Recall

Recall — ausführlicher erklärt

Recall (deutsch Trefferquote, in der Statistik auch Sensitivität) beantwortet die Frage: Von allen Fällen, die wirklich relevant sind, wie viele hat das System tatsächlich erwischt? Berechnet wird Recall als Anzahl der korrekt gefundenen relevanten Fälle (True Positives) geteilt durch die Summe aus True Positives und übersehenen Fällen (False Negatives). Der Wert liegt zwischen 0 und 1 bzw. 0 und 100 Prozent. Wichtig: Recall lässt sich nur berechnen, wenn eine Ground Truth bekannt ist — also feststeht, wie viele relevante Fälle es insgesamt gibt.

Im Kontext der KI-gestützten Code-Analyse bedeutet ein hoher Recall: Das Modell findet einen großen Anteil der real im Code vorhandenen Bugs. Ein niedriger Recall heißt, dass viele echte Fehler unentdeckt durchrutschen (False Negatives). Recall sagt für sich allein nichts darüber aus, wie viele der gemeldeten Funde überhaupt stimmen — dafür braucht es die Gegen-Metrik Precision.

Beispiel / Praxisbezug

Angenommen, eine Codebasis enthält nachweislich 20 echte Bugs (Ground Truth). Ein Modell meldet 15 Funde, davon sind 12 tatsächliche Bugs und 3 Fehlalarme. Dann ist der Recall 12 von 20, also 0,6 oder 60 Prozent — 8 echte Bugs wurden übersehen. Die Precision desselben Laufs beträgt 12 von 15, also 0,8 oder 80 Prozent. Genau dieses Zahlenpaar braucht man, um zwei Modelle fair zu vergleichen: Ein Modell, das mehr Bugs findet (höherer Recall), aber dafür mehr Fehlalarme produziert (niedrigere Precision), ist nicht automatisch besser — es kommt auf den Anwendungsfall an. In Benchmarks werden Recall und Precision oft im F1-Score zusammengefasst, dem harmonischen Mittel beider Werte.

Abgrenzung zu ähnlichen Begriffen

Precision misst den Anteil korrekter Funde unter allen gemeldeten Funden (wie sauber das Modell ist), Recall den Anteil gefundener Fälle unter allen real vorhandenen (wie vollständig es ist). Ein False Positive ist ein einzelner Fehlalarm — ein gemeldeter Fund, der gar kein echter Fall ist; viele False Positives drücken die Precision. Ein False Negative ist ein übersehener echter Fall; viele davon drücken den Recall. Beide Metriken stehen typischerweise im Zielkonflikt: Wer die Schwelle senkt, um mehr zu finden, erhöht den Recall, aber meist auf Kosten der Precision. Der hier behandelte allgemeine Recall ist nicht mit Context Recall zu verwechseln, einer speziellen RAG-Evaluations-Metrik für die Vollständigkeit abgerufener Kontexte.

Entdecke mehr

Blog

KI-Workflows per Keyword: Wie wir wiederkehrende Abläufe erzwingbar machen

Ein getipptes Keyword löst bei uns einen festen KI-Ablauf aus — und jeder Schritt muss committet werden, bevor der nächste kommt. Warum das der Trick ist.

Glossar

Benchmark (KI)

Ein KI-Benchmark ist ein standardisierter Aufgaben-Datensatz, der Sprachmodelle vergleichbar macht — gleiche Fragen, gleiches Scoring, transparente Ergebnisse für Reasoning, Wissen oder Coding.

Lexikon

LLM-Qualität messen — Evals, Benchmarks, Judges

Wie misst man, ob ein LLM-System gut funktioniert? Drei Ebenen von Public Benchmarks bis CI-Eval, Stolperfallen wie Goodhart, Judge-Bias und Eval-Aging.

Themenuebersicht

KI-KonzepteEvaluation