Plattform
Plattform-ÜbersichtAI Adoption & Multi-ModellSelbstbefüllendes KI-CRMSales & Branchen CRMSales CRM Use CasesRecruiting CRM Use CasesB2B Kontakt-SucheMulti-Channel-KampagnenProjekte & AufgabenTeam-MessengerSocial Media StudioFunnel & NewsletterMeetings & Terminbuchung
Beratung, Preise & Ressourcen
KI-Transformation & StrategieManaged ServicesAlexander Weltzsch · Executive AdvisoryDennis Hilger · B2B Growth AdvisoryPreise & LizenzrechnerÜber unsKI im UnternehmenTech und KI GlossarLeitfaden für erfolgreiche LandingpagesGeschäftsbedingungen und RichtlinienKontakt & Live-Demo
← Zurück zum Tech und KI Glossar (A–Z)
Tech und KI Glossar · Buchstabe · Buchstabe B

Bias (Verzerrung)

Bias (Verzerrung)

Definition

Bias (Verzerrung) bezeichnet in der Statistik und im maschinellen Lernen eine systematische Abweichung in Trainingsdaten, Merkmalsauswahl oder Modellgewichten, durch die bestimmte Gruppen, Segmente oder Ergebnisse dauerhaft bevorzugt oder benachteiligt werden.

Erklärung

Verzerrungen entstehen im B2B-Kontext häufig schon bei der Datenerhebung. Wird etwa ein Lead-Scoring-Modell ausschließlich mit historischen Abschlüssen trainiert, die das Vertriebsteam aktiv bearbeitet hat (Selection Bias), bewertet der Algorithmus neue Zielbranchen oder kleinere Unternehmensgrößen systematisch zu niedrig. Ähnliche Fehlschlüsse treten bei automatisierten Bewerbervorauswahlen, Kreditprüfungen oder Abwanderungsprognosen auf, wenn historische Ungleichgewichte ungeprüft als Muster gelernt werden. Um Bias zu begrenzen, prüfen Data-Science-Teams Trainingsdatensätze auf Repräsentativität, entfernen indirekte Stellvertretermerkmale (Proxy-Variablen) und messen Fehlerraten getrennt nach Kundensegmenten oder demografischen Gruppen. Im laufenden Betrieb helfen regelmäßige Audits dabei, schleichende Datenverschiebungen (Data Drift) frühzeitig zu korrigieren.