V2 Daten, Skalen und Metriken

KI ist der Oberbegriff; Machine Learning ist ein Teilgebiet der KI, Deep Learning ein Teilgebiet von ML.

• KI: jede Technik, die Computern ermöglicht, menschliches Verhalten nachzuahmen

• ML: Fähigkeit zu lernen, ohne explizit programmiert zu werden (Samuel 1959); nach ISO: Modellparameter so optimieren, dass das Verhalten die Daten widerspiegelt

• DL: Muster aus Daten mit neuronalen Netzen extrahieren

• ML ist bei gleicher Datenmenge oft besser als DL, bis das Plateau erreicht ist

Es gibt drei Lernarten – Sie unterscheiden sich darin, was zu den Daten gegeben ist.

• Supervised (überwacht): zu jedem xi ist ein Wert yi = f(xi) gegeben; gesucht ist y für ein neues x (Regression: kontinuierlich, Klassifikation: diskret) - FUNKTION UNBEKANNT

• Unsupervised (unüberwacht): nur x gegeben; gesucht sind interessante Strukturen in den Daten - z.B: CLUSTERING

• Reinforcement (bestärkend): Resultate des Modells werden als Belohnung und Bestrafung iterativ zurückgespeist (Agent ↔ Umgebung) -> f(x) möglichst gut approximieren mit Daten

Quelle: 2_Einleitung ML und RS_2026.pdf, Folien 13, 15, 21, 23

Supervised lernt aus gelabelten Daten, Unsupervised findet Strukturen ohne Labels, Reinforcement lernt über Belohnung und Bestrafung.

• Supervised: Bildklassifizierung, Objekterkennung, Sprachübersetzung, Spam-Erkennung; Prognosen wie Wetter oder Nachfrage (Regression)

• Unsupervised: Clusteranalyse (Kundensegmentierung, Empfehlungssysteme), Dimensionsreduktion

• Reinforcement: autonomes Fahren, Robotics, Spiel-KI, Verkehrssteuerung, Materialmodellkalibrieren

Quelle: 2_Einleitung ML und RS_2026.pdf, Folien 13, 16–18, 22–24

Klassifikation nutzt gelabelte Daten und sagt eine Klasse voraus; Clustering nutzt ungelabelte Daten und sucht Gruppen.

• Daten: Paare (x, y) mit diskretem y ∈ {1,…,C} ↔ nur x

• Ziel: y für ein neues x bestimmen ↔ potentielle Cluster (zusammenhängende Gruppen) finden

• Lernart: Supervised ↔ Unsupervised

• Kurzform: X → Y ↔ X → ?

Quelle: 2_Einleitung ML und RS_2026.pdf, Folien 15, 22; 5_Clustering_2026.pdf, Folie 9

Overfitting: Das Modell erzielt auf den Trainingsdaten sehr gute Ergebnisse, verallgemeinert aber sehr schlecht.

• bildlich: Auswendiglernen der Trainingsdaten

• erkennen: Daten in Training, Validation und Test Set teilen – gesucht ist das Modell, das auf den Testdaten gute Ergebnisse erzielt

• verhindern: ausreichende Stichprobengröße

• verhindern: Kreuzvalidierung (k-Fold)

Quelle: 2_Einleitung ML und RS_2026.pdf, Folien 24, 25

Hinter dem Hype stecken rasante Fortschritte, vor allem bei Deep Learning und Sprachmodellen – aber auch viel Spekulation.

• Deep-Learning-Durchbrüche treiben den KI-Boom (ab ca. 2010)

• Sprachmodelle (GPT und Co) entwickeln sich rasant; NVIDIA wird wertvollstes Unternehmen, GPUs sind vergriffen

• Spekulation um Singularität und Agenten; Narrow AI vs. AGI

• viele Schlagzeilen sind mehr „Fiction“ als „Science“

Quelle: 2_Einleitung ML und RS_2026.pdf, Folien 3, 5, 9, 11

Ein Empfehlungssystem gibt jedem Nutzer individuelle Empfehlungen auf Basis der Daten aller Nutzer (Grundgesamtheit).

