Glossareintrag
Wir denken. KI tippt mit.
Machine Learning bei KI/AI (deutsch Maschinelles Lernen, kurz ML) ist ein Teilbereich der Künstlichen Intelligenz, bei dem Computerprogramme Muster und Regeln selbstständig aus Beispieldaten lernen, statt für jede Aufgabe fest programmiert zu werden. Ein moderner Spamfilter bekommt keine Liste verbotener Wörter. Er wird mit Millionen E-Mails trainiert, die Menschen zuvor als erwünscht oder unerwünscht markiert haben, und leitet daraus selbst ab, woran unerwünschte Post zu erkennen ist. Feste Filterregeln laufen dabei weiter mit, diese Mischform heißt hybride KI.
Je mehr geeignete Trainingsdaten ein System bekommt, desto treffsicherer werden seine Vorhersagen. Der Begriff stammt vom IBM-Forscher Arthur Samuel, der 1959 an einem selbstlernenden Dame-Programm arbeitete und Machine Learning sinngemäß als die Fähigkeit von Computern beschrieb, zu lernen, ohne ausdrücklich dafür programmiert zu sein.
Machine Learning ist die Grundtechnik hinter praktisch allen KI-Anwendungen, die Sie heute nutzen, vom Navi über den Spamfilter bis zu ChatGPT. Die Begriffe lassen sich wie Schalen ineinander denken. Künstliche Intelligenz ist der Oberbegriff, Machine Learning der wichtigste Teilbereich davon, und Deep Learning wiederum ist eine ML-Methode, die mit vielschichtigen neuronalen Netzen arbeitet. Auch die generative KI der aktuellen Chatbots baut auf diesem Fundament auf.
Beim Training verarbeitet ein Algorithmus große Datenmengen und justiert dabei Millionen interner Stellschrauben so lange, bis seine Vorhersagen möglichst oft stimmen. Das fertige Ergebnis heißt Modell. Wie das Lernen abläuft, unterscheidet sich nach drei Grundarten:
Auch Large Language Models wie die hinter ChatGPT, Claude und Gemini sind angewandtes Machine Learning. Sie beruhen auf der 2017 vorgestellten Transformer-Architektur, werden zunächst an riesigen Textmengen vortrainiert und anschließend mit menschlichem Feedback verfeinert. Die aktuellen Modellgenerationen des Jahres 2026, darunter GPT-5.6, Claude Fable 5 und die Gemini-3-Familie, entstehen alle nach diesem Prinzip.
Wie gut das im Alltag funktioniert, zeigen Zahlen der großen Anbieter. Googles Spamfilter in Gmail blockiert nach Googles Sicherheitsangaben zu Gmail über 99,9 Prozent aller Spam-, Phishing- und Schadsoftware-Mails. Wie der DeepMind-Bericht zur Ankunftszeit-Prognose zeigt, berechnet Google Maps Ankunftszeiten mit neuronalen Netzen und senkte damit die verbleibenden Prognosefehler in Städten wie Berlin um bis zu 50 Prozent. Der Kreditkartenanbieter Visa verhinderte mit ML-Systemen innerhalb eines Jahres Betrugsversuche im Wert von rund 40 Milliarden US-Dollar, so Visas Angaben zur KI-Betrugserkennung von 2024. Und DeepL übersetzt so treffend, weil seine neuronalen Netze ganze Sätze im Zusammenhang betrachten statt Wort für Wort.
Fehlerfrei ist Machine Learning nicht. Ein Modell übernimmt auch Verzerrungen aus seinen Trainingsdaten, seine Entscheidungen sind oft schwer nachvollziehbar, und selbst 99 Prozent Trefferquote bedeuten einen Fehler pro 100 Fällen. Bei wichtigen Entscheidungen sollte deshalb immer ein Mensch das Ergebnis prüfen.
Kein kleiner Betrieb muss selbst Machine Learning entwickeln, um davon zu profitieren, denn ML steckt fertig trainiert in vielen Werkzeugen für den Arbeitsalltag. Laut Bitkom nutzten 2025 bereits 36 Prozent der deutschen Unternehmen ab 20 Beschäftigten KI, nach der Bitkom-Studie zur Digitalisierung des Handwerks sind es im Handwerk erst 4 Prozent der Betriebe. Wer die folgenden Möglichkeiten kennt, ist der lokalen Konkurrenz also meist einen Schritt voraus.
Wenn Sie selbst erleben wollen, wie Maschinelles Lernen funktioniert, probieren Sie die kostenlose Google Teachable Machine aus. Dort trainieren Sie im Browser in wenigen Minuten ein eigenes Bilderkennungsmodell, ganz ohne Programmierkenntnisse und ohne Konto.
Eine eigene ML-Entwicklung lohnt sich dagegen erst bei großen Datenmengen, etwa in der Industrie. Für Handwerksbetriebe und lokale Dienstleister ist der sinnvolle Weg, fertige Tools zu nutzen. Welche sich zuerst lohnen, zeigt unser Überblick KI im Handwerk.
