{"beispielaufgaben":[{"artefakt_id":"artefakt.berechnung","aufgabe":[{"text":"Ein IT-Dienstleister betreibt ein System zur Erkennung von Angriffen im Firmennetz. Jeder eingehende Datenstrom wird als „Angriff\" (positiv) oder „harmlos\" (negativ) eingestuft. Für die Gütekennzahl Sensitivity gilt: Sensitivity = TP / (TP + FN). Dabei ist TP die Anzahl korrekt als Angriff erkannter Ströme und FN die Anzahl tatsächlicher Angriffe, die fälschlich als harmlos eingestuft wurden. Für Erkennungsmodul 1 wurden TP = 450 und FN = 50 gezählt, für Erkennungsmodul 2 TP = 300 und FN = 100. Berechnen Sie für beide Erkennungsmodule die Sensitivity und geben Sie jeweils den vollständigen Rechenweg an.","typ":"absatz"}],"beispiel_id":"bsp-sensitivity-berechnen-berechnung-01","freigabeart":"maschinell","loesung":[{"text":"Erkennungsmodul 1: Sensitivity = 450 / (450 + 50) = 450 / 500 = 0,90 bzw. 90 % (2 Punkte). Erkennungsmodul 2: Sensitivity = 300 / (300 + 100) = 300 / 400 = 0,75 bzw. 75 % (2 Punkte). Bewertung je Modul: 1 Punkt für den korrekten Ansatz mit eingesetzten Werten, 1 Punkt für das richtige Ergebnis. Gleichwertige Angaben als Dezimalzahl oder Prozentwert werden anerkannt.","typ":"absatz"}],"operator_id":"operator.berechnen","pruefungszuordnung":{"berufe":["FIDP"],"teil":"AP2"},"punkte":4,"punkterahmen":{"max":4,"min":4},"quellen":["ap2-fidp-2025-sommer-fdp2-a01-d-dc"]},{"artefakt_id":"artefakt.berechnung","aufgabe":[{"text":"In einer Fertigungslinie soll ein Klassifikationsmodell drohende Maschinenausfälle frühzeitig erkennen. Jeder geprüfte Betriebszustand wird als „Ausfall\" (positiv) oder „unauffällig\" (negativ) bewertet. Die Sensitivity beschreibt, welcher Anteil der tatsächlichen Ausfälle erkannt wird, und berechnet sich als Sensitivity = TP / (TP + FN). TP steht für korrekt erkannte Ausfälle, FN für tatsächliche Ausfälle, die als unauffällig eingestuft wurden. Modell A erreicht TP = 88 und FN = 12, Modell B erreicht TP = 120 und FN = 80. Berechnen Sie für Modell A und Modell B jeweils die Sensitivity und geben Sie den Rechenweg an.","typ":"absatz"}],"beispiel_id":"bsp-sensitivity-berechnen-berechnung-02","freigabeart":"maschinell","loesung":[{"text":"Modell A: Sensitivity = 88 / (88 + 12) = 88 / 100 = 0,88 bzw. 88 % (2 Punkte). Modell B: Sensitivity = 120 / (120 + 80) = 120 / 200 = 0,60 bzw. 60 % (2 Punkte). Bewertung je Modell: 1 Punkt für den korrekten Ansatz mit eingesetzten Werten, 1 Punkt für das richtige Ergebnis. Dezimal- und Prozentangaben gelten als gleichwertig.","typ":"absatz"}],"operator_id":"operator.berechnen","pruefungszuordnung":{"berufe":["FIDP"],"teil":"AP2"},"punkte":4,"punkterahmen":{"max":4,"min":4},"quellen":["ap2-fidp-2025-sommer-fdp2-a01-d-dc"]},{"artefakt_id":"artefakt.berechnung","aufgabe":[{"text":"Ein Zahlungsdienstleister setzt einen Klassifikator ein, der Transaktionen als „betrugsverdächtig\" (positiv) oder „regulär\" (negativ) einstuft. Zur Bewertung dient die Sensitivity, die angibt, welcher Anteil der wirklich betrügerischen Transaktionen aufgedeckt wird: Sensitivity = TP / (TP + FN). Dabei ist TP die Zahl korrekt aufgedeckter Betrugsfälle und FN die Zahl tatsächlicher Betrugsfälle, die als regulär durchgingen. In Konfiguration 1 ergaben sich TP = 210 und FN = 90, in Konfiguration 2 TP = 336 und FN = 64. Berechnen Sie für beide