(Korakakis et al., 2018; Tsirikoglou et al., 2017) oder auch andere Datenformen wie 
Zeitreihen (Zhang et al., 2018) synthetisiert. Datensynthese kann ferner unter 
Verwendung von Deklarierungssprachen umgesetzt werden, welche simulativ beliebige 
Szenarien erstellen können. Auf diese Weise ließen sich jederzeit zahlreiche Szenarien 
mit vorgegebenen Abweichungen generieren. Der Vorteil dieser Herangehensweise 
wäre das Vorbeugen einer Datenhalde, denn es müssten nur die Befehlssätze zur 
Szenariengenerierung, nicht aber der dadurch erzeugte Datensatz, abgespeichert 
werden. Die Entwicklung und Umsetzung dieses Ansatzes ist derzeit 
>orschungsgegenstand am Fraunhofer CML. 
Beim Training von Modellen zeigt sich, dass die Verwendung eines durch 
Datenaugmentation erweiterten Datensatzes das Modellverhalten mehr verbessert als 
ein rein synthetischer Datensatz, weil ein augmentierter Datensatz über eine höhere 
Varianz verfügt (Seib et al., 2020). Es wird davon ausgegangen, dass analog die 
Prüfung mit einem augmentierten Datensatz wirkungsvoller ist als mit einem rein 
synthetischen oder ausschließlich realem Datensatz. Bei der Datengeneration können 
etablierte Standards (s. Kapitel 4.1.1) der anvisierten Datenquellen unterstützend 
wirken, da diese die möglichen Formate und Werte der zu generierenden Daten 
vorgeben können. 
Die Prüfstelle ist dafür verantwortlich, nur solche Daten bei der Prüfung zu verwenden, 
die nicht vom Hersteller verwendet worden sind. Sofern der Hersteller angezeigt hat, 
dass er beim Training auf Öffentlich verfügbare oder erwerbbare Datensätze 
zurückgegriffen hat, muss die Prüfstelle gewährleisten, dass sie auf diese nicht 
zurückgreift. Die Prüfstelle kann dies gewährleisten, indem sie auf Methoden der 
Datensynthese oder -augmentation oder grundsätzlich nicht auf öffentlich zugängliche 
Datensätze zurückgreift. 
\lach Beschaffung der Daten ist im Austausch mit dem Hersteller zu prüfen, ob diese 
den Erwartungen des Herstellers in Abgleich mit seiner eingereichten 
Datenbeschreibung entsprechen. Der in Abbildung 14 dargestellte Prozess zeigt 
zusammenfassend wie die Abstimmung zwischen Prüfer und Hersteller zur 
Datenbeschreibung gestaltet werden kann. 
Der vorgeschlagene Prozess sieht an zwei Punkten den Austausch zwischen Prüfer und 
dersteller vor. Zum einen kann die Vollständigkeit der Datenbeschreibung durch den 
dersteller nachgeschärft werden, sollten hier durch den Prüfer Unvollständigkeiten in 
Abgleich mit der Anwendungsdomäne festgestellt worden sein. Eine zweite Prüfung 
erfolgt nach der Beschaffung von Beispieldaten, die der Datenbeschreibung des 
derstellers entsprechen. Dieser Schritt gibt dem Hersteller die Möglichkeit, durch den 
Prüfer erzeugte Daten mit internen Erwartungen zu vergleichen und mögliche 
Abweichungen zu kommunizieren, um gegebenenfalls Anpassungen an der 
Datenbeschreibung vorzunehmen. Abweichungen in den durch den Prüfer oder 
dersteller beschafften Testdaten können hierbei beispielsweise in der statistischen 
Verteilung, Rauschen oder allgemein einer Falschannahme (Cognitive Bias) liegen. 
Fraunhofer Ch.L 
erif Al 
Bundesamt für Seeschifffahrt und Hydrographie