Machine Learning einfach erklärt

Dieser Beitrag ist Teil der Blog-Serie So einfach funktioniert KI.

Thema heute: So funktioniert Machine Learning
In Kürze: Machine Learning ist die Grundlage der meisten KI-Anwendungen. Machine Learning durchsucht Datenbeispiele nach Zusammenhängen, die zur Lösung vorgegebener Problemstellungen relevant sind.

Maschinelles Lernen (englisch: Machine Learning) ist die Technologie, die hinter den meisten KI-Lösungen steckt.

Der Begriff Machine Learning bezeichnet die computergestützte „künstliche“ Generierung von Wissen aus Lernbeispielen mit Hilfe von Algorithmen. Machine Learning ermöglicht es, Daten automatisch nach Mustern und Zusammenhängen zu durchsuchen und diese anschließend in eine Programmlogik zu übersetzen – die KI.

Wegen der Anwendungsbreite und der großen industriellen Bedeutung wird der KI-Technologie Machine Learning in dieser Blog-Serie besondere Aufmerksamkeit geschenkt. Am Beispiel einfacher Machine Learning-Anwendungen wird in den folgenden Beiträgen erklärt, wie diese Technologie funktioniert. Die Ausführungen lassen sich unmittelbar auf komplexere Anwendungen übertragen.

Lernbeispiele sind Daten, die es einer KI ermöglichen, mittels Machine Learning Zusammenhänge zu erlernen.

Algorithmen sind Handlungsvorschriften zur Lösung eines Problems.

Ein KI-Modell ist ein Regelwerk und besteht aus den erlernten Zusammenhängen, die ein Machine Learning-Algorithmus zuvor ermittelt hat.

Damit Machine Learning Muster erkennen kann, benötigt es Daten, die für das Machine Learning als Lernbeispiele dienen. Lernbeispiele können sehr viele Aspekte, sogenannte Variablen, umfassen und beispielsweise die Wohnfläche einer Immobilie, die Anzahl an Bädern, das Baujahr und den Verkaufspreis einer Immobilie miteinander verknüpfen.

Um Zusammenhänge zwischen Variablen in Lernbeispielen automatisiert zu erkennen, verwendet Machine Learning Algorithmen. Welche Zusammenhänge dabei von einem Machine Learning-Algorithmus herausgearbeitet werden, hängt davon ab, für welche Zielsetzung der Algorithmus konfiguriert wurde. Beispielsweise könnte es ein Ziel sein, einzelne Variablen so miteinander in Beziehung zu setzen, dass eine Zielvariable wie der Verkaufspreis einer Immobilie besonders genau vorhergesagt wird.

Die erlernten Zusammenhänge fasst ein Machine Learning-Algorithmus in einem sogenannten KI-Modell zusammen. Das KI-Modell speichert die ermittelten Zusammenhänge. Es ähnelt in seinem Aufbau einem Computerprogramm – der Unterschied zu klassischen Computerprogramen ist der, dass nicht ein Programmierer, sondern ein Machine Learning-Algorithmus das Programm geschrieben hat.

Wird das KI-Modell ausgeführt, wendet es seine erlernten, einprogrammierten Vorschriften an. Auf diese Weise kann das erlernte Wissen auf neue Daten übertragen werden, beispielsweise um Vorhersagen oder Einschätzungen für Daten zu treffen, für die kein Verkaufspreis bekannt ist.

Beispiel: Machine Learning-Algorithmen können aus Lernbeispielen erlernen, wie der erzielte Verkaufspreis von Immobilien mit der Wohnfläche, der Anzahl an Bädern und dem Baujahr zusammenhängen. Mit diesem Wissen kann auch für andere Immobilien der Verkaufspreis geschätzt werden.

Zur Blog-Serie: So einfach funktioniert KI
Nächster Artikel: Einfache Machine Learning-Algorithmen