Maschinelles Lernen Maschinelles Lernen bezeichnet Verfahren, bei denen ein Programm Regeln aus Beispieldaten ableitet, statt sie von einem Menschen vorgegeben zu bekommen. Aus Trainingsdaten entsteht ein Modell, das auf neue, bisher ungesehene Fälle angewendet wird. Die Qualität hängt zuerst von den Daten ab und erst danach vom gewählten Verfahren.
Kurz-Fakten
Drei Grundformen: überwacht, unüberwacht, bestärkend
Der Aufwand liegt überwiegend bei der Datenaufbereitung, nicht beim Training
Ein Modell kann nur Zusammenhänge finden, die in den Daten stecken
Bewertung erfolgt auf Daten, die im Training nicht vorkamen
Bedeutung in der Praxis
Der häufigste Fehler in Projekten ist die Reihenfolge: erst das Verfahren wählen, dann die Daten suchen. Umgekehrt wird es etwas – wer weiß, welche Daten in welcher Qualität vorliegen, kann die Verfahrensfrage in einer Stunde beantworten.
Ein einfaches Vergleichsmodell zu Beginn kostet wenig und beantwortet die wichtigste Frage: Wie viel besser ist das aufwendige Verfahren tatsächlich? Häufig lautet die Antwort: kaum.
Inhaber von SEO NW in Bertingen. Arbeitet an der Schnittstelle von Suchmaschinenoptimierung und angewandter künstlicher Intelligenz: Prompt Engineering, Retrieval-Augmented Generation und die Frage, unter welchen Bedingungen ein Sprachmodell einen Inhalt übernimmt und der richtigen Quelle zuschreibt.