Konfigurationen die Sensitivity und geben Sie jeweils den Rechenweg an.","typ":"absatz"}],"beispiel_id":"bsp-sensitivity-berechnen-berechnung-03","freigabeart":"maschinell","loesung":[{"text":"Konfiguration 1: Sensitivity = 210 / (210 + 90) = 210 / 300 = 0,70 bzw. 70 % (2 Punkte). Konfiguration 2: Sensitivity = 336 / (336 + 64) = 336 / 400 = 0,84 bzw. 84 % (2 Punkte). Bewertung je Konfiguration: 1 Punkt für den korrekten Ansatz mit eingesetzten Werten, 1 Punkt für das richtige Ergebnis. Angaben als Dezimalzahl oder Prozentwert sind gleichwertig anzuerkennen.","typ":"absatz"}],"operator_id":"operator.berechnen","pruefungszuordnung":{"berufe":["FIDP"],"teil":"AP2"},"punkte":4,"punkterahmen":{"max":4,"min":4},"quellen":["ap2-fidp-2025-sommer-fdp2-a01-d-dc"]},{"artefakt_id":"artefakt.tabelle","aufgabe":[{"text":"Ein Anbieter bewertet einen Spamfilter. Ordnen Sie jeder Beobachtung genau eine Kennzahl zu: Sensitivity oder Accuracy. Je Zelle genau ein Begriff.","typ":"absatz"},{"kopf":["Beobachtung","Kennzahl"],"typ":"tabelle","zeilen":[["Von 300 echten Spam-Mails erkennt der Filter 270 (TP), 30 bleiben unerkannt (FN); Anteil erkannter an allen echten Spam-Mails.",""],["Über 1000 geprüfte Mails sind 920 richtig einsortiert; Anteil aller korrekten Klassifikationen.",""]]}],"beispiel_id":"bsp-sensitivity-zuordnen-tabelle-01","freigabeart":"maschinell","loesung":[{"kopf":["Beobachtung","Kennzahl"],"typ":"tabelle","zeilen":[["Von 300 echten Spam-Mails erkennt der Filter 270 (TP), 30 bleiben unerkannt (FN); Anteil erkannter an allen echten Spam-Mails.","Sensitivity"],["Über 1000 geprüfte Mails sind 920 richtig einsortiert; Anteil aller korrekten Klassifikationen.","Accuracy"]]},{"text":"Zeile 1 (1 P.): Sensitivity = TP/(TP+FN) = 270/300; Anteil der als positiv erkannten tatsächlich positiven Fälle. Zeile 2 (1 P.): Accuracy; Anteil aller richtigen Klassifikationen an allen Fällen, nicht mit Sensitivity gleichzusetzen. Gleichwertige Bezeichnungen (Sensitivität, Recall/Trefferquote bzw. Korrektklassifikationsrate) werden anerkannt; bei Mehrfacheinträgen zählt nur der erste Eintrag je Zelle. Summe: 2 Punkte.","typ":"absatz"}],"operator_id":"operator.zuordnen","pruefungszuordnung":{"berufe":["FIDP"],"teil":"AP2"},"punkte":2,"punkterahmen":{"max":2,"min":2},"quellen":["ap2-fidp-2025-sommer-fdp2-a01-d-da"]},{"artefakt_id":"artefakt.tabelle","aufgabe":[{"text":"Ein Bildmodell prüft Bauteile auf Defekte. Ordnen Sie jeder Aussage genau eine Kennzahl zu: Sensitivity oder Accuracy. Je Zelle genau ein Begriff.","typ":"absatz"},{"kopf":["Aussage","Kennzahl"],"typ":"tabelle","zeilen":[["Unter 150 defekten Teilen findet das Modell 135 (TP), 15 bleiben unentdeckt (FN); Anteil gefundener an allen defekten Teilen.",""],["Von 2000 geprüften Teilen ordnet das Modell 1880 korrekt ein; Anteil aller richtigen Entscheidungen.",""]]}],"beispiel_id":"bsp-sensitivity-zuordnen-tabelle-02","freigabeart":"maschinell","loesung":[{"kopf":["Aussage","Kennzahl"],"typ":"tabelle","zeilen":[["Unter 150 defekten Teilen findet das Modell 135 (TP), 15 bleiben unentdeckt (FN); Anteil gefundener an allen defekten Teilen.","Sensitivity"],["Von 2000 geprüften Teilen ordnet das Modell 1880 korrekt ein; Anteil aller richtigen Entscheidungen.","Accuracy"]]},{"text":"Zeile 1 (1 P.): Sensitivity = TP/(TP+FN) = 135/150; Anteil erkannter