KI vs Machine Learning: warum das nicht dasselbe ist, und warum es wichtig ist

Machine Learning ist ein Weg zu KI, kein anderer Name dafür

Die ganze Idee passt in einen Satz. Machine Learning ist eine Form von künstlicher Intelligenz, aber künstliche Intelligenz ist nicht nur Machine Learning. Ein Labrador ist ein Hund, aber nicht jeder Hund ist ein Labrador.

Ein drittes Wort wird dir begegnen: Deep Learning. Es liegt noch eine Ebene tiefer. Deep Learning ist eine Art von Machine Learning, die neuronale Netze mit vielen Schichten nutzt, und das Standardlehrbuch dazu zeichnet die Verschachtelung als Kreise: künstliche Intelligenz außen, Machine Learning darin, und Deep Learning noch weiter innen.¹

Wenn jemand also "KI" sagt, kann er eine Schachengine meinen, ein Bündel von Hand geschriebener Regeln, einen Routenplaner oder ein neuronales Netz. Sagt jemand "Machine Learning", meint er genau eine Sache: ein System, das sein Verhalten aus Daten lernt, statt jede Regel gesagt zu bekommen.

So weit die Theorie, und die ist einfach genug. In der Praxis werfen Leute die beiden ständig durcheinander, und das Durcheinander kostet Geld.

Warum die beiden Wörter verwechselt werden

Der Hauptschuldige ist das Marketing. "KI" klingt in einer Pressemitteilung großartiger als "ein statistisches Modell, trainiert auf den Bestellungen des letzten Jahres". Also klebt das Etikett auf allem, auch auf Produkten, deren cleverer Teil eine Formel in einer Tabellenkalkulation ist.

Die Presse hilft mit, denn "KI" ist das Wort, das ein breites Publikum kennt. Und es gibt eine echte Überschneidung. Der größte Teil der KI, die Menschen jeden Tag nutzen, der Spamfilter, die Produktempfehlungen, der Chatbot, beruht auf Machine Learning. Im Alltag liegen die beiden also tatsächlich übereinander.

Die Verwechslung macht trotzdem auf drei Arten Ärger. Erwartungen verrutschen (ein Modell, das die Größe des Warenkorbs vorhersagt, entwickelt nicht demnächst ein Bewusstsein). Projekte werden falsch zugeschnitten (vielleicht brauchst du gar keine "KI", wenn ein paar Regeln reichen). Und das Nachdenken über Risiken wird unscharf, weil die beiden auf verschiedene Weise scheitern.

Rechenbeispiel: die Empfehlungsmaschine "mit KI"

Einem erfundenen Geschenkeladen in München wird eine "KI gestützte Empfehlungsmaschine" für 400 € im Monat angeboten. Die Inhaberin stellt eine einzige Frage: Wie entscheidet sie, was sie empfiehlt?

Die Antwort: Für jedes Produkt zählt sie, welche anderen Produkte in den letzten 90 Tagen in denselben Bestellungen vorkamen, und zeigt die drei häufigsten an. Das ist nützlich und verkauft vielleicht sogar mehr. Aber es ist Zählen, kein gelerntes Modell, und eine Entwicklerin könnte dasselbe in ein paar Tagen auf der eigenen Bestelltabelle des Ladens bauen. Wer den Unterschied kennt, macht aus einem vagen Angebot einen Preis, den man vergleichen kann. Wenn du wirklich eine gelernte Empfehlung willst, zeige ich den Bau Schritt für Schritt in KI Empfehlungen in Solidus bauen.

Was künstliche Intelligenz bedeutet

Künstliche Intelligenz ist die breite Idee, dass Maschinen Aufgaben erledigen, die wir intelligent nennen würden: schlussfolgern, planen, wahrnehmen, Sprache verwenden, lernen.

Inzwischen gibt es auch eine rechtliche Definition. Die KI Verordnung der EU beschreibt ein KI System als ein maschinengestütztes System, das für einen in unterschiedlichem Grade autonomen Betrieb ausgelegt ist, nach seiner Betriebsaufnahme anpassungsfähig sein kann und aus den erhaltenen Eingaben für explizite oder implizite Ziele ableitet, wie es Ausgaben wie Vorhersagen, Inhalte, Empfehlungen oder Entscheidungen erstellt, die physische oder virtuelle Umgebungen beeinflussen können (ich gebe Artikel 3 Nummer 1 hier eng am Wortlaut wieder).² Diese Formulierung folgt fast wörtlich der Definition der OECD, die im November 2023 aktualisiert wurde.³

Das Schlüsselwort in beiden ist "ableiten". Die Erwägungsgründe der Verordnung selbst sagen, dass zu den Techniken, die das Ableiten ermöglichen, Ansätze für maschinelles Lernen gehören und ebenso Konzepte, die auf Logik und Wissen gestützt sind und aus kodierten Informationen schließen. Anders gesagt: Das Gesetz behandelt Machine Learning selbst als einen Weg zu KI unter mehreren.²

Das Standardlehrbuch zeigt dasselbe schon durch seinen Aufbau. Artificial Intelligence: A Modern Approach von Russell und Norvig hat sieben Teile: künstliche Intelligenz, Problemlösen, Wissen, Schlussfolgern und Planen, unsicheres Wissen und Schlussfolgern, Machine Learning, Kommunizieren, Wahrnehmen und Handeln, und Schlussfolgerungen. Machine Learning ist ein Teil von sieben.⁴

