Es gibt kaum eine Digital-Veranstaltung, auf der das Wort „Machine Learning“ nicht fällt – fast genauso verhält es sich mit der Blockchain, Krypto-Währungen oder selbstfahrenden Autos. Aber eines haben all diese Themen gemein: Nur wenige Menschen verstehen wirklich, was sich hinter den Buzzwörtern verbirgt. Das ist auch kein Wunder, schließlich sind das technisch höchst anspruchsvolle Themen, an denen schon seit Jahrzehnten geforscht und entwickelt wird.

Es hört doch jeder nur, was er versteht.

Johann Wolfgang von Goethe

Dieser Artikel soll die Machine Learning Grundlagen einfach erklären und so einen Einstieg in die komplexe Materie erlauben. Für Fortgeschrittene oder gar Experten ist der Artikel also nicht geeignet – dafür aber für Manager/innen, Gründer/innen und Fachfremde, die noch nicht viel über Machine Learning gelesen haben. Waschechte Machine-Learning-Anfänger, also.

ROBART HAUPTFAHRWERK Metall Electric 8-18 95° ROBOSTRUT-Ready, Paar MIT Control Unit, EINZIEHFAHRWERK,

Intelligente Maschinen sind kaum mehr aus unserem Alltag wegzudenken. Allerdings sind mit „Maschinen“ in dem Kontext von Machine Learning nicht klassische Maschinen gemeint, wie sie z.B. in einer Produktionshalle stehen. Es geht vielmehr um Computer- und Rechensysteme, also die „Software“ im Hintergrund der physischen Maschinen.

Schaubek Album Niederlande 1970-1989 Brillant im geprägten Leinen-Schraubbinder blau, Band II, mit Schutzkassette KOA-804/02B,

Bisher musste man Computerprogrammen immer mit Regeln vorgeben, was sie machen sollen: Wenn X, dann Y. Computer konnten nur bestimmte Daten verarbeiten (Stichwort „0“ und „1“), Bilder und Videos z.B. konnten sie nur „speichern“, aber nicht „verstehen“. Mit Machine Learning (ML) ändert sich das: Mit bestimmten „Machine Learning Algorithmen“ können Computer selbständig lernen. Das heißt, man muss keine Regeln in der Programmierung vorgeben, sondern das Systeme kann sich selbst Regeln und Dinge beibringen. Das klingt erstmal überwältigend, ist aber im Endeffekt gar nicht so kompliziert.

Party Lace Barbie Doll Hills Special Limited Edition 1989 Mattel,

Nehmen wir an, es gibt einen Datensatz von 100 Bildern: Auf 50 Bildern sind Äpfel, auf 50 Bildern sind Birnen. Wir möchten ein Programm schreiben, das die Bilder entsprechend als „Apfel“ oder als „Birne“ einordnet. Dieses Vorgehen ist eine klassische Aufgabe für Machine Learning: Es geht um die Klassifikation, also Einordnung, von Daten. Mit einem Machine Learning Algorithmus kann man nun versuchen, diese Klassifikation vorzunehmen.

Porsche 911 Carrera (991), met.-dkl.-grau, met.-dkl.-grau, met.-dkl.-grau, 2011, Modellauto, Fertigmodell, Minichamps 1:43 e3ab6c

Wir möchten also ein Modell erstellen, das Äpfel und Birnen auf Bildern erkennen kann.

Ein Modell ist immer gleich aufgebaut: Es gibt (1) Input-Daten (also unsere Bilder), die werden von unserem (2) Modell bzw. Algorithmus analysiert und dann wird (3) „prognostiziert“, ob es sich um Äpfel oder Birnen handelt. Wie im echten Leben aber ist noch kein Meister vom Himmel gefallen: Es bedarf RCECHO® Leopard RC Model X2 3650 3900KV 4 Poles R/C Hobby Inrunner Brushless Motor IM961 with 174; Full Version Apps Edition,!

