{"id":35,"date":"2026-05-18T12:37:24","date_gmt":"2026-05-18T12:37:24","guid":{"rendered":"https:\/\/convly.ai\/supervised-vs-unsupervised-vs-reinforcement-learning\/"},"modified":"2026-06-10T05:06:17","modified_gmt":"2026-06-10T05:06:17","slug":"supervised-vs-unsupervised-vs-reinforcement-learning","status":"publish","type":"post","link":"https:\/\/convly.ai\/de\/supervised-vs-unsupervised-vs-reinforcement-learning\/","title":{"rendered":"\u00dcberwachtes vs. un\u00fcberwachtes vs. verst\u00e4rkendes Lernen \u2013 einfach erkl\u00e4rt"},"content":{"rendered":"<p>Jedes System f\u00fcr maschinelles Lernen lernt auf eine von drei grundlegenden Arten: <strong>\u00fcberwacht<\/strong>, <strong>un\u00fcberwacht<\/strong>, oder <strong>verst\u00e4rkend<\/strong> Lernen. Dabei handelt es sich nicht um konkurrierende Technologien, sondern um drei verschiedene Antworten auf dieselbe Frage: <em>Welche Art von Feedback erh\u00e4lt das System w\u00e4hrend des Lernprozesses?<\/em> Das Verst\u00e4ndnis dieser drei Ans\u00e4tze ist der klarste Weg, um zu begreifen, wie maschinelles Lernen tats\u00e4chlich funktioniert.<\/p>\n<div class=\"convly-tldr\">\n<h3>Wichtigste Erkenntnisse<\/h3>\n<ul>\n<li><strong>\u00dcberwachtes Lernen<\/strong> \u2014 lernt anhand beschrifteter Beispiele, die die korrekte Antwort enthalten. Die gebr\u00e4uchlichste Form.<\/li>\n<li><strong>Un\u00fcberwachtes Lernen<\/strong> \u2014 lernt anhand unbeschrifteter Daten und findet selbstst\u00e4ndig verborgene Strukturen.<\/li>\n<li><strong>Verst\u00e4rkendes Lernen<\/strong> \u2014 lernt durch Versuch und Irrtum, gesteuert durch Belohnungen und Bestrafungen.<\/li>\n<li><strong>Der entscheidende Faktor<\/strong> ist die Art der vorliegenden Daten: Antworten, keine Antworten oder eine Umgebung, in der gehandelt werden kann.<\/li>\n<\/ul>\n<\/div>\n<div id=\"ez-toc-container\" class=\"ez-toc-v2_0_84 counter-flat ez-toc-counter ez-toc-container-direction\">\n<label for=\"ez-toc-cssicon-toggle-item-6a52c1682e8f8\" class=\"ez-toc-cssicon-toggle-label\"><span class=\"\"><span class=\"eztoc-hide\" style=\"display:none;\">Umschalten<\/span><span class=\"ez-toc-icon-toggle-span\"><svg style=\"fill: #000000;color:#000000\" xmlns=\"http:\/\/www.w3.org\/2000\/svg\" class=\"list-377408\" width=\"20px\" height=\"20px\" viewbox=\"0 0 24 24\" fill=\"none\"><path d=\"M6 6H4v2h2V6zm14 0H8v2h12V6zM4 11h2v2H4v-2zm16 0H8v2h12v-2zM4 16h2v2H4v-2zm16 0H8v2h12v-2z\" fill=\"currentColor\"><\/path><\/svg><svg style=\"fill: #000000;color:#000000\" class=\"arrow-unsorted-368013\" xmlns=\"http:\/\/www.w3.org\/2000\/svg\" width=\"10px\" height=\"10px\" viewbox=\"0 0 24 24\" version=\"1.2\" baseprofile=\"tiny\"><path d=\"M18.2 9.3l-6.2-6.3-6.2 6.3c-.2.2-.3.4-.3.7s.1.5.3.7c.2.2.4.3.7.3h11c.3 0 .5-.1.7-.3.2-.2.3-.5.3-.7s-.1-.5-.3-.7zM5.8 14.7l6.2 6.3 6.2-6.3c.2-.2.3-.5.3-.7s-.1-.5-.3-.7c-.2-.2-.4-.3-.7-.3h-11c-.3 0-.5.1-.7.3-.2.2-.3.5-.3.7s.1.5.3.7z\"\/><\/svg><\/span><\/span><\/label><input type=\"checkbox\"  id=\"ez-toc-cssicon-toggle-item-6a52c1682e8f8\"  aria-label=\"Umschalten\" \/><nav><ul class='ez-toc-list ez-toc-list-level-1' ><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-1\" href=\"https:\/\/convly.ai\/de\/supervised-vs-unsupervised-vs-reinforcement-learning\/#The_one_question_that_separates_them\" >Die eine Frage, die sie voneinander