Das Fachgebiet ist älter, als die meisten denken. 1950 eröffnete Alan Turing seinen Aufsatz "Computing Machinery and Intelligence" mit der Frage "Can machines think?" und schlug vor, sie durch einen Test zu ersetzen, den er das Imitationsspiel nannte.⁵ Der Begriff "artificial intelligence" selbst stammt aus einem Antrag von McCarthy, Minsky, Rochester und Shannon aus dem Jahr 1955 für ein sommerliches Forschungsprojekt in Dartmouth. Er beruhte auf der Vermutung, dass sich jeder Aspekt des Lernens oder der Intelligenz im Prinzip so genau beschreiben lässt, dass eine Maschine ihn simulieren kann.⁶

Unter diesem Schirm stehen sehr verschiedene Ansätze:

• Regelbasierte Systeme (Expertensysteme). Menschen schreiben die Regeln, die Software wendet sie an. Kein Lernen.
• Suche und Optimierung. Das System durchsucht mögliche Antworten und wählt eine gute aus: Schachstellungen, Lieferrouten, Dienstpläne.
• Logik und Schlussfolgern. Das System zieht Schlüsse aus Fakten. Alle Säugetiere sind warmblütig, ein Hund ist ein Säugetier, also ist ein Hund warmblütig.
• Natural Language Processing (NLP), Computer Vision und Robotik. Gebiete, die über das Problem definiert sind (Sprache, Bilder, physisches Handeln), und jedes davon kann jede der Techniken nutzen.
• Machine Learning. Das System lernt Muster aus Beispielen.

Machine Learning ist ein Punkt auf dieser Liste. KI ist das Ziel. Wie du dorthin kommst, mit geschriebenen Regeln, Suche, Logik oder Lernen, ist eine eigene Frage.

Rechenbeispiel: KI ganz ohne Lernen

Ein erfundener Blumenladen in Leipzig will auf seiner Website einen Liefertag nennen. Der Inhaber schreibt drei Regeln:

1. Geht die Bestellung vor 14:00 Uhr ein und beginnt die Postleitzahl mit 04, wird heute geliefert.
2. Geht die Bestellung nach 14:00 Uhr ein und beginnt die Postleitzahl mit 04, wird morgen geliefert.
3. Für jede andere Postleitzahl wird in zwei Werktagen geliefert.

Eine Bestellung um 11:00 Uhr für 04229 passt zu Regel eins: heute. Eine Bestellung um 16:00 Uhr für 04229 passt zu Regel zwei: morgen. Eine Bestellung für eine Postleitzahl in Halle (06108) passt zu Regel drei: zwei Werktage.

Aus Daten wurde nichts gelernt. Jede Antwort lässt sich auf eine Regel zurückführen, die ein Mensch geschrieben hat. Das ist die älteste Art von KI, und für dieses Problem ist sie die richtige. Beachte, dass die KI Verordnung in ihren Erwägungsgründen festhält, dass sich die Definition nicht auf Systeme beziehen soll, die auf ausschließlich von natürlichen Personen definierten Regeln für das automatische Ausführen von Operationen beruhen. Rechtlich zählen die Regeln dieses Blumenladens also vielleicht gar nicht als KI.² Warum das wichtig ist, dazu komme ich noch.

Was Machine Learning bedeutet

Machine Learning dreht die übliche Art zu programmieren um.

• Klassisches Programmieren. Du gibst dem Computer Regeln und Daten. Er gibt dir Antworten.
• Machine Learning. Du gibst dem Computer Daten und die Antworten (Beispiele). Er findet die Regeln selbst.

Die Einführung von TensorFlow bringt es schön auf den Punkt: Beim klassischen Programmieren legt eine Programmiererin die Regeln fest, beim Machine Learning liefert sie Beispiele, und der Computer lernt Muster aus den Daten, "programming with data".⁷

Spamfilter sind der klassische Fall. Du könntest Regeln schreiben: Erwähnt die Mail eine dringende Überweisung von einem ausländischen Prinzen, markier sie als Spam. Die Spammer ändern ihre Formulierungen, die Regeln vermehren sich, und bald kann sie niemand mehr pflegen. Mit Machine Learning sammelst du stattdessen eine große Menge Mails, die Menschen schon als Spam oder kein Spam markiert haben, und der Algorithmus findet die Muster selbst, auch Kombinationen aus Wörtern, Links und Absendern, auf die niemand von sich aus käme.

Rechenbeispiel: ein Spamsignal aus Zählungen lernen

Eine erfundene Steuerkanzlei in Köln hat 1.000 alte Mails, jede schon von Hand markiert: 300 Spam, 700 echt. Ein kurzes Skript prüft ein einziges Wort, "Rechnung". Es kommt in 120 der Spammails vor und in 35 der echten.

Von den 155 Mails mit "Rechnung" waren also 120 Spam:

$$\frac{120}{120 + 35} = \frac{120}{155} \approx 0{,}774$$

Dabei ist $120$ die Zahl der Spammails mit dem Wort, $35$ die Zahl der echten Mails mit dem Wort und $0{,}774$ der Anteil der "Rechnung" Mails, die Spam waren. Bevor man irgendein Wort sieht, liegt die Chance, dass eine Mail Spam ist, bei 300 von 1.000, also 30 %. Das Wort "Rechnung" hebt sie auf rund 77 %. Niemand hat dem Skript gesagt, dass "Rechnung" in diesem Postfach verdächtig ist. Es hat das in den Daten gefunden. Ein echter Filter macht das mit Tausenden Wörtern und Signalen gleichzeitig und kombiniert sie, aber die Idee ist dieselbe. Die Regeln der Wahrscheinlichkeit dahinter stehen in Grundlagen: Wahrscheinlichkeit.

