Unteranpassung (Underfitting)
Definition
Unteranpassung bedeutet, dass ein Modell wichtige Muster noch nicht ausreichend erfasst.
Ein Modell ist unterangepasst, wenn es relevante Struktur selbst in Trainingsdaten nicht ausreichend abbildet.
Einfach erklärt
Das Modell hat die Aufgabe zu grob gelernt. Deshalb macht es selbst bei Beispielen Fehler, mit denen es schon geübt hat.
Warum das im Alltag wichtig ist
Der Begriff hilft, KI-Systeme fundiert auszuwählen, zu entwickeln, zu bewerten und ihre technischen Risiken realistisch einzuordnen.
Beispiel aus dem Mittelstand
Ein Absatzmodell verfehlt sowohl historische Trainingsperioden als auch neue Monate systematisch.
Grenzen und Fallstricke
- Hoher Trainingsfehler kann auch aus fehlerhaften Labels oder Optimierung stammen; mehr Komplexität ist nicht automatisch die Lösung.
Entstehung & Geschichte
Der Begriff folgt aus dem Bias-Variance-Verständnis statistischen Lernens.
Anwendung im Mittelstand
- Mögliche Anwendung: Ein Absatzmodell verfehlt sowohl historische Trainingsperioden als auch neue Monate systematisch.
Häufige Fragen
Was bedeutet Unteranpassung (Underfitting)?
Ein Modell ist unterangepasst, wenn es relevante Struktur selbst in Trainingsdaten nicht ausreichend abbildet. Worauf sollte man achten? Hoher Trainingsfehler kann auch aus fehlerhaften Labels oder Optimierung stammen; mehr Komplexität ist nicht automatisch die Lösung.
Quellen
- Deep Learning, Capacity and Underfitting · Goodfellow et al., Deep Learning, Capacity and Underfitting
Quelle geprüft am 10.10.2026. Redaktionelle Anwendungsbeispiele sind hypothetisch; kein Nachweis realer Kundenergebnisse.
Redaktionell geprüft am: