Ein Algorithmus analysiert Alarme

Trefferquote von 98 Prozent

Mit den vorliegenden Daten machten sich die beiden Absolventen daran, verschiedene Algorithmen für ihre Aufgabe zu trainieren. 70 Prozent der Daten verwendeten sie für das Training und teilten den Algorithmen jeweils mit, um welche Alarmklasse es sich handelt. Nach abgeschlossenem Training mussten die verschiedenen Algorithmen die verbleibenden 30 Prozent ohne Hilfe klassifizieren. Das gelang insbesondere einem Algorithmus besonders gut: «Der Algorithmus XGBoost klassifizierte 98 Prozent der Alarme korrekt als echte oder Fehlalarme», berichtet Jona Braun. «Bei der Einteilung in die 27 Alarmklassen lag der Algorithmus in 94 Prozent der Fälle richtig.» Marcel Schöni ergänzt: «Das ist ein ausgezeichnetes Resultat und ein deutlich besseres Ergebnis als das der Systeme, die heute auf dem Feld im Einsatz sind.»  

Weniger Klassen, bessere Resultate

Im Rahmen der Untersuchung zeigte sich, dass auch der beste Algorithmus Schwierigkeiten hat, wenn sich zwei Klassen zu ähnlich sind. «Unser Fazit lautet: Je mehr Klassen wir zusammenlegen können, weil eine Unterscheidung nicht wirklich nötig ist, desto bessere Resultate erzielen wir», erklärt Marcel Schöni. In einem zusätzlichen Experiment beschäftigten sich die beiden Absolventen schliesslich noch mit dem ungünstigsten Fall: ein echter Alarm wird fälschlicherweise als Fehlalarm klassifiziert. «Wir haben das Klassengewicht angepasst; das heisst, wir haben dem Algorithmus quasi mitgeteilt, dass er im Zweifelsfall eher einen echten als einen Fehlalarm angeben soll. Damit haben wir diese spezifische Fehlerquote auf null reduzieren können», schliesst Jona Braun.