Machine Learning einfach erklärt

Klassische Software funktioniert nach Regeln, die ein Mensch aufgeschrieben hat: Wenn der Betrag über 5.000 Euro liegt, dann Freigabe durch den Bereichsleiter. Für viele Aufgaben lassen sich solche Regeln aber nicht aufschreiben. Niemand kann in Regeln fassen, wie man auf einem Foto einen Riss in einer Schweißnaht erkennt oder woran man erkennt, dass eine E-Mail eine Reklamation ist. Machine Learning löst das anders: Man zeigt dem System tausende Beispiele mit der richtigen Antwort, und es findet die Muster selbst.

Wie das Lernen abläuft

Das System bekommt Trainingsdaten, etwa zehntausend E-Mails, von denen bekannt ist, welche eine Reklamation war. Es stellt seine inneren Parameter so lange um, bis es die bekannten Fälle möglichst gut trifft. Dann wird es an Beispielen geprüft, die es noch nicht gesehen hat. Trifft es auch dort gut, kann es eingesetzt werden. Alle KI-Systeme, die heute in Unternehmen laufen, beruhen auf diesem Prinzip, von der Texterkennung über Sprachmodelle bis zur Nachfrageprognose.

Ein Beispiel aus dem Alltag

Ein Hersteller von Gussteilen prüfte jedes Teil per Sichtkontrolle. Ein Modell wurde mit 20.000 Fotos trainiert, die von erfahrenen Prüfern als gut oder fehlerhaft markiert worden waren. Heute sortiert das Modell die eindeutigen Fälle und legt den Prüfern nur die unsicheren vor. Die Prüfer wurden nicht ersetzt, sondern schauen auf die Teile, bei denen ihr Urteil gebraucht wird.

Was Geschäftsführer wissen sollten

Machine Learning braucht Daten, und zwar gute. Ein Modell, das aus fehlerhaften oder lückenhaften Beispielen lernt, reproduziert die Fehler. Für die meisten Anwendungen im Mittelstand müssen Sie heute kein eigenes Modell trainieren, weil fertige Sprachmodelle die Aufgaben bereits beherrschen. Eigenes Training oder Fine-Tuning wird erst dann zum Thema, wenn es um sehr spezielle Daten wie Bilder aus Ihrer Fertigung geht.