Referenzwahrheit (Ground Truth)
Definition
Ground Truth bezeichnet die Referenz, gegen die Vorhersagen oder Messungen bewertet werden.
Im Machine Learning sind Ground-Truth-Daten meist akzeptierte Zielwerte oder Labels. Sie können aus realen Ereignissen, Messungen oder menschlichen Annotationen stammen und selbst Fehler oder Unsicherheiten enthalten.
Einfach erklärt
Wie die Musterlösung, mit der geprüft wird – nur dass auch die Musterlösung fehlerhaft sein kann.
Warum das im Alltag wichtig ist
Zentral für Training, Evaluation und Qualitätsmessung von KI-Systemen.
Beispiel aus dem Mittelstand
Ein Qualitätsmodell sagt Ausschuss voraus; die spätere geprüfte Wareneingangskontrolle dient als Referenz für die Bewertung.
Grenzen und Fallstricke
- Ground Truth als unfehlbare Wahrheit behandeln; uneinheitliche Annotationen ignorieren; Datenleckage zwischen Referenz und Modelltraining zulassen.
Entstehung & Geschichte
Ground Truth wird im Machine Learning als Referenz für die Bewertung von Modellen verwendet. Solche Referenzdaten können aus beobachteten Ereignissen, Messungen oder menschlichen Bewertungen stammen.
Anwendung im Mittelstand
- Mögliche Anwendung: geprüfte Referenzdatensätze für Dokumentklassifikation, Qualitätskontrolle oder Prognosemodelle aufbauen.
Häufige Fragen
Kann Ground Truth falsch sein?
Ja, Mess-, Prozess- und Annotierungsfehler sind möglich. Muss sie immer von Menschen stammen? Nein, sie kann auch aus verlässlichen Ereignis- oder Messdaten entstehen.
Quellen
- Ground Truth · Google Machine Learning Glossary, Ground Truth
Quellenprüfung: 11.10.2026.
Redaktionell geprüft am: