Wie funktioniert maschinelles Lernen? Einfach erklärt

Der Kernunterschied: gelernte Muster statt fester Regeln

Klassische Software folgt Regeln, die Menschen ausformulieren: «Wenn der Betrag über 10'000 CHF liegt, markiere die Zahlung.» Das funktioniert, solange sich alle Fälle sauber in solche Wenn-Dann-Regeln fassen lassen. Bei komplexen Aufgaben wie Sprache verstehen, Bilder erkennen oder Nachfrage vorhersagen wird die Regelliste schnell unüberschaubar.

Maschinelles Lernen dreht die Logik um: Statt Regeln vorzugeben, zeigt man dem System viele Beispiele und lässt es die zugrunde liegenden Muster selbst herausarbeiten. Aus tausenden markierten und nicht markierten Zahlungen leitet ein Modell selbstständig ab, was verdächtig aussieht. Das Ergebnis ist kein starres Programm, sondern ein statistisches Modell, das auf Wahrscheinlichkeiten beruht.

Training und Inferenz: die zwei Phasen jedes Modells

Jedes ML-Projekt durchläuft zwei klar getrennte Phasen. Das Training ist rechenintensiv und findet einmalig oder in Abständen statt; die Inferenz läuft danach millionenfach und schnell. Dieser Unterschied erklärt auch die Kostenstruktur: Training kostet viel Rechenzeit im Voraus, Inferenz kostet pro Anfrage.

• Training: Das Modell sieht Beispieldaten und passt schrittweise seine internen Parameter an, um Fehler zu verringern. Ergebnis ist ein fertiges, gespeichertes Modell.
• Inferenz: Das trainierte Modell erhält neue, ungesehene Daten und liefert eine Vorhersage – ohne dass es dabei weiterlernt.
• Validierung: Zwischen beiden Phasen prüft man das Modell an zurückgehaltenen Testdaten, um zu sehen, ob es wirklich verallgemeinert und nicht nur auswendig gelernt hat.

Die drei Lernarten im Überblick

• Überwachtes Lernen (supervised): Die Trainingsdaten sind mit der richtigen Antwort beschriftet (Label). Beispiel: E-Mails mit «Spam» oder «kein Spam» markiert. Ideal für Klassifikation und Vorhersage konkreter Werte.
• Unüberwachtes Lernen (unsupervised): Die Daten haben keine Labels. Das Modell sucht selbst Strukturen, etwa Kundensegmente oder Auffälligkeiten. Ideal für Gruppierung (Clustering) und Anomalieerkennung.
• Bestärkendes Lernen (reinforcement): Ein Agent lernt durch Ausprobieren mit Belohnung und Bestrafung, etwa in Robotik oder Spielen. Weniger verbreitet im Alltag, aber wichtig für sequenzielle Entscheidungen.
• Zwischenformen wie halbüberwachtes und selbstüberwachtes Lernen kombinieren wenige Labels mit vielen unbeschrifteten Daten – die Grundlage moderner Sprachmodelle.

Warum Datenqualität über den Erfolg entscheidet

Ein Modell kann nur so gut sein wie die Daten, aus denen es lernt. Der bekannte Grundsatz «garbage in, garbage out» gilt beim maschinellen Lernen besonders stark: Fehlerhafte, unvollständige oder einseitige Trainingsdaten führen zu Modellen, die selbstsicher falsche Ergebnisse liefern. Mehr Daten helfen nur, wenn sie relevant und sauber sind.

• Repräsentativität: Die Trainingsdaten müssen die spätere Realität abbilden. Fehlen ganze Gruppen, funktioniert das Modell für sie schlecht.
• Verzerrung (Bias): Spiegeln Daten historische Ungleichheiten wider, lernt das Modell diese mit und verstärkt sie unter Umständen.
• Aktualität: Verändert sich die Welt, veraltet ein Modell («Data Drift») und muss neu trainiert werden.
• Beschriftungsqualität: Bei überwachtem Lernen entscheiden korrekte Labels über alles – falsch beschriftete Beispiele bringen dem Modell das Falsche bei.

Ein einfaches Beispiel von Anfang bis Ende

Angenommen, ein KMU möchte Immobilienpreise schätzen. Man sammelt historische Verkäufe mit Merkmalen wie Fläche, Lage und Baujahr sowie dem tatsächlichen Preis (das Label). Diese Tabelle ist der Trainingsdatensatz für ein überwachtes Modell.

Im Training sucht der Algorithmus den Zusammenhang zwischen Merkmalen und Preis und passt seine Parameter an, bis seine Schätzungen den echten Preisen möglichst nahekommen. Danach prüft man an zurückgehaltenen Verkäufen, wie genau das Modell liegt. In der Inferenz gibt man die Merkmale einer neuen, noch nicht verkauften Wohnung ein und erhält eine Preisschätzung. Verschiebt sich der Markt, trainiert man das Modell mit frischen Daten neu.

Grenzen und typische Missverständnisse

• ML versteht nicht wie ein Mensch: Ein Modell erkennt statistische Muster, nicht Bedeutung oder Ursache. Korrelation ist nicht Kausalität.
• Überanpassung (Overfitting): Lernt ein Modell die Trainingsdaten auswendig, versagt es bei neuen Fällen. Deshalb die getrennte Testphase.
• Kein gesunder Menschenverstand: Ausserhalb der gesehenen Daten kann ein Modell unsinnige Ausgaben liefern, ohne es zu «merken».
• Nicht immer die richtige Wahl: Für klare, stabile Regeln sind klassische Programme oft einfacher, günstiger und transparenter als ML.

Schweizer Perspektive: Datenschutz und verantwortungsvoller Einsatz

Weil maschinelles Lernen von Daten lebt, berührt es in der Schweiz direkt das revidierte Datenschutzgesetz (revDSG). Wer Personendaten zum Training nutzt, braucht eine gültige Rechtsgrundlage, muss transparent informieren und die Grundsätze der Datenminimierung und Zweckbindung beachten. Aufsichtsbehörde ist der Eidgenössische Datenschutz- und Öffentlichkeitsbeauftragte (EDÖB).

Praktisch heisst das: Datenherkunft dokumentieren, Datensätze auf Verzerrungen prüfen, Modelle nachvollziehbar halten und für heikle Entscheidungen menschliche Kontrolle vorsehen. Gerade für Schweizer KMU ist ein sauberer Umgang mit Daten kein Bremsklotz, sondern ein Vertrauensvorteil gegenüber Kunden und Partnern.