KI ist keine Zauberei – so lernt sie

Von Oluwole Akinwale, Manager, Professional Services

Sie haben wahrscheinlich schon Leute darüber sprechen hören, dass “KI lernt”, aber was bedeutet das eigentlich? Wie lernen Maschinen überhaupt?

Die Antwort liegt in etwas, das sich maschinelles Lernen nennt – einem Prozess, der Computern beibringt, Muster zu erkennen, Entscheidungen zu treffen und sich sogar im Laufe der Zeit zu verbessern, ohne sie jedes Mal von Grund auf neu programmieren zu müssen.

Lassen wir es uns in einfacher Sprache erklären.

Was ist Maschinelles Lernen?

Stellen Sie sich maschinelles Lernen wie das Training eines Hundes vor. Man erklärt nicht alles in Worten — man zeigt es, belohnt das Verhalten und wiederholt es. Der Hund lernt Befehle, indem er Muster erkennt. Maschinelles Lernen funktioniert genauso: Wir geben einem Computer viele Beispiele (Daten), und er lernt daraus mithilfe von Algorithmen (Schritt-für-Schritt-Anleitungen). Schließlich wird er besser darin, Muster zu erkennen, je mehr Daten wir ihm füttern. Es ist wie das Sprichwort “Übung macht den Meister” – kommt Ihnen das bekannt vor? Sprechen wir nun über die vier Hauptarten, wie Maschinen lernen.

Die 4 Hauptarten, wie Maschinen lernen

Wir lernen alle auf unsere eigene Art und Weise – manche durch Lesen, manche durch Beobachten, und wenn Sie so sind wie ich, indem Sie die Ärmel hochkrempeln und es einfach tun. KI-Systeme unterscheiden sich gar nicht so sehr davon. Wir können sie je nach der Aufgabe, die sie ausführen sollen, auf folgende Weise trainieren.

1. Überwachtes Lernen

Stell dir das wie eine Lehrkraft vor, die ihre Schüler durch das Zeigen von Beispielfragen zusammen mit den richtigen Antworten anleitet – genau so funktioniert diese Art des maschinellen Lernens: Wir trainieren die KI, indem wir ihr viele beschriftete Beispiele füttern, sodass sie durch das Erkennen von Mustern in diesen Antworten lernt, was richtig ist.

Stellen Sie sich vor, wir möchten, dass KI Bilder von Katzen und Hunden erkennt. Wir gehen jedes Foto durch und beschriften es – “das ist eine Katze”, “das ist ein Hund”. Anschließend füttern wir das System mit Tausenden dieser beschrifteten Bilder. Nachdem die Maschine genügend Beispiele gesehen hat, beginnt sie völlig von selbst herauszufinden, wie sie sie voneinander unterscheiden kann.

2. Unüberwachtes Lernen

Erinnerst du dich an die Zeiten, in denen deine Eltern oder Lehrer dich Dinge selbst herausfinden ließen? Ich wetten, du hast es gehasst! Diese Art des maschinellen Lernens funktioniert ganz ähnlich.

Wir geben der KI viele Daten, aber keine Antworten – sie muss einen Sinn darin finden, indem sie Muster oder Gruppen erkennt. Zum Beispiel könnten wir uns überlegen – wie wäre es, wenn wir ihr Tausende von Kundeneinkaufsdaten ohne Labels füttern? Sie könnte Kunden auf natürliche Weise anhand ihrer Kaufgewohnheiten oder Vorlieben gruppieren – eine wahre Freude für unsere Freunde im Marketing und natürlich für jeden, der Empfehlungssysteme nutzt.

3. Bestärkendes Lernen

Als Vater von drei Kindern erinnert mich das an die Zeit, als meine Babys Laufen lernen mussten. Ich sah ihnen dabei zu, wie sie mehrmals hinfielen, aber jedes Mal passten sie sich an und fielen wieder hin, bevor sie es schließlich richtig machten.