unter den tatsächlich defekten Teilen. Zeile 2 (1 P.): Accuracy; Anteil aller richtigen Entscheidungen an allen 2000 Teilen. Accuracy ist nicht als Begründung oder Synonym für Sensitivity zulässig. Gleichwertige Bezeichnungen (Sensitivität, Recall) werden anerkannt; bei Mehrfacheinträgen zählt nur der erste Eintrag je Zelle. Summe: 2 Punkte.","typ":"absatz"}],"operator_id":"operator.zuordnen","pruefungszuordnung":{"berufe":["FIDP"],"teil":"AP2"},"punkte":2,"punkterahmen":{"max":2,"min":2},"quellen":["ap2-fidp-2025-sommer-fdp2-a01-d-da"]},{"artefakt_id":"artefakt.tabelle","aufgabe":[{"text":"Ein Banksystem erkennt betrügerische Zahlungen. Ordnen Sie jeder Modellbeobachtung genau eine Kennzahl zu: Sensitivity oder Accuracy. Je Zelle genau ein Begriff.","typ":"absatz"},{"kopf":["Modellbeobachtung","Kennzahl"],"typ":"tabelle","zeilen":[["Von 80 betrügerischen Zahlungen meldet das System 72 (TP), 8 bleiben unbemerkt (FN); Anteil gemeldeter an allen betrügerischen Zahlungen.",""],["Über 5000 geprüfte Zahlungen liegt das System in 4700 Fällen richtig; Anteil aller korrekten Zuordnungen.",""]]}],"beispiel_id":"bsp-sensitivity-zuordnen-tabelle-03","freigabeart":"maschinell","loesung":[{"kopf":["Modellbeobachtung","Kennzahl"],"typ":"tabelle","zeilen":[["Von 80 betrügerischen Zahlungen meldet das System 72 (TP), 8 bleiben unbemerkt (FN); Anteil gemeldeter an allen betrügerischen Zahlungen.","Sensitivity"],["Über 5000 geprüfte Zahlungen liegt das System in 4700 Fällen richtig; Anteil aller korrekten Zuordnungen.","Accuracy"]]},{"text":"Zeile 1 (1 P.): Sensitivity = TP/(TP+FN) = 72/80; Anteil erkannter unter den tatsächlich betrügerischen Zahlungen. Zeile 2 (1 P.): Accuracy; Anteil aller richtigen Zuordnungen an allen 5000 Zahlungen, nicht als Synonym für Sensitivity. Gleichwertige Bezeichnungen (Sensitivität, Recall/Trefferquote) werden anerkannt; bei Mehrfacheinträgen zählt nur der erste Eintrag je Zelle. Summe: 2 Punkte.","typ":"absatz"}],"operator_id":"operator.zuordnen","pruefungszuordnung":{"berufe":["FIDP"],"teil":"AP2"},"punkte":2,"punkterahmen":{"max":2,"min":2},"quellen":["ap2-fidp-2025-sommer-fdp2-a01-d-da"]},{"artefakt_id":"artefakt.freitextantwort","aufgabe":[{"text":"Ein IT-Sicherheitsdienstleister betreibt ein E-Mail-Gateway, das eingehende Nachrichten mit einem trainierten Klassifikationsmodell in schädlich und unschädlich einteilt. Als tatsächlich positiver Fall gilt eine wirklich schädliche Nachricht, die Schadsoftware im Anhang trägt. Ein False Negative bedeutet, dass eine solche schädliche Nachricht fälschlich als unschädlich eingestuft und ungehindert an den Posteingang der Beschäftigten zugestellt wird. Das ausdrücklich beschriebene Erkennungsziel besteht darin, möglichst keine schädliche Nachricht in die Postfächer durchzulassen. Der Sicherheitsverantwortliche hat sich bereits festgelegt, bei diesem Modell die Sensitivity zu maximieren. Begründen Sie diese Entscheidung mit genau vier voneinander getrennten, jeweils auf das geschilderte Szenario bezogenen Argumenten.","typ":"absatz"}],"beispiel_id":"bsp-sensitivity-begruenden-freitextantwort-01","freigabeart":"maschinell","loesung":[{"text":"Vier getrennt bewertete Begründungspositionen (je 1 Punkt), fachlich gleichwertige Formulierungen zählen; absolute Garantien werten nicht.