Machine Learning

Machine Learning

Machine Learning

Machine Learning oder Maschinelles Lernen ist ein Teilgebiet der künstlichen Intelligenz und beschreibt das “Lernen” eines digitalen Systems anhand realer Daten. Ein Algorithmus untersucht große Datenmengen nach bestimmten Mustern oder Gesetzmäßigkeiten. Anhand dieser Erkenntnisse sind IT-Systeme in der Lage, Lösungen für bestimmte Probleme zu finden. Diese Informationen können unter anderem für die Lösung verwandter Probleme oder die Analyse unbekannter Daten verwendet werden. Diese Technik basiert auf (selbstlernenden) Algorithmen, welche während des Lernprozesses angepasst bzw. verändert werden. Im Process Mining wird Machine Learning unter anderem für die Ursachenanalyse (Root-Cause-Analyse) eingesetzt.

Wie genau läuft Machine Learning ab?

Beginnen wir von vorne – und zwar mit uns, den Menschen. Voraussetzung für das Machine Learning ist logischerweise das Vorhandensein von Daten. Um Daten zu generieren, ist vorher irgendeine Art von menschlichem Handeln notwendig. Nehmen wir zum Beispiel Unternehmensprozesse. Die eingesetzten IT-Systeme protokollieren hier Prozessabläufe, wie zum Beispiel die Aktivitäten von Mitarbeitern. Aber auch die Datenerfassung in komplett automatisierten Prozessen wurde zu Beginn von einem Menschen aufgesetzt. Sobald die Daten vorliegen, muss immer noch ein Mensch dem System mitteilen, wie es den Datensatz zu analysieren hat. Das System braucht also Regeln oder Problemstellungen, damit die Algorithmen “wissen”, wonach sie den Datenbestand zu untersuchen haben. Der Mensch liefert also den Input – die generierten Daten – und gibt die Rahmenbedingungen für das System vor.

Sobald bestimmte Muster identifiziert werden, hält das System die Ergebnisse in einer entsprechenden Form fest, etwa als Regeln, Grafiken, in Textform oder als Kennzahlen. Diese sind dann so formuliert, dass sie für uns Menschen interpretierbar sind.

Was kann Machine Learning?

> Daten identifizieren, extrahieren und zusammenfassen
> Vorhersagen treffen
> Eintrittswahrscheinlichkeiten von Ereignissen berechnen
> Das System eigenständig an verschiedene Umstände und Entwicklungen anpassen
> Prozesse datenbasiert optimieren

Machine Learning und Process Mining

Auch im Process Mining werden große Datenmengen untersucht – konkret Prozessdaten. Daher eignet sich auch hier Machine Learning, zum Beispiel um herauszufinden, warum es zu der Entwicklung einer bestimmten Prozessvariante gekommen ist. Diese Art der Analyse wird auch als automatisierte Ursachenanalyse bezeichnet. Dabei untersucht der Algorithmus die Prozessdaten nach bestimmten Mustern oder Gesetzmäßigkeiten, um beispielsweise Prozessschwachstellen oder unerwünschte Prozessabweichungen zu erklären. Diese werden dann beispielsweise als als Regeln formuliert, die Auskunft über Ursache und Umfang der Schwachstelle geben. Gleichzeitig können die Regeln zum Treffen von Vorhersagen verwendet werden, beispielsweise zur Risikoeinschätzung von Bottlenecks.

 

Verwandte Begriffe: Analyse, Ursachenanalyse, Process Mining, Künstliche Intelligenz