Teil A · Was ist KI? · Lektion 4

Daten als Wissen

Geprüft am 20.11.2026

Ein Modell weiß nur, was in seinen Daten steckt. Fehlt ein wichtiger Einfluss in den Daten, kann es ihn nicht lernen.

Im Alltag

Eine erfahrene Disponentin weiß, dass montags und vor Feiertagen mehr bestellt wird. Dieses Wissen steckt in ihrem Kopf – und in den Bestelldaten der letzten Jahre. Ein Modell kann es nur aus den Daten holen.

Fachlich

Für maschinelles Lernen wird Wissen in Daten abgebildet: Jede Zeile ist ein Beispiel (Datensatz, Instanz), jede Spalte ein Merkmal (Feature). Die Größe, die vorhergesagt werden soll, heißt Zielgröße oder Label.

Das Modell lernt den Zusammenhang zwischen Merkmalen und Zielgröße – und nur den, der in den Daten steckt.

Ein Datensatz zum Anfassen

KundeVertragsdauer (Monate)BeschwerdenTarifRechnung (€)Gekündigt?
1340Basis29nein
253Premium79ja
3181Basis35nein

Merkmale: Vertragsdauer, Beschwerden, Tarif, Rechnung. Zielgröße (Label): Gekündigt.

Wie Daten Wissen repräsentieren

  • Strukturierte Daten: Tabellen mit festen Spalten (Datenbank, Excel).
  • Unstrukturierte Daten: Texte, Bilder, Audio, Video – sie werden für das Modell in Zahlen übersetzt (z. B. Pixelwerte, Embeddings).
  • Semi-strukturierte Daten: z. B. JSON, Log-Dateien, E-Mails mit Kopfzeilen.
  • Neben Daten gibt es auch explizites Wissen in Regeln, Ontologien und Wissensgraphen – das ist die Welt der regelbasierten KI.
Merksatz

Ein Modell weiß nur, was in seinen Daten steckt. Fehlt ein wichtiger Einfluss in den Daten, kann es ihn nicht lernen.

Falle

Die Kunden-ID ist kein sinnvolles Merkmal. Sie trägt kein Wissen über das Kündigen – ein Modell, das sie nutzt, lernt Zufallsmuster auswendig.

Kurz geprüft: Ein Versandhändler will vorhersagen, ob ein Paket zu spät kommt. Was ist hier die Zielgröße?

Hinweise für Lehrende

Diese Begriffe – Beispiel, Merkmal, Label – brauchen die Teilnehmenden in jedem weiteren Modul. Lassen Sie für den eigenen Betrieb einen Mini-Datensatz an die Tafel schreiben: Was wären Merkmale, was das Label?

Häufige Fragen zu „Daten als Wissen“

Was sind Merkmale und Labels im maschinellen Lernen?

Merkmale (Features) sind die Eingabeinformationen eines Beispiels, etwa Vertragsdauer oder Tarif. Das Label ist die Zielgröße, die vorhergesagt werden soll, zum Beispiel ob ein Kunde gekündigt hat.

Was ist der Unterschied zwischen strukturierten und unstrukturierten Daten?

Strukturierte Daten liegen in Tabellen mit festen Spalten vor. Unstrukturierte Daten sind Texte, Bilder, Audio oder Video und müssen für ein Modell erst in Zahlen übersetzt werden.

Warum ist eine Kunden-ID kein gutes Merkmal?

Eine ID ist ein zufälliger Bezeichner ohne fachliche Bedeutung für die Zielgröße. Ein Modell, das sie nutzt, lernt Zufallsmuster auswendig und versagt bei neuen Kunden.