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 O

Objective Function (Zielfunktion)

Objective Function (Zielfunktion)

Definition

Eine Objective Function (Zielfunktion) ist der mathematische Ausdruck, den ein Optimierungsalgorithmus beim Training eines Machine-Learning-Modells minimiert oder maximiert. Sie kombiniert meist die Fehlerfunktion (Loss Function) mit zusätzlichen Nebenbedingungen wie Regularisierungstermen.

Erklärung

Während die Loss Function die Abweichung zwischen Vorhersage und tatsächlichem Wert für einzelne Datenpunkte misst, fasst die Objective Function das gesamte Optimierungsziel über den Trainingsdatensatz hinweg zusammen. Ein häufiger Aufbau addiert zum durchschnittlichen Vorhersagefehler einen Strafterm (etwa L1- oder L2-Regularisierung), der übermäßig große Modellgewichte begrenzt und so einer Überanpassung (Overfitting) entgegenwirkt. Optimierungsverfahren wie Stochastic Gradient Descent oder Adam berechnen die Ableitungen dieser Funktion und korrigieren die Modellparameter schrittweise in Richtung des Minimums. In betrieblichen Prognosemodellen bestimmt die Wahl der Zielfunktion auch, wie asymmetrische Folgekosten gewichtet werden: Bei einer Kreditrisiko- oder Kündigungsprognose (Churn) lässt sich ein übersehener Risikofall (False Negative) mathematisch stärker bestrafen als ein Fehlalarm (False Positive).