unterscheidet<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-2\" href=\"https:\/\/convly.ai\/de\/supervised-vs-unsupervised-vs-reinforcement-learning\/#Supervised_learning\" >\u00dcberwachtes Lernen<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-3\" href=\"https:\/\/convly.ai\/de\/supervised-vs-unsupervised-vs-reinforcement-learning\/#Unsupervised_learning\" >Un\u00fcberwachtes Lernen<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-4\" href=\"https:\/\/convly.ai\/de\/supervised-vs-unsupervised-vs-reinforcement-learning\/#Reinforcement_learning\" >Verst\u00e4rkendes Lernen<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-5\" href=\"https:\/\/convly.ai\/de\/supervised-vs-unsupervised-vs-reinforcement-learning\/#Side-by-side_comparison\" >Vergleich nebeneinander<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-6\" href=\"https:\/\/convly.ai\/de\/supervised-vs-unsupervised-vs-reinforcement-learning\/#How_to_choose\" >So w\u00e4hlen Sie aus<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-7\" href=\"https:\/\/convly.ai\/de\/supervised-vs-unsupervised-vs-reinforcement-learning\/#Beyond_the_big_three_self-supervised_semi-supervised_and_hybrid_systems\" >Jenseits der gro\u00dfen drei: Selbst\u00fcberwachtes, halb\u00fcberwachtes und hybrides Lernen<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-8\" href=\"https:\/\/convly.ai\/de\/supervised-vs-unsupervised-vs-reinforcement-learning\/#FAQ\" >H\u00e4ufig gestellte Fragen (FAQ)<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-9\" href=\"https:\/\/convly.ai\/de\/supervised-vs-unsupervised-vs-reinforcement-learning\/#Bottom_line\" >Fazit<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-10\" href=\"https:\/\/convly.ai\/de\/supervised-vs-unsupervised-vs-reinforcement-learning\/#Related_articles\" >Verwandte Artikel<\/a><\/li><\/ul><\/nav><\/div>\n<h2><span class=\"ez-toc-section\" id=\"The_one_question_that_separates_them\"><\/span>Die eine Frage, die sie voneinander unterscheidet<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Maschinelles Lernen dreht sich um das Lernen aus Feedback. Die drei Arten unterscheiden sich vollst\u00e4ndig darin, welche Art <em>von Feedback<\/em> das System erh\u00e4lt:<\/p>\n<ul>\n<li><strong>\u00dcberwacht:<\/strong> \u201eHier sind Beispiele <em>mit den richtigen Antworten<\/em>. Lernen Sie, sie nachzubilden.\u201c<\/li>\n<li><strong>Un\u00fcberwacht:<\/strong> \u201eHier ist Datenmaterial <em>ohne Antworten<\/em>. Finden Sie selbst die Struktur heraus.\u201c<\/li>\n<li><strong>Verst\u00e4rkend:<\/strong> \u201eHier ist eine Umgebung. <em>Handeln Sie \u2013 und ich belohne oder bestrafe Sie daf\u00fcr.\u201c<\/em>\u201e<\/li>\n<\/ul>\n<p>Das ist das gesamte Konzept. Alles Folgende sind Details.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"Supervised_learning\"><\/span>\u00dcberwachtes Lernen<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Beim \u00fcberwachten Lernen ist jedes Trainingsbeispiel mit einer <strong>Beschriftung<\/strong> \u2013 also der korrekten Antwort \u2013 versehen. Das Modell analysiert Tausende von Eingabe-Antwort-Paaren und lernt die Beziehung zwischen ihnen, sodass es die Antwort f\u00fcr neue Eingaben vorhersagen kann.<\/p>\n<p>Um einen Spam-Filter zu erstellen, stellen Sie dem Modell Tausende von E-Mails zur Verf\u00fcgung, wobei jede als \u201eSpam\u201c oder \u201eKein Spam\u201c gekennzeichnet ist. Es erlernt die Muster, die beide Klassen unterscheiden, und kann dann eine bisher unbekannte E-Mail klassifizieren. Die \u201e\u00dcberwachung\u201c erfolgt durch die Beschriftungen \u2013 vergleichbar mit einem Lehrer, der einen L\u00f6sungsschl\u00fcssel bereitstellt.