Supervised Learning (Überwachtes Lernen)

Supervised Learning, auf Deutsch überwachtes Lernen, ist eine Methode des maschinellen Lernens, bei der ein Modell aus Beispielen lernt, für die die richtige Antwort bereits bekannt ist. Die Trainingsdaten bestehen aus Paaren von Eingaben und den zugehörigen korrekten Ausgaben, den sogenannten Labels. Das Ziel ist, dass das Modell die zugrunde liegenden Muster so erkennt, dass es auch bei neuen, unbekannten Daten zuverlässige Vorhersagen treffen kann.

Während des Trainings vergleicht der Algorithmus seine Vorhersagen mit den tatsächlichen Antworten und passt seine internen Parameter schrittweise an, um den Fehler zu minimieren. Typische Aufgaben sind die Klassifikation, etwa die Einteilung einer E-Mail in "Spam" oder "kein Spam", und die Regression, also die Vorhersage eines Zahlenwerts wie eines Preises oder einer Absatzmenge. Die Qualität des Ergebnisses hängt stark von der Menge und der Sauberkeit der Trainingsdaten ab. Verfahren wie Entscheidungsbäume, lineare Regression oder neuronale Netze gehören zu den gängigen Methoden des überwachten Lernens.

Im Mittelstand begegnet einem überwachtes Lernen häufiger, als man vermutet. Es steckt hinter der automatischen Rechnungserkennung in der Buchhaltungssoftware, der Bonitätsprüfung bei Krediten, der Vorhersage von Wartungsbedarf an Maschinen oder der Filterung von Bewerbungen. Auch Empfehlungssysteme im Onlineshop oder die Sortierung von Kundenanfragen nach Dringlichkeit beruhen oft auf dieser Technik. Für kleinere Unternehmen ist entscheidend, dass bereits eigene historische Daten, etwa aus dem CRM- oder Warenwirtschaftssystem, als Trainingsgrundlage dienen können. Dadurch lassen sich konkrete Geschäftsprobleme lösen, ohne dass riesige Datenmengen aus externen Quellen nötig sind.

Die größte Hürde liegt meist im Aufbereiten und Beschriften der Daten, was zeitaufwendig sein kann. Verwandt sind das unüberwachte Lernen, bei dem keine Labels vorliegen, und das bestärkende Lernen, bei dem ein System durch Belohnung und Bestrafung lernt.