\n(1) Erfassung tatsächlich positiver Fälle: Eine maximierte Sensitivity bewirkt, dass ein möglichst hoher Anteil der tatsächlich schädlichen Nachrichten auch als schädlich erkannt wird.\n(2) Verringerung der False Negatives: Sie senkt die Zahl schädlicher Nachrichten, die fälschlich als unschädlich eingestuft und dadurch zugestellt werden.\n(3) Bezug zum Erkennungsziel: Das ausdrückliche Ziel, keine schädliche Nachricht in die Postfächer durchzulassen, wird durch eine hohe Sensitivity unmittelbar unterstützt.\n(4) Konkrete Folge übersehener positiver Fälle: Eine durchgelassene schädliche Nachricht kann beim Öffnen des Anhangs zu einer Infektion der Arbeitsplätze, Datenabfluss oder Betriebsstörungen führen.","typ":"absatz"}],"operator_id":"operator.begruenden","pruefungszuordnung":{"berufe":["FIDP"],"teil":"AP2"},"punkte":4,"punkterahmen":{"max":4,"min":4},"quellen":["ap2-fidp-2025-sommer-fdp2-a01-d-db"]},{"artefakt_id":"artefakt.freitextantwort","aufgabe":[{"text":"In der Endkontrolle eines Automobilzulieferers werden sicherheitsrelevante Bremsbauteile mit einem Bildklassifikationsmodell in fehlerhaft und fehlerfrei sortiert. Als tatsächlich positiver Fall gilt ein Bauteil mit einem echten Materialriss. Ein False Negative liegt vor, wenn ein tatsächlich gerissenes Bauteil vom Modell als fehlerfrei bewertet und in die Auslieferung weitergegeben wird. Das ausdrücklich beschriebene Erkennungsziel besteht darin, jedes rissbehaftete Bauteil vor der Auslieferung zu finden und auszuschleusen. Die Qualitätsleitung hat sich bereits entschieden, bei diesem Modell die Sensitivity zu maximieren. Begründen Sie diese Festlegung mit genau vier voneinander getrennten, jeweils auf das geschilderte Szenario bezogenen Argumenten.","typ":"absatz"}],"beispiel_id":"bsp-sensitivity-begruenden-freitextantwort-02","freigabeart":"maschinell","loesung":[{"text":"Vier getrennt bewertete Begründungspositionen (je 1 Punkt), fachlich gleichwertige Formulierungen zählen; absolute Garantien werten nicht.\n(1) Erfassung tatsächlich positiver Fälle: Eine maximierte Sensitivity bewirkt, dass ein möglichst hoher Anteil der tatsächlich gerissenen Bauteile als fehlerhaft erkannt wird.\n(2) Verringerung der False Negatives: Sie senkt die Zahl gerissener Bauteile, die fälschlich als fehlerfrei eingestuft und weitergegeben werden.\n(3) Bezug zum Erkennungsziel: Das ausdrückliche Ziel, jedes rissbehaftete Bauteil vor der Auslieferung auszuschleusen, wird durch eine hohe Sensitivity unmittelbar unterstützt.\n(4) Konkrete Folge übersehener positiver Fälle: Ein ausgeliefertes rissbehaftetes Bremsbauteil kann im Fahrzeugbetrieb versagen und zu einem sicherheitskritischen Ausfall oder aufwendigen Rückrufen führen.","typ":"absatz"}],"operator_id":"operator.begruenden","pruefungszuordnung":{"berufe":["FIDP"],"teil":"AP2"},"punkte":4,"punkterahmen":{"max":4,"min":4},"quellen":["ap2-fidp-2025-sommer-fdp2-a01-d-db"]},{"artefakt_id":"artefakt.freitextantwort","aufgabe":[{"text":"Ein Ingenieurbüro setzt zur Brückenprüfung ein Klassifikationsmodell ein, das Aufnahmen von Betonoberflächen in tragwerksgefährdende Rissstelle und unauffällig einordnet. Ein tatsächlich positiver Fall ist eine reale, tragwerksgefährdende Rissstelle. Ein False Negative bedeutet, dass eine solche gefährliche Rissstelle vom Modell als unauffällig bewertet und nicht zur