Home

Modellpflege

Modellpflege bezeichnet den Prozess der Wartung, Aktualisierung und Weiterentwicklung von Modellen, um deren Genauigkeit, Zuverlässigkeit und Relevanz über die Zeit zu erhalten. Sie umfasst organisatorische, methodische und technische Aktivitäten und findet Anwendung in Statistik, maschinellem Lernen, Finanzmodellierung sowie technischer Simulation.

Im Daten- und KI-Umfeld bedeutet Modellpflege kontinuierliche Überwachung der Modellleistung, Erkennung von Datenverschiebungen, regelmäßiges Retraining mit

Im Finanz- und Risiko-Umfeld ist Modellpflege Teil des Modellrisikomanagements: Modelle müssen regelmäßig validiert, kalibriert und freigegeben

Auch in der technischen Simulation und im Ingenieurwesen dient Modellpflege der Kalibrierung gegenüber Messdaten, der Anpassung

Herausforderungen sind Datenqualität, Verschiebung der Eingabedaten, Kosten von Retraining und Testing sowie regulatorische Anforderungen. Erfolgreiche Modellpflege

Siehe auch: Modellrisikomanagement, Datenverschiebung, Retraining, Modell-Registry, Governance.

neuen
Daten,
Aktualisierung
von
Merkmalen
und
Parametern.
Dokumentation,
Versionierung
und
ein
Model-Registry-Governance-Rahmen
sichern
Nachvollziehbarkeit
und
ermöglichen
Rollbacks.
Validierung,
Backtesting
und
A/B-Tests
unterstützen
Aktualisierungsentscheidungen.
werden.
Unabhängige
Prüfungen,
Backtests,
Plausibilitätsprüfungen
und
Compliance-Anforderungen
sind
zentral.
Updates
von
Annahmen,
Datenquellen
und
Bewertungsverfahren
können
erforderlich
sein.
an
neue
Anforderungen
und
der
Sicherstellung
der
Reproduzierbarkeit
von
Ergebnissen.
erfordert
klare
Verantwortlichkeiten,
definierte
Wartungszyklen
und
ausreichende
Dokumentation.