungsaufgabe der letzten fünf Jahre bis ins kleinste Detail memoriert hat, aber bei einer neuen, leicht abgewandelten Frage völlig versagt. Genau das passiert beim Overfitting: Das Modell lernt die Trainingsdaten so detailgetreu, dass es sogar zufällige Schwankungen und Messfehler als 'Wahrheiten' abspeichert. Ein überangepasstes Bilderkennungsmodell könnte lernen, Katzen nur dann zu erkennen, wenn sie auf einem grünen Sofa sitzen – weil das zufällig in den Trainingsdaten so war. Das Fatale: Während das Modell bei den Trainingsdaten scheinbar perfekte Ergebnisse erzielt, versagt es kläglich bei neuen, unbekannten Daten. Overfitting ist der Fluch der modernen KI-Entwicklung und wird durch Techniken wie Regularisierung, Dropout oder frühzeitiges Stoppen bekämpft.