Machine Learning

Machine Learning (ML) ist die Disziplin, bei der Computer nicht mehr durch starre Regeln programmiert werden, sondern aus Daten lernen, um Muster zu erkennen oder Entscheidungen zu treffen. Der grundlegende Unterschied zu klassischer Software: Ein klassischer Algorithmus bekommt Regeln und Daten und produziert Ergebnisse — ein ML-Modell bekommt Daten und Ergebnisse und leitet daraus die Regeln ab. Je mehr Daten es sieht, desto besser wird es.

Wo Machine Learning heute im Alltag steckt

Die meisten Menschen nutzen ML täglich, ohne es zu merken: Spam-Filter in E-Mail-Programmen lernen, welche Nachrichten Werbung sind. Kreditkarten-Unternehmen erkennen betrügerische Transaktionen in Millisekunden. Suchmaschinen verbessern Ergebnisse anhand des Klickverhaltens. Übersetzer wie DeepL werden durch Milliarden Beispielsätze trainiert. Und auch Sprach-Assistenten (Alexa, Siri, Google Assistant) nutzen ML, um gesprochene Sprache in Text umzuwandeln. Für KMU relevant sind heute vor allem die Anwendungen Dokumentenerkennung (z.B. automatisches Auslesen von Rechnungen), Kundenverhaltens-Analyse und Prognosen für Lager und Umsatz.

Unterschied zu KI, Deep Learning und Generativer KI

Die Begriffe werden oft durcheinandergeworfen. Hierarchisch gehört es so zusammen: Künstliche Intelligenz (KI) ist der Oberbegriff. Machine Learning ist ein Teilgebiet davon. Deep Learning nutzt neuronale Netze mit vielen Schichten — wieder ein Teilgebiet von ML. Generative KI (ChatGPT, Midjourney, Claude) ist eine spezielle Form von Deep Learning, die neue Inhalte erzeugt. In unserem KI-Audit ordnen wir diese Begriffe für Ihr Unternehmen konkret ein und zeigen, welche Form für welchen Anwendungsfall Sinn ergibt.

Verwandte Themen

• Algorithmus — das Fundament
• AI Agent — ML mit Handlungsfähigkeit
• Big Data — die Datengrundlage für ML
• Deep Learning — eine ML-Unterdisziplin