# Precision, Recall und F1, erklärt mit Beispielen aus der Moderation > Die Genauigkeit verdeckt das Problem. Was Precision, Recall und F1 messen, wie man sie in 30 Sekunden berechnet und welche für deine Community zählt. Source: https://www.vigimod.com/de/learn/precision-recall-f1 · VigiMod (https://www.vigimod.com) · aktualisiert am 2026-11-11 · 7 min ## Kurz gesagt - Die Genauigkeit täuscht, wenn schädliche Nachrichten selten sind: „nichts markieren“ kann 98 % genau sein. - Precision: Wie viele der markierten Nachrichten waren wirklich schädlich? - Recall: Wie viele der schädlichen Nachrichten wurden erkannt? - F1 verbindet beide: Er ist nur hoch, wenn beide hoch sind. ## Warum Genauigkeit nicht reicht Stell dir 1.000 Chatnachrichten vor, davon 20 Beleidigungen. Ein Modell, das **nie etwas markiert**, liegt 980-mal von 1.000 richtig: **98 % Genauigkeit** und völlig nutzlos. Wenn das Gesuchte selten ist, verdeckt die Genauigkeit das Problem. Deshalb misst man Moderation mit **Precision** und **Recall**. ## Die vier Felder Jede Entscheidung fällt in eines von vier Feldern: | | Wirklich schädlich | Wirklich harmlos | |---|---|---| | **Markiert** | richtig positiv (TP) | falsch positiv (FP) | | **Nicht markiert** | falsch negativ (FN) | richtig negativ (TN) | Ein **Falsch-Positiv** ist eine harmlose Nachricht, die irrtümlich markiert wurde; ein **Falsch-Negativ** ist eine schädliche Nachricht, die durchgerutscht ist. Sie kosten unterschiedlich viel, erklärt in [Falsch-Positive und Falsch-Negative](https://www.vigimod.com/de/learn/false-positives-and-false-negatives). ## Precision > Precision = TP / (TP + FP) Wie viel von allem, was das Modell markiert hat, war wirklich schädlich? Eine niedrige Precision bedeutet **viele Fehlalarme**: Deine Moderatoren verschwenden Zeit und deine Nutzer ärgern sich. ## Recall > Recall = TP / (TP + FN) Wie viele aller schädlichen Nachrichten hat das Modell erkannt? Ein niedriger Recall bedeutet **viele Übersehene**: Schädliche Inhalte bleiben im Chat. ## Ein Rechenbeispiel Von 1.000 Nachrichten sind 20 Beleidigungen. Das Modell markiert 25 Nachrichten: 18 sind echte Beleidigungen, 7 sind harmlos. - TP = 18, FP = 7, FN = 20 − 18 = 2 - Precision = 18 / 25 = **0,72** - Recall = 18 / 20 = **0,90** Das Modell erkennt fast jede Beleidigung, aber etwa jede vierte Markierung ist ein Fehlalarm. ## F1: eine Zahl für beide > F1 = 2 × Precision × Recall / (Precision + Recall) F1 ist das *harmonische Mittel* der beiden: Er ist nur hoch, wenn **beide** hoch sind. Im Beispiel ist F1 = 2 × 0,72 × 0,90 / 1,62 ≈ **0,80**. Ein Modell mit Precision 1,0 und Recall 0,1 hat nur einen F1 von 0,18, obwohl der Durchschnitt der beiden 0,55 ist. ## Welche zählt für dich? - Ein **Kinderspiel** will vermutlich einen sehr hohen Recall: Ein übersehener Grooming-Versuch ist viel schlimmer als ein paar Fehlalarme, die ein Mensch prüft. - Eine **Gaming-Community voller Sticheleien** will eher eine hohe Precision: Jedes freundschaftliche „du bist so schlecht in dem Spiel“ zu markieren, würde Leute vertreiben. Zwischen beiden bewegst du dich mit der [Schwelle](https://www.vigimod.com/de/learn/choosing-a-threshold): Senkst du sie, steigt der Recall und die Precision sinkt; hebst du sie, passiert das Gegenteil. ## Average Precision (AP) Der F1 hängt von der gewählten Schwelle ab. Die **Average Precision** fasst das Modell über alle Schwellen zugleich zusammen: Sie zeigt, wie gut die Werte schädliche von harmlosen Nachrichten trennen, egal wo man die Grenze zieht. Damit lassen sich zwei Modelle fair vergleichen. ## Ein Wort zur „Wahrheit“ Alle diese Zahlen vergleichen das Modell mit Labels, die Menschen geschrieben haben, und Menschen sind sich nicht immer einig, besonders bei Hass und Ironie. Sind die Test-Labels falsch, bekommt selbst ein perfektes Modell einen schlechteren Wert. Deshalb prüfen seriöse Auswertungen ihre Testdatensätze nach (siehe [Trainingsdaten und Labels](https://www.vigimod.com/de/learn/training-data-and-labels)). ## Quiz 1. 1.000 Nachrichten, 10 schädlich. Ein Modell, das nie etwas markiert, hat eine Genauigkeit von… Antwort: 99 %. Es liegt bei den 990 harmlosen richtig: hohe Genauigkeit, null Nutzen. 2. Precision beantwortet die Frage… Antwort: Wie viele der markierten Nachrichten waren wirklich schädlich?. Precision = TP / (TP + FP). 3. Das Modell erkennt 30 von 40 schädlichen Nachrichten. Der Recall ist… Antwort: 0,75. 30 / 40 = 0,75. 4. Precision 1,0 und Recall 0,1. Der F1 beträgt ungefähr… Antwort: 0,18. F1 = 2 × 1,0 × 0,1 / 1,1 ≈ 0,18: Er ist nur hoch, wenn beide hoch sind.