Der Begriff \u201einformierte ML-Modelle\u201c stammt aus den Bereichen K\u00fcnstliche Intelligenz, Big Data und Smart Data sowie Industrie und Fabrik 4.0. Es handelt sich dabei um maschinelle Lernmodelle (ML steht f\u00fcr Machine Learning), die nicht nur aus Daten lernen, sondern zus\u00e4tzliches Wissen oder Experteninformationen nutzen. Solches Wissen kann zum Beispiel aus Handb\u00fcchern, Expertenaussagen oder bereits vorhandenen Forschungsergebnissen stammen.<\/p>\n
Diese zus\u00e4tzlichen Informationen helfen dem ML-Modell, bessere und genauere Vorhersagen zu treffen, weil es bei der Analyse nicht \u201ebei null\u201c startet. Statt nur aus riesigen Datenmengen zu lernen, wird gezielt relevantes Wissen eingebaut.<\/p>\n
Ein anschauliches Beispiel: In einer Fabrik soll eine Maschine mit Hilfe maschinellen Lernens vorher sagen, wann ein Defekt auftreten k\u00f6nnte. Statt nur auf die gesammelten Maschinendaten zu vertrauen, bekommt das Modell zus\u00e4tzlich das Fachwissen von Technikern eingespielt. Sie wissen zum Beispiel, dass bestimmte Ger\u00e4usche oft auf einen Lagerschaden hinweisen. Mit diesem Expertenwissen erkennt das ML-Modell m\u00f6gliche Probleme fr\u00fcher und genauer.<\/p>\n
Informierte ML-Modelle sind besonders n\u00fctzlich, wenn viele Daten zur Verf\u00fcgung stehen, aber zus\u00e4tzliches Spezialwissen den entscheidenden Unterschied macht. Sie kombinieren das Beste aus Mensch und Maschine.<\/p>\n","protected":false},"excerpt":{"rendered":"