Synthetische Daten: Was macht sie aus und wie kommen sie im KI-Training zum Einsatz?

Um KI-Modelle zu trainieren, die sich im realen Einsatz bewähren, braucht man hochwertige Daten, und davon möglichst viele. In allen Branchen, Arbeitsfeldern und Umgebungen ist der Einsatz von KI im Prinzip möglich, es wird experimentiert, ausprobiert und auch wieder verworfen. In manchen Bereichen, etwa der Medizin oder im Katastrophenschutz, setzt man große Hoffnungen in KI, wobei gerade dort die Trainingsdatenlage an vielen Stellen dünn ist, und vor allem: wo schwere Fehler vermieden werden sollen. Für etliche Fragestellungen liegen schlicht zu wenige Trainingsdaten vor, um zuverlässige und robuste KI-Systemen zu entwickeln. Dabei spielen nicht einmal Datenschutz und weitere Zugangsbeschränkungen eine entscheidende Rolle: Daten für das KI-Training zu erheben und nutzbar zu machen, kann sehr aufwendig und teuer sein. Synthetische Daten sind hier ein wichtiges Stichwort. Sie sollen schnell und kostengünstig Trainingsdatensätze für KI erzeugen können, wo „echte“ Daten fehlen. Aber geht das so einfach? Wie weit ist die Forschung in diesem Feld heute? Und was gilt es zu bedenken, wenn man sich auf diesen Weg begibt? Sören Pirk ist Professor für Informatik an der Christian-Albrechts-Universität zu Kiel und leitet dort das Visual Computing and Artificial Intelligence (VCAI) lab. Der Experte für generative KI und synthetische Daten erklärt im Digitalgespräch, worum es sich bei synthetischen Daten handelt, wie man sie herstellt und wofür sie gebraucht werden. Er beleuchtet spannende Forschungsfragen und beschreibt die größten Herausforderungen im Umgang mit diesem Datentyp. Mit den Gastgeberinnen Marlene Görger und Petra Gehring diskutiert Pirk, wo Grenzen der Anwendbarkeit liegen, was „gute“ Datensätze auszeichnet , wie sich Regeln und Umgangsformen in diesem Feld entwickeln – und wie die Community nun, wo synthetische Daten so viel Aufmerksamkeit bekommen, auf Daten schaut, die nicht synthetisch sind. Link zum Originalbeitrag: https://zevedi.de/digitalgespraech-078-soeren-pirk/ Link zur Webseite des Visual Computing and Artificial Intelligence (VCAI) lab: https://www.vcai-lab.org/ Link zur Webseite des Projekts „WildfireTwins“: https://www.wildfiretwins.org/