Live RoughCut-Bench: Neuer Benchmark prüft automatisches Rohschneiden von Videos
↘

AWS erweitert SageMaker AI um verkettbare Jobs zur Datenaufbereitung für die Modellanpassung

Synthetische Daten, Qualitätsbewertung, Transformation, Auto-Labeling und menschliche Annotation lassen sich per Python-SDK kombinieren. Ob Data Wrangler oder Ground Truth ersetzt werden, ist offen.

· Veröffentlicht: 20.11.2026 ·3 Min Lesezeit
AWS erweitert SageMaker AI um verkettbare Jobs zur Datenaufbereitung für die ModellanpassungMit KI erstellt
Inhalt
◆ Fakten auf einen Blick
  • Data Preparation umfasst fünf Stufen, von Synthetic Data Generation bis Human-in-the-Loop-Annotation.
  • Die ersten vier Stufen laufen als von SageMaker AI verwaltete Jobs.
  • Die Stufen werden per Dataset-ARN verkettet, und man kann an jeder einsteigen.
  • DataPreparer ist nur in V3 verfügbar und bietet generate, evaluate und transform.
  • Menschliche Annotation läuft in einem Labeling Space, per Chat oder in Label Studio.

SageMaker AI bereitet Trainings- und Evaluationsdaten jetzt per SDK-Jobs auf

AWS erweitert Amazon SageMaker AI um Funktionen für synthetische Beispiele. Bestehende Datensätze lassen sich bewerten und verbessern, Expertenfeedback fließt in den Prozess ein. Als Anwendungsfälle nennt AWS in der Ankündigung das Fine-Tuning eines Open-Weight-Modells, Reinforcement Learning und den Aufbau von Evaluierungs-Suiten. Die Dokumentation formuliert allgemeiner: Gemeint ist die Anpassung oder Evaluierung eines Modells.

Bedient werden die Funktionen über Python-SDK-APIs und den AWS AI-ML Agent Skill, wahlweise im Notebook oder in der IDE. Eine neue grafische Oberfläche gibt es nicht. Spezifikationen und Code lassen sich nach AWS-Angaben einsehen und anpassen.

Als Referenz nennt eine Sekundärzusammenfassung der Ankündigung Splunk, ein Unternehmen von Cisco. Dessen Angaben zufolge half die synthetische Datengenerierung dabei, statistisch repräsentative Datensätze für Evaluationsmodelle des Produkts Agent Observability zu bauen. Eine unabhängige Bestätigung liegt bislang nicht vor.

Fünf verkettbare Stufen von der synthetischen Generierung bis zur Human-Annotation

Laut AWS-Dokumentation besteht SageMaker AI Data Preparation aus fünf Stufen: Synthetic Data Generation, Data Quality Evaluation, Data Transformation, Auto-Labeling und Human-in-the-Loop-Annotation. Zur Transformation gehören das Entfernen von Duplikaten, das Filtern oder Schwärzen von Datensätzen, das Splitten oder Mergen sowie die Konvertierung von Formaten.

Die ersten vier Stufen laufen als Jobs, die SageMaker AI verwaltet. Erzeugt ein Job Daten, registriert er das Ergebnis als Datensatz im Konto. Die nächste Stufe übernimmt diesen Datensatz über seinen Dataset-ARN. Einsteigen lässt sich damit an jeder Stufe, etwa mit einem vorhandenen Rohdatensatz. Die menschliche Annotation findet in einem Labeling Space statt: Personen prüfen und korrigieren Labels per Chat oder in Label Studio.

Im SageMaker Python SDK steht dafür die Klasse DataPreparer bereit. Laut Dokumentation gibt es sie nur in V3. Ihre Methoden generate, evaluate und transform decken Generierung, Qualitätsbewertung mit Scorecard und Transformations-Pipeline ab. Die Konfiguration folgt einem JSON-Schema, das im AI Registry Hub veröffentlicht ist.

Zum Auto-Labeling liefert eine Sekundärzusammenfassung der Ankündigung weitere Details. Die Dokumentation zu Auto-Labeling und Label-Studio-Review bestätigt sie. Das Verfahren deckt Klassifikation, Named Entity Recognition, extraktive Fragebeantwortung, ordinale Bewertung und Zusammenfassung ab; eigene Aufgaben lassen sich definieren. Bei Aufgaben mit festen Antworten labelt eine Jury mehrerer Modelle jede Zeile. Deren Übereinstimmung ergibt den Konfidenzwert. Zeilen unter einem Schwellenwert wandern in eine Review-Queue in SageMaker Studio, die auf der Label Studio Community Edition basiert. Die Korrekturen fließen zurück ins Auto-Labeling.

Data Wrangler bleibt Tabellen-Werkzeug – ob die Neuerung ihn ersetzt, ist offen

Data Wrangler ist ein bestehendes Angebot für tabellarische Daten und Feature Engineering. Inzwischen ist es in SageMaker Canvas integriert, wo neben der visuellen Oberfläche auch eine natürlichsprachliche Schnittstelle bereitsteht. Die Produktseite beschreibt Datenqualitätsberichte zu fehlenden Werten, Duplikaten, Ausreißern, Klassenungleichgewicht und Data Leakage. Die neuen Funktionen zielen dagegen auf Trainings- und Evaluationsdaten für die Anpassung von Foundation Models.

Ob sie Data Wrangler oder Ground Truth ersetzen oder ergänzen, ist bislang nicht bekannt. Teams mit bestehenden Workflows müssen das selbst prüfen. Wer die neuen Funktionen per SDK nutzen will, muss auf V3 wechseln.

Zwei Aussagen stammen allein von AWS und sind unabhängig nicht belegt. Erstens: Ein kleineres Modell, angepasst auf saubere, aufgabenspezifische Daten, erreiche bei engen Aufgaben oft die Genauigkeit eines größeren Allzweckmodells oder übertreffe sie. Zweitens: Die Datenaufbereitung sei oft der langsamste Teil eines Projekts. Zahlen zu Zeitersparnis oder Genauigkeit nennt AWS nicht.

J
Jasmin Freitag
Redaktion · KI-Anwendungen & Tools

Jasmin Freitag beobachtet für KI Spotlight die praktische Seite der künstlichen Intelligenz: neue Anwendungen, generative Werkzeuge, kreative KI und den Einsatz von Tools im Alltag und in Unternehmen. Sie erklärt praxisnah, was ein Werkzeug wirklich taugt.

Ähnliche Artikel