Floemdata
KI

Daten labeln für Machine Learning im KMU

Woher kommen die Labels für überwachtes Lernen? Inkonsistente Labels, kleine Datenmengen und ein Labeling-Prozess im KMU-Maßstab; Stand bei Floemdata.

Floemdata · · 5 Min. Lesezeit
Formen nach Typ in drei Reihen sortiert: Kreise, Quadrate, Dreiecke; in der Dreiecksreihe steckt ein gelber Kreis

Sie möchten einem Modell beibringen, welcher Kunde eine Rechnung zu spät bezahlt. Vergangene Rechnungen allein genügen nicht; neben jeder Rechnung braucht das Modell auch die Antwort „zu spät bezahlt / pünktlich bezahlt“. Diese Antwort heißt Label. In den meisten KMU liegt die Schwierigkeit nicht in der Modellwahl, sondern darin, ein verlässliches Label zu finden. Das folgende Beispiel ist fiktiv.

Woher Labels kommen

  • Ein Ergebnis, das das System ohnehin speichert: eine Rechnung, die mehr als 30 Tage nach Fälligkeit bezahlt wurde, eine retournierte Bestellung, ein abgeschlossenes Angebot. Das ist die günstigste und verlässlichste Quelle, weil niemand das Label von Hand schreibt.
  • Manuelle Markierung: Ein Fachexperte, etwa ein Mitarbeiter im Forderungsmanagement, klassifiziert jeden Datensatz. Das ist langsam, aber der einzige Weg für Ergebnisse, die nicht im System stehen.
  • Regelbasiertes Vorlabel: Eine einfache Regel vergibt automatisch Labels, und ein Mensch korrigiert nur die zweifelhaften.

Inkonsistente Labels

Zwei Personen können denselben Datensatz unterschiedlich labeln: Ist „verspätete Zahlung“ ab 30 oder ab 15 Tagen? Ist die Label-Definition nicht aufgeschrieben, lernt das Modell die Uneinigkeit der Menschen. Machen Sie einen kleinen Test: Lassen Sie zwei Personen dieselben 50 Datensätze unabhängig labeln und sehen Sie, bei wie vielen sie übereinstimmen. Ist die Übereinstimmung niedrig, liegt das Problem nicht an der Datenmenge, sondern an der Label-Definition.

Schritte bei kleinen Datenmengen

  • Definieren Sie das Label in einem Satz und geben Sie Beispiele für Grenzfälle.
  • Labeln Sie zuerst einige hundert Datensätze und vergleichen Sie mit einer einfachen Regel („überfällig und hoher Betrag“); übertrifft das Modell sie nicht, machen Sie nicht weiter.
  • Geben Sie keine Informationen aus der Zeit nach Bekanntwerden des Labels als Eingabe: Felder wie das Zahlungsdatum trainieren das Modell auf eine Vorhersage, die es in der Praxis nie treffen könnte.
  • Schauen Sie auf die Label-Verteilung: Ist eine Klasse eine Minderheit von 2 Prozent, führt die Trefferquote allein in die Irre.

Stand bei Floemdata

Die Warnungen in der Produktdefinition von Floemdata sind aus der Historie berechnete Regeln: Die Regel wird als Daten definiert, sie schweigt bei unzureichender Historie, und es werden keine erfundenen Schwellenwerte gesetzt. Ein mit gelabelten Daten trainiertes Machine-Learning-Modell haben wir in den Produktunterlagen nicht gefunden; der KI-Assistent steht auf der Roadmap. Die einzige Quelle, mit der das Warehouse von Floemdata auf echten Daten läuft, ist SAP Business One; welches SAP-Feld sich als Label eignet, hängt von der Kundenumgebung ab und ist hier nicht verifiziert.

Zum Einstieg: Schreiben Sie das vorherzusagende Ergebnis in einem Satz auf, lassen Sie zwei Personen dieselben 50 Datensätze labeln und notieren Sie die Übereinstimmung. Fragen richten Sie gern an info@floemdata.com oder über Floemdata.

← Alle Leitfäden