<\/p>\n<p>\u00dcberwachtes Lernen l\u00f6st zwei Arten von Problemen:<\/p>\n<ul>\n<li><strong>Klassifikation<\/strong> \u2013 Vorhersage einer Kategorie. Spam oder kein Spam? Welche Krankheit? Welches Tier ist auf dem Foto abgebildet?<\/li>\n<li><strong>Regression<\/strong> \u2013 Vorhersage einer Zahl. Welcher Preis? Welche Temperatur morgen? Wie viele Verk\u00e4ufe?<\/li>\n<\/ul>\n<p><strong>Warum es am h\u00e4ufigsten eingesetzt wird:<\/strong> Die meisten wertvollen gesch\u00e4ftlichen Probleme sind Vorhersageprobleme, und beschriftete Daten \u2013 obwohl ihre Erstellung manchmal kostspielig ist \u2013 f\u00fchren zu genauen, messbaren Modellen. Die Hauptkosten bestehen genau darin: Jemand muss die Daten beschriften.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"Unsupervised_learning\"><\/span>Un\u00fcberwachtes Lernen<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Beim un\u00fcberwachten Lernen liegen die Daten <strong>ohne Labels vor<\/strong> \u2014 nur Eingaben, keine Antworten. Die Aufgabe des Modells besteht darin, selbstst\u00e4ndig Strukturen, Muster oder Gruppierungen zu erkennen, ohne dass vorgegeben wird, wonach gesucht werden soll.<\/p>\n<p>Geben Sie einem un\u00fcberwachten Modell Ihre Kundendaten und es k\u00f6nnte entdecken, dass Kunden sich nat\u00fcrlicherweise in mehrere deutlich unterscheidbare Gruppen einteilen lassen \u2014 ohne dass diese Gruppen zuvor von jemandem definiert wurden. Sie entdecken die Struktur, statt sie vorzugeben.<\/p>\n<p>H\u00e4ufige Anwendungsf\u00e4lle:<\/p>\n<ul>\n<li><strong>Clustering<\/strong> \u2014 Gruppierung \u00e4hnlicher Objekte: Kundensegmente, verwandte Dokumente, \u00e4hnliche Bilder.<\/li>\n<li><strong>Anomalieerkennung<\/strong> \u2014 Kennzeichnung von Datenpunkten, die nicht zum Muster passen: Betrug, Produktfehler, Systemausf\u00e4lle.<\/li>\n<li><strong>Dimensionsreduktion<\/strong> \u2014 Vereinfachung komplexer Daten unter Beibehaltung ihrer wesentlichen Struktur, h\u00e4ufig zur Visualisierung oder als Eingabe f\u00fcr ein anderes Modell.<\/li>\n<\/ul>\n<p><strong>Warum das wichtig ist:<\/strong> Der weitaus gr\u00f6\u00dfte Teil der realen Daten ist nicht annotiert, da das Labeln kostspielig ist. Das un\u00fcberwachte Lernen erschlie\u00dft aus diesen Daten einen Mehrwert \u2014 und eignet sich hervorragend f\u00fcr <em>Erkundung<\/em>, wenn Sie noch nicht wissen, wonach Sie suchen.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"Reinforcement_learning\"><\/span>Verst\u00e4rkendes Lernen<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Das Verst\u00e4rkungslernen (Reinforcement Learning) unterscheidet sich am st\u00e4rksten von den drei Ans\u00e4tzen. Es gibt keinen festen Datensatz. Stattdessen interagiert ein <strong>Agent<\/strong> mit einer <strong>Umgebung<\/strong>: Er f\u00fchrt Aktionen aus, und die Umgebung antwortet mit <strong>Belohnungen<\/strong> (f\u00fcr gute Aktionen) oder <strong>Bestrafungen<\/strong> (f\u00fcr schlechte Aktionen). \u00dcber viele Versuche hinweg lernt der Agent eine Strategie, die seine Gesamtbelohnung maximiert.