NetApp.com

Was ist maschinelles Lernen?

Maschinelles Lernen (ML), eine untergeordnete Kategorie der künstlichen Intelligenz (KI), ist der Bereich des wissenschaftlichen Rechnens (Computational Science), dessen Schwerpunkt auf der Analyse und Interpretation von Mustern und Strukturen in Daten liegt, um Lernen, logisches Denken und Entscheidungsfindung ohne menschliche Interaktion zu ermöglichen. Kurz gesagt: Das maschinelle Lernen ermöglicht es Benutzern, eine riesige Datenmenge für einen Computeralgorithmus zu laden und den Computer ausschließlich auf Basis der Eingabedaten Analysen und Daten-fokussierte Empfehlungen und Entscheidungen ausgeben zu lassen. Wenn Korrekturen notwendig sind, können diese Informationen in den Algorithmus aufgenommen und so die zukünftige Entscheidungsfindung verbessert werden.



Wie funktioniert maschinelles Lernen?

Maschinelles Lernen besteht aus drei Komponenten:

  • dem Computeralgorithmus als zentrale Komponente für Feststellungen,
  • Variablen und Features, die die Entscheidung bilden,
  • Grundwissen, für das Antworten bekannt sind und das dem System das Lernen ermöglicht (es trainiert).

Zu Beginn werden für das Modell Parameterdaten geladen, für die Antworten bekannt sind. Anschließend wird der Algorithmus ausgeführt, und es werden Anpassungen vorgenommen, bis die Algorithmusausgabe (das Erlernte) mit der bekannten Antwort übereinstimmt. Nun werden immer größere Datenmengen in das System geladen, um es beim Erlernen und Verarbeiten qualitativ hochwertiger Entscheidungen zu unterstützen.

 

Warum ist das maschinelle Lernen wichtig?

Daten sind das vielversprechendste Potenzial von Unternehmen. Daten-fokussierte Entscheidungen spielen eine immer größere Rolle bei der Frage, ob Unternehmen im Wettbewerb Schritt halten können oder weiter zurückfallen. Maschinelles Lernen kann der entscheidende Faktor sein, um das Potenzial von Unternehmens- und Kundendaten auszuschöpfen und Entscheidungen umzusetzen, die dem Unternehmen einen Wettbewerbsvorsprung sichern.

 

Anwendungsfälle für maschinelles Lernen

Maschinelles Lernen kann in allen Branchen eingesetzt werden, zum Beispiel Fertigung, Einzelhandel, Gesundheitswesen und Life Sciences, Tourismus und Gastgewerbe, Finanzdienstleistungen und Energie-, Rohstoff- und Versorgungsunternehmen. Anwendungsfälle:  

  • Fertigung. Prädiktive Wartung und Zustandsüberwachung
  • Einzelhandel. Upselling und Cross-Channel-Marketing
  • Gesundheitswesen und Life Sciences. Krankheitserkennung und Risk Satisfaction
  • Tourismus und Gastgewerbe. Dynamische Preisgestaltung
  • Finanzdienstleistungen. Risikoanalyse und -regulierung
  • Energie. Optimierung von Energiebedarf und -versorgung