Synthetische Daten sind künstlich erzeugte Datensätze, die mithilfe statistischer Modelle, Simulationen oder generativer Algorithmen die Verteilungen und Zusammenhänge realer Daten nachbilden, ohne echte personenbezogene oder vertrauliche Einträge zu enthalten.
Erklärung
In der B2B-Softwareentwicklung und beim Training von Machine-Learning-Modellen stehen reale Produktionsdaten aus Datenschutzgründen (etwa nach DSGVO), wegen Geheimhaltungsvereinbarungen oder aufgrund geringer Fallzahlen oft nicht frei zur Verfügung. Generatoren wie tabellarische Diffusions- und GAN-Modelle, regelbasierte Simulationen oder große Sprachmodelle erzeugen in solchen Fällen realistische Ersatzdatensätze. Entwicklungsteams bestücken damit Test- und Staging-Umgebungen ohne Rückgriff auf echte Kundendatenbanken oder reichern Trainingsdaten um seltene Randfälle an, etwa ungewöhnliche Betrugsmuster im Zahlungsverkehr, Maschinenausfälle oder seltene Reklamationsfälle im Support. Voraussetzung für den produktiven Einsatz ist eine statistische Validierung gegen reale Referenzstichproben, damit nachgelagerte Modelle keine künstlichen Verzerrungen oder Artefakte des Generators erlernen.