Supervised Learning

Was ist Supervised Learning?

Supervised Learning ist eine Methode des maschinellen Lernens, bei der ein Modell anhand gekennzeichneter Beispieldaten trainiert wird. Zu jeder Eingabe ist das gewünschte Ergebnis bekannt. Das Modell lernt daraus Zusammenhänge und überträgt sie auf neue Daten, etwa zur Klassifikation von Texten oder zur Vorhersage numerischer Werte.

Supervised Learning, auf Deutsch überwachtes Lernen, zählt zu den grundlegenden Lernverfahren der künstlichen Intelligenz. Das Verfahren eignet sich für Aufgaben, bei denen historische Daten und korrekte Zielwerte verfügbar sind. Ein Zielwert kann eine Kategorie wie „Spam“ oder eine Zahl wie der erwartete Umsatz sein.

Wie funktioniert Supervised Learning?

Beim Supervised Learning erhält ein Algorithmus Trainingsbeispiele aus Eingabedaten und den dazugehörigen richtigen Ergebnissen. Die Eingabedaten werden als Merkmale oder Features bezeichnet, die bekannten Ergebnisse als Labels oder Zielwerte. Anhand dieser Zuordnung lernt das Modell, welche Merkmale mit welchem Ergebnis zusammenhängen.

Ein typischer Lernprozess besteht aus mehreren Schritten:

Zuerst werden geeignete Daten gesammelt, bereinigt und mit den korrekten Zielwerten versehen.
Danach wird der Datensatz in Trainingsdaten und unabhängige Testdaten aufgeteilt.
Der Algorithmus passt seine internen Parameter anhand der Trainingsbeispiele an.
Abschließend wird geprüft, wie zuverlässig das Modell bisher unbekannte Testdaten verarbeitet.

Während des Trainings erzeugt das Modell eine Vorhersage und vergleicht sie mit dem bekannten Zielwert. Eine Verlustfunktion misst die Abweichung zwischen Vorhersage und tatsächlichem Ergebnis. Der Lernalgorithmus verändert daraufhin die Modellparameter, um diesen Fehler über viele Trainingsdurchläufe zu reduzieren.

Ein einfaches Beispiel ist die Erkennung von Spam-Mails. Der Trainingsdatensatz enthält E-Mails, die bereits als „Spam“ oder „kein Spam“ gekennzeichnet sind. Das Modell untersucht Merkmale wie Absender, Formulierungen und Links. Anschließend ordnet es neue Nachrichten einer der beiden Kategorien zu.

Klassifikation und Regression

Die zwei wichtigsten Aufgabenarten beim Supervised Learning sind Klassifikation und Regression. Bei der Klassifikation sagt das Modell eine diskrete Klasse voraus. Bei der Regression berechnet es einen kontinuierlichen Zahlenwert.

Aufgabenart	Ziel	Beispiel im Marketing
Klassifikation	Zuordnung zu einer festgelegten Kategorie	Bewertung eines Leads als kaufbereit oder noch nicht kaufbereit
Regression	Vorhersage eines numerischen Wertes	Prognose des erwarteten Umsatzes einer Kampagne

Zur Klassifikation gehören auch Aufgaben mit mehr als zwei möglichen Klassen. Ein Modell kann beispielsweise Suchanfragen den Kategorien Information, Navigation, Transaktion und lokale Suche zuordnen. Bei einer Regression könnte es dagegen die voraussichtliche Conversion Rate oder den zu erwartenden Klickpreis schätzen.

Trainingsdaten bestimmen die Qualität

Die Qualität eines überwachten Lernmodells hängt stark von seinen Trainingsdaten ab. Die Beispiele müssen korrekt gekennzeichnet, ausreichend vielfältig und für den späteren Einsatzfall repräsentativ sein. Enthält der Datensatz systematische Verzerrungen, übernimmt das Modell diese Muster und liefert entsprechend verzerrte Vorhersagen.

Gute Trainingsdaten erfüllen mehrere Anforderungen:

Die Labels wurden nach einheitlichen und nachvollziehbaren Regeln vergeben.
Die Daten decken typische Fälle sowie relevante Ausnahmen ab.
Trainingsdaten und Testdaten enthalten keine unzulässigen Überschneidungen.
Die verwendeten Merkmale stehen auch bei späteren Vorhersagen zur Verfügung.

Für Marketing-Anwendungen reicht eine große Datenmenge allein nicht aus. Wenn historische Conversion-Daten fehlerhaft erfasst wurden oder wichtige Kanäle fehlen, lernt das Modell Zusammenhänge, die den tatsächlichen Entscheidungsprozess nur unvollständig abbilden. Deshalb beginnt ein belastbares KI-Projekt mit einer Prüfung von Datenherkunft, Messlogik und Zieldefinition.

Data Leakage entsteht, wenn Informationen aus den Testdaten oder aus der Zukunft unbemerkt in das Training einfließen. Das Modell erzielt dann scheinbar sehr gute Testwerte, scheitert jedoch mit echten neuen Daten. Trainings-, Validierungs- und Testdaten müssen deshalb sauber voneinander getrennt werden.

Wie wird ein Modell bewertet?

Die passende Bewertungskennzahl richtet sich nach der Aufgabe. Bei einer Klassifikation misst die Accuracy den Anteil korrekter Zuordnungen. Precision zeigt, wie viele positiv vorhergesagte Fälle tatsächlich positiv sind. Recall gibt an, wie viele der vorhandenen positiven Fälle das Modell erkannt hat.

Eine hohe Accuracy kann bei ungleich verteilten Klassen irreführend sein. Wenn nur ein Prozent aller Transaktionen betrügerisch ist, erreicht ein Modell bereits 99 Prozent Accuracy, indem es jede Transaktion als unauffällig einstuft. Für solche Aufgaben liefern Precision, Recall und der daraus berechnete F1-Score mehr Aussagekraft.

Regressionsmodelle werden häufig anhand ihrer durchschnittlichen Vorhersagefehler bewertet. Der Mean Absolute Error misst die mittlere absolute Abweichung vom tatsächlichen Wert. Der Mean Squared Error gewichtet große Fehler stärker, weil die Abweichungen quadriert werden. Die Kennzahl sollte deshalb zur wirtschaftlichen Bedeutung der Fehler passen.

Supervised Learning im Online-Marketing

Im Online-Marketing kann Supervised Learning vorhandene Messdaten in Prognosen oder automatische Zuordnungen übersetzen. Mögliche Einsatzfelder sind die Bewertung von Leads, die Erkennung auffälliger Klickmuster, die Prognose von Kampagnenwerten und die thematische Einordnung großer Keyword-Mengen.

Für SEO kann das Verfahren Suchbegriffe nach Suchintention klassifizieren, Seiten thematischen Clustern zuordnen oder Muster in historischen Ranking-Daten erkennen. Solche Ergebnisse ersetzen keine fachliche Prüfung. Sie helfen jedoch, große Datenbestände zu strukturieren und Kandidaten für eine vertiefte SEO-Keyword-Analyse zu priorisieren.

Im SEA lassen sich Modelle mit historischen Klick-, Kosten- und Conversion-Daten trainieren. Sie können anschließend Wahrscheinlichkeiten oder erwartete Werte für neue Fälle berechnen. Die Prognose bleibt nur belastbar, solange Tracking, Angebotsstruktur und Marktbedingungen ausreichend mit den Trainingsdaten übereinstimmen.

Für GEO, ausgeschrieben Generative Engine Optimization, ist der Begriff vor allem zum Verständnis moderner KI-Systeme relevant. Die von ChatGPT, Claude, Perplexity oder Gemini verwendeten Sprachmodelle entstehen allerdings nicht ausschließlich durch überwachtes Lernen. Ihr Training verbindet verschiedene Lernverfahren, Datenquellen und menschliche Bewertungsprozesse. Unternehmen können solche Modelle daher nicht durch einzelne Website-Änderungen direkt neu trainieren.

Wer die eigene Auffindbarkeit in KI-Antworten verbessern möchte, benötigt klare Informationen, fachlich belastbare Inhalte und messbare Daten. Der OSG-Ratgeber erklärt, wie Unternehmen bei ChatGPT besser gefunden werden. Ergänzend zeigt der Beitrag zu KI-Erfolgsstrategien im SEO, wie Datenanalyse, Priorisierung und redaktionelle Kontrolle zusammenspielen.

Abgrenzung der Lernverfahren

Der Unterschied zwischen Supervised Learning und Unsupervised Learning liegt in den Zielwerten. Überwachtes Lernen nutzt gekennzeichnete Beispiele mit bekannten Ergebnissen. Unüberwachtes Lernen verarbeitet Daten ohne vorgegebene Labels und sucht selbstständig nach Gruppen, Strukturen oder auffälligen Mustern.