<\/p>\n<p>Er lernt so, wie Sie m\u00f6glicherweise ein Videospiel erlernen \u2014 nicht anhand einer Anleitung, sondern durch Ausprobieren, Scheitern, Beobachten, welche Aktionen Punkte bringen, und kontinuierliches Verbessern. Niemand kennzeichnet den \u201erichtigen\u201c Zug; der Agent entdeckt ihn allein anhand der Konsequenzen.<\/p>\n<p>H\u00e4ufige Anwendungsf\u00e4lle:<\/p>\n<ul>\n<li><strong>KI f\u00fcr Computerspiele<\/strong> \u2014 Systeme, die auf komplexen Spielen ein \u00fcbermenschliches Niveau erreichen.<\/li>\n<li><strong>Robotik<\/strong> \u2014 Schulung von Robotern im Gehen, Greifen und Balancieren.<\/li>\n<li><strong>Regelsysteme<\/strong> \u2014 Optimierung des Energieverbrauchs, des Verkehrsflusses oder der Logistik.<\/li>\n<li><strong>Feinabstimmung von KI-Modellen<\/strong> \u2014 Verst\u00e4rkungslernen mit menschlichem Feedback hilft dabei, gro\u00dfe Sprachmodelle besser an die tats\u00e4chlichen W\u00fcnsche der Nutzer anzupassen.<\/li>\n<\/ul>\n<p><strong>Warum es m\u00e4chtig \u2013 und schwierig \u2013 ist:<\/strong> Verst\u00e4rkungslernen kann Strategien entdecken, an die kein Mensch jemals gedacht h\u00e4tte. Doch es birgt Herausforderungen: Es ben\u00f6tigt eine Umgebung, in der ge\u00fcbt werden kann (meist eine Simulation), kann enorme Versuchszahlen erfordern, und die korrekte Gestaltung der Belohnungsfunktion ist tats\u00e4chlich \u00e4u\u00dferst schwierig.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"Side-by-side_comparison\"><\/span>Vergleich nebeneinander<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<table class=\"convly-vs\">\n<thead>\n<tr>\n<th>Aspekt<\/th>\n<th>\u00dcberwacht<\/th>\n<th>Un\u00fcberwacht<\/th>\n<th>Verst\u00e4rkung<\/th>\n<\/tr>\n<\/thead>\n<tbody>\n<tr>\n<td>Trainingsdaten<\/td>\n<td>Annotiert (Eingabe + Antwort)<\/td>\n<td>Nicht annotiert (nur Eingabe)<\/td>\n<td>Kein Datensatz \u2014 stattdessen eine Umgebung<\/td>\n<\/tr>\n<tr>\n<td>Ziel<\/td>\n<td>Die richtige Antwort vorhersagen<\/td>\n<td>Versteckte Strukturen finden<\/td>\n<td>Die Gesamtbelohnung maximieren<\/td>\n<\/tr>\n<tr>\n<td>Feedback<\/td>\n<td>Die richtige Antwort<\/td>\n<td>Keines<\/td>\n<td>Belohnungen und Bestrafungen<\/td>\n<\/tr>\n<tr>\n<td>Beispiel<\/td>\n<td>Spam-Erkennung<\/td>\n<td>Kundensegmentierung<\/td>\n<td>KI f\u00fcr Computerspiele<\/td>\n<\/tr>\n<tr>\n<td>Am besten geeignet, wenn Sie \u2026<\/td>\n<td>Annotierte Beispiele haben<\/td>\n<td>Viel nicht annotierte Daten besitzen<\/td>\n<td>Eine Umgebung haben, in der gehandelt werden kann<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<h2><span class=\"ez-toc-section\" id=\"How_to_choose\"><\/span>So w\u00e4hlen Sie aus<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Die Wahl h\u00e4ngt von Ihren Daten und Ihrem Problem ab:<\/p>\n<ul>\n<li><strong>Sie verf\u00fcgen \u00fcber annotierte Beispiele und m\u00f6chten etwas vorhersagen<\/strong> \u2192 \u00fcberwachtes Lernen.<\/li>\n<li><strong>Sie verf\u00fcgen \u00fcber unbeschriftete Daten und m\u00f6chten Strukturen darin entdecken<\/strong> \u2192 unbeaufsichtigtes Lernen.<\/li>\n<li><strong>Sie haben eine Umgebung, in der ein Agent handeln und bewertet werden kann<\/strong> \u2192 verst\u00e4rkendes Lernen.<\/li>\n<\/ul>\n<p>In der Praxis verwischen sich die Grenzen. Viele moderne Systeme kombinieren verschiedene Ans\u00e4tze \u2013 beispielsweise indem sie zun\u00e4chst n\u00fctzliche Muster aus unbeschrifteten Daten lernen und diese anschlie\u00dfend mit einer kleineren Menge beschrifteter Daten verfeinern. Gro\u00dfe Sprachmodelle selbst werden mit einer Mischung aus Verfahren trainiert: Sie lernen aus umfangreichen Mengen unbeschrifteter Texte und werden dann mittels verst\u00e4rkenden Lernens mit menschlichem Feedback verfeinert.