Um die Qualität der trainierten Modelle zu prüfen, wird der noch nicht verwendete Validierungsdatensatz verwendet. Die im vorherigen Schritt vortrainierten Modelle werden mit Hilfe des Validierungsdatensatzes untersucht. Diese Daten kennen die Modelle noch nicht. Somit lässt sich überprüfen, ob ein KI-Modell die richtigen Zusammenhänge im Trainingsdatensatz erkannt hat und diese auf unbekannte Daten übertragen kann. Es wird hier also das vorgeschlagene Ergebnis der KI mit dem tatsächlich eingetretenen Ergebnis aus der Vergangenheit verglichen.

Die Bewertung des Modells erfolgt anhand selbstfestgelegter Zielmetriken wie bspw. Genauigkeit, Präzision, Recall, F1-Score und Spezifität.

Sollte ein Modell noch nicht die gewünschte Leistung bringen, sollte erneut geprüft werden, ob die richtigen Daten in der richtigen Qualität vorliegen und ggf. diesen Prozess wiederholen.

• Wie werden KI-Modelle trainiert?
  Fisher Data Science (Oktober 2023)
• In 5 Schritten zu Ihrem KI-Modell
  Max-Ludwig Stadler (Februar 2020)
• Accuracy, Precision, Recall, F1-Score und Specificity
  Artem Oppermann (o.J.)