Aufgaben
- Annotationsrichtlinien entwickeln und pflegen
- Daten labeln und Stichproben gegenprüfen
- Modellantworten nach festen Kriterien bewerten
- Verzerrungen und Lücken im Datensatz aufzeigen
- Referenzdatensätze für Evaluationen aufbauen
Arbeitsergebnisse
- Annotierte Datensätze
- Annotationsleitfaden
- Bewertungsprotokolle
- Referenzdatensatz für Tests
Kompetenzen
Typische Werkzeuge und Methoden
Wann Sie einen AI Data Trainer brauchen
Wenn Modelle auf eigene Fachdaten angepasst werden oder wenn es für die Bewertung von KI-Antworten Fachwissen braucht, etwa in Recht, Medizin oder Technik.
AI Data Trainer anfragenAbgrenzung
Arbeitet an den Daten und Bewertungen selbst. Die Testmethodik und Freigabekriterien verantwortet der AI Quality & Evaluation Specialist.
Praxisbeispiele mit dieser Rolle
Visuelle Qualitätsprüfung in der Serienfertigung
Sichtprüfung am Bandende ist ermüdend und fehleranfällig. Reklamationen des Kunden häufen sich, eine zweite Prüfstation würde Personal binden, das nicht verfügbar ist..
Qualität und Sicherheit eines Kundenassistenten vor dem Go-live
Ein Dienstleister hat einen Assistenten für Vertragsfragen gebaut. In der Abnahme wirken die Antworten gut.