Machine Learning (maschinelles Lernen) ist ein Teilbereich der Künstlichen Intelligenz, bei dem Algorithmen aus Daten lernen und Muster erkennen, ohne dafür explizit programmiert zu werden. Die Qualität der Ergebnisse hängt direkt von der Qualität und Menge der Trainingsdaten ab.
Ein klassisches Programm folgt Regeln, die ein Mensch festlegt: „Wenn der Betrag über 10.000 Euro liegt, prüfe manuell.“ Beim Machine Learning dreht sich das um. Der Algorithmus bekommt Daten (z.B. tausende Transaktionen, die als „normal“ oder „verdächtig“ markiert sind) und leitet daraus selbst Regeln ab. Er erkennt Muster, die ein Mensch so nie formuliert hätte.
Das passiert in drei Schritten:
Supervised Learning: Der Algorithmus lernt aus Beispielen mit bekannter Lösung. Typisch für Spam-Filter, Bilderkennung, Kreditwürdigkeitsprüfung.
Unsupervised Learning: Der Algorithmus sucht eigenständig Muster in unsortierten Daten. Typisch für Kundensegmentierung, Anomalie-Erkennung.
Reinforcement Learning: Der Algorithmus lernt durch Belohnung und Bestrafung. Typisch für Robotik, Spielstrategien, autonomes Fahren.
Netflix-Empfehlungen, Spotify-Playlists, Google-Suchergebnisse, Gesichtserkennung am Smartphone, Sprachassistenten, dynamische Preisgestaltung bei Flügen, automatisierte Betrugserkennung bei Banken. All das basiert auf Machine Learning.
Machine Learning ist eine Teilmenge von KI. Deep Learning ist wiederum eine Teilmenge von Machine Learning, die mit neuronalen Netzen arbeitet. Die meisten aktuellen KI-Produkte (ChatGPT, Claude, Gemini) basieren auf Deep Learning.
🔗 Verwandte Begriffe:
Künstliche Intelligenz (KI), Deep Learning, Bias, Large Language Model
➡ Du willst KI in deinem Arbeitsalltag einsetzen? In meinen „KI at Work“ Kursen zeige ich dir Schritt für Schritt, wie das geht. Ohne Vorwissen.
Änderungshistorie: