Machine Learning (ML, deutsch: Maschinelles Lernen) ist eine Teildisziplin der Künstlichen Intelligenz. Anders als bei klassischer Programmierung, wo Entwickler jeden Schritt explizit codieren, lernt ein ML-System Muster und Regeln aus Beispieldaten — es wird trainiert, nicht programmiert. Je mehr und bessere Daten, desto besser die Ergebnisse.
Drei Hauptarten von Machine Learning
Supervised Learning (überwachtes Lernen): Das System lernt aus Beispielen mit Labels — z.B. tausende E-Mails, klassifiziert als „Spam" oder „kein Spam". Klassischer Einsatz: Klassifikation, Vorhersage. Unsupervised Learning (unüberwachtes Lernen): Das System findet Muster ohne Labels — z.B. Kundengruppen in Sales-Daten clustern. Reinforcement Learning (bestärkendes Lernen): Das System lernt durch Trial-and-Error mit Belohnung und Strafe — z.B. wie Spiele zu spielen oder Roboter zu steuern.
Machine Learning im Web-Alltag
ML steckt 2026 in fast allen Webdiensten: Google rankt Suchergebnisse mit ML-Modellen, Netflix empfiehlt Filme, Amazon zeigt passende Produkte, Spam-Filter klassifizieren E-Mails. Auch Google Analytics und Conversion-Tracking-Systeme nutzen ML, um Muster in Besucher-Daten zu finden.
Was ML nicht ist
Machine Learning ist nicht gleich KI im umgangssprachlichen Sinne. ChatGPT ist Machine Learning (genauer: Deep Learning), aber ein Spam-Filter ist auch Machine Learning. ML ist die Methode — was damit gebaut wird, kann simpel oder hochkomplex sein. Auch ein lineares Regressionsmodell aus den 1950er Jahren ist „Machine Learning".