Was heißt eigentlich „Lernen“?
Regeln schreiben vs. Beispiele zeigen: Erlebe den Kreislauf raten → messen → nachjustieren einmal komplett — ohne eine einzige Formel.
👋 HerrKI hier — bevor wir loslegen, klären wir DIE Frage überhaupt
Deine Foto-App findet alle Katzenbilder. Dein Mail-Programm sortiert Spam aus. ChatGPT beantwortet deine Fragen. Und alle sagen: „Die KI hat das gelernt.“ Aber was soll das heißen — ein Computer, der lernt? In diesem Kapitel erlebst du es selbst. Zweimal. Und am Ende weißt du, warum es den ganzen Rest dieses Kurses gibt.
Zwei Wege, einem Computer etwas beizubringen
🧑💻 Weg 1: Klassisches Programmieren
Der Mensch schreibt die Regel. „Wenn die E-Mail das Wort GEWINN enthält, dann Spam.“ Der Computer führt stur aus. Das funktioniert großartig — solange sich die Aufgabe in Regeln fassen lässt.
Beispiele: Steuerberechnung, Ampelschaltung, Überweisungen.
🤖 Weg 2: Machine Learning
Der Mensch zeigt Beispiele. „Hier sind 1.000 Spam-Mails und 1.000 normale — finde selbst heraus, woran man sie erkennt.“ Die Maschine sucht die Regel, die zu den Beispielen passt.
Beispiele: Gesichter erkennen, Sprache verstehen, Katzen finden.
Klingt, als wäre Weg 1 solider? Dann versuch es. Ernsthaft — gleich hier:
🎮 Runde 1: DU bist der Programmierer
Vor dir stehen 12 Tiere. Schreib die Regeln, die Hunde von Katzen trennen — du hast drei Merkmale zur Auswahl. Schaffst du 12 von 12?
Wie lernt dann die Maschine? So wie du — beim Raten
🎮 Runde 2: DU bist das Modell
Ich habe mir eine Zahl zwischen 1 und 100 gedacht. Rate! Ich sage dir nach jedem Versuch nur, ob du zu hoch oder zu tief liegst.
Der Lern-Kreislauf
Was du gerade getan hast, macht jedes KI-Modell — nur millionenfach schneller:
1Raten — mit irgendeiner Antwort anfangen (am Anfang: Zufall)
2Fehler messen — wie weit liegt die Antwort daneben?
3Nachjustieren — ein kleines Stück in die bessere Richtung
4Wiederholen — tausende Male, bis der Fehler klein ist
Mehr ist „Lernen“ nicht. Kein Bewusstsein, keine Magie — raten, messen, nachjustieren. Der ganze Rest dieses Kurses füllt nur die Details: Wie misst man Fehler als Zahl? (Kapitel „Wie falsch ist falsch?“) Wie justiert man geschickt nach? („Gradient Descent“)
Und wo sind jetzt die Zahlen?
Ein Computer kann nicht auf „Ohren“ oder „Schnauze“ schauen — er kann nur rechnen. Damit die Maschine aus Beispielen lernen kann, muss also alles zu Zahlen werden: Bilder, Tabellen, Texte. Diese Zahlenpakete haben einen Namen: Tensoren. Und genau die schauen wir uns im nächsten Kapitel an — dann weißt du auch, WOZU.