Anomaly Detection

Anomaly Detection ist eine der praktischsten Anwendungen von Machine Learning. Statt jede einzelne Datenanomalie manuell zu finden, lernt ein Modell die Normalverteilung der Daten und markiert Ausreißer automatisch. Die Methoden reichen von einfacher statistischer Schwellenwert-Analyse bis zu komplexen Autoencoder- und Isolation-Forest-Algorithmen.

Im Produktdaten-Kontext sind die Anwendungsfälle vielfältig. Ein Preis, der plötzlich um Faktor 10 abweicht, könnte ein Tippfehler oder ein Pricing-Fehler sein. Ein Gewicht, das nicht zum Verpackungsmaß passt, deutet auf eine Datenlücke hin. Ein Produkt ohne Bilder, das alle anderen vergleichbaren Produkte hat, wird wahrscheinlich nicht performant ausspielbar sein.

Pimcore PIM und MDM integrieren Anomaly Detection in die Datenqualitäts-Workflows. Verdächtige Werte werden automatisch markiert und an Verantwortliche eskaliert, statt dass jemand stichprobenartig durch tausende Datensätze klicken muss. Mit Agentic AI können Anomalien nicht nur erkannt, sondern in vielen Fällen auch automatisch behoben werden, mit menschlicher Freigabe an den richtigen Stellen.