<\/p>\n<p><!--ai-enriched--><\/p>\n<h2><span class=\"ez-toc-section\" id=\"Beyond_the_big_three_self-supervised_semi-supervised_and_hybrid_systems\"><\/span>Jenseits der gro\u00dfen drei: Selbst\u00fcberwachtes, halb\u00fcberwachtes und hybrides Lernen<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Die Dreiteilung ist ein geeignetes mentales Modell f\u00fcr den Einstieg \u2013 doch die wichtigsten KI-Systeme des Jahres 2026 passen nicht sauber in eine einzige Kategorie. Zwei weitere Ans\u00e4tze f\u00fcllen die L\u00fccken aus, und die Systeme, die Sie im Alltag tats\u00e4chlich nutzen, kombinieren alle drei Varianten.<\/p>\n<p><strong>Selbst\u00fcberwachtes Lernen<\/strong> ist der entscheidende Durchbruch, der gro\u00dfe Sprachmodelle erst m\u00f6glich gemacht hat. Es wirkt auf den ersten Blick wie unbeaufsichtigtes Lernen, da keine Menschen die Daten beschriften \u2013 tats\u00e4chlich funktioniert es jedoch im Kern wie \u00fcberwachtes Lernen: Das Modell generiert seine eigenen Beschriftungen aus der Struktur der Rohdaten. Verstecken Sie etwa das n\u00e4chste Wort in einem Satz und fordern das Modell auf, es vorherzusagen; oder verstecken Sie ein Token in der Mitte und bitten es, die L\u00fccke zu f\u00fcllen. Die Antwort ist bereits im Text enthalten, sodass die \u201eBeschriftung\u201c kostenlos zur Verf\u00fcgung steht. Trainieren Sie das Modell so auf Milliarden von S\u00e4tzen, und es lernt Grammatik, Fakten und Denkmuster \u2013 ohne dass ein Mensch auch nur ein einziges Element annotiert h\u00e4tte. Jedes moderne LLM \u2013 GPT, Claude, Gemini, Llama \u2013 wird auf diese Weise vortrainiert.<\/p>\n<p><strong>Halb\u00fcberwachtes Lernen<\/strong> geht ein praktischeres Problem an: Beschriftungen sind teuer, unbeschriftete Daten hingegen g\u00fcnstig. Dabei wird eine kleine Menge beschrifteter Daten mit einer gro\u00dfen Menge unbeschrifteter Daten kombiniert; die beschrifteten Beispiele dienen als Anker f\u00fcr das Modell, w\u00e4hrend die unbeschrifteten Daten dessen Verst\u00e4ndnis der zugrundeliegenden Datenstruktur verfeinern. Dieses Verfahren ist der Arbeitstier-Ansatz, sobald das manuelle Beschriften aller Daten zu kostspielig wird \u2013 etwa bei medizinischer Bildgebung, Betrugserkennung oder Inhaltsmoderation \u2013, aber zumindest ein aussagekr\u00e4ftiger Teil der Daten doch noch beschriftet werden kann.<\/p>\n<p>Die wichtigere Erkenntnis ist, dass Produktionsysteme <strong>Pipelines sind \u2013 keine einzelnen Paradigmen.<\/strong> Ein Chatbot wie ChatGPT oder Claude wird in mehreren Stufen aufgebaut, die jeweils alle drei urspr\u00fcnglichen Lernarten nutzen:<\/p>\n<ul>\n<li><strong>Selbst\u00fcberwachtes Vortraining<\/strong> vermittelt dem Basis-Modell Sprach- und Weltwissen aus Rohtext.<\/li>\n<li><strong>\u00dcberwachte Feinabstimmung<\/strong> formt es anschlie\u00dfend mit sorgf\u00e4ltig kuratierten Frage-Antwort-Beispielen, damit es Anweisungen folgt.<\/li>\n<li><strong>Verst\u00e4rkendes Lernen<\/strong> \u2013 konkret: verst\u00e4rkendes Lernen auf Grundlage menschlichen Feedbacks (RLHF) \u2013 nutzt menschliche Pr\u00e4ferenzbewertungen als Belohnungssignal, um Antworten hilfreicher und weniger sch\u00e4dlich zu machen.