Kontinuierliches KI-Monitoring
Wiederkehrende, crowd-gestützte Qualitätsprüfungen Ihrer Verifikations- und Language-Technology-Pipeline-Ergebnisse mit Drift-Erkennung im Zeitverlauf.
Die Bewertung von KI-Ergebnissen bewertet einen einzelnen Lauf auf Anfrage. Kontinuierliches Monitoring ist die dauerhaft aktive Variante derselben Idee: Sie definieren einmalig einen Zeitplan, und Crowdee stichprobenartig einen aktuellen Lauf aus, verteilt dafür eine Crowd-Bewertung und verfolgt, wie sich der resultierende Transparenzwert im Zeitverlauf entwickelt — und markiert einen Lauf, wenn er spürbar vom eigenen gleitenden Durchschnitt des Zeitplans abweicht.
Ein Monitoring-Zeitplan führt keinen neuen Bewertungsmechanismus ein — jeder Durchlauf verteilt im Hintergrund einen ganz normalen Bewertungs-Batch für KI-Ergebnisse. Monitoring ist die Planungs- und Drift-Erkennungsschicht darüber.
Einen Zeitplan erstellen
curl -X POST https://api.crowdee.ai/v2/monitoring-schedules \
-H "X-API-Key: crw_YOUR_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"sourceType": "verification_pipeline_run",
"cadence": "daily",
"sampleCount": 1
}'| Feld | Erforderlich | Beschreibung |
|---|---|---|
sourceType | Erforderlich | "verification_pipeline_run" oder "lt_pipeline_run". |
projectId | Optional | Beschränkt das Monitoring auf ein einzelnes Projekt. Weglassen, um die gesamte Organisation zu überwachen. |
cadence | Erforderlich | "hourly", "daily" oder "weekly". |
sampleStrategy | Optional (Standard fixed_count_per_period) | "all", "random_percent" oder "fixed_count_per_period". |
samplePercent | Optional | Wird mit random_percent verwendet. |
sampleCount | Optional (Standard 1) | Wird mit fixed_count_per_period verwendet. |
evaluationCriteria | Optional | Freies JSON, das an jeden verteilten Bewertungs-Batch weitergegeben wird. |
Aktuelle Einschränkung: Jeder Durchlauf stichprobenartig genau einen Lauf aus — den zuletzt abgeschlossenen Lauf im Geltungsbereich, den dieser Zeitplan noch nicht bewertet hat. sampleStrategy, samplePercent und sampleCount werden entgegengenommen und gespeichert, aber bislang nur zur Auswahl des Stichprobenpools genutzt, nicht darüber hinaus. Die Auswahl mehrerer Läufe pro Durchlauf ist geplant; nutzen Sie bis dahin bei Bedarf eine kürzere Taktung (z. B. hourly) für engmaschigere Abdeckung.
Was bei jedem Durchlauf passiert
Entsprechend seiner konfigurierten Taktung führt ein Zeitplan Folgendes aus:
- Er sucht im Geltungsbereich (organisations- oder projektweit, passend zu
sourceType) nach abgeschlossenen Läufen aus dem vorherigen Zeitraum, die dieser Zeitplan noch nicht ausgewertet hat. - Findet er keinen, wird ein
monitoring_runs-Eintrag mitsampledCount: 0undstatus: "completed"gespeichert — ein leerer Zeitraum ist kein Fehler. - Andernfalls wird für den ausgewählten Lauf ein Bewertungs-Batch verteilt, genau wie es
POST /v2/projects/{projectId}/ai-output-evaluationstun würde, inklusive Blockierung von Credits aus Ihrem Organisationsguthaben. - Sobald das Crowd-Panel das Quorum erreicht, wird der Gesamttransparenzwert des Batches in den Monitoring-Lauf zurückgeschrieben, zusammen mit einem
driftFlag, das ihn mit dem gleitenden Durchschnitt vorheriger abgeschlossener Läufe des Zeitplans vergleicht.
GET https://api.crowdee.ai/v2/monitoring-schedules/{scheduleId}/runs
X-API-Key: crw_YOUR_API_KEY[
{
"id": "mrun_01j9x...",
"periodStart": "2026-07-02T00:00:00.000Z",
"periodEnd": "2026-07-03T00:00:00.000Z",
"sampledCount": 1,
"batchId": "batch_01j9x...",
"aggregateScore": "62.00",
"driftFlag": true,
"status": "completed"
}
]| Status | Bedeutung |
|---|---|
scheduled | Durchlauf erfasst, aber noch nicht verarbeitet (vorübergehend). |
sampling | Ein Lauf wurde ausgewählt, der Bewertungs-Batch wird gerade verteilt (vorübergehend). |
awaiting_crowd | Bewertungs-Batch ist live und wartet auf Crowd-Antworten. |
completed | Bewertet (oder es gab in diesem Zeitraum nichts auszuwählen). |
failed | Das Verteilen des Bewertungs-Batches ist fehlgeschlagen — Details siehe error (meist unzureichende Organisations-Credits). |
Kosten
Ein Durchlauf, der nichts zur Stichprobe findet, ist kostenlos. Ein Durchlauf, der einen Bewertungs-Batch verteilt, kostet genauso viel wie eine manuelle KI-Ergebnisbewertung — standardmäßig 45 Credits (15 Credits pro Crowd-Antwort × 3 Antworten) —, die bei der Verteilung von Ihrem Organisationsguthaben blockiert werden. Es gibt keine separate, monitoring-spezifische Gebühr.
Drift-Erkennung
driftFlag wird gesetzt, wenn der Gesamttransparenzwert eines Laufs mehr als einen festen Schwellenwert vom eigenen gleitenden Durchschnitt vorheriger abgeschlossener Läufe des Zeitplans abweicht. Beim ersten ausgewerteten Lauf eines Zeitplans gibt es noch keine Vergleichsbasis, daher ist driftFlag so lange false, bis mindestens ein vorheriger Lauf abgeschlossen wurde — die Drift-Erkennung ist naturgemäß ein relatives, sich selbst kalibrierendes Signal pro Zeitplan, kein absoluter Qualitätsmaßstab.
Nutzen Sie PATCH, um einen Zeitplan zu pausieren (isActive: false), ohne seinen Verlauf zu verlieren, seine Taktung anzupassen oder zu ändern, was er auswertet:
curl -X PATCH https://api.crowdee.ai/v2/monitoring-schedules/{scheduleId} \
-H "X-API-Key: crw_YOUR_API_KEY" \
-H "Content-Type: application/json" \
-d '{"cadence": "hourly"}'Das Löschen eines Zeitplans (DELETE /v2/monitoring-schedules/{scheduleId}) beendet zukünftige Durchläufe; vergangene Monitoring-Läufe und ihre Bewertungs-Batches bleiben davon unberührt.
Wie hilfreich ist diese Seite?
Bewertung von KI-Ergebnissen
Mit der Crowd die Transparenz und Erklärbarkeit KI-generierter Verifikationsergebnisse bewerten und daraus eine Rückmeldung zur Verbesserung ableiten.
Verifizierungskontexte
Kontextuelle Angaben für Pipelines bereitstellen, um reichhaltigere und genauere Analysen zu ermöglichen.