Die Detektion von Ausreißern außerhalb der Verteilung (Out-of-Distribution, OOD) befasst sich mit anomalen Eingaben für neuronale Netze. In der Vergangenheit wurden spezialisierte Methoden vorgeschlagen, um Vorhersagen bei anomalen Eingaben abzulehnen. Ebenso zeigte sich, dass Merkmalsextraktionsmodelle in Kombination mit Ausreißererkennungsalgorithmen gut geeignet sind, um anomale Eingaben zu detektieren. Wir nutzen Ausreißererkennungsalgorithmen, um anomale Eingaben so zuverlässig zu erkennen wie spezialisierte Methoden aus dem Bereich der OOD-Detektion. Eine Anpassung des neuronalen Netzes ist hierbei nicht erforderlich; die Detektion basiert ausschließlich auf dem Softmax-Score des Modells. Unser Ansatz arbeitet im unsupervisierten Modus mit einem Isolation Forest und kann durch den Einsatz eines überwachten Lernverfahrens wie Gradient Boosting weiter verbessert werden.