<\/li>\n<\/ul>\n<p>Wenn also jemand fragt, ob ein LLM \u201e\u00fcberwacht oder unbeaufsichtigt lernt\u201c, lautet die ehrliche Antwort: beides \u2013 und zus\u00e4tzlich verst\u00e4rkendes Lernen, und zwar nacheinander. Die Kategorien sind keine konkurrierenden Teams, zwischen denen man sich entscheiden muss. Sie sind Werkzeuge \u2013 und die leistungsf\u00e4higsten Systeme greifen jeweils auf dasjenige zur\u00fcck, das am besten zur jeweiligen Phase der Aufgabe passt.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"FAQ\"><\/span>H\u00e4ufig gestellte Fragen (FAQ)<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<h3>Welche drei Arten des maschinellen Lernens gibt es?<\/h3>\n<p>\u00dcberwachtes Lernen (Lernen anhand beschrifteter Beispiele mit korrekten Antworten), unbeaufsichtigtes Lernen (Entdecken von Strukturen in unbeschrifteten Daten) und verst\u00e4rkendes Lernen (Lernen durch Versuch und Irrtum mittels Belohnungen und Bestrafungen). Sie unterscheiden sich darin, welche Art von Feedback das System w\u00e4hrend des Lernens erh\u00e4lt.<\/p>\n<h3>Was ist der Unterschied zwischen \u00fcberwachtem und unbeaufsichtigtem Lernen?<\/h3>\n<p>Beim \u00fcberwachten Lernen werden beschriftete Daten verwendet \u2013 bei jedem Beispiel ist die korrekte Antwort angegeben \u2013 und das System lernt, diese Antworten vorherzusagen. Beim unbeaufsichtigten Lernen werden unbeschriftete Daten verwendet, um eigenst\u00e4ndig Muster oder Gruppierungen zu erkennen, ohne dass irgendwelche Antworten vorgegeben werden. \u00dcberwachtes Lernen dient der Vorhersage; unbeaufsichtigtes Lernen dient der Entdeckung.<\/p>\n<h3>Was ist verst\u00e4rkendes Lernen in einfachen Worten?<\/h3>\n<p>Verst\u00e4rkendes Lernen bedeutet, dass ein KI-Agent durch Interaktion mit einer Umgebung lernt: Er f\u00fchrt Aktionen aus und erh\u00e4lt f\u00fcr gute Aktionen Belohnungen sowie f\u00fcr schlechte Aktionen Bestrafungen. \u00dcber viele Versuche hinweg lernt er eine Strategie, die die Gesamtbelohnung maximiert \u2013 \u00e4hnlich wie beim Erlernen eines Spiels durch wiederholtes Spielen.<\/p>\n<h3>Welche Art des maschinellen Lernens ist am verbreitetsten?<\/h3>\n<p>\u00dcberwachtes Lernen ist am weitesten verbreitet, da die meisten wertvollen gesch\u00e4ftlichen Probleme Vorhersageprobleme sind und beschriftete Daten genaue, messbare Modelle erm\u00f6glichen. Unbeaufsichtigtes Lernen wird h\u00e4ufig f\u00fcr explorative Analysen und Anomalieerkennung eingesetzt, w\u00e4hrend verst\u00e4rkendes Lernen eher spezialisierte Anwendungsf\u00e4lle abdeckt.<\/p>\n<h3>Kann man verschiedene Arten des maschinellen Lernens kombinieren?<\/h3>\n<p>Ja. Viele moderne Systeme kombinieren verschiedene Ans\u00e4tze \u2013 beispielsweise indem sie zun\u00e4chst Muster aus unbeschrifteten Daten lernen und diese anschlie\u00dfend mit beschrifteten Beispielen verfeinern. Gro\u00dfe Sprachmodelle werden mit einer Kombination verschiedener Verfahren trainiert, darunter auch verst\u00e4rkendes Lernen auf Grundlage menschlichen Feedbacks, um sie besser an die Bed\u00fcrfnisse der Nutzer anzupassen.<\/p>\n<h3>Ist ChatGPT ein Beispiel f\u00fcr \u00fcberwachtes oder unbeaufsichtigtes Lernen?