Achte auch auf den Haken. Fangen die echten Mandanten der Kanzlei an, ihre Rechnungen per Mail zu schicken, veraltet das gelernte Signal. Ein Modell ist nur so aktuell wie seine Daten.

Die wichtigsten Arten von Machine Learning

Es gibt drei große Familien und einen Mittelweg.

• Überwachtes Lernen. Du gibst beschriftete Beispiele: Diese Fotos sind Katzen, jene sind Hunde. Der Algorithmus lernt die Zuordnung von Eingabe zu Beschriftung. Lineare Regression, Entscheidungsbäume, Random Forests und neuronale Netze sind gängige Wahlen.
• Unüberwachtes Lernen. Du gibst Daten ohne Beschriftung und fragst nach Struktur. "Hier sind die Kaufhistorien von 20.000 Kunden, gruppier die ähnlichen." Clusterverfahren wie k Means finden die Gruppen, ohne gesagt zu bekommen, welche es sind.
• Bestärkendes Lernen (Reinforcement Learning). Der Algorithmus lernt durch Versuch und Irrtum und bekommt für jede Aktion eine Belohnung oder eine Strafe. AlphaGo ist der berühmte Fall, und das Detail lohnt sich: Es wurde zuerst auf Tausenden Partien menschlicher Experten trainiert, spielte dann gegen Versionen von sich selbst und verbesserte sich mit Reinforcement Learning. Im März 2016 gewann es in Seoul vier von fünf Partien gegen Lee Sedol.⁸
• Teilüberwachtes Lernen. Wenige beschriftete Beispiele und viele unbeschriftete. Nützlich, wenn Beschriftungen teuer sind, etwa wenn jedes medizinische Bild eine Fachärztin braucht, die es befundet.

Rechenbeispiel: überwacht und unüberwacht im selben Laden

Ein erfundener Teeladen in Hamburg hat 5.000 Kunden.

Die überwachte Frage: Kauft diese Kundin innerhalb von 90 Tagen wieder? Der Laden hat die Historie des letzten Jahres, also trägt jeder frühere Kunde eine Beschriftung, ja oder nein. Ein Modell lernt aus diesen Beschriftungen, welche Muster (Größe der ersten Bestellung, das gekaufte Produkt, ob die Willkommensmail geöffnet wurde) mit "ja" einhergehen, und bewertet dann die neuen Kunden dieses Jahres.

Die unüberwachte Frage: Welche Arten von Kunden habe ich? Hier gibt es keine Beschriftung zu lernen. Ein Clusterverfahren schaut nur auf die Zahl der Bestellungen, den durchschnittlichen Warenkorb und die Lieblingskategorie und liefert vielleicht drei Gruppen: rund 600 Stammkunden für losen Blatttee, rund 1.400, die im Dezember Geschenkboxen bestellen, und rund 3.000, die einmal gekauft haben. Der Laden hat diese Gruppen nie definiert. Er gibt ihnen hinterher Namen.

Dieselben Daten, zwei verschiedene Fragen, zwei verschiedene Arten zu lernen.

Wie ein Modell lernt: eine Regression von Grund auf

Im Kern ist das meiste Machine Learning angewandte Statistik. Du suchst eine mathematische Funktion, die Eingaben auf eine Ausgabe abbildet und auch auf Daten funktioniert, die sie nie gesehen hat.

Das einfachste Modell ist die lineare Regression. Mit mehreren Eingaben sieht sie so aus:

$$\hat{y} = \beta_0 + \beta_1 x_1 + \beta_2 x_2 + \dots + \beta_k x_k$$

Dabei ist $\hat{y}$ die vorhergesagte Ausgabe, $\beta_0$ der Achsenabschnitt (die Vorhersage, wenn jede Eingabe null ist), $x_1$ bis $x_k$ sind die $k$ Eingaben, und $\beta_1$ bis $\beta_k$ sind die Koeffizienten. Jeder davon sagt, wie stark sich die Vorhersage bewegt, wenn seine Eingabe um eine Einheit steigt und die anderen gleich bleiben. "Lernen" heißt, die Werte für $\beta$ so zu wählen, dass die Vorhersagen den echten Ergebnissen in den Trainingsdaten so nahe wie möglich kommen. Die vollständige Erklärung steht in Grundlagen: Regression.

Rechenbeispiel: Hauspreise in Leipzig vorhersagen

Angenommen, ein Modell, das auf früheren Hausverkäufen in Leipzig trainiert wurde, hat diese Koeffizienten gelernt (sie sind für dieses Beispiel erfunden, keine echten Leipziger Preise): einen Achsenabschnitt von 60.000 €, 1.800 € pro Quadratmeter, 12.000 € pro Schlafzimmer und minus 500 € für jedes Jahr, das das Gebäude alt ist.