Um also der Maschine beizubringen, was ein Apfel und was eine Birne ist, bereiten wir unsere Daten zunächst auf: Die Merkmale jedes Bilds werden erfasst, ebenso wie die Klassifikation „Apfel“ oder „Birne“. Im Anschluss teilen wir unsere Datensätze in (1) Trainingsdaten und (2) Test-Daten ein. Die Trainingsdaten werden wir verwenden, um unsere Maschine zu „trainieren“ – mit den Test-Daten überprüfen wir am Ende des Trainings, ob die Maschine auch Bilder, die sie zuvor nie gesehen hat, korrekt einsortieren kann.

Wir trainieren unser Machine Learning Modell

Beim Training durchlaufen wir mehrere Durchgänge: Zu Beginn geben wir alle Trainingsdaten an die Maschine, also unser System, und es entscheidet quasi per Zufall, ob ein Apfel oder eine Birne auf dem Bild ist. Im Anschluss überprüft das Modell, wie häufig es sich richtig entschieden hat und schaut sich die „Merkmale“ dieser Daten an: Wenn die Form eher rund ist, ist es wahrscheinlich ein Apfel. Wenn die Farbe rot ist, ist es häufiger ein Apfel. Wenn die Farbe eher bräunlich ist, ist es vermutlich eher eine Birne. All diese „Merkmale“ nennt man im Machine Learning „Features“. Und die Einordnung (Apfel/Birne) bezeichnet man als „Labels“.

Nach jedem Trainingsdurchlauf justiert das Modell seine Entscheidungskriterien und so wird quasi durch „Trial und Error“ ein immer genaueres Modell erstellt. Mit der Zeit, also erst durch eine Vielzahl an Trainingsdurchläufen, kann das Modell besser zwischen den „Labels“ unterscheiden und hat so „gelernt“, Äpfel von Birnen zu unterscheiden.

Wir testen unser Modell

Nachdem wir mit dem Ergebnis zufrieden sind und das System bspw. 99% der Bilder korrekt einsortiert, kommen unsere Test-Daten zum Einsatz: Hier zeigt sich, ob das Modell das bisher gelernte auch auf neue, bisher unbekannte Daten (Bilder) übertragen kann. Am Ende des Test-Durchlaufs kann man das Modell erneut überarbeiten, falls sich z.B. Fehler eingeschlichen haben.

Wir setzen das Machine Learning Modell in der Praxis ein

Basierend auf dem Training und dem Test haben wir also nun einem Computer-Programm beigebracht, Äpfel und Birnen auf Bildern zu erkennen. Nun geht es darum, dieses Modell in der „echten Welt“ einzusetzen und neue, bisher unbekannte Bilder einzuordnen.

Re-marks Austria 1000 Piece Puzzle by Re-Marks,

Bei unserem Beispiel sieht man, dass Machine Learning nur funktioniert, wenn man bereits aufbereitete Datensätze hat: Ähnlich wie mit einem Kind bringt es natürlich nichts, einem Programm tausende Bilder zu zeigen, ohne zu wissen, was darauf ist – woher soll das Programm oder das Kind denn wissen, was es sich anschaut? Die Datenaufbereitung ist also ein essenzieller Bestandteil des Machine Learnings. Je mehr Daten als Grundlage für das Training benutzt werden können (und je besser diese Daten sind), desto besser kann das Machine-Learning-Modell im Nachgang seine Vorhersage treffen. Wenn wir also wissen möchten, ob der Wert einer Aktie eher steigen oder eher sinken wird, brauchen wir erstmal einen Datensatz, der sinnvolle Aussagen dazu trifft. So ist es vermutlich irrelevant, ob das Wetter an einem Tag gut oder schlecht war – aber wohl eher relevant, ob an einem Tag über das Unternehmen in der Zeitung positiv oder negativ berichtet wurde. Die Datenqualität und Menge ist entscheidend.

