Synthetische Daten sind künstlich erzeugte Daten, die reale Daten nachbilden, ohne echte Einzelinformationen zu enthalten. Sie werden von Algorithmen so generiert, dass sie die statistischen Eigenschaften eines echten Datensatzes widerspiegeln. Genutzt werden sie unter anderem, um KI-Modelle zu trainieren, wenn echte Daten knapp, sensibel oder datenschutzrechtlich problematisch sind.
Wie werden synthetische Daten erzeugt?
Synthetische Daten entstehen mithilfe von Modellen, die die Muster und Verteilungen eines realen Datensatzes lernen und daraus neue, künstliche Datenpunkte erzeugen. Diese enthalten keine echten Personen oder Vorgänge, verhalten sich statistisch aber ähnlich wie die Originaldaten. So lassen sich etwa Tabellen, Bilder oder Texte generieren, die realen Beispielen gleichen, ohne konkrete reale Informationen preiszugeben.
Je nach Ziel reicht das Spektrum von einfachen statistischen Verfahren bis zu generativen KI-Modellen. Wichtig ist die Balance: Die synthetischen Daten sollen realistisch genug sein, um nützlich zu sein, dürfen aber keine Rückschlüsse auf einzelne reale Datensätze zulassen, da sonst der Datenschutzvorteil verloren geht.
Warum sind synthetische Daten wichtig?
Gute KI-Modelle brauchen große Mengen an Daten, doch echte Daten sind oft knapp, teuer oder sensibel. Personenbezogene Informationen unterliegen zudem strengen Datenschutzregeln. Synthetische Daten bieten einen Ausweg: Sie ermöglichen Training, Tests und Analysen, ohne echte personenbezogene Daten offenzulegen.
Darüber hinaus lassen sich mit synthetischen Daten seltene Fälle gezielt erzeugen — etwa ungewöhnliche Situationen, für die kaum reale Beispiele existieren. Das kann helfen, Modelle robuster zu machen und Verzerrungen auszugleichen. Auch für die Zusammenarbeit über Unternehmensgrenzen hinweg sind synthetische Daten nützlich, weil sie weniger schutzbedürftig sind.
Synthetische Daten in der Praxis
Eingesetzt werden synthetische Daten unter anderem beim Training von KI, beim Testen von Software, in der Forschung und überall dort, wo echte Daten aus Datenschutzgründen nicht frei verwendet werden dürfen. Auch im Marketing können sie helfen, Analysen zu erproben, ohne reale Kundendaten zu nutzen.
Es gibt jedoch Grenzen. Synthetische Daten sind nur so gut wie das Modell, das sie erzeugt: Enthält die Vorlage Verzerrungen, übernehmen die künstlichen Daten diese. Zudem ersetzen sie reale Daten nicht vollständig, etwa bei feinen Details oder unerwarteten Ausnahmen. Wichtig ist außerdem, sicherzustellen, dass sich aus den synthetischen Daten keine realen Einzelpersonen rekonstruieren lassen; nur dann greift der Datenschutzvorteil verlässlich.