Für ein Haus mit 85 Quadratmetern und drei Schlafzimmern, gebaut vor 40 Jahren:

$$\hat{y} = 60.000 + (1.800 \times 85) + (12.000 \times 3) - (500 \times 40) = 229.000$$

Dabei ist $\hat{y}$ der vorhergesagte Preis in Euro, $60.000$ der Achsenabschnitt, und jede Klammer ist ein Koeffizient mal seine Eingabe: $153.000$ für die Wohnfläche, $36.000$ für die Schlafzimmer und $20.000$ Abzug für das Alter. Das Modell sagt 229.000 € voraus. Niemand hat 1.800 € pro Quadratmeter eingetippt. Der Algorithmus hat die Koeffizienten gefunden, die am besten zu den früheren Verkäufen passen. Echte Modelle werden viel komplexer, und ein neuronales Netz kann Millionen von Koeffizienten haben, aber die Kernidee bleibt: Finde die Funktion, die die Daten am besten erklärt.

Die Begriffe, die du hören wirst

• Training. Den Algorithmus mit Daten füttern, damit er seine Koeffizienten festlegen kann. Lernen vor der Prüfung.
• Validierung. Das Modell an Daten testen, die es im Training nicht gesehen hat, um zu prüfen, ob es Muster gelernt und nicht bloß auswendig gelernt hat.
• Features. Die Eingaben. Hier: Wohnfläche, Schlafzimmer, Alter.
• Labels. Die Ausgaben, die du beim überwachten Lernen vorhersagen willst. Hier: die tatsächlichen Verkaufspreise.
• Modell. Die gelernte Funktion, die aus Features eine Vorhersage macht.
• Hyperparameter. Einstellungen für das Lernen selbst, etwa wie schnell es lernt oder wie komplex es werden darf.
• Overfitting. Die Trainingsdaten zu gut lernen, samt Rauschen und Eigenheiten. Der Schüler, der die Prüfung vom letzten Jahr auswendig gelernt hat.
• Underfitting. Ein Modell, das zu einfach ist, um das echte Muster zu erfassen.

Rechenbeispiel: Overfitting erkennen

Das Leipziger Modell wird auf 400 Verkäufen trainiert und an 100 Verkäufen getestet, die es nie gesehen hat. Eine sehr flexible Version trifft die 400 Trainingshäuser im Schnitt auf 3.000 € genau, verfehlt die 100 neuen aber im Schnitt um 41.000 €. Eine schlichte lineare Version verfehlt die Trainingshäuser um 18.000 € und die neuen um 20.000 €.

Die flexible Version sieht auf dem Papier besser aus und ist im Einsatz schlechter. Sie hat die 400 Häuser auswendig gelernt. Die schlichte hat etwas gelernt, das sich übertragen lässt. Diese Lücke zwischen Trainingsfehler und Testfehler ist der ganze Grund, warum es Validierung gibt.

Wie KI ohne Lernen funktioniert

Ansätze, die nicht aus Daten lernen, arbeiten ganz anders.

Expertensysteme wenden Regeln an, die menschliche Fachleute geliefert haben. Ein Diagnosesystem kann Tausende Regeln der Form "wenn die Symptome A, B und C vorliegen und Test X positiv ist, zieh Diagnose Y in Betracht" enthalten. Die Stärke: Du kannst genau nachvollziehen, warum es so entschieden hat. Die Schwäche: Jemand muss jede Regel schreiben und pflegen.

Suche durchforstet die Möglichkeiten. Eine Schachengine muss Schach nicht aus Daten lernen. Sie kann mögliche Stellungen vorausberechnen und bewerten, mit Verfahren wie Minimax, Alpha Beta Pruning oder Monte Carlo Baumsuche.

Wissensrepräsentation und Schlussfolgern speichert Fakten und zieht Schlüsse. Sag dem System, dass Leipzig in Sachsen liegt und Sachsen in Deutschland, und es kann schließen, dass Leipzig in Deutschland liegt, ohne je ein Beispiel gesehen zu haben.

Rechenbeispiel: Suche nach einer Lieferroute

Der Leipziger Blumenladen von vorhin hat einen Lieferwagen und drei Stopps: A, B und C, Start und Ziel ist der Laden. Es gibt $3 \times 2 \times 1 = 6$ mögliche Reihenfolgen. Die Software addiert für jede der sechs die Fahrminuten (sagen wir 48, 52, 39, 61, 44 und 55) und wählt die kürzeste, 39 Minuten.

Keine Daten, kein Lernen, nur ein systematischer Blick auf jede Option. Bei 12 Stopps gibt es 479.001.600 Reihenfolgen, und deshalb nutzen echte Routenplaner klügere Suchverfahren, als alle durchzuprobieren. Es bleibt trotzdem Suche, kein Machine Learning.

Was jeder Ansatz nicht kann

Wer die Grenzen kennt, weiß, zu welchem Werkzeug er greifen soll.

Grenzen von KI allgemein

• Kein gesunder Menschenverstand. Systemen fehlt das Hintergrundwissen, das Menschen für selbstverständlich halten (was man fallen lässt, fällt herunter, niemand wird gern geschlagen), sofern es nicht eingebaut oder gelernt wurde.
• Enger Zuständigkeitsbereich. Jedes System kann, wofür es gebaut wurde. Ein Spamfilter kann kein Schach spielen.
• Zerbrechlichkeit. Systeme können auf seltsame Weise versagen, wenn die Lage ein wenig anders ist als die, für die sie gebaut wurden. Ein Fahrsystem, das nur auf amerikanischen Straßen trainiert wurde, könnte sich mit einem deutschen Kreisverkehr durchaus schwertun.
• Verstehen ist umstritten. Große Sprachmodelle werden darauf trainiert, Text vorherzusagen. Der eigene Bericht von OpenAI sagt, GPT 4 sei vortrainiert worden, "to predict the next token in a document".⁹ Ob das zusammengenommen Verstehen ist, wird weiter diskutiert. Unbestritten ist, dass sie flüssigen, selbstsicheren Text erzeugen können, der falsch ist.

