1. Wie funktioniert Machine Learning?

Mithilfe von Algorithmen generiert ein technisches System neues Wissen aus zuvor gemachten Erfahrungen. Es erkennt Muster in bestehenden Datensätzen und gewinnt daraus Erkenntnisse. So kann sich das Programm autark weiterentwickeln und zum Beispiel Prognosen für die Wahrscheinlichkeit von Entwicklungen erstellen. Grundsätzlich werden zwei Arten von Machine Learning unterschieden, wobei auch Mischformen dieser beiden Arten zum Einsatz kommen können:

  • Überwachtes Lernen (Supervised Learning): Auf Basis von bereits bekannten Ergebnissen wird das System gesteuert und lernt auf diesem Wege, künftige Eingaben zu klassifizieren.
  • Unüberwachtes Lernen (Unsupervised Learning): Die künstliche Intelligenz arbeitet selbstständig. Sie erkennt eine Struktur innerhalb des Datensatzes und entwickelt eigenständig entsprechende Vorhersagen.

Maschinelles Lernen ist auf große Datenmengen angewiesen, da die Analysen sonst ungenau werden oder der Lernprozess nicht eintreten kann. Für Unternehmen, die besonders datengetrieben arbeiten, kann dies eine enorme Erleichterung darstellen. Das große Plus des maschinellen Lernens: Die Auswertung erfolgt in Echtzeit, sodass das Unternehmen schnell auf die jeweiligen Erkenntnisse reagieren kann.

Machine Learning – Welche Vorteile hat maschinelles Lernen? Kaufprognosen entwickeln, passende Angebote erstellen, Suchverläufe auswerten: Maschinelles Lernen hat vielfältige Einsatzmöglichkeiten. (© 2017 Jirsak/Shutterstock)
Machine Learning Hinter dem Begriff Machine Learning (deutsch: maschinelles Lernen) verbirgt sich eine künstliche Intelligenz, die aus erhobenen Daten lernt und Erkenntnisse gewinnt. Sie identifiziert Muster und leitet aus ihnen entsprechende Prognosen ab.

2. Prognosen für das Marketing

Marketer können vom Machine Learning erheblich profitieren. Zum Beispiel lassen sich Kaufprognosen für einzelne Kunden oder ganze Kundensegmente erstellen: Kaufen Kunden zu Jahresbeginn vermehrt Sportkleidung und Laufschuhe, kann man ihnen genau in diesem Zeitraum die passenden Angebote unterbreiten. Darüber hinaus ermöglicht maschinelles Lernen, in Echtzeit die Suchverläufe von Kunden auszuwerten und ihnen entsprechende Produkte anzuzeigen. Wer wissen möchte, was sich die Kunden aktuell wünschen oder wie sie gegenüber bestimmten Produkten eingestellt sind, kann seine Social-Media-Kanäle mithilfe einer künstlichen Intelligenz auswerten.

3. Analysen für die Industrie

Industriemaschinen haben regelmäßig Störungen oder Ausfälle. Durch maschinelles Lernen sind Systeme in der Lage, Muster zu erkennen und häufig auftretende Fehler zu identifizieren. Unternehmen können so ihre Ressourcen- und Produktionsplanung optimieren. Auch eine Vorhersage von möglichen Ausfallzeitpunkten kann durch Machine Learning getroffen werden. Das ermöglicht eine vorsorgliche Wartung (Predictive Maintenance).