Einstieg in Machine Learning: Grundlagen verständlich erklärt

Machine Learning (ML)

Teilgebiet der Künstlichen Intelligenz, bei dem Computer aus Daten Muster und Zusammenhänge lernen, um Vorhersagen oder Entscheidungen zu treffen, ohne dass alle Regeln explizit von Menschen programmiert werden.

Klassische Programmierung

Programmierung, bei der Entwickler:innen die Regeln und Abläufe explizit festlegen (z. B. mit if-else-Anweisungen), ohne dass das Programm selbstständig aus Beispieldaten lernt.

Daten (im Kontext von ML)

Beispiele oder Messwerte aus der Vergangenheit (z. B. Bilder, Texte, Zahlen, Klicks), aus denen ein ML-Modell Muster lernen kann.

Modell

Mathematische oder statistische Struktur im Machine Learning, die versucht, einen Zusammenhang zwischen Eingaben (z. B. Bild, Text, Messwert) und Ausgaben (z. B. Klasse, Vorhersage) abzubilden.

Trainingsdaten

Teil der Daten, der verwendet wird, um ein ML-Modell zu trainieren, also seine Parameter so anzupassen, dass es möglichst gute Vorhersagen macht.

Überwachtes Lernen (Supervised Learning)

Lernart, bei der das Modell aus **Eingaben mit bekannten Ausgaben (Labels)** lernt. Typische Aufgaben: **Klassifikation** (Kategorien vorhersagen) und **Regression** (numerische Werte vorhersagen).

Unüberwachtes Lernen (Unsupervised Learning)

Lernart, bei der das Modell **keine Labels** bekommt und selbst **Strukturen oder Muster** in den Daten finden soll. Typische Aufgaben: **Clustering**, **Dimensionsreduktion**.

Bestärkendes Lernen (Reinforcement Learning)

Lernart, bei der ein **Agent** durch Interaktion mit einer **Umgebung** lernt und **Rewards** (Belohnungen/Bestrafungen) erhält. Ziel ist, eine Strategie zu lernen, die den **Gesamt-Reward** maximiert.

Label

Die **Zielinformation** in überwachten Lernproblemen (z. B. „Hund“ vs. „Katze“, Preis in Euro). Labels dienen als **richtige Antworten** beim Training.

Reward

Numerische **Rückmeldung** im bestärkenden Lernen, die anzeigt, wie gut eine Aktion in einem bestimmten Zustand war (z. B. +1 für Sieg, −1 für Niederlage).

Klassifikation

Aufgabe im überwachten Lernen, bei der eine Eingabe einer von mehreren **Kategorien** zugeordnet wird (z. B. Spam/Nicht-Spam, positiv/neutral/negativ).

Rohdaten

Unverarbeitete, ursprüngliche Daten, so wie sie anfallen (z. B. Log-Dateien, Freitext, Sensordaten), noch nicht in eine Form gebracht, die ein ML-Modell direkt nutzen kann.

Feature (Merkmal)

Eine aufbereitete, strukturierte Eingabegröße für ein ML-Modell (oft Zahl oder klar definierte Kategorie), die wichtige Informationen über ein Objekt oder Beispiel enthält.

Label / Zielvariable

Die Größe, die ein überwacht lernendes Modell vorhersagen soll, z. B. Hauspreis, Spam/Nicht-Spam, Wird der Kurs bestanden (Ja/Nein).

Trainingsdaten

Datenteil, mit dem das Modell seine Parameter anpasst und lernt. Das Modell sieht diese Beispiele während des Lernprozesses immer wieder.

Validierungsdaten

Datenteil, mit dem Modellvarianten und Hyperparameter ausgewählt werden. Das Modell lernt nicht direkt daran, sondern wird damit verglichen und abgestimmt.

Testdaten

Datenteil, der erst ganz am Ende verwendet wird, um die echte Leistungsfähigkeit des finalen Modells auf bisher ungesehenen Beispielen zu messen.

Klassifikation

Überwachtes Lernproblem, bei dem das Modell Beispiele in **diskrete Klassen** einordnet (z. B. Spam vs. kein Spam).

Regression

Überwachtes Lernproblem, bei dem das Modell **kontinuierliche Zahlenwerte** vorhersagt (z. B. Preis, Temperatur).