Grenzen, die speziell Machine Learning betreffen

• Abhängigkeit von Daten. Ein Modell ist nur so gut wie seine Trainingsdaten. Verzerrte Daten ergeben ein verzerrtes Modell. Situationen, die in den Daten fehlen, behandelt es schlecht.
• Die Black Box. Komplexe Modelle, vor allem tiefe neuronale Netze, sind schwer zu deuten. Das zählt überall dort, wo eine Entscheidung über einen Menschen erklärt werden muss. In Deutschland wachen darüber die unabhängigen Datenschutzaufsichtsbehörden des Bundes und der Länder. Ihre gemeinsame Konferenz hat im Mai 2024 die Orientierungshilfe Künstliche Intelligenz und Datenschutz veröffentlicht. Danach müssen Verantwortliche bei einer automatisierten Entscheidung auch über die involvierte Logik informieren und dabei mindestens die Methode der Datenverarbeitung für die konkrete Anwendung erläutern.¹⁰ Die Pflicht selbst steht in den Artikeln 13 bis 15 der DSGVO, die von "aussagekräftigen Informationen über die involvierte Logik" sprechen.¹¹
• Datenmenge. Viele Verfahren brauchen sehr viele Beispiele. Einen verlässlichen Bildklassifikator trainierst du nicht mit 50 Fotos.
• Rechenaufwand. Große Modelle zu trainieren braucht ernsthafte Hardware und Energie.
• Schlechte Übertragbarkeit. Ein Modell, das für eine Aufgabe trainiert wurde, kann eine andere meist nicht ohne neues Training.
• Gezielt manipulierte Eingaben. Sorgfältig konstruierte Veränderungen können ein Modell täuschen. In einer bekannten Demonstration wurde das Bild eines Pandas, dem eine unmerklich kleine Veränderung hinzugefügt worden war, mit 99,3 % Sicherheit als Gibbon eingestuft.¹²

Grenzen regelbasierter KI

• Der Wissensengpass. Regeln von Hand zu schreiben ist langsam, und Fachleute können oft nicht in Worte fassen, was sie wissen.
• Größe. Tausende Regeln wirken auf eine Weise zusammen, die niemand vorhergesehen hat.
• Starrheit. Eine Lage, die keine Regel abdeckt, bekommt keine vernünftige Antwort. Regeln verallgemeinern nicht aus Beispielen.
• Pflege. Ändert sich die Welt, muss jede betroffene Regel von Hand gefunden und geändert werden.

Der praktische Werkzeugkasten: Modelle und Python Bibliotheken

Wenn du selbst mit Machine Learning arbeiten willst, wirst du diesen Namen begegnen.

Was "Modell" bedeutet

Ein Modell ist die gelernte Funktion, die die Vorhersagen macht. Das Wort bezeichnet auch die Familie des Algorithmus:

• Lineare Modelle (lineare und logistische Regression). Einfach und leicht zu erklären. Sie funktionieren gut, wenn die Zusammenhänge ungefähr gerade Linien sind.
• Entscheidungsbäume. Eine Folge von Ja oder Nein Fragen zu den Features. Leicht zu lesen, aber anfällig für Overfitting.
• Random Forests. Viele Entscheidungsbäume, die gemeinsam abstimmen. Eine starke Standardwahl für Tabellen mit Geschäftsdaten.
• Support Vector Machines (SVMs). Finden die breiteste Grenze zwischen Klassen.
• Neuronale Netze. Schichten verbundener Knoten, lose vom Gehirn inspiriert, die sehr verschlungene Muster lernen können. Die Basis von Deep Learning.
• Convolutional Neural Networks (CNNs). Neuronale Netze für Bilder, die mit Filtern Merkmale auf verschiedenen Größenebenen herausziehen.
• Recurrent Neural Networks (RNNs) und Transformer. Gebaut für Sequenzen wie Text. Der Transformer, 2017 vorgestellt, setzt allein auf Attention statt auf Rekurrenz und lässt sich dadurch schneller trainieren.¹³ Er ist das T in GPT, und OpenAI beschreibt GPT 4 als ein Modell auf Transformer Basis.⁹

Die Python Bibliotheken

Python ist die gemeinsame Sprache von Machine Learning. Die wichtigsten Bibliotheken:

NumPy, "the fundamental package for scientific computing with Python".¹⁴ Schnelle Arrays und Mathematik. Fast alles andere baut darauf auf.

import numpy as np

data = np.array([1, 2, 3, 4, 5])
mean = np.mean(data)  # 3.0

pandas, ein Open Source Werkzeug zur Analyse und Bearbeitung von Daten.¹⁵ Stell dir eine Tabellenkalkulation vor, die du mit Code steuerst. Hier passiert der größte Teil der Datenvorbereitung.

