Machine Learning oder warum Maschinen menschlich denken

Machine Learning

Künstliche Intelligenz, Deep und Machine Learning sind Begriffe, die uns immer häufiger begegnen. Dabei werden diese Buzzwords jedoch oft durcheinandergeworfen und als Synonyme verwendet. Alle drei Begriffe hängen zwar zusammen, beschreiben jedoch höchst unterschiedliche Stufen eines denkenden Algorithmus‘. Eines haben sie aber gemeinsam: Eine neue Stufe der Digitalisierung, die unser Leben maßgeblich verändern wird.

Was ist Machine Learning nicht?

DenkenMachine Learning (ML) ist nicht mit künstlicher Intelligenz gleichzusetzen, denn letztere hat das Ziel, menschenähnliche Entscheidungen anhand erhobener Daten zu treffen. Für solche Entscheidungen reichen Machine-Learning-Methoden nicht aus.

Deep Learning ist hingegen als Unterkategorie des Machine Learnings zu verstehen. Gleichzeitig ist es aber auch eine Art Weiterentwicklung, da Modelle nicht nur erkannt, sondern auch eigenständig neu erstellt werden können. Aber dazu später mehr.

Womit diese Technologie auch nicht verwechselt werden sollte:

Data
Mining

Big
Data

Business
Intelligence

Web-
Analytics

Und was ist es dann?

Doch was ist nun Machine Learning? Es ist ein lernender Algorithmus, der zunächst mit Daten und Regeln gefüttert wird und so beispielsweise eigenständig Bilder von Tieren und Menschen unterscheiden kann. Dabei werden die Beispiele von dem Algorithmus nicht einfach auswendig gelernt, es werden vielmehr Muster erkannt und gebildet, sodass das System auch neue und unbekannte Bilder kategorisieren kann. Es findet also ein Lerntransfer statt!

Ein künstliches Gehirn?

Damit dieses maschinelle Lernen funktioniert, wurde ein künstliches neuronales Netz gebildet, welches den menschlichen Neuronen nachempfunden wurde. Um beispielsweise Bilder zu erkennen, wurden mehrere Ebenen entwickelt, die eine eigene Funktion erfüllen. So registriert beispielsweise die erste Ebene die Helligkeitswerte der Pixel, während die zweite für die Verbindung zwischen den Kanten und die dritte die horizontalen und vertikalen Linien unterscheidet und immer so weiter, bis das ganze Bild analysiert wird.

Wie lernt eine Maschine?

Es gibt verschiedene Wege, wie Maschinen lernen können. Wir zeigen Ihnen hierbei die zwei wichtigsten:

Überwachtes Lernen

Der Algorithmus wird mit Daten gefüttert, die bereits ein Label enthalten. Er lernt dabei anhand von Ein- und Ausgaben. Die richtigen Antworten werden also bereits von Menschen vorgegeben. Basierend auf diesen Daten soll der Algorithmus entsprechende Vorhersagen treffen.
Diese Vorhersagen werden mit einer Testmenge überprüft. Erst wenn diese Tests gute Werte liefern, wird das Training beendet.

Unüberwachtes Lernen

Während bei dem überwachten Lernen bereits Labels vorgegeben werden, erzeugt der Algorithmus beim unüberwachten Lernen eigene Modelle, sobald er mit Daten gefüttert wurde. Hierbei gibt es also nur Ein- aber keine vorgegebenen Ausgaben. Der Algorithmus „versteht“ demnach selbst die vorliegenden Daten und weiß sie auch zu kategorisieren. Das Netz erkennt in der Datenmenge die Klassen selbstständig und passt seine Parameter an diese an.

Denkt so ein Machine Learning-Algorithmus?

Bekommt ein ML-Algorithmus also ein Bild von einer Katze in einem Bärenkostüm vorgesetzt, würde er eventuell so darüber „denken“: Ich erkenne die Schnurrharre einer Katze sowie deren Pfoten und Schwanz. Aber auch die Ohren und das Fell eines Bären sind zu erkennen. Ein guter Algorithmus wird sich jetzt für die Katze entscheiden, da die Merkmale hier bei drei zu zwei liegen. Was auf den ersten Blick dieser vereinfachten Darstellung unspektakulär klingt – schließlich kriegen die meisten Kleinkinder das in Sekunden hin – ist für die Forschung ein großer Erfolg!