Rietze 72754 - Man Lion's City G E6 Emile Weber (LU) - 1:87,

Computersysteme haben gegenüber Menschen den Vorteil, dass sie große Datensätze schnell und parallel bearbeiten können. Ein Mensch kann immer nur eine begrenzte Anzahl an „Rechenoperationen“ durchführen. Machine Learning ist daher natürlich ein sehr spannendes Thema: Große Datenmengen können innerhalb kürzester Zeit analysiert werden und das System kann daraus bestimmte Maßnahmen ableiten. So können Systeme meist besser entscheiden, ob ein Gebot auf eine Aktie abgegeben werden soll – oder eben entscheiden, ob ein Apfel oder eine Birne auf einem Bild zu sehen ist.

Shelby Collectible Defektes Modell Ford Shelby Mustang 2008 GT Cabrio Blau Silber Streifen 1/18 Modellauto Modell Auto,

Künstliche Intelligenz (KI) bezeichnet die Fähigkeit eines Computersystems, intelligentes menschliches Verhalten nachzuahmen. Das können zum einen Systeme sein, die ein bestimmtes Anwendungsgebiet abdecken (z.B. eine KI, die Schach spielt). Diese anwendungsspezifischen Systeme nennt man auch „schwache“ oder „angewandte“ KI. Aus Science-Fiction-Filmen bekannt sind aber vor allem KIs, die allumfänglich intelligent sind, also alle Aufgaben erledigen, die auch Menschen erledigen können. Solche Systeme würde man als „starke“ oder „allgemeine“ KI bezeichnen – aber von dieser Form der künstlichen Intelligenz sind wir noch weit entfernt.

Pasta Pasta (pasta) (japan import),

Machine Learning bezeichnet eben den Teil der KI, der sich um die Verarbeitung und das Verstehen von Daten kümmert. Anwendungsgebiete sind also beispielsweise das Verstehen von Sprache (auch Natural Language Understanding gennant) oder die Klassifikation von Daten (wie in unserm Apfel-Birnen-Beispiel). Es gibt hierbei wiederum unterschiedliche Ansätze und Systeme, wie Machine Learning umgesetzt werden kann. So können Entscheidungen und Vorhersagen mit „einfacheren“ Entscheidungsbäumen (Decision Trees) oder über hochkomplexe neuronale Netze (Deep Learning) getroffen werden.

Perfk 1 Kit Mini C600 Smart Robot Fahrgestell Plattform Mit Motor, DC9V, Fahrgestell,

In vielen Bereichen unseres Alltags sind wir mit Machine Learning indirekt im Kontakt: So verarbeiten zum Beispiel Dienste wie Amazon Alexa oder Apple Siri unsere Sprach-Anfragen mithilfe von Machine Learning zu Text. Dieser Text wird dann erneut verarbeitet, um ihn für Maschinen verständlich zu machen. In Computer-Systemen kommt Machine Learning immer da zum Einsatz, wo viele Daten verarbeitet werden müssen und dann Entscheidungen darauf basierend getroffen werden müssen. Aber auch in der Medizin kann mit Machine Learning z.B. auf Bildern erkannt werden, ob bestimmte Krankheits-Symptome erkennbar sind und selbständig Diagnosen erstellen. Erste Studien in diesem Bereich haben Systeme entwickelt und trainiert, die über 50% der Krebsarten bereits ein Jahr vor ihrer ersten Diagnose durch menschliche Ärzte erkennen konnten.

Parumaikuso made 1/43 Lancia Delta S4 Stradale 1985 Weiß (japan import),

Es klingt fast wie ein Traum, dass uns intelligente Computer im Arbeitsalltag assistieren: Nie wieder selbst Termine ausmachen müssen. Lange Texte werden automatisch zusammengefasst. Die Kunden, bei denen ein Abschluss am Wahrscheinlichsten ist, werden vollautomatisiert angeschrieben.

