{"id":178932,"date":"2026-01-28T13:05:25","date_gmt":"2026-01-28T12:05:25","guid":{"rendered":"https:\/\/liora.io\/de\/?p=178932"},"modified":"2026-02-06T04:29:10","modified_gmt":"2026-02-06T03:29:10","slug":"unueberwachtes-lernen-prinzip-und-verwendung","status":"publish","type":"post","link":"https:\/\/liora.io\/de\/unueberwachtes-lernen-prinzip-und-verwendung","title":{"rendered":"Un\u00fcberwachtes Lernen: Prinzip und Verwendung"},"content":{"rendered":"<h2 class=\"wp-block-heading\" id=\"h-was-die-zukunftsaussichten-betrifft-so-richten-sich-viele-hoffnungen-auf-das-unuberwachte-lernen-zur-verbesserung-der-cybersicherheit-oder-zur-identifizierung-verschiedener-krankheiten\">Was die Zukunftsaussichten betrifft, so richten sich viele Hoffnungen auf das un\u00fcberwachte Lernen zur Verbesserung der Cybersicherheit oder zur Identifizierung verschiedener Krankheiten.<\/h2>\nIm Gegensatz zum <strong>\u00fcberwachten Lernen<\/strong> muss der Algorithmus beim<strong> un\u00fcberwachten Lernen<\/strong> mit nicht annotierten Beispielen arbeiten. In diesem Fall erfolgt das Lernen durch die Maschine v\u00f6llig unabh\u00e4ngig. Die Maschine wird mit Daten gef\u00fcttert, ohne dass ihr Beispiele f\u00fcr Ergebnisse zur Verf\u00fcgung gestellt werden.\n\nIn dieser Lernsituation sind die Antworten, die wir finden wollen, nicht in den bereitgestellten Daten enthalten: Der <strong>Algorithmus<\/strong> verwendet nicht gekennzeichnete Daten. Daher wird von der Maschine erwartet, dass sie die Antworten durch verschiedene Analysen und das Ordnen der Daten selbst erstellt.\n\nUn\u00fcberwachte Lernmodelle werden insbesondere f\u00fcr :\n<ul>\n \t<li><a href=\"https:\/\/liora.io\/de\/klassifikationsalgorithmen-definition-und-hauptmodelle\">Die Klassifizierung der Daten<\/a><\/li>\n \t<li>Die ann\u00e4hernde Berechnung der Verteilungsdichte<\/li>\n \t<li><a href=\"https:\/\/liora.io\/de\/groessenreduzierung-wie-funktioniert-das\">Die Reduzierung der Dimensionen.<\/a><\/li>\n<\/ul>\nIn diesem Rahmen wird die <strong>Gesamtheit der gesammelten Daten wie Zufallsvariablen behandelt.<\/strong> Im Gegensatz zum maschinellen Lernen, das ein Modell aus gelabelten Daten finden muss: f(X) Y, werden hier nur ungelabelte Daten verwendet: Es gibt keine Variable Y, die vorhergesagt werden muss.\n\nDie Verwendung des nicht \u00fcberwachten Lernens kann in Cluster- und Assoziationsproblemen zusammengefasst werden.\n<h3 class=\"wp-block-heading\" id=\"h-clustering\">Clustering<\/h3>\nEin Clustering-Problem ist ein Problem, bei dem von einer Maschine erwartet wird, dass sie Objekte, die in <strong>Datengruppen<\/strong> vorhanden sind, in Gruppen zusammenfasst (<a href=\"https:\/\/liora.io\/de\/machine-learning-clustering\">Clustering<\/a>), und zwar auf m\u00f6glichst faire und effiziente Weise. Diese Technik ist zwar f\u00fcr den Menschen manchmal schwer zu verstehen, wird aber im Marketingbereich sehr h\u00e4ufig eingesetzt, um z. B. verschiedene Kunden in Gruppen einzuordnen. Ein Beispiel f\u00fcr einen Algorithmus, der sehr h\u00e4ufig beim Clustering verwendet wird, ist <a href=\"https:\/\/liora.io\/de\/was-ist-k-means\">K-means.<\/a>\n<h3 class=\"wp-block-heading\" id=\"h-assoziation\">Assoziation<\/h3>\nDas <strong>Assoziationssystem<\/strong> sortiert und gruppiert Daten, die durch bestimmte Merkmale miteinander verbunden werden k\u00f6nnen. Das Ziel ist es also, Objekte zu finden, die miteinander verbunden sind, ohne dass es sich dabei um identische Objekte handelt. Wenn man dem Algorithmus beispielsweise viele Bilder von Katzen und Katzenzubeh\u00f6r zur Verf\u00fcgung stellt, w\u00fcrde der un\u00fcberwachte Lernalgorithmus nicht alle Katzen zusammen gruppieren, sondern beispielsweise ein Wollkn\u00e4uel mit einer Katze. Ein Beispiel f\u00fcr einen Algorithmus, der sehr h\u00e4ufig in der Assoziation verwendet wird, ist der <strong>A-priori-Algorithmus.<\/strong>\n\nUn\u00fcberwachtes Lernen wird sehr oft im Bereich der Spracherkennung eingesetzt, z. B. bei der Verwendung von<a href=\"https:\/\/www.apple.com\/fr\/siri\/\"> Siri<\/a> oder Alexa.\n\nSo werden bei letzterem die stimmlichen Eigenheiten des Telefonbesitzers (Sprache, Stimmklang&#8230;) erlernt.\n\nIn \u00e4hnlicher Weise nutzen manche Handys sie, um Fotos automatisiert anzuordnen. Das Telefon ist in der Lage, die gleiche Person auf Fotos zu identifizieren oder \u00e4hnliche Orte zu finden, um sie nach diesen Kriterien zu ordnen.