Es geht darum zu experimentieren, zu scheitern und sich zu verbessern. Fehler sind keine Rückschläge – sie sind Sprungbretter zum Erfolg. Das ist kein Motivationsbeitrag, also kommen wir zurück zur KI. Bestärkendes Lernen (Reinforcement Learning) ähnelt dem Lernen durch Versuch und Irrtum, allerdings mit dem Zusatz von Belohnungen und Strafen. Man stelle sich einen Roboter vor, der lernt, ohne Rezept einen Kuchen zu backen.

Das erste Mal fügt es vielleicht zu viel Mehl hinzu oder vergisst das Backpulver. Der Kuchen gerät fest oder geht nicht auf. Beim nächsten Mal passt es sich an – vielleicht etwas weniger Mehl, ein bisschen mehr Zucker. Bei jedem Versuch lernt es aus dem, was schiefgegangen ist, und kommt dem perfekten Kuchen näher.

4. Semi-überwachtes Lernen

Hmm! Das hier ist so ähnlich wie dein Lieblings-Mixed-Grill-Teller, nur mit zwei Zutaten: Steak und Sausage, Hähnchen und Lammkotelett, Schweinekotelett und Speck oder Fisch und Garnelen. Beim halbüberwachten Lernen besteht die Mischung aus Anleitung und Rätselraten.

Hier nutzen wir die Anleitung des überwachten Lernens in Kombination mit dem ratratenähnlichen Vorgehen des unüberwachten Lernens. Wir füttern das System mit einigen beschrifteten Daten (mit Antworten) und einer größeren Menge an unbeschrifteten Daten (ohne Antworten).

Stellen Sie sich vor, Sie haben 100 medizinische Bilder entweder als “Tumor” oder “kein Tumor” beschriftet, aber Sie haben 1.000 weitere ohne Beschriftung. Die KI kann aus den wenigen beschrifteten Beispielen lernen und dieses Lernen dann anwenden, um den Rest zu verstehen.

Da sich die KI weiterentwickelt hat, sind spezialisiertere Lernstrategien entstanden, die Maschinen helfen, schneller, intelligenter und ethischer zu lernen. Ich werde Sie nicht mit Details langweilen.

Lassen Sie uns nun abschließen, indem wir betrachten, warum das Verständnis von maschinellem Lernen wichtig ist.

Warum spielt das eine Rolle?

Zu verstehen, wie KI lernt, ist nicht nur Tech-Talk – es beeinflusst unseren Alltag mehr, als wir denken:

Personalisierte Erlebnisse
Von Netflix-Empfehlungen bis zu deiner Spotify-Playlist lernt KI, was dir gefällt, und liefert mehr davon. Ich hoffe, es bedeutet mehr Geld für mich. 🙂

Bessere Gesundheitsversorgung
Stellen Sie sich den Unterschied vor, den es für unser Leben machen würde, wenn wir KI-Modelle mit medizinischen Daten trainieren würden, damit sie helfen können, Krankheiten früher zu erkennen und genauere Behandlungen vorzuschlagen.

Klügere Geschäftsentscheidungen
Als Geschäftsinhaber verstehe ich gerne das Kundenverhalten, sage Trends voraus und optimiere Abläufe. Klingt nach einer User Story auf einem Jira-Board. Nun, KI kann auch helfen, diese Anforderung zu erfüllen.

Sicherere Technologie
In Bereichen wie dem autonomen Fahren oder der Betrugserkennung bestimmt die Art und Weise, wie eine KI trainiert wird, wie gut sie Gefahren oder ungewöhnliche Aktivitäten erkennen kann.

Ethische Verantwortung
Das ist ein Thema, das mir sehr am Herzen liegt. Zu verstehen, wie KI trainiert wird, hilft uns, die richtigen Fragen zu Datenschutz, Fairness und Voreingenommenheit zu stellen, was uns alle betreffen wird.

Kurz gesagt: Je besser wir verstehen, wie KI lernt, desto besser können wir gestalten, wie sie für uns – und mit uns – arbeitet.