Machine Learning (Maschinelles Lernen)
Machine Learning ist der Teilbereich der KI, in dem Systeme aus Beispieldaten lernen, statt explizit programmiert zu werden. Das Modell erkennt statistische Muster und wendet sie auf neue Fälle an. Man unterscheidet u. a. überwachtes Lernen (mit gelabelten Daten), unüberwachtes Lernen und bestärkendes Lernen.
Was Machine Learning für dein Unternehmen bedeutet
Machine Learning steckt hinter vielen Funktionen, die gar nicht nach KI aussehen: Absatzprognosen, Betrugserkennung im Zahlungsverkehr, Spamfilter oder vorausschauende Wartung. Für dich als Entscheider zählt vor allem eines: Ein solches System ist nur so gut wie die Daten, aus denen es lernt. Lückenhafte, veraltete oder einseitige Daten führen zu schlechten Vorhersagen, auch wenn die Technik einwandfrei ist.
Beispiel aus der Praxis: Ein Großhändler nutzt die Verkaufsdaten der vergangenen Jahre, um ein Modell den Bedarf je Artikel und Saison vorhersagen zu lassen. Der Einkauf erhält Bestellvorschläge, entscheidet aber weiter selbst und meldet Abweichungen zurück, damit das Modell nachgeschärft werden kann.
Machine Learning im KI-Snack
- Kann KI unterscheiden, ob ein Kind spielt oder ertrinkt?26. Februar 2026
Häufige Fragen zu Machine Learning
Das hängt stark von der Aufgabe ab. Einfache Prognosen funktionieren oft schon mit einigen Jahren sauberer Geschäftsdaten, komplexe Bilderkennung braucht deutlich mehr Beispiele. Wichtiger als die reine Menge sind Qualität und Aussagekraft: Die Daten müssen den Fall abbilden, den das Modell später lösen soll.
ChatGPT basiert auf einem großen Sprachmodell, das selbst mit Machine Learning trainiert wurde und für viele Aufgaben sofort nutzbar ist. Klassisches Machine Learning im Unternehmen löst dagegen meist eine eng umrissene Aufgabe mit eigenen Daten, etwa eine Prognose oder eine Klassifikation, und muss dafür eigens trainiert werden.
Lass es an Fällen testen, die beim Training nicht verwendet wurden, und vergleiche die Ergebnisse mit der Realität. Beobachte die Qualität auch im laufenden Betrieb, denn Märkte, Produkte und Kundenverhalten ändern sich. Ein Modell, das vor einem Jahr gut war, kann heute danebenliegen.