• Verfahren aus dem Data-Mining

• unsupervised ML: braucht keine Labels oder Training

• lernender Prozess: zuverlässiger mit wachsender Datenbasis

• nutzt zusätzlich Kontextinformationen (explizit und implizit)

• Methode auf den Folien: kollaboratives Filtern

Quelle: 2_Einleitung ML und RS_2026.pdf, Folie 30

Kollaboratives Filtern gibt Empfehlungen auf Basis einer gemeinsamen Historie vieler Nutzer.

• user based: Ein Nutzer verhält sich wie vergleichbare Nutzer → Präferenzen äußern, vergleichbare Nutzer suchen, gefilterte Untermenge vorhersagen, empfehlen

• item based: Interesse an Objekten mit ähnlichen Attributen → Ähnlichkeitsmatrix der Artikel bestimmen, „ähnliche“ Artikel vorschlagen

• Beispiel item based: „Das könnte Sie auch interessieren“ (Amazon)

Quelle: 2_Einleitung ML und RS_2026.pdf, Folien 29, 32

Nutzerdaten stammen aus expliziten und impliziten Quellen.

• explizit: Tags in Videos; Nutzerdaten wie Alter, Geschlecht, Standort; technische Infos wie Endgerät, Browser, Betriebssystem

• implizit: zuvor gekaufte Produkte; Kritik an Empfehlungen („War dieser Vorschlag hilfreich?“); Verweildauer, Watchtime, „Gefällt mir“-Angaben, Abonnements

Quelle: 2_Einleitung ML und RS_2026.pdf, Folie 30

Es gibt vier Varianten: memory-based, model-based, hybrid und Deep Learning.

• Memory-based (Neighborhood-based): ad hoc auf gespeicherten Daten

• Model-based: beruht auf einem vorher trainierten Modell, z. B. Clustering

• Hybrid: situationsabhängiges Zusammenspiel der beiden

• Deep Learning: Einsatz neuronaler Netze

Quelle: 2_Einleitung ML und RS_2026.pdf, Folie 29

Probleme entstehen durch fehlende oder dünne Daten und durch schwer vorhersagbare oder manipulierende Nutzer.

• Neukunde: Neuen Kunden fehlt Bewertungsgrundlage

• Data Sparsity: wenig Daten

• Grey Sheep: inkonsistente Präferenz; Black Sheep: keine erkennbare Präferenzen

Quelle: 2_Einleitung ML und RS_2026.pdf, Folie 31

12 - Weil der Algorithmus aus dem eigenen Verhalten lernt und ähnliche Inhalte vorschlägt.

• Beispiel: anonymes Fenster nach 1 Stunde Katzenvideos → überwiegend Tier- und Katzenvideos

• implizite Daten: Watchtime, Verweildauer, „Gefällt mir“, Abos

• kollaboratives Filtern: Nutzer verhält sich wie vergleichbare Nutzer

• Kehrseite: Blasenbildung (Long Tail)

Quelle: 2_Einleitung ML und RS_2026.pdf, Folien 29–31, 35

Datenfitting passt ein Modell an Daten an („Lernen“);

Overfitting heißt, das Modell passt auf die Trainingsdaten sehr gut, verallgemeinert aber sehr schlecht.

Quelle: 1_Introduction.pdf, Folien 12, 17; 2_Einleitung ML und RS_2026.pdf, Folien 7, 24

Kreuzvalidierung ist die Suche nach dem Validierungs-Set, z. B. per k-Fold Cross Validation.

-> Ich wechsle die Daten für Training und Test durch 1. Runde Fold 1 als validierung, 2. Runde Fold 2 als validierung

Quelle: 2_Einleitung ML und RS_2026.pdf, Folie 25

Big Data = die riesige, wachsende Datenmenge: viel Information, aber wenig Wissen.

(viel ungelabled)

Quelle: 2_Einleitung ML und RS_2026.pdf, Folie 8