/01Was ist ein Feature?
Ein Feature (deutsch: Merkmal) ist eine einzelne messbare Eigenschaft oder Variable in einem Datensatz, die als Eingabe für ein KI-Modell dient. In einer Tabelle entspricht ein Feature einer Spalte – beispielsweise Alter, Einkommen oder Postleitzahl. Bei Bilddaten sind die einzelnen Pixelwerte die grundlegenden Features, bei Textdaten können Wörter, Satzlänge oder Stimmung als Features dienen. Features sind die Informationsgrundlage, auf der ein Modell seine Vorhersagen aufbaut.
Wie werden Features eingesetzt?
Bei der Entwicklung eines KI-Modells werden zunächst die relevanten Features ausgewählt oder aus Rohdaten abgeleitet. Ein klassisches Beispiel ist die Immobilienpreisvorhersage: Hier könnten Quadratmeterzahl, Zimmeranzahl, Baujahr, Lage und Ausstattung als Features dienen. Das Modell lernt dann, welche Kombination dieser Merkmale den Preis am besten vorhersagt. Die Auswahl der richtigen Features – das sogenannte Feature Engineering – hat oft größeren Einfluss auf die Modellqualität als die Wahl des Algorithmus selbst.
Features in Deep Learning
Bei modernen Deep-Learning-Modellen hat sich ein grundlegender Wandel vollzogen: Statt manuell Features zu definieren, lernt das Modell automatisch, welche Merkmale relevant sind. Ein Bilderkennungsmodell erkennt selbständig, dass Kanten, Texturen und Formen wichtige Features sind. Bei Sprachmodellen werden Wörter zunächst in numerische Embeddings umgewandelt, und das Modell extrahiert daraus automatisch semantische Merkmale wie Bedeutung, Kontext und Beziehungen.
Warum sind Features wichtig?
Die Qualität der Features bestimmt die Obergrenze der Modellleistung – kein Algorithmus kann Muster erkennen, die in den Eingabedaten schlicht nicht vorhanden sind. Für Unternehmen bedeutet das: Gute Datenqualität und durchdachte Datenaufbereitung sind mindestens ebenso wichtig wie die Wahl des richtigen KI-Modells. Ein einfaches Modell mit aussagekräftigen Features schlägt häufig ein komplexes Modell mit schlechten Eingabedaten.