Dashboard

Ein Dashboard ist eine visuelle Oberfläche, die komplexe Daten auf einen Blick erfassbar macht — Grafiken, KPIs, Zeitverläufe und Warnmeldungen auf einem Bildschirm vereint.

Im ML-Kontext dienen Dashboards zwei Zwecken. Modell-Monitoring: Wie performt das Modell in Produktion? Prediction-Drift, Feature-Drift, Latenz, Durchsatz, Error Rates — MLOps-Dashboards (Grafana, Weights & Biases, MLflow) visualisieren diese Metriken in Echtzeit und alarmieren bei Anomalien.

Business Dashboards: Die Ergebnisse von KI-Modellen müssen für Entscheidungsträger aufbereitet werden, die keine ML-Expertise haben. Tableau, Power BI und Looker transformieren Modellausgaben in verständliche Visualisierungen — Umsatzprognosen, Churn-Risiko-Ampeln, Bestandsoptimierung.

Die nächste Evolution: KI-generierte Dashboards. Statt manuelle Charts zu konfigurieren, kann ein LLM natürlichsprachliche Fragen beantworten: „Zeig mir die Umsatzentwicklung nach Region im Q3, aufgeteilt nach Produktkategorie." Microsoft Copilot für Power BI und ThoughtSpot implementieren genau das.

Design-Prinzipien für effektive Dashboards: Information Hierarchy (das Wichtigste oben links), Sparklines für Trends, Farbkodierung für Zustände (Grün/Gelb/Rot), minimaler Einsatz von Tortendiagrammen (schlecht für Vergleiche) und der Grundsatz „Ein Dashboard, eine Fragestellung." Edward Tufte's Prinzip „Data-Ink-Ratio maximieren" — jedes Pixel sollte Information tragen, nicht Dekoration — gilt unverändert.