\n<h3 class=\"wp-block-heading\" id=\"h-welche-unterschiede-gibt-es-zum-uberwachten-lernen\">Welche Unterschiede gibt es zum \u00fcberwachten Lernen?<\/h3>\nObwohl beide Arten des Lernens in den Bereich der <a href=\"https:\/\/liora.io\/de\/kuenstliche-intelligenz-wo-sind-die-grenzen\">k\u00fcnstlichen Intelligenz fallen, wird beim \u00fcberwachten Lernen<\/a> eine Vorhersagefunktion anhand von gelabelten Beispielen erlernt.\n\nBeim <strong>\u00fcberwachten Lernen<\/strong> wird das Lernen der Maschine \u00fcberwacht, indem ihr Beispiele f\u00fcr das, was sie tun soll, vorgelegt werden. Das Ziel des \u00fcberwachten Lernens ist es also, Algorithmen zu schaffen, die Datens\u00e4tze empfangen und eine statistische Analyse durchf\u00fchren k\u00f6nnen, um ein Ergebnis vorherzusagen.\n<table>\n<thead>\n<tr>\n<th>Aspekt<\/th>\n<th>\u00dcberwachtes Lernen<\/th>\n<th>Un\u00fcberwachtes Lernen<\/th>\n<\/tr>\n<\/thead>\n<tbody>\n<tr>\n<td>Definition<\/td>\n<td>Lernen mit gelabelten Daten<\/td>\n<td>Lernen ohne gelabelte Daten<\/td>\n<\/tr>\n<tr>\n<td>Ziel<\/td>\n<td>Klassifizierung, Regression, Vorhersage<\/td>\n<td>Entdeckung von Mustern, Strukturen, Gruppierung<\/td>\n<\/tr>\n<tr>\n<td>Verf\u00fcgbarkeit der Daten<\/td>\n<td>Erfordert gelabelte Daten<\/td>\n<td>Kann mit unlabeled Daten durchgef\u00fchrt werden<\/td>\n<\/tr>\n<tr>\n<td>Trainingsprozess<\/td>\n<td>Modell lernt aus Eingabe-Ausgabe-Paaren<\/td>\n<td>Modell sucht nach Mustern in den Daten<\/td>\n<\/tr>\n<tr>\n<td>Anwendungsgebiete<\/td>\n<td>Bilderkennung, Spracherkennung, Textklassifikation<\/td>\n<td>Clustering, Dimensionsreduktion, Anomalieerkennung<\/td>\n<\/tr>\n<tr>\n<td>Erforderliches Wissen<\/td>\n<td>Kenntnis der Zielvariablen<\/td>\n<td>Keine Kenntnis der Zielvariablen erforderlich<\/td>\n<\/tr>\n<tr>\n<td>Herausforderungen<\/td>\n<td>Begrenzte Verf\u00fcgbarkeit von gelabelten Daten<\/td>\n<td>Komplexit\u00e4t des Findens von Mustern<\/td>\n<\/tr>\n<tr>\n<td>Beispiel-Algorithmen<\/td>\n<td>Support Vector Machines (SVM), Entscheidungsb\u00e4ume<\/td>\n<td>K-means Clustering, Hauptkomponentenanalyse (PCA)<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\nSchlie\u00dflich ist es wichtig zu betonen, dass es auch andere Arten des Lernens gibt, wie z. B. das <strong>halb\u00fcberwachte Lernen<\/strong>, das eine Mischung aus \u00fcberwachtem und un\u00fcberwachtem Lernen darstellt.\n\nM\u00f6chtest du alle Anwendungsbereiche des \u00fcberwachten und nicht \u00fcberwachten Lernens kennen lernen? M\u00f6chtest du lernen, sie zu nutzen? Entdecke unsere Schulungen!\n\n\n<div class=\"wp-block-buttons is-layout-flex wp-block-buttons-is-layout-flex is-content-justification-center\"><div class=\"wp-block-button \"><a class=\"wp-block-button__link wp-element-button \" href=\"https:\/\/liora.io\/de\/unsere-aus-und-weiterbildungen\">Entdecke unsere Weiterbildungen<\/a><\/div><\/div>\n","protected":false},"excerpt":{"rendered":"<p>Was die Zukunftsaussichten betrifft, so richten sich viele Hoffnungen auf das un\u00fcberwachte Lernen zur Verbesserung der Cybersicherheit oder zur Identifizierung verschiedener Krankheiten. Im Gegensatz zum \u00fcberwachten Lernen muss der Algorithmus beim un\u00fcberwachten Lernen mit nicht annotierten Beispielen arbeiten. In diesem Fall erfolgt das Lernen durch die Maschine v\u00f6llig unabh\u00e4ngig. Die Maschine wird mit Daten gef\u00fcttert, [\u2026]<\/p>\n","protected":false},"author":78,"featured_media":178934,"comment_status":"open","ping_status":"open","sticky":false,"template":"elementor_theme","format":"standard","meta":{"_acf_changed":false,"editor_notices":[],"footnotes":""},"categories":[2472],"class_list":["post-178932","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-data-ki"],"acf":[],"_links":{"self":[{"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/posts\/178932","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/users\/78"}],"replies":[{"embeddable":true,"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/comments?post=178932"}],"version-history":[{"count":3,"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/posts\/178932\/revisions"}],"predecessor-version":[{"id":216431,"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/posts\/178932\/revisions\/216431"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/media\/178934"}],"wp:attachment":[{"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/media?parent=178932"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/categories?post=178932"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}