import pandas as pd

df = pd.read_csv("house_prices.csv")
average_price = df["price"].mean()

scikit-learn, "Machine Learning in Python": Klassifikation, Regression, Clustering, Dimensionsreduktion, Modellauswahl und Vorverarbeitung hinter einer einheitlichen Schnittstelle.¹⁶ Der Ort, an dem man anfängt, und für sehr viele geschäftliche Probleme ausreichend.

from sklearn.ensemble import RandomForestClassifier
from sklearn.model_selection import train_test_split

# features: eine Tabelle mit Eingaben, labels: die bekannten Antworten
X_train, X_test, y_train, y_test = train_test_split(
    features, labels, test_size=0.2, random_state=42
)
model = RandomForestClassifier(random_state=42)
model.fit(X_train, y_train)
predictions = model.predict(X_test)

TensorFlow, eine durchgängige Plattform, um Machine Learning Modelle zu bauen und in Betrieb zu nehmen.⁷ PyTorch, das andere große Framework für Deep Learning, heute unter dem Dach der PyTorch Foundation, die bei der Linux Foundation angesiedelt ist.¹⁷

Keras, eine Schnittstelle auf hoher Ebene, um neuronale Netze zu bauen. Früher war sie an TensorFlow gebunden. Seit Keras 3 läuft sie auf JAX, TensorFlow oder PyTorch, gewählt über eine Einstellung.¹⁸

import keras

# X_train, y_train: Trainingseingaben und ganzzahlige Klassenlabels (0 bis 9)
model = keras.Sequential([
    keras.layers.Dense(128, activation="relu"),
    keras.layers.Dense(10, activation="softmax"),
])
model.compile(optimizer="adam", loss="sparse_categorical_crossentropy")
model.fit(X_train, y_train, epochs=10)

XGBoost, eine Bibliothek für Gradient Boosting, gebaut, um effizient, flexibel und portabel zu sein, und eine starke Wahl für Tabellen mit Geschäftsdaten.¹⁹

Hugging Face Transformers, eine Bibliothek mit Modelldefinitionen und vortrainierten Modellen für Text, Bild, Audio und mehr, für Training wie für Inferenz.²⁰ spaCy für die Verarbeitung natürlicher Sprache in Python, gebaut für den industriellen Einsatz.²¹

Wo Big Data dazugehört

Modernes Machine Learning und Big Data sind zusammen groß geworden, deshalb ein Wort dazu, wie sie zusammenhängen.

Das US National Institute of Standards and Technology (NIST) definiert Big Data als umfangreiche Datenbestände, vor allem in den Merkmalen Volumen, Geschwindigkeit, Vielfalt und Veränderlichkeit, die eine skalierbare Architektur brauchen, um sie effizient zu speichern, zu bearbeiten und zu analysieren. Volumen ist die Größe, Geschwindigkeit die Rate, mit der die Daten fließen, Vielfalt die Mischung aus Quellen und Typen, und Veränderlichkeit der Wandel in Rate oder Struktur.²²

Die Beziehung läuft in beide Richtungen. Vor allem Deep Learning braucht viele Beispiele, um gut zu lernen. Und sobald Daten Milliarden Zeilen umfassen, kann sie niemand mehr mit bloßem Auge lesen, also brauchst du Algorithmen, die die Muster finden. Werkzeuge wie Apache Spark, dessen MLlib als "Apache Spark's scalable machine learning library" beschrieben wird, gibt es, um Modelle auf Daten zu trainieren, die über viele Maschinen verteilt sind.²³

Eine Zahl, die gern wiederholt wird: Machine Learning Projekte verbrächten 80 % ihrer Zeit mit Datenvorbereitung. Eine Primärquelle dafür konnte ich nicht finden. Die nächste Umfrage, die ich prüfen konnte, der State of Data Science Report 2022 von Anaconda, beziffert Datenvorbereitung und Datenbereinigung auf 38 % der Zeit von Data Scientists, immer noch der größte Einzelanteil.²⁴ Der Punkt hält auch ohne die aufgeblähte Zahl: Daten zu säubern und in Form zu bringen ist der Großteil der Arbeit, und das Modell zu trainieren ist oft der leichte Teil.

Ein Beispiel: Die 5.000 Kunden und 18.000 Bestellungen des Hamburger Teeladens passen in eine einzige Tabelle. Nach keinem der vier Merkmale ist das Big Data, und Spark braucht es auch nicht, und trotzdem reicht es locker für das Wiederkaufmodell von oben. Echtes Machine Learning, Daten in normaler Größe.

Wie KI und Machine Learning zusammenarbeiten

In der Praxis sind KI und Machine Learning eng verwoben, und die meisten KI Produkte sind Mischformen.

Nimm einen typischen Sprachassistenten. Die Spracherkennung macht aus Audio Text, meist mit einem gelernten Modell. Das Sprachverstehen findet heraus, was du gemeint hast, auch das meist gelernt. Die Dialogsteuerung, also die Entscheidung, was als Nächstes passiert, können von Hand geschriebene Regeln sein, gelernt sein oder beides. Dann wird eine Antwort erzeugt und wieder in Sprache verwandelt. Das Ganze ist KI im weiten Sinn, und die meisten seiner Teile sind Machine Learning.