manuellen Nachprüfung durch einen Sachverständigen gemeldet wird. Das ausdrücklich beschriebene Erkennungsziel besteht darin, keine tragwerksgefährdende Rissstelle zu übersehen. Die Projektleitung hat bereits beschlossen, bei diesem Modell die Sensitivity zu maximieren. Begründen Sie diese Entscheidung mit genau vier voneinander getrennten, jeweils auf das geschilderte Szenario bezogenen Argumenten.","typ":"absatz"}],"beispiel_id":"bsp-sensitivity-begruenden-freitextantwort-03","freigabeart":"maschinell","loesung":[{"text":"Vier getrennt bewertete Begründungspositionen (je 1 Punkt), fachlich gleichwertige Formulierungen zählen; absolute Garantien werten nicht.\n(1) Erfassung tatsächlich positiver Fälle: Eine maximierte Sensitivity bewirkt, dass ein möglichst hoher Anteil der tatsächlich tragwerksgefährdenden Rissstellen als solche erkannt wird.\n(2) Verringerung der False Negatives: Sie senkt die Zahl gefährlicher Rissstellen, die fälschlich als unauffällig eingestuft und nicht gemeldet werden.\n(3) Bezug zum Erkennungsziel: Das ausdrückliche Ziel, keine tragwerksgefährdende Rissstelle zu übersehen, wird durch eine hohe Sensitivity unmittelbar unterstützt.\n(4) Konkrete Folge übersehener positiver Fälle: Eine nicht gemeldete gefährliche Rissstelle bleibt ungeprüft und kann zu fortschreitender Schädigung des Tragwerks bis hin zu einem Bauteilversagen führen.","typ":"absatz"}],"operator_id":"operator.begruenden","pruefungszuordnung":{"berufe":["FIDP"],"teil":"AP2"},"punkte":4,"punkterahmen":{"max":4,"min":4},"quellen":["ap2-fidp-2025-sommer-fdp2-a01-d-db"]},{"artefakt_id":"artefakt.freitextantwort","aufgabe":[{"text":"Ein IT-Dienstleister betreibt vier automatisierte Erkennungssysteme. In jedem der folgenden vier Fälle steht ausdrücklich im Vordergrund, möglichst alle tatsächlich vorliegenden positiven Fälle zu finden und übersehene positive Fälle (False Negatives) zu vermeiden. Nennen Sie zu jedem der vier Fälle jeweils die eine Kennzahl, die dafür maximiert werden sollte.","typ":"absatz"},{"text":"Fall 1: Ein Filter soll Schadsoftware in E-Mail-Anhängen erkennen; jeder übersehene Anhang gefährdet das Netz. Fall 2: Ein Modell soll kompromittierte Benutzerkonten erkennen; jedes nicht erkannte Konto bleibt aktiv missbraucht. Fall 3: Ein System soll manipulierte Datensätze in einem Backup markieren; jeder übersehene Datensatz wird ungeprüft wiederhergestellt. Fall 4: Ein Wächter soll unautorisierte Zugriffsversuche melden; jeder nicht gemeldete Versuch bleibt unbemerkt.","typ":"absatz"}],"beispiel_id":"bsp-sensitivity-nennen-freitextantwort-01","freigabeart":"maschinell","loesung":[{"text":"Gefordert sind ausschließlich vier knappe Kennzahlnennungen; Begründung, Formel oder Berechnung werden nicht bepunktet.\nFall 1: Sensitivity – 1 Punkt.\nFall 2: Sensitivity – 1 Punkt.\nFall 3: Sensitivity – 1 Punkt.\nFall 4: Sensitivity – 1 Punkt.