Der Begriff „informierte ML-Modelle“ stammt aus den Bereichen Künstliche Intelligenz, Big Data und Smart Data sowie Industrie und Fabrik 4.0. Es handelt sich dabei um maschinelle Lernmodelle (ML steht für Machine Learning), die nicht nur aus Daten lernen, sondern zusätzliches Wissen oder Experteninformationen nutzen. Solches Wissen kann zum Beispiel aus Handbüchern, Expertenaussagen oder bereits vorhandenen Forschungsergebnissen stammen.
Diese zusätzlichen Informationen helfen dem ML-Modell, bessere und genauere Vorhersagen zu treffen, weil es bei der Analyse nicht „bei null“ startet. Statt nur aus riesigen Datenmengen zu lernen, wird gezielt relevantes Wissen eingebaut.
Ein anschauliches Beispiel: In einer Fabrik soll eine Maschine mit Hilfe maschinellen Lernens vorher sagen, wann ein Defekt auftreten könnte. Statt nur auf die gesammelten Maschinendaten zu vertrauen, bekommt das Modell zusätzlich das Fachwissen von Technikern eingespielt. Sie wissen zum Beispiel, dass bestimmte Geräusche oft auf einen Lagerschaden hinweisen. Mit diesem Expertenwissen erkennt das ML-Modell mögliche Probleme früher und genauer.
Informierte ML-Modelle sind besonders nützlich, wenn viele Daten zur Verfügung stehen, aber zusätzliches Spezialwissen den entscheidenden Unterschied macht. Sie kombinieren das Beste aus Mensch und Maschine.
Deutsch 
English (UK)