Fehleranalyse für KI-Modelle ist ein methodischer Kernbereich, weil Modelle in der Praxis selten gleichmäßig falsch oder richtig liegen. Wer Fehlerklassen versteht, kann gezielt verbessern. Der Kurs vermittelt einen strukturierten Analysebprozess.

!Kursinhalt

!1. Aufbau eines Analyseprozesses
*Sammlung von Fehlerfällen
*Aufteilung in Klassen
*Priorisierung nach Auswirkung

!2. Methodische Auswertung
*Kennzahlen je Fehlerklasse
*Vergleich über Modellversionen
*Bewertung durch Fachexpert:innen

!3. Ursachenanalyse
*Datenseitige Ursachen
*Modellbedingte Schwächen
*Verzerrungen im Trainingssetup

!4. Maßnahmen und Wirkungsmessung
*Datenkorrekturen und neues Training
*Anpassung von Architekturen
*Beobachtung der Effekte über Zeit

!Berufliche Relevanz

*Gezielte Verbesserung produktiver Modelle
*Reduktion stiller Schwächen
*Profilierung als methodisch fundierte:r AI Engineer