Grundlagen · Begriff · absofort: KI-Weiterbildung mit verifizierbarem Lernnachweis
Was ist überwachtes Lernen bei KI?
Kurz gesagt
Beim überwachten Lernen bekommt eine KI viele Beispiele mit der richtigen Antwort dazu, etwa Mails, die als Spam oder Nicht-Spam markiert sind. Daraus lernt sie, neue, noch unbekannte Fälle selbst zuzuordnen. Die Qualität hängt stark davon ab, wie sorgfältig die Beispielantworten, die sogenannten Labels, erstellt wurden.
Einfach erklärt
Beim überwachten Lernen (englisch Supervised Learning) lernt eine KI wie ein Lehrling mit Musterlösungen. Sie erhält Beispiele, bei denen die richtige Antwort schon feststeht. Diese Antworten heissen Labels (Beschriftungen). Aus vielen solchen Paaren «Beispiel plus richtige Antwort» erkennt das Modell Muster und kann später ähnliche, neue Fälle selbst beurteilen.
Das Wort «überwacht» meint: Jemand hat vorher festgelegt, was richtig ist. Es bedeutet nicht, dass ein Mensch beim Einsatz ständig zuschaut.
| Aufgabe | Beispiel (Eingabe) | Label (richtige Antwort) |
|---|---|---|
| Spam erkennen | Spam / kein Spam | |
| Rechnungen sortieren | Rechnungstext | Kategorie, z. B. Telefon, Miete |
| Preis schätzen | Merkmale einer Wohnung | bekannter Verkaufspreis |
| Bild erkennen | Foto | «Katze» oder «Hund» |
Ein Beispiel aus der Praxis
Ein Beispiel: Ein Treuhandbüro in Winterthur möchte, dass ein Programm Belege automatisch nach Konten vorsortiert. Die Mitarbeiterinnen beschriften zuerst mehrere hundert Belege von Hand. Das Programm lernt daraus die Zuordnung. Bei neuen Belegen schlägt es ein Konto vor, und die Mitarbeiterin bestätigt oder korrigiert. Bei unsicheren Fällen entscheidet immer ein Mensch.
Vorlage zum Kopieren
Wir möchten [Aufgabe, z. B. Kundenmails nach Thema sortieren] mit überwachtem Lernen lösen.
Welche Beispiele und Labels bräuchten wir? Wie viele Kategorien sind sinnvoll?
Wie stellen wir sicher, dass die Labels einheitlich vergeben werden?
Welche Fehler sind typisch, und wie testen wir die Qualität?Ersetzen Sie die Aufgabe. Beispieldaten sollten anonymisiert sein.
Worauf Sie achten müssen
- Aufwand: Das Beschriften kostet Zeit und muss sorgfältig geschehen. Siehe Was bedeutet Daten beschriften für KI?.
- Einseitige Beispiele: Fehlen bestimmte Fälle, erkennt das Modell sie später schlecht.
- Datenschutz: Beispieldaten können Personendaten enthalten. Anonymisieren Sie, wenn möglich.
- Kontrolle: Prüfen Sie Ergebnisse regelmässig mit neuen Stichproben.
So hilft Ihnen Alpasana
Wer die Grundbegriffe des maschinellen Lernens sicher einordnen möchte, findet bei absofort die KI-Weiterbildung mit verifizierbarem Lernnachweis. Beschrieben sind Foundation-Angebote ohne Vorkenntnisse mit Praxisaufgaben, Modul-Quizzen und überprüfbarem Zertifikat.
Häufige Fragen
Wie viele Beispiele braucht überwachtes Lernen?
Das hängt von der Aufgabe ab. Einfache Zuordnungen brauchen weniger, schwierige mehr. Starten Sie mit einer kleinen, sorgfältigen Menge und testen Sie.
Lernen Chatprogramme auch so?
Zum Teil. Sprachmodelle lernen vor allem aus Texten ohne fertige Lösungen und werden später mit Beispielen und Rückmeldungen verfeinert.
Erstellt mit KI-Unterstützung, redaktionell verantwortet von der Alpasana GmbH · 10.10.2026. Fehler entdeckt? Melden Sie es uns.
Weiterlesen in der Galaxie
- Wie lernt eine KI aus Beispielen?Wie lernt künstliche Intelligenz? Einfach erklärt: Training mit Beispielen, Mustererkennung und Rückmeldungen, ohne Mathematik, mit Alltagsvergleichen.
- Was ist verstärkendes Lernen bei KI?Verstärkendes Lernen einfach erklärt: Was eine Belohnung für eine KI bedeutet, wie Lernen durch Ausprobieren funktioniert und wo es eingesetzt wird.