Teil C · Arten des maschinellen Lernens · Lektion 10
Unüberwachtes Lernen
Geprüft am 20.11.2026
Unüberwacht = ohne Labels. Das Verfahren findet Gruppen, Ausreißer oder Vereinfachungen; die Bedeutung legt ein Mensch fest.
Sie kippen eine Kiste mit Legosteinen aus und sortieren, ohne dass jemand Fächer vorgibt. Am Ende liegen ähnliche Steine zusammen – nach Farbe, Form oder Größe. Welche Ordnung „richtig“ ist, entscheiden Sie erst danach.
Beim unüberwachten Lernen gibt es keine Labels. Das Verfahren sucht selbst nach Strukturen in den Daten. Typische Aufgaben:
- Clustering: ähnliche Beispiele zu Gruppen zusammenfassen (z. B. k-Means).
- Dimensionsreduktion: viele Merkmale auf wenige verdichten (z. B. PCA).
- Anomalieerkennung: ungewöhnliche Fälle finden.
- Assoziationsregeln: „Wer A kauft, kauft oft auch B“.
Beispiel Kundensegmente
Ein Onlinehändler gruppiert seine Kundschaft nach Kaufhäufigkeit, Warenkorbwert und Zeit seit dem letzten Kauf. Heraus kommen etwa „Stammkunden mit hohem Umsatz“, „Schnäppchenjäger“ und „Eingeschlafene“. Die Namen vergibt danach ein Mensch – das Verfahren liefert nur die Gruppen.
Unüberwacht = ohne Labels. Das Verfahren findet Gruppen, Ausreißer oder Vereinfachungen; die Bedeutung legt ein Mensch fest.
Clustering ist keine Klassifikation. Bei der Klassifikation sind die Klassen vorher bekannt und in den Trainingsdaten markiert; beim Clustering entstehen die Gruppen erst.
Hinweise für Lehrende
Zeigen Sie noch einmal das mittlere Feld der Lernarten-Animation. Fragen Sie: „Wie viele Gruppen gibt es?“ – Die Antwort ist nicht eindeutig. Genau deshalb braucht unüberwachtes Lernen fachliche Deutung (Modul 4).
Häufige Fragen zu „Unüberwachtes Lernen“
Was ist unüberwachtes Lernen?
Beim unüberwachten Lernen gibt es keine Labels. Das Verfahren findet selbst Strukturen, etwa Gruppen ähnlicher Kunden (Clustering), ungewöhnliche Fälle (Anomalien) oder eine Verdichtung vieler Merkmale.
Was ist der Unterschied zwischen Clustering und Klassifikation?
Bei der Klassifikation sind die Klassen vorher bekannt und in den Trainingsdaten markiert. Beim Clustering entstehen die Gruppen erst durch das Verfahren, und ein Mensch gibt ihnen danach eine Bedeutung.