Phänomen bei dem sich die Leistung eines KI-Modells über Zeit verschlechtert.

Im Kontext von AI Governance ist Model Drift eng verknüpft mit: Post Market Monitoring, Ai Lifecycle, Model Governance, Ai Risk Management. Diese Konzepte bilden zusammen das Fundament einer verantwortungsvollen KI-Entwicklung und -Nutzung.

Wenn ein KI-Modell nicht regelmäßig aktualisiert wird, kann seine Genauigkeit mit der Zeit abnehmen.

승인됨

생성 방식: scripts/generate-glossary-register-variants.py (qwen2.5:7b (lokal via Ollama, kein Cloud-Fallback))
생성일: 2026-09-21T00:11:29.079655+00:00
기준: 쉬운 언어 ~B1 — 독일 쉬운 읽기 표준 DIN SPEC 33429 아님
검토자: zolo · 2026-09-21T00:30:10.463422+00:00

Model Drift bezeichnet das Phänomen, bei dem sich die Leistung eines KI-Modells im Laufe der Zeit negativ verändert. Dies kann durch Änderungen in den Datensätzen oder Veränderungen in der Umgebung des Modells hervorgerufen werden und führt zu einer Abweichung zwischen dem trainierten Modell und den aktuellen Daten.

승인됨

생성 방식: scripts/generate-glossary-register-variants.py (qwen2.5:7b (lokal via Ollama, kein Cloud-Fallback))
생성일: 2026-09-21T00:11:29.079655+00:00
기준: 쉬운 언어 ~B1 — 독일 쉬운 읽기 표준 DIN SPEC 33429 아님
검토자: zolo · 2026-09-21T00:30:10.463422+00:00

참조

"모델 이동성." Open Cognition Commons Foundation. https://opencognitioncommons.org/ko/glossary/model-drift. CC-BY 4.0.

기계로 읽을 수 있는 메타데이터

{
  "@context": "https://schema.org",
  "@type": "DefinedTerm",
  "name": "모델 이동성",
  "description": "Phänomen bei dem sich die Leistung eines KI-Modells über Zeit verschlechtert.\n",
  "url": "https://opencognitioncommons.org/ko/glossary/model-drift",
  "license": "https://creativecommons.org/licenses/by/4.0/",
  "alternateName": [
    "Model Drift",
    "Modell-Drift",
    "Konzept-Drift"
  ]
}