Warum neuere Bildgeneratoren schlechtere Trainingsdaten liefern
Bildgenerierungsmodelle werden immer realistischer - doch als Quelle für Trainingsdaten enttäuschen sie zunehmend. Eine DFKI-Studie zeigt, dass damit trainierte Systeme reale Bilder schlechter erkennen, je neuer die Generatoren sind. Der Grund liegt in einer schwindenden Bildvielfalt.
Eine Studie des DFKI geht der Frage nach, ob moderne Bildgenerierungsmodelle reale Trainingsdaten für maschinelles Sehen ersetzen können. Dafür erzeugen die Forschenden synthetische Bilder aus mehreren Generationen solcher Modelle und trainieren damit Klassifikationssysteme, ohne dass diese je ein echtes Foto sehen. Der Befund: Obwohl die Bilder zunehmend fotorealistisch wirken und Textvorgaben immer genauer umsetzen, werden die damit trainierten Systeme bei der Erkennung echter Bilder schlechter statt besser. Ursache ist, dass neuere Modelle auf eine enge, ästhetisch geprägte Bildauswahl ausweichen, wodurch Vielfalt und die Passung zwischen Bildinhalt und Bezeichnung verloren gehen. Die Untersuchung legt nahe, dass visueller Fortschritt bei Bildgeneratoren nicht gleichbedeutend mit Fortschritt als Datenquelle ist. Es handelt sich um eine vergleichende Studie auf Basis mehrerer veröffentlichter Modelle, keine Bewertung eines einzelnen Produkts.
When Pretty Isn’t Useful: Investigating Why Modern Text-to-Image Models Fail as Reliable Training Data Generators
Erschienen in: CVPR-2026
Forschungsbereich: Smarte Daten & Wissensdienste
Kontakt: Krzysztof Adamkiewicz, Brian Moser, Stanislav Frolov, Tobias Christian Nauen, Federico Raue, Andreas Dengel
Anomalien erkennen, ohne Daten zu teilen
Finanzorganisationen könnten von gemeinsamem Wissen über Anomalien profitieren, dürfen ihre Daten aber nicht teilen. Ein Verfahren des DFKI zeigt, wie sich Anomalien dennoch gemeinsam besser erkennen lassen, ohne dass Rohdaten die eigene Organisation verlassen.
Unternehmen, die Finanzdaten auf Anomalien prüfen, stehen vor einem Dilemma: Anomalien ändern sich ständig, Wissen über neue Anomaliemuster ließe sich zwischen Organisationen eigentlich austauschen, Datenschutz und Wettbewerb verhindern das jedoch. Ein Team des DFKI hat ein Verfahren entwickelt, mit dem mehrere Organisationen gemeinsam lernen, ohne ihre Rohdaten preiszugeben: Nur Modellparameter werden geteilt, die Datensätze bleiben jeweils im Haus. Jede Organisation nutzt dabei ein eigenes Verfahren, das typische Muster in den eigenen Daten erkennt; der Abgleich mit den anderen Organisationen hilft, die Grenze zwischen normalen und auffälligen Fällen schärfer zu ziehen. In Tests auf mehreren Finanzdatensätzen verbesserte sich dadurch die Erkennung bislang unbekannter Auffälligkeiten deutlich. Die Studie erprobt das Verfahren methodisch auf Standarddatensätzen.
Fin-Fed-OD: Enhancing Outlier Detection Using Federated Learning on Financial Tabular Data
Erschienen in: FLTA-2025, 2026
Forschungsbereich: Smarte Daten & Wissensdienste
Kontakt: Dayananda Herurkar, Ahmed Anwar, Sebastian Palacio, Jörn Hees, Andreas Dengel
YieldSAT: Datensatz und Vergleich von KI-Modellen für hochauflösende Ertragsprognosen
Ertragsprognosen von Nutzpflanzen brauchen große, verlässliche Datensätze. Solche Daten sind jedoch selten. Ein Team des DFKI veröffentlicht mit YieldSAT einen umfangreichen Datensatz aus mehreren Ländern und Kulturen und erprobt daran neue Vorhersagemodelle.
Verlässliche Vorhersagen landwirtschaftlicher Erträge erfordern große, gut aufbereitete Datenmengen, doch solche Datensätze sind rar, da ihre Erhebung teuer ist, die Qualität schwankt und Datenschutzvorgaben den Zugang einschränken. Ein Team des DFKI veröffentlicht mit YieldSAT einen umfangreichen Datensatz, der Felder in Argentinien, Brasilien, Uruguay und Deutschland sowie mehrere Nutzpflanzen abdeckt und über 12,2 Millionen Ertragsmesswerte mit Satellitenbildern und Umweltdaten verknüpft. Anhand dieses Datensatzes vergleicht das Team mehrere KI-Modelle zur Ertragsvorhersage auf Pixelebene unter verschiedenen realen Bedingungen. Der Vergleich zeigt, welche Datenquellen für die Vorhersage relevant sind, welche Modelle sich für Ertragsprognosen eignen und wo sie noch Schwächen haben. Zusätzlich erprobt das Team ein auf Fachwissen gestütztes Ensembleverfahren, das erste Hinweise auf einen besseren Umgang mit starken Schwankungen in realen Messwerten liefert; diese Schwankungen bleiben eine offene Herausforderung. Die Arbeit liefert eine Grundlage für künftige, datengetriebene Methoden und bleibt zunächst ein Benchmark-Datensatz mit vergleichender Modellstudie, kein einsatzbereites Vorhersagesystem.
YieldSAT: A Multimodal Benchmark Dataset for High-Resolution Crop Yield Prediction
Erschienen in: CVPR-2026
Forschungsbereiche: Smarte Daten & Wissensdienste, Robotics Innovation Center
Kontakt: Miro Miranda Lorenz, Deepak Kumar Pathak, Patrick Helber, Benjamin Bischke, Hiba Najjar, Francisco Mena, Cristhian Sanchez, Akshay Pai, Diego Arenas, Matias Valdenegro-Toro, Marcela Charfuelan Oliva, Marlon Nuske, Andreas Dengel