Modellgüte bezeichnet das Ausmaß, in dem ein Machine-Learning-Modell korrekte und nützliche Vorhersagen für neue, zuvor nicht gesehene Daten macht. Sie ist die zentrale Qualitätskennzahl eines ML-Modells und wird anhand von Evaluationsmetriken gemessen, die je nach Aufgabentyp (Klassifikation, Regression, Clustering) unterschiedlich definiert sind. Hohe Modellgüte bedeutet, dass das Modell generalisiert – es hat echte Muster gelernt, nicht nur die Trainingsdaten auswendig gelernt.
Modellgüte ist kein absoluter Begriff, sondern immer im Kontext des Anwendungsfalls zu bewerten: Ein Modell mit 95 Prozent Genauigkeit klingt gut – aber wenn es in einem Betrugserkennungssystem 5 Prozent aller Betrugsfälle übersieht und dabei Millionenschäden entstehen, ist es unbrauchbar. Die richtige Metrik zu wählen ist genauso wichtig wie ein gutes Modell zu trainieren.
Wichtige Evaluationsmetriken nach Aufgabentyp
| Metrik | Aufgabe | Bedeutung |
| Accuracy | Klassifikation | Anteil korrekt klassifizierter Fälle. Irreführend bei unausgeglichenen Klassen. |
| Precision / Recall | Klassifikation | Präzision: Wie viele positiv Klassifizierte sind wirklich positiv? Recall: Wie viele positiven Fälle wurden gefunden? |
| F1-Score | Klassifikation | Harmonisches Mittel aus Precision und Recall. Gut bei unausgeglichenen Klassen. |
| MAE / RMSE | Regression | Durchschnittlicher absoluter bzw. quadratischer Fehler. Wie weit weichen Vorhersagen im Schnitt ab? |
| MAPE | Regression | Mittlerer absoluter prozentualer Fehler. Verständlichste Metrik für Prognosequantität. |
| AUC-ROC | Klassifikation | Fähigkeit des Modells, zwischen positiven und negativen Klassen zu unterscheiden. Unabhängig vom Schwellenwert. |
Praxisbeispiel
Ein Unternehmen trainiert ein Modell zur Erkennung fehlerhafter Rechnungen. Das Modell erreicht 97 Prozent Accuracy – klingt gut. Aber: Das Datensatz hat 97 Prozent korrekte und 3 Prozent fehlerhafte Rechnungen. Ein Modell, das IMMER „korrekt“ vorhersagt, hätte ebenfalls 97 Prozent Accuracy – ohne einen einzigen Fehler zu erkennen. Die richtige Metrik: Recall für fehlerhafte Rechnungen. Das trainierte Modell hat Recall 74 Prozent – es übersieht 26 Prozent aller fehlerhaften Rechnungen. Nach Hyperparameter-Tuning und Klassen-Gewichtung: Recall 91 Prozent bei Precision 83 Prozent. Für diesen Anwendungsfall akzeptabel. Die falsche Metrik hätte zu einem nutzlosen Modell geführt.
