Daten & Analytics
MAE (Mean Absolute Error)
Auch bekannt als:
Mittlerer Absoluter Fehler
L1 Loss
Aktualisiert: 12.2.2026
Der Durchschnitt der absoluten Differenzen zwischen Vorhersage und Realität – robust gegenüber Ausreißern.
Kurz erklärt
MAE = mittlerer absoluter Fehler – robuster als MSE/RMSE bei Ausreißern.
Erklärung
MAE = 1/n × Σ|y_pred - y_true|. Einfach interpretierbar und robust.
Relevanz für Marketing
MAE wird bevorzugt, wenn Ausreißer vorkommen und alle Fehler gleich gewichtet werden sollen.
Häufige Fallstricke
Gradient an y=0 nicht differenzierbar. Weniger sensitiv für große Fehler.
Entstehung & Geschichte
MAE ist eine der ältesten statistischen Metriken, bereits im 18. Jh. in Gebrauch.
Abgrenzung & Vergleiche
MAE (Mean Absolute Error) vs. MSE / RMSE
MSE/RMSE quadriert Fehler; MAE behandelt alle Fehler linear gleich.