Machine Learning: Wie es funktioniert und wofür es ­angewendet wird

Machine Learning: Wie es funktioniert und wofür es ­angewendet wird

4. September 2021 - Know-how Die meisten Unternehmen investieren heute bereits in Machine Learning (ML) oder planen, dies zu tun. Mit der Entwicklung von neuen Produkten, Dienstleistungen und Geschäftsmodellen können Innovationen vorangetrieben und Wettbewerbsvorteile erzielt werden.
Artikel erschienen in IT Magazine 2021/09
Machine Learning findet sich in etwa 77 Prozent der Geräte und Apps, die wir benutzen. So nutzen beispielsweise Mitfahr-Apps wie Uber und Lyft Daten, um Wartezeiten zu verringern, die Nachfrage vorherzusagen und die Preisgestaltung zu optimieren. Online-Shopping-Seiten nutzen ML, um ­Suchergebnisse anzupassen und Produktempfehlungen zu verbessern. Unternehmen, die Kredit- oder Debit­kartentransaktionen durchführen, nutzen ML, um auf Betrug zu prüfen. Industrie­unternehmen nutzen künstliche Intelligenz (KI) und ML-Dienste für die Anlagenverwaltung. Dazu gehört der Einsatz von Computer Vision für die Überwachung von Anlagen und die Erkennung von Defekten oder die Analyse von Daten zum Betriebsverhalten von Maschinen, um eine vorausschauende Wartung zu ermöglichen. Kundendienstorganisationen nutzen ML, um Telefonanrufe ihrer Kunden zu transkribieren und zu analysieren, um so die Stimmung ihrer Kunden zu bewerten und ihren Mitarbeitern Hilfestellungen in Echtzeit zu geben. Die Anwendungsmöglichkeiten von ML sind vielfältig, doch …

Was ist eigentlich Machine Learning?

Machine Learning ist der Prozess, bei dem Computer mithilfe mathematischer und statistischer Verfahren trainiert werden, um Muster in Daten zu finden und zu erkennen. So werden Trainingsmodelle erstellt, um auf der Grundlage historischer Daten immer genauere Vorhersagen und Rückschlüsse auf zukünftige Ergebnisse zu treffen. So kann ML beispielsweise dabei helfen, auf der Grundlage früherer Käufe und aktueller Verkaufszahlen die Wahrscheinlichkeit zu ermitteln, dass ein Kunde ein bestimmtes Produkt kauft, und ihm dieses vorschlagen.

Durch Machine Learning können Ergebnisse kontinuierlich verbessert werden, was bedeutet, dass Trainingsmodelle in fast jeden Entscheidungsprozess einfliessen können. Machine Learning kann unbegrenzte Datenmengen aufnehmen, zeitnahe Analysen und Bewertungen erstellen, Trends und Muster erkennen und Prognosen erstellen. Die Entwicklung von ML-Modellen ist ein iterativer Prozess. Das initiale Vorgehen gestaltet sich wie nachfolgend dargestellt. Wichtig dabei ist, dass mit dem Problem und nicht mit den technischen Möglichkeiten gestartet wird.

Häufig wird im gleichen Zusammenhang mit Machine Learning der Begriff künstliche Intelligenz verwendet. Als KI wird ein System bezeichnet, das in der Lage ist, menschliches Verhalten auf irgendeine Weise nachzuahmen. Es gibt zwei Kategorien von KI: die «enge oder schwache KI», bei der eine KI die menschliche Intelligenz in einem einzigen Kontext (ein Spezialgebiet wie z.B. Bilderkennung) imitiert und dabei dem Menschen oft überlegen ist. Und die «allgemeine oder starke KI», die ihre Intelligenz auf unterschiedliche Aufgaben anwenden kann und somit menschenähnlich funktioniert. Bisher ist es noch nicht gelungen, eine starke künstliche Intelligenz zu entwickeln. Auch die Diskussion, ob es überhaupt möglich ist, einem Computer menschliche intellektuelle Fähigkeiten wie logisches Denkvermögen und Entscheidungsvermögen beizubringen, hält weiter an.
 
Seite 1 von 4

Neuen Kommentar erfassen

Anti-Spam-Frage Wieviele Zwerge traf Schneewittchen im Wald?
Antwort
Name
E-Mail
SPONSOREN & PARTNER