FairTabGen vereint Kausal- und Gegenfaktische Fairness bei Tabellendaten

Die Erzeugung synthetischer Daten ist in datensensiblen und datenarmen Bereichen unverzichtbar, insbesondere für die weit verbreiteten tabellarischen Formate, die in vielen realen Anwendungen eingesetzt werden.

Ein zentrales Problem besteht darin, die Fairness – sowohl aus gegenfaktischer als auch aus kausaler Sicht – zu verbessern, ohne die statistische Nützlichkeit der Daten zu verlieren. Das neue Framework FairTabGen adressiert diese Herausforderung, indem es ein großes Sprachmodell nutzt und mehrere Fairnessdefinitionen in den gesamten Erzeugungs- und Evaluationsprozess integriert.

Durch den Einsatz von In-Context-Learning, gezielter Prompt-Optimierung und einer fairheitsbewussten Datenkuratierung gelingt es FairTabGen, die Balance zwischen Fairness und Nutzen zu optimieren. Das System berücksichtigt dabei sowohl demografische Parität als auch kausale Pfadwirkungen, um Verzerrungen systematisch zu reduzieren.

In umfangreichen Tests über verschiedene Datensätze hinweg übertrifft FairTabGen die führenden GAN‑ und LLM‑basierten Methoden. Es erzielt bis zu 10 % höhere Werte bei Fairness‑Maßen wie demografischer Parität und kausalen Pfadwirkungen, während die statistische Nützlichkeit erhalten bleibt. Besonders bemerkenswert ist, dass die Verbesserungen mit weniger als 20 % der Originaldaten erreicht werden, was die Effizienz in Low‑Data‑Szenarien unterstreicht.

Die Ergebnisse zeigen, dass FairTabGen einen prinzipiellen und zugleich praktischen Ansatz bietet, um synthetische Tabellendaten zu generieren, die sowohl fair als auch nützlich sind.