Wofür werden diese Algorithmen eingesetzt?

Machine Learning eignet sich immer, wenn bereits Millionen von Datenpunkten vorhanden sind. Meistens wird die Technologie in folgenden Bereichen eingesetzt:

E-Mail-Klassifizierung und Spam-Erkennung

Betrugsaufdeckung bei Transaktionen

Handschrifterkennung

Personalisierung bei Netflix und Amazon

Diagnose- und Empfehlungssysteme

Automatisierte Lösungsempfehlung des Kundendienstes

Machine Learning für Laien

Cloud ComputingSie müssen nicht selbst zum Programmierprofi werden, um ML einsetzen zu können. Mittlerweile gibt es kommerzielle und auch Open Source-Modelle, die Sie auch ohne fachspezifisches Wissen nutzen können. Außerdem haben viele Cloud-Anbieter eigene Machine-Learning-as-a-Service-Modelle, unter anderem Amazon Web Services, IBM BlueMix, Microsoft Azure und Googles Prediction API.

Google als ML-Vorreiter?

Dass Google diesen Service anbietet, ist nicht überraschend, da das Unternehmen 2014 das Startup DeepMind aufgekauft hat. Dieses wies schon damals eine hohe Konzentration von Machine und Deep Learning-Experten auf. Mit Hilfe von maschinellem Lernen verbessert Google beispielsweise seine Suchmaschine, die Bilderkennung und auch das Textverständnis.

Google Translate

Anfangs wurden Texte Wort für Wort übersetzt. Doch auch als umliegende Wörter bei der Übersetzung beachtet wurden, kamen meist unverständliche Sätze heraus. Der ML-Algorithmus analysiert hingegen den ganzen Satz, bevor dieser übersetzt wird. Dabei wird auf einen gigantischen Erfahrungsschatz zurückgegriffen.

Google Play Music

Auch Googles Musikdienst wird mit Machine Learning verbessert. Google Play Music kombiniert die Gewohnheiten des Hörenden mit den Orten und Aktivitäten sowie den Wetterbedingungen, um so immer die passende Musik für den Anwender anzubieten.

Künstliche Intelligenz: Wie Sie aus Kundendaten Geld machen

In 5 Schritten zum KI Einsatz: Erfahren Sie von führenden Experten, wie Sie Künstliche Intelligenz in Ihrem Unternehmen einsetzen und wie Sie so endlich aus Kundendaten Umsatz generieren.


Marina Vogt

In unserem Blog informiere ich Sie über neue Entwicklungen und Trends der Contact Center Branche. Außerdem halte ich Sie über die CCW, die internationale Kongressmesse im Bereich Kundeservice, auf dem Laufenden. Ich freue mich über Ihre Fragen oder Anregungen zu meinen Beiträgen.

Weitere Beiträge

Im Blick behalten

Behalten Sie diese 5 Startups im Blick!

Vier innovative Startups aus dem Kundenservice waren uns noch nicht genug. Daher sind wir nochmal auf die Suche gegangen und haben fünf weitere Unternehmen entdeckt, welche den Customer Service kundenfreundlicher gestalten.

Super AI oder doch nur Super-Hype?

Super AI oder doch nur Super-Hype?

Ist Künstliche Intelligenz die neue Service-Superkraft, die die Branche einnehmen und menschliches Denken und Handeln obsolet machen wird? Wie ausgereift sind die gehypten, intelligenten Technologien zum heutigen Zeitpunkt tatsächlich und was ist in den kommenden Jahren noch zu erwarten? Einen realistischen Blick auf die Möglichkeiten und Grenzen von AI im Service wirft in diesem Gastbeitrag Anika Baumann.

One thought on “Machine Learning oder warum Maschinen menschlich denken

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert.