Modul 1 · Lektion 9
Unüberwachtes Lernen
Geprüft am 19.11.2026
Unüberwacht = ohne Lösungen. Das Verfahren findet selbst Muster und Gruppen in den Daten.
Sie leeren einen Korb mit gewaschenen Socken aus. Niemand sagt Ihnen, welche Socke zu welcher gehört. Trotzdem sortieren Sie nach Farbe, Größe und Muster und finden die Paare. Sie entdecken die Ordnung selbst – ohne Lösungsheft.
Beim unüberwachten Lernen (engl. unsupervised learning) gibt es keine Labels. Das Verfahren sucht selbst nach Strukturen: Gruppen ähnlicher Datenpunkte (Clustering), ungewöhnliche Ausreißer (Anomalieerkennung) oder eine Vereinfachung vieler Merkmale (Dimensionsreduktion).

Beispiel: Kundengruppen im Onlinehandel
Ein Händler hat Daten zu 50.000 Kundinnen und Kunden: wie oft sie kaufen, wie viel sie ausgeben, wann sie zuletzt bestellt haben. Ein Clustering findet zum Beispiel drei Gruppen: „Schnäppchenjäger“, „treue Stammkundschaft“ und „Einmalkäufer“. Die Namen vergibt danach ein Mensch – das Verfahren liefert nur die Gruppen.
Weitere Einsätze
- Auffällige Kreditkartenzahlungen erkennen (Anomalie).
- Maschinen erkennen, die sich anders verhalten als sonst.
- Ähnliche Dokumente oder Produkte gruppieren.
Unüberwacht = ohne Lösungen. Das Verfahren findet selbst Muster und Gruppen in den Daten.
Hinweise für Lehrende
Das Sockenbeispiel funktioniert gut, wenn Sie es vorspielen. Dann zur Animation: Zeigen Sie die vier Schritte rechts im Bild mit. Das genaue Verfahren k-Means kommt in Modul 5, hier reicht das Prinzip.
Wichtiger Punkt: Das Verfahren weiß nicht, was die Gruppen bedeuten. Die Deutung ist Aufgabe des Menschen. Das wird in Prüfungen gern gefragt.