Modul 2: Umgang mit Daten

Ein Modell ist nur so gut wie seine Daten. In echten KI-Projekten steckt oft der größte Teil der Arbeit in der Datenaufbereitung. In diesem Modul lernen Sie, wie Daten in relationalen Datenbanken liegen und wie Sie sie mit SQL abfragen, wie Sie ihre Qualität prüfen und sie für ein Modell vorbereiten, wie Sie Daten mit Kennzahlen und Diagrammen beschreiben – und welche Sicherheits- und Datenschutzregeln schon bei der Erhebung gelten.

Einleitung und häufige Fragen jedes Kapitels sind frei lesbar. Den vollständigen Inhalt mit Übungen und Quiz schalten Sie einmalig für 99 € frei.

Freischalten
  1. EinführungUmgang mit Daten: speichern, abfragen, säubern, beschreiben, schützen Ein Modell ist nur so gut wie seine Daten. In echten KI-Projekten steckt oft der größte Teil der Arbeit in der Datenaufbereitung. In diesem Modul lernen Sie, wie Daten in relationalen Datenbanken liegen und wie Sie sie mit SQL abfragen, wie Sie ihre Qualität prüfen und sie für ein Modell vorbereiten, wie Sie Daten mit Kennzahlen
  2. ÜbungenTragen Sie Ihre Antworten direkt in die Felder ein. Zahlen und Auswahlfelder prüft die Seite sofort, Freitexte bewertet die KI wie ein IHK-Prüfer. Öffnen Sie die Musterlösung erst danach.
  3. Abschlussquiz20 Fragen im Stil der schriftlichen Prüfung, jeweils eine richtige Antwort. Ab 14 richtigen Antworten (70 %) sind Sie gut vorbereitet. Auswerten Neu beginnen
  4. ZusammenfassungSkalenniveaus nominal, ordinal, Intervall, Verhältnis – bestimmen, was man rechnen darf. Relationale DB Tabellen, Primär- und Fremdschlüssel, 1:n, n:m über Zwischentabelle. Normalisierung 1. NF atomar, 2. NF ganzer Schlüssel, 3. NF keine transitiven Abhängigkeiten. SQL FROM → WHERE → GROUP BY → HAVING → SELECT → ORDER BY. Datenqualität Vollständig, korrekt, konsistent, aktuell, eindeutig, repräsen

Teil A · Daten speichern und abfragen

  1. Lektion 1: Datenarten und SkalenniveausErst das Skalenniveau bestimmen, dann rechnen: Mit Postleitzahlen bildet man keinen Mittelwert.
  2. Lektion 2: Relationale DatenbankenPrimärschlüssel = eindeutige Kennung einer Zeile. Fremdschlüssel = Verweis auf eine Zeile in einer anderen Tabelle.
  3. Lektion 3: NormalisierungNormalisieren für die Speicherung, zusammenführen (JOIN) für die Auswertung.
  4. Lektion 4: SQL I: Abfragen und FilternSELECT = Spalten, FROM = Tabelle, WHERE = Zeilen, ORDER BY = Reihenfolge.
  5. Lektion 5: SQL II: Verknüpfen und GruppierenWHERE filtert Zeilen vor dem Gruppieren, HAVING filtert Gruppen danach.

Teil B · Daten vorbereiten

  1. Lektion 6: DatenqualitätEin Modell kann nicht besser sein als seine Daten – Datenqualität wird geprüft, gemessen und dokumentiert, bevor trainiert wird.
  2. Lektion 7: VorverarbeitungFehlende Werte und Ausreißer nie automatisch löschen – erst verstehen, warum sie da sind.
  3. Lektion 8: Merkmale umwandelnAbstandsbasierte Verfahren (kNN, k-Means, neuronale Netze) brauchen skalierte Merkmale; Entscheidungsbäume nicht.
  4. Lektion 9: Data LeakageZuerst aufteilen, dann vorverarbeiten – und nur Merkmale nutzen, die zum Vorhersagezeitpunkt bekannt sind.

Teil C · Daten beschreiben

  1. Lektion 10: LagemaßeBei Ausreißern oder schiefen Verteilungen beschreibt der Median den typischen Wert besser als der Mittelwert.
  2. Lektion 11: StreuungsmaßeMittelwert und Standardabweichung gehören zusammen, Median und IQR auch – das zweite Paar ist robust gegen Ausreißer.
  3. Lektion 12: ZusammenhängeKorrelation zeigt, dass zwei Größen zusammen schwanken – nicht, dass die eine die andere verursacht.
  4. Lektion 13: VisualisierungErst die Frage, dann das Diagramm: Vergleich → Balken, Verlauf → Linie, Verteilung → Histogramm/Boxplot, Zusammenhang → Streudiagramm.
  5. Lektion 14: Dashboards und DiagrammgestaltungEin gutes Dashboard beantwortet eine Frage auf einen Blick – alles andere ist Dekoration.

Teil D · Daten schützen

  1. Lektion 15: DatensicherheitVertraulichkeit, Integrität, Verfügbarkeit – jede Maßnahme lässt sich mindestens einem Schutzziel zuordnen.
  2. Lektion 16: Datenerhebung und DatenschutzPseudonymisiert ist nicht anonym: Solange jemand die Person wieder zuordnen kann, gilt die DSGVO.