{"id":72641,"date":"2025-03-13T09:00:01","date_gmt":"2025-03-13T09:00:01","guid":{"rendered":"https:\/\/app-mde-blog-prd.azurewebsites.net\/?p=72384"},"modified":"2026-01-23T20:32:22","modified_gmt":"2026-01-23T20:32:22","slug":"was-ist-machine-learning-bzw-maschinelles-lernen","status":"publish","type":"post","link":"https:\/\/www.manutan.de\/blog\/intelligentes-und-effizientes-arbeiten\/was-ist-machine-learning-bzw-maschinelles-lernen\/","title":{"rendered":"Was ist “Machine Learning” bzw. maschinelles Lernen?"},"content":{"rendered":"
\n \"\"
\n <\/figure>\n
\n

Unternehmen setzen zunehmend auf neue Technologien, um ihre Leistung zu steigern. Dies gilt insbesondere f\u00fcr die K\u00fcnstliche Intelligenz (KI) und einen ihrer Teilbereiche: "Machine Learning" (ML). Diese Technologie ist in der Lage, gro\u00dfe Datenmengen mithilfe fortschrittlicher Algorithmen zu interpretieren, um Vorhersagen zu erstellen, einen Prozess zu verbessern und Probleme zu l\u00f6sen. Dies er\u00f6ffnet gro\u00dfartige M\u00f6glichkeiten, das Management der Lieferkette und alle dazugeh\u00f6rigen Aktivit\u00e4ten zu optimieren. <\/p>\n

"Machine Learning": Definition<\/h2>\n

"Machine Learning" (ML) wird im Deutschen auch als \u201emaschinelles Lernen\u201c bezeichnet und zielt darauf ab, Maschinen zu bef\u00e4higen, mithilfe von Algorithmen aus Daten zu lernen<\/b>. Solche Daten k\u00f6nnen W\u00f6rter, Zahlen, Statistiken, Bilder usw. sein. Es handelt sich um einen Teilbereich der K\u00fcnstlichen Intelligenz (KI), da dieses System das Lernen simuliert, welches eine Form der menschlichen Intelligenz ist.<\/p>\n

Bei diesem Verfahren werden aus mehreren Situationen die relevanten Informationen aus einem Satz von Trainingsdaten gezogen. Im Laufe der Zeit lernt das System, welche Entscheidung richtig ist, und erstellt ein Modell, <\/b>welches <\/b>bei der Erledigung der ihm zugewiesenen Aufgabe die beste Leistung<\/b> erreicht<\/b>. Sobald die Lernphase erfolgreich abgeschlossen ist, kann das Modell anschlie\u00dfend in Produktion gehen.<\/p>\n

"Machine Learning" ist besonders effektiv, wenn es darum geht, Trends oder Korrelationen zu finden, Entscheidungen zu treffen oder Prognosen zu erstellen, die auf einem gro\u00dfen, vielf\u00e4ltigen und sich \u00e4ndernden Datensatz basieren. Die Anwendungen werden also mit zunehmendem Training besser<\/b>. Und je gr\u00f6\u00dfer die Menge der zug\u00e4nglichen Daten ist, desto genauer werden sie.<\/p>\n

Wie funktioniert "Machine Learning"?<\/h2>\n

Die Entwicklung eines "Machine-Learning"-Modells basiert auf vier Hauptschritten, von der Auswahl des Trainingsdatensatzes bis zur Verwendung und Verbesserung des Modells.<\/p>\n

1. Die Auswahl der Trainingsdaten<\/h3>\n

Der erste Schritt besteht darin, einen Satz von Trainingsdaten auszuw\u00e4hlen und vorzubereiten<\/b>. Mit diesen Daten wird das "Machine-Learning"-Modell gef\u00fcttert, um es in die Lage zu versetzen, das Problem kennen zu lernen, f\u00fcr das es erstellt wurde. Diese Daten m\u00fcssen bereinigt und organisiert<\/b> sein. Sie k\u00f6nnen auch gelabelt, also markiert sein, um dem Modell mitzuteilen, welche Merkmale es ber\u00fccksichtigen muss. Sie k\u00f6nnen aber ebenso gut auch ungelabelt sein, dann muss das Modell diese Merkmale selbstst\u00e4ndig finden und extrahieren.<\/p>\n

2. Die Auswahl des Algorithmus<\/h3>\n

Der zweite Schritt besteht in der Auswahl des Algorithmus, der auf die Trainingsdaten angewendet werden soll. Die Wahl des Algorithmus h\u00e4ngt von mehreren Faktoren ab<\/b>, z.B. von der Art und Menge der Daten, aber auch von der Art des zu l\u00f6senden Problems.<\/p>\n