Der Unterschied zwischen Supervised Learning und Reinforcement Learning liegt im Feedback. Beim überwachten Lernen kennt das System für jedes Trainingsbeispiel das gewünschte Ergebnis. Beim bestärkenden Lernen führt ein Akteur Aktionen aus und erhält dafür Belohnungen oder negative Bewertungen, aus denen er schrittweise eine Strategie entwickelt.

Deep Learning bezeichnet dagegen keine alternative Feedbackform, sondern eine Modellklasse mit tiefen neuronalen Netzen. Ein Deep-Learning-Modell kann überwacht, unüberwacht oder mit weiteren Verfahren trainiert werden. Supervised Learning beschreibt somit die Lernmethode, während Deep Learning die technische Modellarchitektur bezeichnet.

Wann eignet sich überwachtes Lernen?

Supervised Learning eignet sich, wenn das gewünschte Ergebnis eindeutig definiert werden kann und genügend korrekt gekennzeichnete Beispiele vorliegen. Zusätzlich muss die Vorhersage einen konkreten Nutzen erzeugen, etwa weniger manuelle Sortierarbeit, eine bessere Priorisierung oder eine konsistentere Bewertung wiederkehrender Fälle.

Vor der Umsetzung solltest du fünf Fragen beantworten:

Welche konkrete Kategorie oder Kennzahl soll das Modell vorhersagen?
Wie wurden die Zielwerte erhoben und auf Fehler geprüft?
Sind genügend Beispiele für seltene und wirtschaftlich relevante Fälle vorhanden?
Mit welcher Kennzahl wird die Modellqualität gemessen?
Wie werden Fehlentscheidungen erkannt und fachlich kontrolliert?

Ein Modell sollte regelmäßig mit neuen Daten überprüft werden, weil sich Nutzerverhalten, Märkte und Kampagnen verändern. Diese Veränderung der Datenverteilung wird als Data Drift bezeichnet. Sinkt die Leistung, können aktualisierte Trainingsdaten, neue Merkmale oder eine erneute Modellabstimmung erforderlich sein.

Für datenbasierte KI-Analysen kannst du einen Free Account anlegen und deine eigene Datenbasis strukturiert auswerten:

Free Account anlegen

Häufige Fragen zu Supervised Learning

Was ist ein Label beim Supervised Learning?

Ein Label ist das bekannte richtige Ergebnis eines Trainingsbeispiels. Es kann eine Kategorie wie 'Spam' oder ein numerischer Zielwert wie der tatsächliche Umsatz sein.

Welche Algorithmen nutzen überwachtes Lernen?

Zu den verbreiteten Verfahren gehören lineare und logistische Regression, Entscheidungsbäume, Random Forests, Support Vector Machines und neuronale Netze. Die Auswahl hängt von Datentyp, Aufgabenstellung, Datenmenge und gewünschter Erklärbarkeit ab.

Wie viele Trainingsdaten braucht ein Modell?

Eine feste Mindestmenge gibt es nicht. Der Bedarf hängt von der Komplexität der Aufgabe, der Anzahl der Merkmale, der Modellarchitektur und der Vielfalt der realen Fälle ab. Saubere und repräsentative Daten sind häufig wertvoller als eine große Menge fehlerhafter Beispiele.

Kann Supervised Learning ohne Labels funktionieren?

Überwachtes Lernen benötigt bekannte Zielwerte für das Training. Fehlen Labels vollständig, kommen eher unüberwachte oder selbstüberwachte Verfahren infrage. Teilüberwachtes Lernen kann zusätzlich wenige gekennzeichnete mit vielen ungekennzeichneten Daten verbinden.

Was bedeutet Overfitting beim überwachten Lernen?

Overfitting bedeutet, dass ein Modell die Trainingsdaten einschließlich zufälliger Besonderheiten zu genau lernt. Es erzielt dann gute Werte im Training, liefert bei unbekannten Daten aber deutlich schlechtere Vorhersagen.

Ist ChatGPT ein Beispiel für Supervised Learning?

ChatGPT ist kein reines Beispiel für Supervised Learning. Große Sprachmodelle werden zunächst mit umfangreichen Textbeständen vortrainiert und anschließend mit weiteren Verfahren angepasst, zu denen auch gekennzeichnete Beispiele und menschliches Feedback gehören können.