Das sind die Datenmengen, mit denen ein KI-Modell, insbesondere beim Maschinellen Lernen, „gefüttert“ wird, um zu lernen. Die Qualität und Quantität der Trainingsdaten sind entscheidend für die Leistungsfähigkeit des späteren KI-Modells. Wenn die Trainingsdaten fehlerhaft, unvollständig oder verzerrt (siehe Bias) sind, wird auch das KI-Modell diese Mängel widerspiegeln. „Garbage in, garbage out“ (Müll rein, Müll raus) ist hier ein bekanntes Sprichwort.