Im laufenden Betrieb entstehen neue Daten, die erneut zum Training des Modells verwendet werden können. So können Modelle weiter optimiert werden und genauere Ergebnisse liefern. Für echtzeitfähige KI-Modelle bietet sich oft ein kontinuierlicher Lernprozess an, damit das Modell im laufenden Betrieb verbessert wird. Sollten KI-Modelle keine Echtzeitfähigkeit bieten, ist ein zyklisches Modelltraining angebracht. Dabei wird das Modell nur in festgelegten Zyklen erneut trainiert.

Es muss bei den neu für das Training verwendete Daten in der gleichen Art und Weise vorverarbeitet werden, wie der erste Trainings- und Validierungsdatensatz. So kann sichergestellt werden, dass Modelle mit Daten in hoher Qualität trainiert werden.

• CRISP DM: Das Data Mining Modell einfach erklärt
  Kilian (Juli 2020)
• In 5 Schritten zu Ihrem KI-Modell
  Max-Ludwig Stadler (Oktober 2023)