<\/h3>\n<p>Beides \u2013 plus verst\u00e4rkendes Lernen. Das Basis-Modell wird mittels selbst\u00fcberwachten Lernens vortrainiert (eine Form unbeaufsichtigten Lernens, bei der der Text selbst durch Vorhersage des n\u00e4chsten Wortes die Beschriftungen bereitstellt). Anschlie\u00dfend wird es durch \u00fcberwachte Feinabstimmung anhand kuratierter Beispiele verfeinert und schlie\u00dflich durch verst\u00e4rkendes Lernen auf Grundlage menschlichen Feedbacks weiter optimiert. Kein einzelnes Paradigma allein reicht aus, um einen modernen Chatbot zu bauen \u2013 vielmehr werden sie sequenziell gestapelt.<\/p>\n<h3>Was ist halb\u00fcberwachtes Lernen?<\/h3>\n<p>Halb\u00fcberwachtes Lernen kombiniert eine kleine Menge beschrifteter Daten mit einer gro\u00dfen Menge unbeschrifteter Daten. Sie beschriften den Teil, den Sie sich leisten k\u00f6nnen, und lassen das Modell dann die Struktur der unbeschrifteten Mehrheit nutzen, um besser zu generalisieren, als es allein mit den beschrifteten Daten m\u00f6glich w\u00e4re. Es kommt h\u00e4ufig in Bereichen wie medizinischer Bildgebung und Betrugserkennung zum Einsatz, wo Experten-Beschriftungen langsam und teuer sind, Rohdaten jedoch reichlich vorhanden sind.<\/p>\n<h3>Welche Art des maschinellen Lernens sollte ein Anf\u00e4nger zuerst lernen?<\/h3>\n<p>Beginnen Sie mit \u00fcberwachtem Lernen. Es ist am intuitivsten, am weitesten in der Industrie verbreitet und bildet die Grundlage f\u00fcr die klarsten Anf\u00e4ngerprojekte \u2013 etwa Preisvorhersagen, Klassifizierung einer E-Mail als Spam oder Erkennung einer Ziffer. Sobald Sie sich mit dem Training, Testen und Auswerten eines \u00fcberwachten Modells vertraut gemacht haben, wird das unbefaufsichtigte Clustering sowie die Grundlagen des verst\u00e4rkenden Lernens deutlich leichter verst\u00e4ndlich, weil Sie bereits den Kernablauf im \u201eMuskelged\u00e4chtnis\u201c haben.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"Bottom_line\"><\/span>Fazit<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Die drei Arten des maschinellen Lernens sind schlicht drei Antworten auf die Frage: \u201eWelches Feedback erh\u00e4lt das System?\u201c <strong>\u00dcberwachtes Lernen<\/strong> erh\u00e4lt die korrekten Antworten und lernt, diese vorherzusagen. <strong>Un\u00fcberwachtes Lernen<\/strong> erh\u00e4lt keine Antworten und lernt, Strukturen zu finden. <strong>Verst\u00e4rkendes Lernen<\/strong> erh\u00e4lt Belohnungen und Bestrafungen und lernt eine gewinnbringende Strategie.<\/p>\n<p>Welche Methode Sie w\u00e4hlen, h\u00e4ngt nicht von pers\u00f6nlicher Pr\u00e4ferenz ab \u2013 vielmehr wird sie durch Ihre verf\u00fcgbaren Daten und das konkrete Problem bestimmt. Wenn Sie dieses Grundger\u00fcst verstanden haben, wird der Rest des maschinellen Lernens deutlich leichter nachvollziehbar. F\u00fcr den gr\u00f6\u00dferen Kontext beginnen Sie am besten mit <a href=\"\/de\/what-is-machine-learning-beginners-guide\/\">Was maschinelles Lernen ist<\/a>, danach erkunden Sie die <a href=\"\/de\/top-10-machine-learning-algorithms\/\">Algorithmen<\/a> , die jede dieser Methoden antreiben.<\/p>\n<p><!