Was ist Maschinelles Lernen?
Zuletzt aktualisiert am · Aidan Faes
Kurz gesagt
Maschinelles Lernen ist das Verfahren, mit dem ein System seine Regeln aus Beispieldaten ableitet, statt sie programmiert zu bekommen. Ein Programm sieht dabei sehr viele gelöste Fälle und passt seine internen Werte so lange an, bis es neue, ungesehene Fälle möglichst ähnlich löst. Das Ergebnis dieses Vorgangs ist ein Modell.
Der Ablauf ähnelt der Einarbeitung einer neuen Kollegin in der Poststelle. Sie bekommt keine vollständige Vorschrift, sondern zwei Stapel Post und die Ansage, was wohin gehört. Nach hundert Vorgängen trifft sie die meisten Zuordnungen richtig, ohne die Regel benennen zu können. Genau das tut maschinelles Lernen, nur mit sehr viel mehr Beispielen und ohne Verständnis für den Inhalt.
In der Praxis unterscheidet man zwei Situationen. Entweder ein Anbieter hat ein Modell bereits auf riesigen Datenmengen trainiert, und Sie nutzen es unverändert: So arbeiten Sprachmodelle. Oder ein Modell wird auf Ihre Fälle angepasst, etwa auf Ihre Belegarten oder Ihre Artikelbezeichnungen. Der zweite Weg braucht Trainingsdaten aus Ihrem Haus, meist einige hundert bis einige tausend geprüfte Beispiele, und damit jemanden, der diese Beispiele bereitstellt und kontrolliert.
Der typische Fehler liegt in der Erwartung an die Datenmenge. Betriebe glauben, sie hätten zu wenig Daten, obwohl in der Dokumentenablage Jahre an sauber abgelegten Vorgängen liegen. Umgekehrt liefern zehntausend Datensätze nichts, wenn niemand weiß, welche davon korrekt bearbeitet wurden. Für maschinelles Lernen zählt die Qualität der Beispiele mehr als ihre Zahl, und die Qualität hängt an Ihren bisherigen Prozessen.
Ein zweiter, teurerer Fehler ist die Annahme, ein einmal trainiertes Modell bleibe gut. Ändern sich Ihre Artikelnummern, Ihr Lieferantenkreis oder Ihre Formulare, sinkt die Trefferquote schleichend. Fragen Sie vor dem Kauf, wer das Nachtrainieren übernimmt, wie oft es vorgesehen ist und ob es im Preis enthalten ist. Diese Frage entscheidet über die Betriebskosten der nächsten Jahre.
Welche Begriffe hängen damit zusammen?
- Künstliche Intelligenz: Sammelbegriff für Software, die Aufgaben übernimmt, für die bisher menschliches Urteilsvermögen nötig war.
- Trainingsdaten: Die Daten, aus denen ein Modell seine Regeln ableitet. Für Unternehmen zählt vor allem, ob die eigenen Daten dazugehören.
- Modell: Die trainierte Datei, die die eigentliche Rechenleistung erbringt; die Software ringsherum macht sie nutzbar.
Wo wird Maschinelles Lernen in der Auswahl konkret?
Begriffe helfen erst, wenn sie an einer Entscheidung hängen. Maschinelles Lernen spielt vor allem in Dokumente & Verwaltung eine Rolle. Dort sehen Sie, wie die geprüften Lösungen mit dem Punkt umgehen, jeweils mit Quelle und Stand-Datum.
Weiter im Glossar
Häufige Fragen
Lernt das System aus unserer täglichen Nutzung von selbst dazu?
Meist nicht automatisch. Viele Anbieter sammeln Korrekturen und trainieren in Abständen nach, andere tun es nur auf Anforderung. Lassen Sie sich schriftlich geben, ob und wann nachtrainiert wird und ob Ihre Daten dabei verwendet werden.
Wie viele Beispiele müssen wir liefern?
Das hängt von der Aufgabe ab. Für die Unterscheidung weniger Dokumentarten genügen oft einige hundert geprüfte Fälle, für seltene Sonderformen braucht es deutlich mehr. Verlässlich ist nur die Auskunft des Anbieters zu Ihrem konkreten Fall, verbunden mit einem Testlauf auf Ihren eigenen Unterlagen.
Können wir das ohne Datenwissenschaftler betreiben?
Bei fertigen Anwendungen ja, denn dort ist das Training Teil des Produkts. Sobald Sie eigene Modelle anpassen lassen, brauchen Sie entweder einen Dienstleister oder eine eingearbeitete Fachkraft im Haus, die Beispiele auswählt und Ergebnisse bewertet.