Eine oder zwei Dinge, die wir über Konzeptdrift wissen – eine Umfrage zur Überwachung in sich entwickelnden Umgebungen. Teil A: Konzeptdrift erkennen

Die Welt um uns herum unterliegt ständigen Veränderungen. Diese Veränderungen, häufig als Konzeptdrift beschrieben, beeinflussen viele industrielle und technische Prozesse. Da sie zu Fehlfunktionen und anderem anomalem Verhalten führen können, was in vielen Szenarien sicherheitskritisch sein kann, ist die Erkennung und Analyse von Konzeptdrift entscheidend. In dieser Studie bieten wir eine Literaturübersicht, die sich auf Konzeptdrift in unsupervised Datenströmen konzentriert. Während viele Umfragen sich auf supervised Datenströme konzentrieren, gibt es bisher keine Arbeiten, die das unsupervised Setting überprüfen. Dieses Setting ist jedoch von besonderer Relevanz für Überwachungs- und Anomalieerkennungsaufgaben, die direkt auf viele Herausforderungen im Ingenieurwesen anwendbar sind. Diese Umfrage bietet eine Taxonomie der bestehenden Arbeiten zur unsupervised Drift-Erkennung. Neben einer umfassenden Literaturübersicht bietet sie präzise mathematische Definitionen der betrachteten Probleme und enthält standardisierte Experimente zu parametrischen künstlichen Datensätzen, die einen direkten Vergleich verschiedener Erkennungsstrategien ermöglichen. So kann die Eignung verschiedener Verfahren systematisch analysiert werden, und Richtlinien für deren Einsatz in realen Szenarien können bereitgestellt werden.