--related-block--><\/p>\n<div class=\"convly-related\">\n<h2><span class=\"ez-toc-section\" id=\"Related_articles\"><\/span>Verwandte Artikel<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<ul>\n<li><a href=\"https:\/\/convly.ai\/de\/overfitting-how-to-prevent-it\/\">Overfitting im maschinellen Lernen: Was es ist und wie man es verhindert<\/a><\/li>\n<li><a href=\"https:\/\/convly.ai\/de\/best-free-datasets-machine-learning\/\">15 beste kostenlose Datens\u00e4tze f\u00fcr Machine-Learning-Projekte (2026)<\/a><\/li>\n<li><a href=\"https:\/\/convly.ai\/de\/neural-networks-explained\/\">Neuronale Netze f\u00fcr Nicht-Ingenieure erkl\u00e4rt (Leitfaden 2026)<\/a><\/li>\n<li><a href=\"https:\/\/convly.ai\/de\/deep-learning-vs-machine-learning\/\">Deep Learning vs. Maschinelles Lernen: Die wichtigsten Unterschiede (2026)<\/a><\/li>\n<\/ul>\n<\/div>","protected":false},"excerpt":{"rendered":"<p>Machine learning has three core paradigms. This guide explains supervised, unsupervised, and reinforcement learning in plain language \u2014 with examples and when to use each.<\/p>","protected":false},"author":0,"featured_media":36,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"site-sidebar-layout":"default","site-content-layout":"","ast-site-content-layout":"default","site-content-style":"default","site-sidebar-style":"default","ast-global-header-display":"","ast-banner-title-visibility":"","ast-main-header-display":"","ast-hfb-above-header-display":"","ast-hfb-below-header-display":"","ast-hfb-mobile-header-display":"","site-post-title":"","ast-breadcrumbs-content":"","ast-featured-img":"","footer-sml-layout":"","ast-disable-related-posts":"","theme-transparent-header-meta":"","adv-header-id-meta":"","stick-header-meta":"","header-above-stick-meta":"","header-main-stick-meta":"","header-below-stick-meta":"","astra-migrate-meta-layouts":"default","ast-page-background-enabled":"default","ast-page-background-meta":{"desktop":{"background-color":"var(--ast-global-color-5)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"tablet":{"background-color":"","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"mobile":{"background-color":"","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""}},"ast-content-background-meta":{"desktop":{"background-color":"var(--ast-global-color-4)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"tablet":{"background-color":"var(--ast-global-color-4)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"mobile":{"background-color":"var(--ast-global-color-4)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""}},"footnotes":""},"categories":[2],"tags":[470,469,467,25,468],"class_list":["post-35","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-machine-learning","tag-ml-basics","tag-reinforcement-learning","tag-supervised-learning","tag-types-of-machine-learning","tag-unsupervised-learning"],"_links":{"self":[{"href":"https:\/\/convly.ai\/de\/wp-json\/wp\/v2\/posts\/35","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/convly.ai\/de\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/convly.ai\/de\/wp-json\/wp\/v2\/types\/post"}],"replies":[{"embeddable":true,"href":"https:\/\/convly.ai\/de\/wp-json\/wp\/v2\/comments?post=35"}],"version-history":[{"count":3,"href":"https:\/\/convly.ai\/de\/wp-json\/wp\/v2\/posts\/35\/revisions"}],"predecessor-version":[{"id":1054,"href":"https:\/\/convly.ai\/de\/wp-json\/wp\/v2\/posts\/35\/revisions\/1054"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/convly.ai\/de\/wp-json\/wp\/v2\/media\/36"}],"wp:attachment":[{"href":"https:\/\/convly.ai\/de\/wp-json\/wp\/v2\/media?parent=35"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/convly.ai\/de\/wp-json\/wp\/v2\/categories?post=35"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/convly.ai\/de\/wp-json\/wp\/v2\/tags?post=35"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}