Comic-Zeichnung: eine rothaarige Person wirft die Arme hoch und lacht. Im Banner über ihr steht "YAAAAAY!"

Unsere Animatics sind kleine Erklärvideos. Lernen Sie einen kleinen Ausschnitt unseres Beratungsangebots kennen und holen Sie sich einen Einblick in unsere Arbeit. Ob Sie einfach schon immer mal wissen wollten, was Sie sich unter KCS vorstellen müssen, was Wissensmanagement eigentlich so ist, oder Sie sich nach einem Workshop fragen, was es nochmal mit „Daten Bias“ auf sich hatte: hier finden Sie die Antwort in bewegter Form.

Schon einmal von Daten Bias gehört? Nein? Vielleicht? Was war das? Einen kurzen Überblick bieten wir im Video und die Erklärung, warum Sie Daten Bias auf jeden Fall vermeiden sollten.

Mit zunehmender Verbreitung von Chatbots und Algorithmen im Service gewinnt das Thema Daten Bias an Dynamik. Der Grund dafür ist sehr simpel: bei beiden handelt es sich um Technologien, die lediglich Aktionen rund um die Daten, auf die sie zugreifen können, ausführen. Wenn diese Algorithmen auch noch selbstlernend sind, dann werden die Ergebnisse dieser Aktionen in Zukunft auch als Daten verwendet.

Was machen Sie aber, wenn sich in die ursprünglichen Daten ein Fehler eingeschlichen hat? Vielleicht erinnern Sie sich noch an die „Folgefehler“ im Matheunterricht. Diese wurden weniger schwer gewichtet, weil Sie mit dem falschen Ergebnis gar keine Chance mehr hatten, noch auf das richtige Ergebnis zu kommen.

Algorithmen geht es ähnlich: wenn die ursprünglichen Daten nicht perfekt sind, werden sich Fehler von Anfang an durchziehen und Ihnen auf die Dauer nur falsche Ergebnisse präsentieren.

Ein Daten Bias ist ein solcher Fehler. Ein Bias bezeichnet eine systematische Verzerrung. Das heißt, die Daten bilden gar nicht die Wirklichkeit ab, sondern nur einen verzerrten Ausschnitt. Algorithmen, die mit einem Daten Bias arbeiten, rechnen also nicht in unserer echten, sondern in einer verzerrten Darstellung unserer Welt.

Dieses Problem können Sie nur an der Wurzel lösen, indem Sie Daten so sauber zusammenstellen und aufbereiten, dass Sie Biases so gut es geht eliminieren.