Maschinelles Lernen ist ein Teilbereich der Künstlichen Intelligenz (KI). Es ermöglicht IT-Systemen anhand von bestehenden Daten Muster und Gesetzmäßigkeiten zu erkennen und automatisch Lösungsansätze zu entwickeln. Software kann also eigenständig lernen und Lösungen finden ohne dass Algorithmen neu programmiert werden müssen. Es wird quasi künstliches Wissen aus Erfahrungen generiert. Die aus den Daten gewonnenen Erkenntnisse lassen sich verallgemeinern und für neue Problemlösungen verwenden. Diese Form von Algorithmen wird beispielsweise für Bedarfsprognosen oder die Vorhersage von Kundenverhalten auf dem Weg zu einer Smart Factory eingesetzt.
Ein Machine Learning Algorithmus ist nur so intelligent, wie die Daten, Entwickler und Anwender hinter ihm. Heißt: Damit Software selbstständig lernen kann sind Menschen notwendig, denn diese trainieren den Algorithmus. Ein System muss zunächst mit den für das Lernen relevanten Daten und Codezeilen versorgt werden. Dazu müssen die Daten zusammengesucht, extrahieren und auf gute Qualität geprüft werden. Zudem sind Regeln für die Datenanalyse und das Erkennen von Mustern aufzustellen.
Algorithmen lernen auf unterschiedliche Weisen. Während beim überwachten Lernen im Vorfeld Beispielmodelle definiert und spezifiziert werden, läuft das unüberwachte Lernen automatisiert aufgrund eigenständig erkannter Muster ab. Das teilüberwachte Lernen stellt eine Mischung aus beiden Methoden dar. Eine Vorgehensweise, die dem menschlichen Lernen sehr nah kommt, ist das bestärkende Lernen, basierend auf Belohnungen und Bestrafungen. So lernt das System welche Schlussfolgerungen richtig und welche falsch waren. Abschließend sei noch das aktive Lernen genannt. Hierbei stellt der Algorithmus selbstständig Fragen und ermittelt damit, welche Ergebnisse zu welchen Eingangsdaten gehören.
Ist das System trainiert, kann es Vorhersagen treffen, Wahrscheinlichkeiten für bestimmte Ereignisse berechnen, sich selbstständig anpassen und bestehende Prozesse mithilfe erkannter Muster optimieren. Einige Internet-Anbieter nutzen Machine Learning, um Ansichten oder Werbeinhalte für jeden Nutzer zu personalisieren. Dieses Konzept lässt sich auch auf die Silicon Economy, die Plattformökonomie der Zukunft, übertragen. Jeder Akteur auf einer Plattform erhält ein individuelles User-Interface und damit werden nur die für ihn relevanten Inhalte angezeigt. Darüber hinaus wird ML im Rahmen von Prognosen, in der Bildererkennung (automatische Qualitätskontrollen) oder im Condition Monitoring eingesetzt.