PXtoys 9302 1/18 4WD RC High-Road-Rennwagen für Geländewagen für Pioneer RTR-Blau,Sancto Sensenmann mit Leucht-Augen Tür-Deko schwarz 208x147cm Einheitsgröße,Series 485-3000 Limited Express Hakucho - Improved product (6-Car Set) (Model Train) (japan import),Rubie's 1 4633 56 - Piratenmantel Kostüm, Größe 56,Prophila Collection Deutsches Reich 438Y-439Y (kompl.Ausg.) 1930 Graf Zeppelin (Briefmarken für Sammler) LuftfahrtPuzzle Klavier Hand Roll Klaviertastatur 37 Tasten Anfänger Kinder Praxis Tragbaren Blau,Radica FlipTop Slots Hand Held Electronic Game by Radica Games (English Manual),Schaubek Album USA 1970-1989 Brillant im geprägten Leinen-Schraubbinder blau, Band II, ohne Schutzkassette A-901/02BParagon Bentley Continental GTC Cabrio Linkslenker Frost Silber 2. Generation Ab 2011 1/18 Modell Auto mit individiuellem Wunschkennzeichen,Poorhappy Geburtstags-Valentinsgruß-Geschenk Karikatur-Milch-Auto-Katzen-Tanzen-Spieluhr für Geburtstags-Geschenk und Hochzeits-Dekoration,Qewmsg X28 2.4G FPV Faltbarer GPS-Drohne RC Quadcopter mit Einstellbarer 720P HD-Kamera Echtzeit-Höheneinstellung Follow Me,QXMEI Kinder-Schaukelpferd Aus Holz Mit Musik 2 In 1 Babyauto Geschenk 1-4 Jahre,B,Sergeant Noble Tailpipe Transformers Dark OS The Moon steht,Premium Textil-Leinwand 75 cm x 50 cm quer Granny Smith,Prophila Collection Deutsches Reich 37f geprüft (kompl.Ausg.) 1875 Ziffern Ergänzungs-Werte (Briefmarken für Sammler),Piratenflagge Kapitän Herren Kostüm - XLRazor Zubehör Spark Ersatzkartuschen, Schwarz, 35010405Portrait.Of.Pirates NEO-5 Sogeking ONE PIECESchaubek Album Bundesrepublik 2010-2011 Standard im Kunstleder-Schraubbinder blau, Band V ohne Schutzkassette V-64305N,Prophila Collection Frankreich 989 1954 Flugzeuge (Briefmarken für Sammler) LuftfahrtPPO Halloween Boutique Resin Payday2 Thema SammleROTition Böse Clown Maske,ROTcat Racing 24703 Steering Naben mit Center Bottom Mount and TVP Berg,Print Body Set (EP FAZER KOBRA type 2 Blau) FAB202 (japan import),Scout - Sunny - Schulranzen Set 5 tlg. - Sweet Butterfly, Rot,Shisky Cosplay kostüm Damen, Halloween Cosplay Kostüm Uniform Party KostümPuzzlebug 500 Piece Puzzle Ready for Takeoff, Albuquerque Hot Air Balloon Festival by Puzzlebug,Prophila Collection Italien Pz5-Pz8 (kompl.Ausg.) 1955 Staatswappen (Briefmarken für Sammler),Qewmsg VISUO XS809S RC Drohne WiFi FPV Selfie Kamera Höhe Halten Faltbarer Headless-Modus One Key Return 3D Flip Quadcopter,Rural Station Platform Kit Set (Model Train)Schaubek Album Kanada 1995-1999 Brillant im geprägten Leinen-Schraubbinder blau, Band III, ohne Schutzkassette A-944/03B

Mit unserem digitalen Assistenten Neo machen wir, die Neohelden, Machine Learning sofort für Unternehmen nutzbar: Mit unserem System, das auf den unternehmenseigenen Servern laufen kann und somit keine Daten an Externe weitergibt, können wir verschiedene Anwendungsfälle und Prozesse voll- oder teilautomatisieren und Bestandssysteme miteinander verbinden, um Mitarbeiter zu entlasten. Interessiert? Bei einer unverbindlichen Demo können wir über konkrete Anwendungsfälle sprechen!

SDV-8570 HD Lifestyle Action Camera (with Remote Controller),

Reitze Rietze – 162.158,7 cm Mercedes Benz Travego krohnert Hiddenhausen Bus Modell,