Machine Learning oder Maschinelles Lernen ist ein Teilbereich der Künstlichen Intelligenz (KI), englisch Artificial Intelligence (AI). Es gilt als einer der Innovationstreiber für die Industrie 4.0 und ist unverzichtbar für den Umgang mit Big Data.
Selbst der durchschnittliche Internetnutzer begegnet Resultaten von Machine Learning bereits täglich, beispielsweise wenn ihm auf den großen eCommerce-Handelsplätzen maßgeschneiderte Produktvorschläge unterbreitet werden. Auch die Ergebnisse der großen Suchmaschinen basieren auf Machine Learning. Weitere Anwendungsgebiete sind unter anderem:
• Sprach- und Stimmungsanalysen für Sales und After Sales
• Chatbots sowie digitale Assistenten
• Risikominimierung bei Finanztransaktionen
• Bilderkennung und Bildanalyse für Krankheitsdiagnosen
• Verhinderung von Kreditkartenbetrug
Siegeszug von Machine Learning hat erst begonnen.
Fast täglich kommen neue Möglichkeiten hinzu. Machine Learning ist einsetzbar bei der Analyse, bei der Überwachung von Daten, Anlagen und Infrastrukturen, im Marketing und im Vertrieb. Es unterstützt und beschleunigt die Entwicklung und das Roll-out. Auch große Personalvermittler setzen mittlerweile auf Algorithmen, die beispielsweise den Aufwand für die Vorauswahl von Bewerbern reduzieren. So können die Vermittler um so ausgiebiger und persönlicher die wirkliche Eignung potentieller Kandidaten für die ausgeschriebene Position prüfen. Elementare Voraussetzung dafür ist eine bestens gepflegte Datenbank.
Machine Learning wird zunehmend auch für operative Aufgaben genutzt. Maschinelles Lernen und Künstliche Intelligenz erobern mehr und mehr Bereiche. Die Systeme selbst treffen Entscheidungen, die bisher dem Menschen vorbehalten waren.
Wie funktioniert Machine Learning?
Die meisten herkömmlichen Softwareprogramme werden einmal programmiert, danach getestet und sind dann sofort anwendbar. Beim Machine Learning und beim Deep Learning (einem Unterbereich des Maschinellen Lernens) werden Algorithmen entwickelt, die zunächst lernen müssen, um schließlich immer perfektere Ergebnisse zu liefern. So ist es beim Kundenservice wichtig, zu erkennen, wo schnell reagiert werden muss, zum Beispiel weil eine Anfrage eine rasche Reaktion verlangt. Lernfähige Software scannt alle eingehenden E-Mails und filtert vor. Die lernfähigen IT-Systeme erkennen dabei selbst die Gesetzmäßigkeiten. Doch dies kann nur funktionierten, wenn den Systemen wirklich alle relevanten Daten zur Verfügung stehen und sie mit den passenden Lernalgorithmen versehen sind. Dies verlangt von Softwareingenieuren, Engineering-Spezialisten und Programmierern eine andere Herangehensweise.
Beispielsweise gilt es zu entscheiden, wie das IT-System lernen soll. Fachleute unterscheiden zwischen überwachtem Lernen, unüberwachtem Lernen, teilüberwachtem Lernen, bestärkendem Lernen und aktivem Lernen.
Vielzahl der Anwendungsmöglichkeiten evoziert wachsende Nachfrage nach Machine Learning-Spezialisten.
Viele Softwarespezialisten reizt das Neuland, das sie mit KI und Maschinellem Lernen betreten. Ihr Einsatz und Mut wird derzeit und wohl auch in Zukunft gut belohnt. Denn KI-Experten und Spezialisten für Machine Learning sind gesucht und werden – im Durchschnitt – noch besser bezahlt als IT-Experten anderer Sparten. Wie wichtig die Unternehmen die Digitalisierung selbst komplexer Geschäftsprozesse nehmen, zeigt sich auch darin, dass in der Mehrzahl der Fälle IT-Führungskräfte die Federführung bei solchen Projekten übernehmen.