3. Das Trainieren des Algorithmus<\/h3>\n

Im dritten Schritt wird der Algorithmus trainiert. Man f\u00fchrt mithilfe des Algorithmus Variablen aus, vergleicht die Ergebnisse mit dem, was man h\u00e4tte erhalten sollen, und nimmt dann Anpassungen vor, um die Genauigkeit des Ergebnisses zu erh\u00f6hen<\/b>. Das macht man so lange, bis der Algorithmus das richtige Ergebnis liefert.<\/p>\n

4. Die Anwendung und Verbesserung des Modells<\/h3>\n

Im vierten Schritt kann das Modell dann angewendet und verbessert werden. Dabei geht es darum, das Modell auf einen neuen Datensatz anzuwenden<\/b>, der mit dem zu l\u00f6senden Problem im Zusammenhang steht. Im Laufe der Zeit k\u00f6nnen sich Effizienz und Genauigkeit verbessern.<\/p>\n

Die verschiedenen Arten von "Machine Learning"<\/h2>\n

Machine Learning wird durch Algorithmen angetrieben. Heutzutage werden in Unternehmen verschiedene Arten von Algorithmen eingesetzt: \u00fcberwachtes, un\u00fcberwachtes, teil\u00fcberwachtes oder auch verst\u00e4rkendes Lernen. Diese verschiedenen Modelle unterscheiden sich durch die Art der verwendeten Daten und des gew\u00fcnschten Ergebnis.<\/p>\n

\u00dcberwachtes "Machine Learning"<\/h3>\n

Das \u00fcberwachte Lernen ist das am weitesten verbreitete Modell<\/b>. Dabei wird das Modell von einem Data Scientist bei den Schlussfolgerungen, die es ziehen soll, angeleitet. Algorithmen lernen durch einen gelabelten Datensatz,<\/b> wobei das Ergebnis vordefiniert ist.<\/p>\n

Un\u00fcberwachtes "Machine Learning"<\/h3>\n

Durch un\u00fcberwachtes Lernen lernt der Computer, komplexe Muster und Prozesse zu erkennen, ohne dass eine kontinuierliche und rigorose Begleitung durch den Data Scientist erforderlich ist. Es handelt sich also um ein grundlegendes Trainingsverfahren mit ungelabelten Daten<\/b> und ohne zugeordnetes Ergebnis.<\/p>\n

Teil\u00fcberwachtes "Machine Learning"<\/h3>\n

Erwartungsgem\u00e4\u00df ist das teil\u00fcberwachte Lernen eine clevere Mischung aus den beiden<\/b> vorangegangenen Modellen<\/b>. W\u00e4hrend des Trainings wird ein kleiner Satz gelabelter Daten verwendet, um die Klassifizierung anzuleiten, sowie ein gr\u00f6\u00dferer Satz ungelabelter Daten, um daraus Funktionalit\u00e4ten abzuleiten.<\/p>\n

Verst\u00e4rkendes "Machine Learning"<\/h3>\n

Verst\u00e4rkendes Lernen \u00e4hnelt dem \u00fcberwachten Lernen. Die Algorithmen werden jedoch nicht mithilfe eines Datensatzes trainiert, sondern durch Versuch, Irrtum und Belohnung<\/b>. In diesem Fall wird die Belohnung in den Algorithmen als ein zu sammelndes Element programmiert.<\/p>\n\n

"Machine Learning" vs. "Deep Learning"<\/b><\/p>\n

"Deep Learning" ist ein Teilbereich des "Machine Learning". Gemeint ist ein tiefgehendes Lernen von strukturierten oder unstrukturierten Daten. Durch die Kombination mehrerer Algorithmen, die dem menschlichen Gehirn nachempfunden sind, kann dieses System selbstst\u00e4ndig die Merkmale erkennen, die zur Kategorisierung von Daten ben\u00f6tigt werden. "Deep Learning" wird f\u00fcr komplexe Aufgaben verwendet, w\u00e4hrend "Machine Learning" f\u00fcr einfachere Routinehandlungen eingesetzt wird. <\/p>\n\n

"Machine Learning": Welche Anwendungsm\u00f6glichkeiten im Lager?<\/h2>\n

Fabrice Bonneau, Gr\u00fcndungspartner der Kanzlei Argon & Co, erkl\u00e4rt: \u201eKI \u00fcberschneidet sich heute mit sehr unterschiedlichen Themen und Bereichen. Beispielsweise nutzt "Machine Learning" schon seit Langem interne und externe Daten sowie Mustererkennung, um Prognosen \u00fcber den Absatz, die Auslastung usw. zu erstellen. Neu ist, dass die KI heute beginnt, die Industrie, die Wartung usw., also den Kern der Anwendungsf\u00e4lle in der Lieferkette zu durchdringen.\u201c<\/i><\/p>\n

Bessere Nachfrageprognose<\/h3>\n

Zun\u00e4chst kann "Machine Learning" eine pr\u00e4zise Nachfrageprognose erstellen, indem es Verbraucherdaten analysiert (Inhalt der Bestellungen, Verbraucherpr\u00e4ferenzen, Verkaufstrends usw.). Dadurch kann das Unternehmen seine Beschaffungs- und Bestandsverwaltungsprozesse <\/b>entsprechend anpassen<\/b>.<\/p>\n

Verbesserung des Risikomanagements<\/h3>\n

Mithilfe von "Machine Learning" k\u00f6nnen auch Situationen erkannt werden, die potenzielle Risiken bergen. Dies kann verschiedene Formen annehmen: Lieferverz\u00f6gerungen, Unterbrechungen der Lieferkette, Nachfrageschwankungen usw. Das Unternehmen kann dann vorbeugende Strategien umsetzen.<\/b><\/p>\n

Verbesserung der vorausschauenden Wartung<\/h3>\n

"Machine Learning" ist auch sehr n\u00fctzlich, um den Zustand von vernetzten Objekten, Fahrzeugen und Maschinen zu \u00fcberwachen. Durch die Analyse all ihrer Daten kann diese Technologie ihre Nachhaltigkeit und Funktionsf\u00e4higkeit bewerten. Auch hier ist das Unternehmen in der Lage, fr\u00fchzeitig zu handeln, um einen potenziellen Stillstand <\/b>der Lieferkette zu vermeiden<\/b>.<\/p>\n

"Machine Learning" bietet daher gro\u00dfartige M\u00f6glichkeiten, die Verwaltung seines Unternehmens und insbesondere seines Lagers durch Automatisierung und Optimierung der Prozesse zu ver\u00e4ndern. <\/p>\n<\/div>\n","protected":false},"excerpt":{"rendered":"

Unternehmen setzen zunehmend auf neue Technologien, um ihre Leistung zu steigern. Dies gilt insbesondere f\u00fcr die K\u00fcnstliche Intelligenz (KI) und einen ihrer Teilbereiche: "Machine Learning" (ML). Diese Technologie ist in der Lage, gro\u00dfe Datenmengen mithilfe fortschrittlicher Algorithmen zu interpretieren, um Vorhersagen zu erstellen, einen Prozess zu verbessern und Probleme zu l\u00f6sen. Dies er\u00f6ffnet gro\u00dfartige M\u00f6glichkeiten, das Management der Lieferkette und...<\/p>\n","protected":false},"author":2,"featured_media":57375,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"om_disable_all_campaigns":false,"_monsterinsights_skip_tracking":false,"_monsterinsights_sitenote_active":false,"_monsterinsights_sitenote_note":"","_monsterinsights_sitenote_category":0,"footnotes":""},"categories":[6],"tags":[],"class_list":["post-72641","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-intelligentes-und-effizientes-arbeiten"],"aioseo_notices":[],"_links":{"self":[{"href":"https:\/\/www.manutan.de\/blog\/wp-json\/wp\/v2\/posts\/72641","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.manutan.de\/blog\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.manutan.de\/blog\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.manutan.de\/blog\/wp-json\/wp\/v2\/users\/2"}],"replies":[{"embeddable":true,"href":"https:\/\/www.manutan.de\/blog\/wp-json\/wp\/v2\/comments?post=72641"}],"version-history":[{"count":1,"href":"https:\/\/www.manutan.de\/blog\/wp-json\/wp\/v2\/posts\/72641\/revisions"}],"predecessor-version":[{"id":72870,"href":"https:\/\/www.manutan.de\/blog\/wp-json\/wp\/v2\/posts\/72641\/revisions\/72870"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.manutan.de\/blog\/wp-json\/wp\/v2\/media\/57375"}],"wp:attachment":[{"href":"https:\/\/www.manutan.de\/blog\/wp-json\/wp\/v2\/media?parent=72641"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.manutan.de\/blog\/wp-json\/wp\/v2\/categories?post=72641"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.manutan.de\/blog\/wp-json\/wp\/v2\/tags?post=72641"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}