Konzeptdrift (Concept Drift)
Die Kurzantwort · 19 Wörter
Kurz erklärt
Veränderung der Beziehung zwischen Eingabedaten und Zielgröße, durch die ein zuvor passendes Modell mit der Zeit unzuverlässiger werden kann.
Flow-alerta.cab (2026): Konzeptdrift (Concept Drift). https://flow-alerta.cab/glossar/concept-drift. Redaktionell geprüft am: 09. Oktober 2026.
Wie ausführlich soll es sein?
Praxis
Relevant für produktive ML-Systeme, weil Geschäftsprozesse, Kundschaft, Preise oder Verhalten nicht dauerhaft stabil bleiben.
Hypothetisches Beispiel: Ein Kündigungsmodell verliert an Genauigkeit, nachdem ein neues Vertragsmodell das Kundenverhalten grundlegend verändert.
Leistungsmetriken und Datenverteilungen regelmäßig überwachen, Ursachen prüfen und Retraining oder Modellwechsel nur bei nachvollziehbarem Bedarf auslösen.
Auf einen Blick
- Kern
- Bei Concept Drift verändert sich das zugrunde liegende Muster, das ein Modell gelernt hat. Derselbe Eingang kann später eine andere Bedeutung für das Ziel haben. Das unterscheidet sich von reinem Data Drift, bei dem sich nur die Verteilung der Eingaben verschiebt.
- Nutzen
- Relevant für produktive ML-Systeme, weil Geschäftsprozesse, Kundschaft, Preise oder Verhalten nicht dauerhaft stabil bleiben.
- Beispiel
- Hypothetisches Beispiel: Ein Kündigungsmodell verliert an Genauigkeit, nachdem ein neues Vertragsmodell das Kundenverhalten grundlegend verändert.
- Grenzen
- Concept Drift und Data Drift gleichsetzen; nur Eingabeverteilungen überwachen; Modellleistung nicht mit neuen Labels nachprüfen; automatisch bei jeder Drift neu trainieren.
Im Zusammenhang
Fragen, die dazu gestellt werden
Ist Concept Drift dasselbe wie Data Drift?
Nein.
Kann Drift saisonal auftreten?
Ja.
Muss jedes Drift-Signal zu Retraining führen?
Nein.
Alle Details und Hintergründe
Bei Concept Drift verändert sich das zugrunde liegende Muster, das ein Modell gelernt hat. Derselbe Eingang kann später eine andere Bedeutung für das Ziel haben. Das unterscheidet sich von reinem Data Drift, bei dem sich nur die Verteilung der Eingaben verschiebt.
ELI5 – Einfach erklärt
Die Welt ändert sich, aber das Modell arbeitet noch nach alten Zusammenhängen.
Warum das im Alltag wichtig ist
Relevant für produktive ML-Systeme, weil Geschäftsprozesse, Kundschaft, Preise oder Verhalten nicht dauerhaft stabil bleiben.
Beispiel
Hypothetisches Beispiel: Ein Kündigungsmodell verliert an Genauigkeit, nachdem ein neues Vertragsmodell das Kundenverhalten grundlegend verändert.
Fallstricke und Grenzen
- Concept Drift und Data Drift gleichsetzen; nur Eingabeverteilungen überwachen; Modellleistung nicht mit neuen Labels nachprüfen; automatisch bei jeder Drift neu trainieren.
Entstehung & Geschichte
Concept Drift ist ein Monitoring-Thema für produktive Modelle: Die Beziehung zwischen Eingaben und Ziel kann sich nach dem Training verändern.
Anwendung im Mittelstand
- Leistungsmetriken und Datenverteilungen regelmäßig überwachen, Ursachen prüfen und Retraining oder Modellwechsel nur bei nachvollziehbarem Bedarf auslösen.
Verwandte Begriffe
- Data Drift
- Änderungspunkterkennung
- MLOps
- Model Monitoring
Passende Flow-alerta-Leistung
KI-Potenzialanalyse & FahrplanKI-Beratung: KI-Potenzialanalyse & Fahrplan zu Aufgaben, Daten und Voraussetzungen eines möglichen ersten KI-Anwendungsfalls.Passendes Tool / Use Case
Praxisbeispiele ansehenUse Case: Überwachung eines Prognosemodells auf veränderte Kunden- oder Prozesszusammenhänge.Quellen
- www.ibm.comIBM, What Is Model Drift?
Quellenprüfung: 09.10.2026. Definition und dokumentierte Einordnung abgeglichen; Beispiele beschreiben mögliche Anwendungen.
Redaktionell geprüft am: