Definition: Datendrift
Datendrift ist die schleichende Verschiebung der Verteilung der Eingabedaten eines KI-Systems nach dem Go-Live, unabhängig von der eigentlichen Logik des Modells.
Kernmerkmale von Datendrift
Datendrift spielt sich allein auf der Eingabeseite ab, noch bevor eine Vorhersage entsteht.
- Betrifft Verteilungen der Eingabemerkmale, nicht die Ausgabequalität
- Kann auftreten, während das Modell weiter korrekt arbeitet
- Wird durch statistischen Vergleich mit einer Trainings-Baseline erkannt
- Typische Auslöser sind neue Kundensegmente oder Systemänderungen
Datendrift vs. Modell-Drift
Datendrift ist die konkrete, messbare Ursache; Modell-Drift ist der breitere Rückgang der Ausgabequalität, den sie auslösen kann. Ein System kann monatelang Datendrift zeigen und trotzdem gut funktionieren, solange der Zusammenhang zwischen Eingabe und korrektem Ergebnis stabil bleibt; Modell-Drift zeigt sich erst, wenn sich auch dieser Zusammenhang verändert, ein eigener Zustand namens Concept Drift.
Bedeutung von Datendrift im Enterprise-KI-Umfeld
Wer Datendrift früh erkennt, kann eingreifen, bevor sie Kunden oder Prüfer erreicht. Gartner prognostiziert, dass 40 % der Unternehmen mit KI-Einsatz bis 2028 dedizierte Observability-Tools zur Drift-Überwachung nutzen werden.
Methoden und Verfahren für Datendrift
Die Erkennung von Datendrift kombiniert statistische Tests mit Monitoring in der Datenpipeline.
Statistische Verteilungstests
Die Kerntechnik vergleicht laufende Eingabeverteilungen mit einer fixierten Baseline nach festem Rhythmus.
- Population Stability Index (PSI) markiert Verschiebungen über einem Schwellenwert
- Kolmogorov-Smirnov- und Divergenztests erkennen Veränderungen pro Merkmal
- Wöchentliche Vergleichsfenster zeigen Drift, bevor er sich aufsummiert
Merkmalsbezogenes Monitoring
Merkmalsbezogenes Monitoring prüft jede Eingabevariable einzeln, da sich ein instabiles Feld hinter einem stabilen Durchschnitt verstecken kann.
Baseline-Pflege und Governance
Auch die Baseline selbst braucht eine regelmäßige Überprüfung, nicht nur die Live-Daten. Gute Daten-Governance weist der Referenzverteilung einen festen Verantwortlichen zu, damit sie nicht unbemerkt veraltet.
Wichtige Kennzahlen für Datendrift
Die Messung von Datendrift erfordert Kennzahlen, die Veränderungen früh anzeigen.
Operative Drift-Kennzahlen
- Population Stability Index: unter 0,1 stabil, über 0,25 löst Prüfung aus
- Merkmalsbezogener Drift-Score: je Eingabevariable, wöchentlich geprüft
- Rate fehlender Werte: zur Erkennung von Pipeline-Ausfällen
- Schema-Änderungsalarme: ausgelöst, sobald sich ein Feldtyp ändert
Strategische Geschäftskennzahlen
Die Bitkom-KI-Studie 2026 ergab, dass 41 % der deutschen Unternehmen KI bereits aktiv im Betrieb nutzen, mehr als doppelt so viele wie im Vorjahr, sodass deutlich mehr Systeme driftenden Eingaben ausgesetzt sind.
Datenqualität als Frühindikator
Schwache Datenqualität in den Quellsystemen sagt zukünftige Datendrift zuverlässig voraus, da unzuverlässige Quellen Verteilungen erzeugen, die sich bei Korrekturen unvorhersehbar verschieben.
Risikofaktoren und Kontrollen bei Datendrift
Unkontrollierte Datendrift schafft Risiken, die sich mit der Zeit verstärken.
Unerkannte Eingabeverschiebung
Datendrift kündigt sich durch keine Fehlermeldung an; ein Agent arbeitet weiter mit Eingaben, die nicht mehr dem entsprechen, wofür er gebaut wurde.
- Neue Kundensegmente erscheinen ohne passende Baseline
- Systemumstellungen ändern Feldformate ohne Vorwarnung
- Saisonale Verschiebungen bewegen Verteilungen langsam genug, um unbemerkt zu bleiben
Compliance-Risiko unter der EU-KI-Verordnung
Bei einem Hochrisiko-KI-System ist unüberwachte Datendrift nicht nur ein Genauigkeitsproblem, sondern eine Compliance-Lücke. Die EU-KI-Verordnung verlangt eine Marktbeobachtung nach Inverkehrbringen, die Veränderungen der Eingabedaten über die gesamte Lebensdauer des Systems erfasst.
Drift über die gesamte Agenten-Flotte
Wechseln Unternehmen von einem Pilotprojekt zu Dutzenden Produktivagenten, wird Datendrift zum Problem der ganzen Flotte, da jeder Agent aus Quellen liest, die sich unabhängig verschieben können.
Praxisbeispiel
Ein 95-köpfiger Großhändler für Bio-Lebensmittel in Bayern setzte einen KI-Agenten ein, um wöchentliche Nachbestellungen anhand von Verkaufsdaten der Handelspartner zu prognostizieren. Die Prognosen blieben ein Jahr lang genau, bis drei neue Handelsketten mit abweichenden Bestellmustern dazukamen. Die Verteilungen verschoben sich, während die neuen Kunden wuchsen, und der Prognosefehler stieg zehn Wochen lang, bevor ein Planer wiederholte Fehlbestände bemerkte.
- Wöchentlicher Abgleich der Kundenverteilung mit der Baseline
- Automatische Markierung, wenn ein neues Segment einen Schwellenwert überschreitet
- Dashboard mit Drift-Ansicht je Produktkategorie für die Planung
- Eskalationsregel, die automatische Bestellungen für markierte Segmente pausiert
Aktuelle Entwicklungen und Auswirkungen
Die Erkennung von Datendrift wird zunehmend zu einer Standardschicht der KI-Infrastruktur.
Automatisierte Drift-Erkennung in Observability-Plattformen
KI-Observability-Plattformen liefern Datendrift-Erkennung zunehmend als Standardfunktion.
- Statistische Tests laufen automatisch gegen den Live-Datenverkehr
- Drift-Dashboards erscheinen neben Latenz- und Kostenmetriken
- Alarme laufen in denselben Eskalationsprozess wie andere Vorfälle
MLOps-Pipelines übernehmen Drift-Prüfungen
Ausgereifte MLOps-Pipelines führen Drift-Prüfungen heute als festen Schritt vor jeder Retraining-Entscheidung aus.
Deutsche Forschung zu Datendrift in der Industrie
Fraunhofer-Institute haben Sensorplattformen erprobt, die driftende Datenströme aus Industrieanlagen überwachen und Mittelständlern so einen praktikablen Weg eröffnen, Datendrift früh zu erkennen.
Fazit
Datendrift ist die eingabeseitige Hälfte des Drift-Problems, und die leichter zu überwachende, weil sie sich allein mit Statistik messen lässt. Unternehmen, die sie getrennt von Modell-Drift beobachten, erkennen Probleme früher, bevor die Ausgabequalität leidet. Je mehr Mittelständler KI-Agenten im Tagesbetrieb einsetzen, desto vielfältiger werden die Eingabedaten, mit denen jedes System arbeitet. Das Ziel ist nicht, Drift zu verhindern, denn sie ist ein normales Merkmal jedes lebenden Geschäfts, sondern sie früh zu erkennen.
Häufig gestellte Fragen
Was ist der Unterschied zwischen Datendrift und Modell-Drift?
Datendrift beschreibt eine Veränderung der Verteilung der Eingabedaten eines Systems; Modell-Drift beschreibt den daraus folgenden Rückgang der Ausgabegenauigkeit. Datendrift ist eine von zwei Ursachen für Modell-Drift, die andere ist Concept Drift, bei der sich stattdessen der Zusammenhang zwischen Eingabe und Ergebnis ändert.
Wie wird Datendrift in der Praxis erkannt?
Teams vergleichen laufende Eingabeverteilungen mit einer Trainings-Baseline anhand von Tests wie dem Population Stability Index oder merkmalsbezogenen Divergenz-Scores, meist wöchentlich.
Bedeutet Datendrift immer, dass das KI-System jetzt falsch liegt?
Nein. Ein System kann Datendrift tolerieren, solange der Zusammenhang zwischen Eingabe und Ergebnis erhalten bleibt. Sie erhöht das Risiko, ist aber kein Beweis für eine bereits verschlechterte Ausgabe.
Wie behandelt die EU-KI-Verordnung Datendrift bei Hochrisiko-KI-Systemen?
Die Verordnung nutzt den Begriff Datendrift nicht direkt, verlangt aber von Anbietern von Hochrisiko-Systemen eine Marktbeobachtung nach Inverkehrbringen, die Veränderungen der Eingabedaten über die Lebensdauer des Systems erfasst.
Was kostet die Überwachung von Datendrift ein mittelständisches Unternehmen?
Verteilungs-Monitoring verursacht nur einen moderaten Aufschlag auf die bestehende KI-Infrastruktur, meist einen Bruchteil der Basiskosten. Der größere Aufwand ist organisatorisch: Jemand muss die Alarme verantworten.
Brauchen wir ein eigenes Data-Science-Team, um Datendrift zu erkennen?
Nicht zwingend. Viele mittelständische Unternehmen bauen Drift-Prüfungen direkt in die KI-Plattform ein, die sie bereits nutzen, darunter Ansätze wie den von Superkind.