Einfach erklärt: Maschinelles Lernen

Das selbstfahrende Auto, ein treffsicheres Übersetzungsprogramm oder die künstliche Intelligenz (KI), die Krankheiten erkennt: alles Beispiele für Maschinen, die viel und schnell gelernt haben – aus Mustern in riesigen Datenmengen.

Der Mensch liefert mit Big Data und den passenden Analyseregeln den Stoff, aus dem Künstliche-Intelligenz-Träume sind: IT-Systeme lernen damit schnell und eindrucksvoll. Sie finden Muster in großen Datenbanken schneller als das menschliche Gehirn. Dieses Maschinelle Lernen (engl. machine learning) gilt als Teildisziplin von KI.

Die Anwendungen erscheinen unbegrenzt. Dank Maschinellem Lernen sagen die Systeme voraus, wann etwa Produktionsstraßen gewartet werden müssen („Predictive Maintenance“), ja selbst mit welcher Wahrscheinlichkeit ein Gerät ausfällt und wann. Auch Gesichts- und Bilderkennung gehören dazu.  

Maschinelles Lernen entstand aus der Mustererkennung und der Theorie, dass Computer lernen können, bestimmte Aufgaben selbstständig auszuführen. Forscher entwickelten solche Modelle, die aus vorherigen Berechnungen lernen und auf dieser Grundlage zu neuen zuverlässigen Entscheidungen und Ergebnissen kommen.  

Zwar existieren schon sehr lange Algorithmen für das maschinelle Lernen. Aber die Möglichkeit, komplexe mathematische Berechnungen automatisch auf enorme Datenmengen anzuwenden – immer wieder und immer schneller –, ist neu. Und verdankt ihren Erfolg auch neuer und vor allem leistungsstärkerer Computertechnologie.