Technique Aktualisiert 2026-04

Synthetische Daten

Synthetic Data
Definition

Synthetische Daten sind Daten, die künstlich durch Algorithmen oder KI-Modelle generiert werden und darauf ausgelegt sind, die statistischen Eigenschaften realer Daten zu reproduzieren, ohne personenbezogene Informationen zu enthalten.

Siehe auch im Glossar

G
Generative KI
Generative KI bezeichnet KI-Systeme, die in der Lage sind, originale Inhalte zu erstellen: Texte, Bilder, Videos, Audio und Code.
F
Fine-tuning
Fine-tuning bezeichnet den Prozess, ein bestehendes KI-Modell auf einem spezifischen Datensatz weiterzutrainieren, um es an eine bestimmte Domäne oder Aufgabe anzupassen.
M
Machine Learning
Machine Learning ist ein Teilgebiet der KI, bei dem Systeme aus Daten lernen, um ihre Leistung zu verbessern – ohne für jede Aufgabe explizit programmiert zu werden.
D
Deep Learning
Deep Learning ist ein Teilbereich des Machine Learning, der mehrschichtige neuronale Netze verwendet, um komplexe Muster direkt aus Rohdaten zu erlernen.
L
LLM (Large Language Model)
Ein LLM ist ein KI-Modell, das auf Milliarden von Texten trainiert wurde und in der Lage ist, menschliche Sprache zu verstehen und zu generieren.
R
RLHF (Reinforcement Learning from Human Feedback)
RLHF ist eine Trainingstechnik, die menschliches Feedback nutzt, um das Verhalten eines LLMs an den Erwartungen der Nutzer auszurichten.

Tools, die synthetische daten verwenden

C
ChatGPT
Der weltweit meistgenutzte KI-Konversationsassistent
4.6/5
C
Claude
Die KI, die Nuancen versteht – von Anthropic
4.7/5
H
Hugging Face
Die Open-Source-Plattform für Machine Learning
4.6/5
M
Meta AI (Llama)
Metas KI-Assistent, betrieben von Llama – dem führenden Open-Source-LLM
4.3/5

Häufig gestellte Fragen

Kann synthetische Daten echte Daten ersetzen?
Nicht vollständig. Synthetische Daten sind eine leistungsstarke Ergänzung zu echten Daten: Sie schließen Lücken, erhöhen die Diversität und wahren die Privatsphäre. Ein Modell, das ausschließlich auf synthetischen Daten trainiert wird, riskiert jedoch einen Model Collapse – eine Verankerung in der Realität ist stets notwendig.
Wie werden synthetische Daten erzeugt?
Es gibt verschiedene Methoden: LLMs wie ChatGPT oder Claude für strukturierten Text, GANs für Bilder, Diffusionsmodelle, Physik-Simulatoren sowie klassische statistische Verfahren wie SMOTE für tabellarische Daten.