Zum Inhalt springen

True Negative (Richtig negativ)

oder auch Richtig negativ, TN (Metrik), Wahr negativ

Männliche Person, frontal, schaut in die Kamera; trägt kariertes Hemd über dunkelfarbigem T‑Shirt; heller Innenraum mit unscharfem Monitor oder Poster links und Fenster rechts.

von Richard Albrecht am 18.10.2026

Ein True Negative ist ein Fall, den ein KI-Modell als nicht zutreffend einordnet und der tatsächlich nicht zutrifft. Es ist das vierte Feld der Confusion Matrix und zahlenmäßig fast immer das größte.

True Negative (Richtig negativ)

Ein Fall, den ein Modell als nicht zutreffend einordnet und der tatsächlich nicht zutrifft.
Beispiel: „Von einer Million Zahlungen waren 999.400 True Negatives, also stilles, richtiges Durchlassen.“

Warum das Feld so groß ist: Der gesuchte Fall ist meist selten. Bei einem Anteil von einem Promille sind 999 von 1.000 Vorgängen unauffällig und werden auch so eingeordnet.

Im Deutschen stehen zwei Formen nebeneinander: richtig negativ, die in Statistik und Medizin eingeführte Fügung, und wahr negativ als wörtlichere Übersetzung. In Werkzeugen steht die englische Form oder die Abkürzung TN.

Warum dieses Feld die Zahlen schönt

Weil es in die Gesamtgenauigkeit eingeht. Ein Modell, das nie Alarm schlägt, ordnet alle unauffälligen Fälle richtig ein und erreicht bei einem Anteil von einem Promille eine Genauigkeit von 99,9 Prozent. Diese Zahl steht in Angeboten und sagt nichts, siehe Unausgewogene Daten.

Wann das Feld doch zählt

Wenn das Durchlassen Arbeit spart. Bei einer Vorsortierung ist der Nutzen genau dieses Feld: Jeder Vorgang, den niemand ansehen muss, ist gewonnene Zeit. Dann rechnet man nicht in Trefferquoten, sondern in eingesparten Bearbeitungen, und die Zahl steht im Mittelpunkt.

Wie man es in der Bewertung behandelt

Getrennt vom Rest. Kennzahlen, die dieses Feld einschließen, taugen bei seltenen Ereignissen nicht; Kennzahlen aus den anderen drei Feldern schon. Das ist der Grund, warum in der Betrugserkennung und in der Medizin mit Präzision, Trefferquote und deren Verbindung gearbeitet wird und nicht mit der Gesamtgenauigkeit.

Was in der Darstellung hilft

Die vier Felder als Tabelle statt als Prozentwerte im Fließtext. Wer sie nebeneinander sieht, erkennt sofort, wo die Masse liegt und wo die Fehler sitzen; wer nur eine Quote liest, erkennt nichts davon. In Abnahmeprotokollen gehört deshalb die Tabelle hinein, nicht die eine Zahl.

Siehe auch:

True Positive (Richtig positiv)

Ein Fall, den ein Modell als zutreffend einordnet und der tatsächlich zutrifft.

#Künstliche Intelligenz (KI)

Confusion Matrix

Eine Tabelle, die Vorhersagen und tatsächliche Werte gegenüberstellt.

#Künstliche Intelligenz (KI)

False Positive

Ein Fehlalarm: Das Modell meldet einen Fall, den es nicht gibt.

#Künstliche Intelligenz (KI)

False Negative

Ein übersehener Fall: Das Modell meldet nicht, obwohl der gesuchte Fall vorliegt.

#Künstliche Intelligenz (KI)

Unausgewogene Daten (Machine Learning)

Ein Trainingsbestand, in dem die gesuchte Klasse sehr viel seltener vorkommt als die übrigen.

#Künstliche Intelligenz (KI)

Präzision und Trefferquote (Machine Learning)

Zwei Maße, die beschreiben, wie treffsicher und wie vollständig ein Modell arbeitet.

#Künstliche Intelligenz (KI)