Machine Learning (Maschinelles Lernen)

Machine Learning, auf Deutsch maschinelles Lernen, ist das Grundprinzip hinter den meisten KI-Anwendungen. Statt einem Computer jede Regel einzeln vorzugeben, zeigt man ihm sehr viele Beispiele. Aus diesen Beispielen leitet das System selbst die Muster ab und kann das Gelernte später auf neue Fälle anwenden.

Für die Einordnung im Betrieb hilft die Unterscheidung zwischen Training und Anwendung. Das Training verlangt sehr große Datenmengen und erhebliche Rechenleistung; es findet beim Anbieter statt, nicht im Handwerksbetrieb. Die Anwendung des fertigen Modells läuft dagegen auf einem gewöhnlichen Gerät und liefert in Sekunden ein Ergebnis. Wenn ein Anbieter davon spricht, ein Modell lerne aus den eigenen Daten, ist deshalb zu klären, was genau gemeint ist und wo diese Daten verarbeitet werden.

Ebenso wichtig ist die Erkenntnis, dass solche Systeme Wahrscheinlichkeiten liefern, keine Feststellungen. Eine erkannte Auffälligkeit auf einem Foto ist ein Hinweis, der fachlich zu prüfen ist. Wer die Ausgabe als Ergebnis behandelt, verlagert eine Beurteilung auf ein System, das dafür nicht ausgelegt ist.

Lernen aus Beispielen statt feste Regeln

Klassische Software arbeitet nach starren Wenn-dann-Regeln, die ein Programmierer festgelegt hat. Machine Learning funktioniert anders. Will man einem System beibringen, eine defekte von einer intakten Schraube zu unterscheiden, zeigt man ihm tausende Bilder beider Sorten. Das System erkennt die Unterschiede selbst und kann danach auch neue, unbekannte Bilder einordnen. Genau dieses Prinzip steckt auch hinter Large Language Models, die aus riesigen Textmengen gelernt haben, wie Sprache aufgebaut ist.

Je mehr und je sauberer die Beispieldaten, desto besser das Ergebnis. Schlechte oder einseitige Trainingsdaten führen zu schlechten Ergebnissen, auch das gehört zur ehrlichen Einordnung.

Was das fürs Handwerk bedeutet

Für einen Handwerksbetrieb ist Machine Learning selten ein eigenes Projekt, sondern steckt unsichtbar in den genutzten Werkzeugen. Wenn eine App auf einem Baustellenfoto Risse erkennt, eine Software die nächste Wartung vorhersagt oder ein Programm Sprache in Text umwandelt, arbeitet im Hintergrund maschinelles Lernen.

Ein praktisches Beispiel: Eine Anwendung zur Baustellendokumentation mit KI lernt aus vielen Beispielfotos, typische Mängel auf neuen Aufnahmen zu markieren. Der Betrieb muss diese Technik nicht selbst bauen, sondern nur ein Werkzeug auswählen, das damit ausgestattet ist.

Praktisch relevant ist außerdem, dass die Qualität solcher Systeme mit der Ähnlichkeit zur Trainingssituation steht und fällt. Ein Modell, das an Neubauaufnahmen trainiert wurde, erkennt in einem verwinkelten Altbau mit schlechten Lichtverhältnissen deutlich weniger zuverlässig. Vor einer Einführung lohnt deshalb ein Test mit eigenen Bildern und eigenen Unterlagen statt mit dem Demomaterial des Anbieters.

Die wichtigste Erkenntnis für die Praxis: Sie müssen Machine Learning nicht verstehen, um davon zu profitieren, aber es hilft zu wissen, dass solche Systeme nur so gut sind wie ihre Daten. Welche datengetriebenen Werkzeuge sich für Ihren Betrieb lohnen, klären wir in einer KI-Beratung für das Handwerk.