Das KI-Vokabular · 01 Das Modell
Was ist Maschinelles Lernen?
Software, die Muster aus Beispielen lernt, statt von Hand geschriebenen Regeln zu folgen.
Klassische Software folgt Regeln, die jemand programmiert hat: Wenn die Rechnung über 10.000 liegt, hol eine Freigabe ein. Maschinelles Lernen funktioniert umgekehrt. Du zeigst dem System viele Beispiele, und das Training passt es so lange an, bis es bei neuen, nie gesehenen Fällen gute Vorhersagen trifft.
Maschinelles Lernen steckt seit Jahren in Alltagsprodukten: Spamfilter, Produktempfehlungen, Betrugserkennung, Routenplanung. Die heutige generative KI ist eine neuere, viel größere Form davon, meist aufgebaut auf neuronalen Netzen.
Warum es für dich wichtig ist
Maschinelles Lernen ist nur so gut wie seine Beispiele. Sind die Daten dünn, veraltet oder einseitig, lernt das System genau diese Schwächen mit. Das ist eine Quelle von Bias. „Womit wurde es trainiert?“ ist oft die nützlichste Frage zu jedem KI-Produkt.
Own it
Deine eigenen historischen Daten, etwa Entscheidungen, Tickets, Dokumente und Ergebnisse, sind der Rohstoff für maschinelles Lernen. Wenn du sie sauber, dokumentiert und unter deiner Kontrolle hältst, kannst du sie später nutzen, mit welchem Tool auch immer.
Woher es kommt
IBM-Forscher Arthur Samuel prägte „machine learning“ 1959 in einem Aufsatz darüber, wie man einem Computer das Damespiel beibringt. Sein Programm wurde besser, indem es sich Spielstellungen merkte und in späteren Versionen Tausende Partien gegen sich selbst spielte, bis es ein ordentliches Amateurniveau erreichte. Aus Erfahrung zu lernen, statt handgeschriebenen Regeln zu folgen, ist bis heute die Kernidee. Arthur Samuel (Wikipedia)
Verwandt
Your AI Learning Hub
Lern das ganze KI-Vokabular, Schritt für Schritt, und bau damit. Build it. Own it.