Was ist Machine Learning und wie funktioniert es?

Was ist Machine Learning und wie funktioniert es?

10.01.2018

Machine Learning begegnet uns mittlerweile alltäglich: ob bei den Empfehlungsdiensten von Amazon und Netflix, der Gesichtserkennung von Facebook oder bei Email Anwendungen zur Erkennung von Spam Nachrichten und Werbung.

 

Aber was genau bedeutet Machine Learning und wie können Systeme selbst lernen und sich weiterentwickeln?

 

 

Was ist Machine Learning?

 

Machine Learning, oder auch maschinelles Lernen, beschreibt den Erwerb von Wissen durch ein künstliches System. Der Computer generiert hier analog wie ein Mensch selbstständig Wissen aus Erfahrungen und kann eigenständig Lösungen für neue und unbekannte Probleme finden. Dazu analysiert ein System Beispiele und versucht mit Hilfe selbstlernender Algorithmen, in den Daten bestimmte Muster und Gesetzmäßigkeiten zu erkennen. Das Ziel von Machine Learning ist es, Daten intelligent miteinander zu verknüpfen, Zusammenhänge zu erkennen, Rückschlüsse zu ziehen und letztendlich Vorhersagen zu treffen.

 

 

Die Bestandteile von Machine Learning

 

 

Machine Learning Systeme bestehen in der Regel aus drei großen Komponenten:

 

  • Modell: System, das Vorhersagen und Identifikationen trifft

 

  • Parameter: Signale oder Faktoren, die vom System genutzt werden, um Entscheidungen zu treffen

 

  • Lernendes System: System, welches die Parameter anpasst und somit auch das Modell, indem es sich die Unterschiede in den Vorhersagen vs. dem tatsächlichen Ergebnis anschaut

 

 

Das Modell aufstellen

 

Das Modell beginnt oftmals mit einer Prognose, die für eine bestimmte Situation aufgestellt wird und welche das Machine Learning System zur Entwicklung nutzt.  Das Modell selber hängt von den Parametern ab, die für die Berechnungen eingesetzt werden. Das System nutzt dabei eine mathematische Gleichung, um die Prognose auszudrücken und um eine Trendlinie von dem was erwartet wird, abzubilden.

 

 

Der Input von vorhandenen Ist-Daten

 

Nach dem Aufstellen des Modells werden reale Informationen benötigt und in das System eingespeist. Diese Daten werden von dem System analysiert, sodass es Trends erkennen kann. Diese Ergebnisse können und werden sehr wahrscheinlich von der vorherig erstellten Prognose und Trendlinie abweichen.

 

 

Das System lernt

 

Die eingespeisten Daten werden vom System kontinuierlich überprüft und dazu genutzt aus ihnen zu lernen und ein besseres Modell zu entwickeln. Dazu werden mathematische Algorithmen genutzt, die die anfänglichen Annahmen anpassen. Daraus entsteht eine neue Prognose, welche näher an dem tatsächlichen Trend liegt.

 

Das Wichtigste ist hierbei zu verstehen, dass das System sehr kleine Anpassungen der Parameter vornimmt, um das Modell immer weiter zu verfeinern.

 

 

Endlose Wiederholung

 

Das System wird durchgehend mit neuen Daten versorgt, welche wiederum mit dem überarbeiteten Modell verglichen werden. War das Modell erfolgreich, sind die Ergebnisse diesmal näher an der Prognose.

 

Dieser Prozess ist aber nie zu Ende. Das System passt kontinuierlich die Parameter erneut an, um das Modell neu zu gestalten und zu verfeinern. Weitere Datensätze werden in das System eingegeben und ein erneuter Vergleich erfolgt, welcher das Modell wieder anpasst.

 

Der Zyklus wiederholt sich immer wieder, sodass das Modell mit jedem neuen Datensatz genauer wird und bessere Prognosen erstellen kann.  Das System nimmt immer wieder kleine Anpassungen vor, um sich weiter zu entwickeln und eigenständig aus den vorhandenen Daten zu lernen.

 

 

Der Zusammenhang zu Künstlicher Intelligenz

 

Viele setzen die Begriffe Machine Learning und Künstliche Intelligenz (KI) als Synonyme ein. Tatsächlich ist Machine Learning aber nur ein Teilgebiet von Künstlicher Intelligenz.

 

Künstliche Intelligenz beschäftigt sich allgemein mit der Automatisierung von menschlichem intelligenten Verhalten. Neben Machine Learning gehören zur Künstlichen Intelligenz Teilgebiete wie Mustererkennung, Robotik, die Verarbeitung natürlicher Sprache und maschinelles Übersetzen. Momentan gilt Machine Learning allerdings als eine der zentralen und erfolgreichsten KI-Disziplinen.

 

Mehr zu dem Thema verrät außerdem unser Beitrag Künstliche Intelligenz im Marketing: 4 Bereiche, die KI erheblich beeinflusst hat.

So bringen Werbetreibende AdTech und MarTech zusammen  

30.05.2018

  AdTech und MarTech laufen in Zukunft zusammen. Dennoch sind Lösungen, die die Daten- und Performancevorteile beider miteinander verbinden, bisher mehr Ausnahme als Regel. Und das, obwohl Kunden sowohl über Paid als auch Owned Media eine konsistente und ganzheitliche User Journey haben sollten.   Diese kann jedoch nicht entstehen, solange beide Bereiche getrennt betrachtet werden. […]

Datensicherheit im Cross-Device-Tracking

03.05.2018

Im vergangenen Jahr war bereits deutlich zu sehen, wie immer mehr Online-Marketer das Cross-Device-Tracking für ihre Werbezwecke nutzen. Das Sammeln von Nutzerinformationen im Internet bringt für Werbetreibende allerdings Vorteile und Herausforderungen gleichermaßen mit sich. Vor allem die Datensicherheit ist ein immer wieder aufkeimendes Thema. Doch wie steht es um diese eigentlich und was können Unternehmen […]

Datensicherheit im Cross-Device-Tracking

03.05.2018

Im vergangenen Jahr war bereits deutlich zu sehen, wie immer mehr Online-Marketer das Cross-Device-Tracking für ihre Werbezwecke nutzen. Das Sammeln von Nutzerinformationen im Internet bringt für Werbetreibende allerdings Vorteile und Herausforderungen gleichermaßen mit sich. Vor allem die Datensicherheit ist ein immer wieder aufkeimendes Thema. Doch wie steht es um diese eigentlich und was können Unternehmen […]