Preprocessing

Schritt der **Datenaufbereitung**: Daten aufräumen, fehlende Werte behandeln, Formate vereinheitlichen, Texte in Zahlen umwandeln.

Feature Engineering

Aus Rohdaten sinnvolle **Eingangsgrößen (Features)** erstellen, mit denen das Modell Muster besser erkennen kann.

Training

Anpassen der **Modellparameter** anhand der Trainingsdaten, um den Fehler (Loss) zu minimieren.

Validierungsdaten

Datensatz, der **nicht** zum Training genutzt wird, sondern zur Auswahl von Modellen und Hyperparametern und zur Erkennung von Overfitting.

Lineares Modell (intuitive Definition)

Ein Modell, das eine Vorhersage als gewichtete Summe von Features plus einem Grundwert berechnet. Jedes Feature hat ein Gewicht, das den Einfluss auf die Vorhersage beschreibt.

Gewicht (Koeffizient)

Eine Zahl in einem linearen Modell, die angibt, wie stark ein Feature die Vorhersage erhöht oder senkt. Positives Gewicht: erhöht die Vorhersage, negatives Gewicht: senkt sie.

Bias / Achsenabschnitt

Der Grundwert in einem linearen Modell – die Vorhersage, wenn alle Features den Wert 0 hätten.

Entscheidungsbaum

Ein Modell, das Vorhersagen trifft, indem es eine Folge von Ja/Nein-Fragen (auf Basis von Features und Schwellenwerten) stellt und am Ende eine Entscheidung in einem Blattknoten ausgibt.

Overfitting (Überanpassung) bei Bäumen

Wenn ein Entscheidungsbaum die Trainingsdaten zu genau auswendig lernt und dadurch auf neuen Daten schlechtere Vorhersagen macht.

Interpretierbarkeit

Wie gut Menschen nachvollziehen können, warum ein Modell eine bestimmte Vorhersage trifft. Lineare Modelle und einfache Entscheidungsbäume gelten als gut interpretierbar.

Trainingsdaten

Daten, mit denen das Modell **lernt**. Das Modell sieht diese Beispiele während des Trainings.

Testdaten

Daten, mit denen das Modell **geprüft** wird. Es hat diese Beispiele vorher nicht gesehen.

Overfitting

Das Modell passt sich zu stark an die Trainingsdaten an (auswendig lernen) und funktioniert schlechter auf neuen Daten.

Underfitting

Das Modell ist zu simpel und kann selbst die Trainingsdaten nicht gut erklären. Es fängt die Struktur des Problems nicht ein.

Accuracy (Genauigkeit)

Anteil der **korrekten Vorhersagen** an allen Vorhersagen. Geeignet für viele Klassifikationsprobleme, aber problematisch bei stark unausgeglichenen Klassen.

Fehlerquote

Anteil der **falschen Vorhersagen**. Fehlerquote = 1 − Accuracy.

Bias (Verzerrung)

Systematischer Fehler in Daten oder Modellen, der dazu führt, dass bestimmte Gruppen oder Ergebnisse vorhersehbar benachteiligt oder bevorzugt werden.

Fairness (in ML)

Eigenschaft eines Modells, bei der keine Gruppe systematisch schlechter oder besser behandelt wird, insbesondere keine schützenswerten Gruppen (z. B. Geschlecht, Herkunft).

Empfehlungssystem

ML-Anwendung, die vorhersagt, welche Inhalte (Filme, Produkte, Posts) für eine Person interessant sein könnten, basierend auf ihrem Verhalten und dem Verhalten ähnlicher Nutzer:innen.

DSGVO

Datenschutz-Grundverordnung der EU (seit 2018 in Kraft). Regelt den Umgang mit personenbezogenen Daten, inklusive Rechten der Betroffenen und Pflichten von Unternehmen/Organisationen.

Black-Box-Modell

ML-Modell, dessen innere Funktionsweise für Menschen schwer nachzuvollziehen ist. Es ist oft unklar, warum eine bestimmte Entscheidung getroffen wurde.

EU AI Act (KI-Verordnung)

Geplante EU-Verordnung zur Regulierung von KI-Systemen nach Risikostufen (z. B. hohes Risiko in Medizin, Bildung, Arbeit). Ziel ist u. a. mehr Sicherheit, Transparenz und Grundrechtsschutz.