Ein selbstfahrendes System ist ähnlich. Wahrnehmung (Fahrspuren, Schilder und Menschen erkennen) und Vorhersage (was macht die Radfahrerin gleich) sind gelernt. Die Planung mischt oft Lernen mit klassischer Suche und Optimierung. Die Steuerung auf unterster Ebene nutzt womöglich traditionelle Regelungstechnik.

Innerhalb echter Systeme verschwimmt die Grenze also. Das macht die Unterscheidung zur ersten Frage, die du zu jedem Teil stellst, und nicht zu einer nutzlosen.

Rechenbeispiel: den Chatbot eines Shops zerlegen

Ein erfundener Shop für Wohnaccessoires in Köln betreibt auf rheinheim.example einen Chatbot. Er hat drei Teile:

1. Ein Sprachmodell liest die Frage der Kundin. Machine Learning.
2. Geht es um eine Bestellung, schlägt der Bot die Bestellnummer in der Datenbank nach und nennt den Status. Ganz normale Software.
3. Erstattungen über 100 € gehen immer an einen Menschen. Eine von Hand geschriebene Regel.

Ein "KI Chatbot", drei verschiedene Techniken. Teil 1 kann sich in flüssigen Sätzen irren, er braucht also Tests und Grenzen. Teile 2 und 3 verhalten sich genau so, wie sie geschrieben sind. Die Frage, was was ist, zeigt der Inhaberin, wo das Risiko tatsächlich sitzt.

Warum die Unterscheidung trotzdem zählt

Wenn beides so verwoben ist, warum dann die Mühe?

Den richtigen Ansatz wählen. Nicht jedes Problem braucht Machine Learning. Ein regelbasiertes System ist oft schneller gebaut, leichter zu pflegen, im Betrieb kostengünstiger und leichter zu erklären. Wenn du es mit ein paar if Abfragen lösen kannst, solltest du das wahrscheinlich tun. Machine Learning verdient seinen Platz, wenn die Muster zu komplex sind, um sie aufzuschreiben, oder sich zu oft ändern, als dass Regeln mithalten könnten.

Der Weg beginnt oben. Die erste Frage gilt den Regeln, weil Regeln das schlichtere Werkzeug sind. Erst wenn sie sich nicht aufschreiben lassen oder nicht stabil bleiben, kommt die zweite Frage nach den Beispielen ins Spiel. Die Erkenntnis: Machine Learning ist die Antwort auf eine bestimmte Lage, nicht die Voreinstellung.

Erwartungen richtig setzen. Weder KI noch Machine Learning ist Zauberei. Jedes hat bestimmte Stärken und bestimmte Arten zu versagen. Wer weiß, was er kauft, erspart sich Enttäuschung und verschwendetes Budget.

Risiko verstehen. Ein gelerntes Modell erbt die Verzerrungen seiner Trainingsdaten. Ein regelbasiertes System trägt die Verzerrungen dessen, der die Regeln geschrieben hat. Die Fehler unterscheiden sich, also sollten sich auch die Prüfungen unterscheiden.

Regulierung. Hier wird es ernst. Wie oben gezeigt, definiert die KI Verordnung KI über das Ableiten, und ihre Erwägungsgründe schließen Systeme aus, die ausschließlich auf von Menschen geschriebenen Regeln beruhen.² Ob ein Werkzeug darunter fällt, kann davon abhängen, wie es innen funktioniert, und nicht davon, wie der Prospekt es nennt. Für das größere Bild, wie du KI sicher im Unternehmen einsetzt, lies KI im Unternehmen: die Möglichkeiten, die Gefahren und wie es gelingt.

Rechenbeispiel: drei Werkzeuge einordnen

Eine erfundene Personalvermittlung in Berlin nutzt drei Werkzeuge und will wissen, was jedes davon ist:

1. Ein Formular, das Bewerbungen ohne Angabe zur Arbeitserlaubnis zurückweist. Eine geschriebene Regel. Kein Machine Learning, und wahrscheinlich außerhalb der Definition der KI Verordnung.
2. Ein Werkzeug, das Lebensläufe nach vorhergesagter Eignung sortiert, trainiert auf früheren Einstellungen. Machine Learning. Es braucht eine Prüfung auf Verzerrungen, weil frühere Einstellungsentscheidungen in den Labels stecken, und es braucht eine Erklärung, die für die betroffenen Bewerberinnen und Bewerber bereitliegt.
3. Ein Chatbot, der Fragen zu den Öffnungszeiten der Vermittlung aus einer festen Liste beantwortet. Regeln im Gewand eines Gesprächs, es sei denn, er nutzt ein Sprachmodell. Dann lernt ein Teil davon und kann sich irren.

Drei Werkzeuge, alle als "KI" verkauft. Nur eines davon ist eindeutig Machine Learning, und genau dieses trägt das größte Risiko.

Die Fragen, die durch das Etikett schneiden

Künstliche Intelligenz ist das große Bild: Maschinen, die Dinge tun, die wir intelligent nennen würden. Sie ist seit den 1950er Jahren ein Forschungsgebiet und umfasst viele Ansätze.

Machine Learning ist einer dieser Ansätze: Systeme, die Muster aus Daten lernen, statt Regeln zu folgen, die ein Mensch geschrieben hat. Es dominiert inzwischen, weil es funktioniert, weil es reichlich Daten gibt und weil die Rechenleistung gewachsen ist.