\nGesamt 4 Punkte. Fachlich gleichwertige Bezeichnungen der Sensitivity (z. B. Richtig-Positiv-Rate, Trefferquote, Recall) sind je Fall anzuerkennen. Andere Kennzahlen wie Accuracy oder Precision sind hier nicht zutreffend.","typ":"absatz"}],"operator_id":"operator.nennen","pruefungszuordnung":{"berufe":["FIDP"],"teil":"AP2"},"punkte":4,"punkterahmen":{"max":4,"min":4},"quellen":["ap2-fidp-2025-sommer-fdp2-a01-d-db"]},{"artefakt_id":"artefakt.freitextantwort","aufgabe":[{"text":"Ein Zulieferbetrieb der Automobilbranche prüft vier automatisierte Sortieranlagen. In jedem der folgenden vier Fälle ist das ausdrücklich vorrangige Ziel, alle tatsächlich fehlerhaften Teile zu finden und übersehene fehlerhafte Teile (False Negatives) zu vermeiden. Nennen Sie je Fall die eine Kennzahl, die dafür maximiert werden sollte.","typ":"absatz"},{"text":"Fall 1: Eine Kamera soll Haarrisse in Bremsscheiben erkennen; jeder übersehene Riss gelangt in die Auslieferung. Fall 2: Ein Sensor soll undichte Dichtungen aussortieren; jede nicht erkannte Undichtigkeit führt später zum Ausfall. Fall 3: Ein Modell soll unterlegierte Schrauben markieren; jede übersehene Schraube wird verbaut. Fall 4: Eine Prüfstation soll fehlende Schweißpunkte melden; jeder nicht gemeldete Fehler bleibt im Bauteil.","typ":"absatz"}],"beispiel_id":"bsp-sensitivity-nennen-freitextantwort-02","freigabeart":"maschinell","loesung":[{"text":"Gefordert sind ausschließlich vier knappe Kennzahlnennungen; Begründung, Formel oder Schwellenwertwahl werden nicht bepunktet.\nFall 1: Sensitivity – 1 Punkt.\nFall 2: Sensitivity – 1 Punkt.\nFall 3: Sensitivity – 1 Punkt.\nFall 4: Sensitivity – 1 Punkt.\nGesamt 4 Punkte. Fachlich gleichwertige Bezeichnungen der Sensitivity (z. B. Richtig-Positiv-Rate, Trefferquote, Recall) sind je Fall anzuerkennen. Accuracy oder Precision sind hier nicht zutreffend.","typ":"absatz"}],"operator_id":"operator.nennen","pruefungszuordnung":{"berufe":["FIDP"],"teil":"AP2"},"punkte":4,"punkterahmen":{"max":4,"min":4},"quellen":["ap2-fidp-2025-sommer-fdp2-a01-d-db"]},{"artefakt_id":"artefakt.freitextantwort","aufgabe":[{"text":"Eine Umweltbehörde betreibt vier automatisierte Frühwarnsysteme. In jedem der folgenden vier Fälle steht ausdrücklich im Vordergrund, alle tatsächlich vorliegenden Gefahrenzustände zu erkennen und übersehene Gefahren (False Negatives) zu vermeiden. Nennen Sie je Fall die eine Kennzahl, die maximiert werden sollte.","typ":"absatz"},{"text":"Fall 1: Ein Pegelmodell soll drohende Hochwasser erkennen; jedes übersehene Hochwasser bleibt ohne Warnung. Fall 2: Ein Sensornetz soll Grenzwertüberschreitungen bei Feinstaub melden; jede nicht erkannte Überschreitung bleibt folgenlos. Fall 3: Ein System soll Waldbrände auf Kamerabildern erkennen; jeder übersehene Brand breitet sich ungehindert aus. Fall 4: Ein Modell soll Leckagen an Chemietanks melden; jede nicht erkannte Leckage tritt unbemerkt aus.","typ":"absatz"}],"beispiel_id":"bsp-sensitivity-nennen-freitextantwort-03","freigabeart":"maschinell","loesung":[{"text":"Gefordert sind ausschließlich vier knappe Kennzahlnennungen; Begründung, Formel oder Berechnung werden nicht bepunktet.\nFall 1: Sensitivity – 1 Punkt.\nFall 2: Sensitivity – 1 Punkt.\nFall 3: Sensitivity – 1 Punkt.\nFall 4: Sensitivity – 1 Punkt.\nGesamt 4 Punkte. Fachlich gleichwertige Bezeichnungen der Sensitivity (z. B. Richtig-Positiv-Rate, Trefferquote, Recall) sind je Fall anzuerkennen. Andere Kennzahlen wie Accuracy oder Precision sind hier nicht zutreffend.","typ":"absatz"}],"operator_id":"operator.nennen","pruefungszuordnung":{"berufe":["FIDP"],"teil":"AP2"},"punkte":4,"punkterahmen":{"max":4,"min":4},"quellen":["ap2-fidp-2025-sommer-fdp2-a01-d-db"]}],"konzept_id":"fachkonzept.sensitivity","schema_version":3}