Data Mining: Definition, KDD-Prozess, Abgrenzung zu ML

Data Mining ist das systematische Durchsuchen großer Datenbestände nach bislang unbekannten Mustern und Zusammenhängen, die sich für Entscheidungen nutzen lassen, etwa welche Produkte häufig zusammen gekauft werden oder welche Transaktionen auf Betrug hindeuten. Der Begriff entstand in den 1990er Jahren im Umfeld des KDD-Prozesses (Knowledge Discovery in Databases, also Wissensentdeckung in Datenbanken) und nutzt Verfahren aus Statistik, Informatik und Machine Learning (Modelle, die aus Daten lernen).

Was ist Data Mining?

Der Begriff geht auf eine Arbeit der Informatiker Fayyad, Piatetsky-Shapiro und Smyth (1996) zurück. Sie beschrieben Knowledge Discovery in Databases (KDD, Wissensentdeckung in Datenbanken) als den übergeordneten Prozess, aus Daten neues und nützliches Wissen zu gewinnen. Data Mining ist in dieser ursprünglichen Definition ein Schritt innerhalb dieses Prozesses: die eigentliche Muster-Suche mit Algorithmen (klar definierten Rechenvorschriften), nach der Datenauswahl und der Vorverarbeitung (Bereinigen und Aufbereiten), vor Interpretation und Deployment (also der Übernahme in den Betrieb). In der späteren Literatur und in der Industrie werden Data Mining und KDD häufig synonym verwendet.

Ein Data-Mining-Projekt folgt in der Regel einem strukturierten Vorgehensmodell. Der 1999 veröffentlichte Standard CRISP-DM organisiert Projekte in sechs Phasen: Business Understanding, Data Understanding, Data Preparation, Modeling, Evaluation und Deployment. CRISP-DM ist bis heute der am weitesten verbreitete methodische Rahmen für analytische Vorhaben und trennt organisatorisch die Frage, welches Geschäftsziel verfolgt wird, von der technischen Umsetzung.

Data Mining deckt eine Reihe typischer Aufgaben-Typen ab. Klassifikation ordnet Datenobjekte vorgegebenen Kategorien zu (etwa Kunden in Bonitätsklassen). Regression prognostiziert numerische Zielgrößen (etwa Umsatz für die nächsten sechs Monate). Clustering gruppiert Objekte ohne vorgegebene Klassen anhand ihrer Ähnlichkeit (etwa Kundensegmente aus dem Kaufverhalten). Assoziationsanalyse findet Regeln der Form „wer A und B kauft, kauft häufig auch C" (klassische Warenkorb-Analyse). Anomalie-Erkennung markiert Datenpunkte, die vom bisherigen Muster abweichen. Sequenzanalyse untersucht zeitlich geordnete Ereignisketten.

Ursprünglich fand Data Mining auf strukturierten Snapshots aus relationalen Datenbanken und Data Warehouses statt. Heute laufen dieselben Verfahren auf Lakehouse-Plattformen mit integrierten ML-Bibliotheken wie Spark ML und scikit-learn sowie AutoML-Werkzeugen zur beschleunigten Modell-Suche.

Abgrenzung zu verwandten Begriffen

Data Mining wird häufig mit benachbarten Begriffen verwechselt. Die Abgrenzung verläuft entlang unterschiedlicher Achsen: Prozess-Rolle, Methoden-Familie, Datentyp und Erkenntnis-Anspruch.

Begriff	Achse	Kernunterschied
Machine Learning (ML)	Methoden-Familie	ML ist die Methoden-Familie (Modelle lernen aus Daten). Data Mining ist der Anwendungsprozess der Muster-Extraktion. Viele Data-Mining-Aufgaben werden mit ML-Verfahren gelöst; ML umfasst zusätzlich Deep Learning, Online-Learning und Modell-Deployment.
KDD (Knowledge Discovery in Databases)	Prozess-Rolle	Data Mining ist streng betrachtet ein Schritt im KDD-Prozess (Auswahl, Vorverarbeitung, Transformation, Data Mining, Interpretation). In der industriellen Praxis werden die Begriffe synonym verwendet.
Text Mining	Datentyp	Untermenge und Spezialisierung: Text Mining ist Data Mining auf unstrukturiertem Text mit vorgelagerter NLP-Verarbeitung.
Business Intelligence (BI)	Erkenntnis-Anspruch	BI beschreibt und aggregiert (deskriptive Ebene, Was ist passiert?). Data Mining sucht Muster und Zusammenhänge (diagnostisch, prädiktiv). BI beantwortet definierte Fragen, Data Mining findet Fragen in den Daten.
Advanced Analytics	Kategorie	Sammelbegriff nach Gartner. Data Mining ist eine Kategorie darunter, neben Predictive Analytics, Prescriptive Analytics und Simulation.

Die wichtigste Trennung verläuft zwischen Data Mining und Machine Learning. Beide teilen sich Methoden und Algorithmen, unterscheiden sich aber in Perspektive und Reichweite: Data Mining stammt aus der Datenbank-Community und beschreibt den Anwendungsprozess auf konkreten Datenbeständen; Machine Learning stammt aus der Informatik und beschreibt die Methoden-Familie selbst, unabhängig vom Anwendungskontext.

Beispiel: Warenkorb-Analyse im Handel

Ein Lebensmittelhändler wertet mehrere Millionen Kassenbons einer Handelsperiode aus. Ziel ist es, Assoziationsregeln für die Regal-Platzierung und für Cross-Selling-Empfehlungen im Online-Shop zu finden. Nach Datenauswahl (nur Warenkörbe mit mindestens drei Artikeln) und Vorverarbeitung (Konsolidierung von Produktvarianten auf Artikelgruppen) läuft der Apriori-Algorithmus über den vorbereiteten Datensatz. Er extrahiert Regeln der Form „wer Produkt A und B kauft, kauft mit 68 Prozent Konfidenz auch Produkt C". Ausgewählte Regeln fließen in die Regal-Belegung im stationären Handel und in die Empfehlungslogik des Online-Shops. Das Vorgehen folgt einem CRISP-DM-artigen Zyklus mit Business Understanding (welches Ziel), Data Understanding (welche Daten stehen zur Verfügung), Data Preparation (Bereinigung), Modeling (Assoziations-Algorithmus), Evaluation (Konfidenz und Lift) und Deployment (Rollout in die Filialsysteme).

Ein zweites, aktuelleres Beispiel ist die Betrugserkennung im Kreditkarten-Umsatz. Anomalie-Erkennung findet Transaktionen, die vom bisherigen Muster eines Kartenkontos deutlich abweichen (etwa in Ort, Betrag, Frequenz oder Kategorie), und markiert sie für manuelle Prüfung oder automatische Blockierung. Beide Beispiele zeigen die typische Rolle von Data Mining: Muster in historischen Daten sichtbar machen und in operative Entscheidungen überführen.