Trainingsdaten

Trainingsdaten sind die Daten, auf denen ein KI-Modell trainiert wird — sie bestimmen fundamental, was das Modell kann und was nicht. LLMs wie GPT-5.2 wurden auf Billionen von Tokens trainiert: Webseiten, Bücher, Code, wissenschaftliche Papers und mehr. Die Qualität und Zusammensetzung der Trainingsdaten entscheidet über die Fähigkeiten des Modells.

Das Prinzip „Garbage In, Garbage Out" gilt besonders für KI: Verzerrte Trainingsdaten führen zu verzerrten Modellen, fehlende Domänen-Daten zu Wissenslücken, und veraltete Daten zu veralteten Antworten. Deshalb investieren OpenAI, Anthropic und Google Hunderte Millionen in die Kuratierung hochwertiger Trainingsdaten.

Für Fine-Tuning eigener Modelle sind Trainingsdaten der Schlüssel: Schon 50–100 hochwertige Beispiele können ein Modell deutlich verbessern. Die Erstellung guter Trainingsdaten — Datensammlung, Cleaning, Labeling, Qualitätskontrolle — ist oft der aufwändigste Teil eines KI-Projekts, aber auch der wichtigste.

Rechtliche Aspekte: Die Nutzung urheberrechtlich geschützter Daten für KI-Training ist rechtlich umstritten (NYT vs. OpenAI, Getty vs. Stability AI). Unternehmen sollten auf lizenzierte Daten, eigene Daten oder synthetische Daten setzen. Der EU AI Act verlangt Transparenz über Trainingsdaten.