Maschinelles Lernen ist ein Teilgebiet der künstlichen Intelligenz, bei dem ein Programm aus vielen Beispielen Muster erkennt und daraus eigene Regeln ableitet. Der Mensch schreibt also nicht mehr jeden Schritt vor. Stattdessen zeigt er dem System tausende Beispiele, und die Software findet selbst heraus, was sie verbindet.

Wie das Lernen abläuft

Ein bekanntes Beispiel ist der Spam-Filter im E-Mail-Postfach. Niemand hat ihm eine feste Liste verbotener Wörter gegeben. Er hat gelernt, welche Merkmale echte Werbung von Betrug oder normalen Nachrichten unterscheiden — und wird mit jeder Mail, die du als Spam markierst, ein Stück genauer.

Man füttert das Modell mit Trainingsdaten, zum Beispiel mit Bildern, die als „Hund“ oder „Katze“ beschriftet sind. Das System vergleicht seine Vorhersage mit der richtigen Antwort und korrigiert sich Schritt für Schritt. Je mehr saubere Beispiele es sieht, desto zuverlässiger wird es. Schlechte oder einseitige Daten führen dagegen zu schlechten Ergebnissen — das gilt in diesem Bereich fast als Grundgesetz.

Wo es zum Einsatz kommt

Maschinelles Lernen steckt heute in vielen Alltagsdiensten: in der Produktempfehlung beim Online-Shopping, in der Spracherkennung am Handy oder in der Vorhersage, wann eine Maschine gewartet werden muss. Für Unternehmen ist es vor allem dann interessant, wenn es um große Datenmengen und wiederkehrende Entscheidungen geht, die ein Mensch nicht mehr einzeln prüfen kann.