Die beiden werden als Synonyme benutzt, weil Machine Learning inzwischen so zentral für KI ist. Wenn das nächste Mal jemand "KI" sagt, stell vier Fragen:

1. Lernt es aus Daten, oder folgt es Regeln, die jemand geschrieben hat?
2. Wenn es lernt: aus welchen Daten, und wie aktuell sind sie?
3. Wie wurde es an Fällen getestet, die es nicht gesehen hatte?
4. Wenn es falschliegt, wie würde das jemand merken, und wer kann die Entscheidung erklären?

Diese Fragen schneiden durch den Hype und zeigen, was unter der Haube tatsächlich passiert. Und das zählt, denn diese Systeme entscheiden immer öfter darüber, was wir online sehen, ob ein Kredit bewilligt wird und welcher Lebenslauf gelesen wird.

Footnotes

1. Ian Goodfellow, Yoshua Bengio und Aaron Courville, Deep Learning, MIT Press, 2016, Kapitel 1, https://www.deeplearningbook.org/

2. Verordnung (EU) 2024/1689 (Verordnung über künstliche Intelligenz), Artikel 3 Nummer 1 und Erwägungsgrund 12, Amtsblatt der Europäischen Union, 12. Juli 2024, EUR-Lex, https://eur-lex.europa.eu/legal-content/DE/TXT/HTML/?uri=OJ:L_202401689

3. Stuart Russell, Karine Perset und Marko Grobelnik, Updates to the OECD's definition of an AI system explained, OECD.AI, 29. November 2023, https://oecd.ai/en/wonk/ai-system-definition-update

4. Stuart Russell und Peter Norvig, Artificial Intelligence: A Modern Approach, 4. Auflage, Global Edition, Pearson, 2024, https://www.pearson.com/en-gb/subject-catalog/p/artificial-intelligence-a-modern-approach-global-edition/P200000004498/9781292401133

5. A. M. Turing, Computing Machinery and Intelligence, Mind, Band LIX, Heft 236, Seiten 433 bis 460, Oktober 1950, https://academic.oup.com/mind/article/LIX/236/433/986238

6. J. McCarthy, M. L. Minsky, N. Rochester und C. E. Shannon, A Proposal for the Dartmouth Summer Research Project on Artificial Intelligence, 31. August 1955, https://www-formal.stanford.edu/jmc/history/dartmouth/dartmouth.html

7. TensorFlow, Why TensorFlow, abgerufen im November 2026, https://www.tensorflow.org/about

8. Google DeepMind, AlphaGo, abgerufen im November 2026, https://deepmind.google/research/breakthroughs/alphago/

9. OpenAI, GPT-4 Technical Report, arXiv:2303.08774, 2023, https://arxiv.org/abs/2303.08774

10. Konferenz der unabhängigen Datenschutzaufsichtsbehörden des Bundes und der Länder (DSK), Orientierungshilfe Künstliche Intelligenz und Datenschutz, Version 1.0, Abschnitte 1.6 und 1.8, 6. Mai 2024, https://www.datenschutzkonferenz-online.de/media/oh/20240506_DSK_Orientierungshilfe_KI_und_Datenschutz.pdf

11. Verordnung (EU) 2016/679 (Datenschutz Grundverordnung), Artikel 13 Absatz 2 Buchstabe f, Artikel 14 und Artikel 15 Absatz 1 Buchstabe h, Amtsblatt der Europäischen Union, 4. Mai 2016, EUR-Lex, https://eur-lex.europa.eu/legal-content/DE/TXT/HTML/?uri=CELEX:32016R0679

12. Ian J. Goodfellow, Jonathon Shlens und Christian Szegedy, Explaining and Harnessing Adversarial Examples, arXiv:1412.6572, 2014, Abbildung 1, https://arxiv.org/abs/1412.6572

13. Ashish Vaswani und andere, Attention Is All You Need, arXiv:1706.03762, 2017, https://arxiv.org/abs/1706.03762

14. NumPy, Projektseite, abgerufen im November 2026, https://numpy.org/

15. pandas, Projektseite, abgerufen im November 2026, https://pandas.pydata.org/

16. scikit-learn, Machine Learning in Python, abgerufen im November 2026, https://scikit-learn.org/stable/

17. PyTorch Foundation, About the PyTorch Foundation, abgerufen im November 2026, https://pytorch.org/foundation/

18. Keras, Introducing Keras 3, abgerufen im November 2026, https://keras.io/keras_3/

19. XGBoost Dokumentation, abgerufen im November 2026, https://xgboost.readthedocs.io/en/stable/

20. Hugging Face, Transformers Dokumentation, abgerufen im November 2026, https://huggingface.co/docs/transformers/index

21. spaCy, Industrial-strength Natural Language Processing in Python, abgerufen im November 2026, https://spacy.io/

22. Wo L. Chang und Nancy Grady, NIST Big Data Interoperability Framework: Volume 1, Definitions, NIST Special Publication 1500-1r2, Version 3, Oktober 2019, https://nvlpubs.nist.gov/nistpubs/SpecialPublications/NIST.SP.1500-1r2.pdf

23. Apache Spark, MLlib, abgerufen im November 2026, https://spark.apache.org/mllib/

24. Sean Michael Kerner, What are data scientists' biggest concerns? The 2022 State of Data Science report has the answers, VentureBeat, 14. September 2022, https://venturebeat.com/ai/what-are-data-scientists-biggest-concerns-the-2022-state-of-data-science-report-has-the-answers