Feature Engineering: Definition, Abgrenzung, Beispiel

Feature Engineering bezeichnet den Prozess, aus Rohdaten die Merkmale (Features) abzuleiten, mit denen ein Machine-Learning-Modell (ML-Modell, ein lernendes Vorhersagemodell) trainiert und später für Vorhersagen genutzt wird. Der Begriff umfasst das Auswählen, Zusammenbauen, Umrechnen und Umkodieren dieser Merkmale in Zahlen, damit sie beim Training und im späteren Live-Einsatz (Inferenz) gleich definiert sind.

Was ist Feature Engineering?

Feature Engineering ist der Zwischenschritt zwischen aufbereiteten Rohdaten und dem eigentlichen Modelltraining in einem Machine-Learning-Vorhaben. Ein ML-Modell verarbeitet keine Rohdaten wie Texte, Datumsangaben oder Kategorien direkt, sondern erwartet pro Datensatz (etwa pro Kunde oder pro Bestellung) eine Reihe von Zahlen (Features), in der jede Zahl eine fachlich sinnvolle Grösse ausdrückt, zum Beispiel „Umsatz der letzten 30 Tage" oder „Tage seit letzter Bestellung". Feature Engineering übersetzt Rohdaten in genau diese Zahlenreihe.

Der Prozess zerfällt in vier Teilaktivitäten. Feature Selection wählt die relevanten Attribute aus dem Rohdatenbestand aus und verwirft Rauschen. Feature Construction konstruiert neue Merkmale aus bestehenden Attributen, etwa Zeitfenster-Aggregate (Umsatz der letzten 30 Tage), Verhältnisse (Ticket-zu-Auftrag-Quote) oder Zeitabstände (Tage seit letztem Kontakt). Feature Transformation passt die numerische Skala an (Log-Transformation für rechtsschiefe Verteilungen, Standardisierung für lineare Modelle). Feature Encoding übersetzt kategorische Attribute in numerische Repräsentationen (One-Hot-Encoding, Target-Encoding, Embeddings).

Bei Bild-, Sprach- und Text-Aufgaben lernen tiefe neuronale Netze ihre Features weitgehend selbst aus Roh-Pixeln oder Token-Sequenzen. Bei tabellarischen Business-Daten bleibt manuelles Feature Engineering weiterhin ein zentraler Hebel für die Modellqualität. Google formuliert in seinen [Rules of Machine Learning](https://developers.google.com/machine-learning/guides/rules-of-ml) das Prinzip „Simple features that work": einfache, fachlich begründete Merkmale schlagen komplexe Modelle mit schwacher Feature-Basis.

Eine zentrale Anforderung ist die Konsistenz zwischen Training und Inferenz. Wird ein Feature im Training auf einem historischen Fenster berechnet und in der Inferenz auf einem tagesaktuellen Zustand, entsteht ein Train-Serve-Skew. Das Modell trifft in der Produktion dann Vorhersagen auf Zahlen, die es so im Training nie gesehen hat. Feature Stores adressieren genau diese Konsistenz-Frage, indem sie Feature-Definitionen zentral verwalten und sowohl für Trainings- als auch für Inferenz-Pipelines bereitstellen.

Abgrenzung zu Feature Store, Feature Platform, AutoML und Data Transformation

Feature Engineering wird häufig mit angrenzenden Konzepten vermischt. Die folgende Tabelle sortiert die vier häufigsten Verwechslungen.

Begriff	Verhältnis zu Feature Engineering	Kernunterschied
Feature Store	Nachgelagerte Schicht	Feature Engineering erzeugt die Merkmale, ein Feature Store speichert, versioniert und serviert sie für Training (Offline) und Inferenz (Online).
Feature Platform	Framework	Ein Framework wie Feast oder Tecton bündelt Feature Engineering, Store und Serving. Feature Engineering ist die Methodik, die Feature Platform stellt die dafür verwendete Umgebung bereit.
AutoML	Teil-Automatisierung	AutoML automatisiert Modellauswahl, Hyperparameter-Suche und einfache Feature-Vorverarbeitung (Skalierung, Encoding). Fachliche Feature-Konstruktion aus Domänenwissen bleibt manuelle Arbeit.
Data Transformation	Vorgelagerte Schicht	Data Transformation formt Rohdaten in konsumierbare Strukturen (ETL/ELT-„T"). Feature Engineering setzt darauf auf und formt konsumierbare Daten in modelltaugliche Merkmale um.

Zwei Trennlinien sind zentral. Erstens die Verantwortung: Feature Engineering ist eine methodische Tätigkeit (welche Features tragen die Vorhersage?), Feature Store und Feature Platform sind Infrastruktur (wie werden Features gespeichert und ausgeliefert?). Zweitens die Reichweite: AutoML deckt die algorithmische Suche ab, Feature Engineering die fachliche Konstruktion davor. Ein AutoML-Lauf auf schwachen Features liefert ein schwaches Modell.

Komplementär verläuft der Bezug zur Data Annotation: Data Annotation liefert die Zielvariable (y), Feature Engineering formt die Eingabeseite (X).

Beispiel: Churn-Prognose im B2B-SaaS-Kontext

Ein B2B-SaaS-Unternehmen betreibt eine Churn-Prognose für Bestandskunden. Rohdaten liegen als Silber-Tabellen im Databricks Lakehouse: Auftragshistorie, Ticketvolumen aus dem Support-System, Nutzungslogs aus dem Produkt-Backend. Aus diesen Rohdaten leitet ein Feature-Engineering-Job die Modell-Features ab: Anzahl aktiver Nutzer pro Kundenkonto in den letzten 30 Tagen, Verhältnis geöffneter Support-Tickets zu Aufträgen im Quartal, prozentuale Umsatzveränderung Quartal-über-Quartal, Anzahl Tage seit letztem Sales-Kontakt. Kategorische Attribute wie Branche werden per Target-Encoding in numerische Werte übersetzt.

Die Feature-Definitionen liegen als Feature-Tabelle in Unity Catalog mit definiertem Primärschlüssel (Kundenkonto-ID plus Referenzdatum). Ein nächtlicher Databricks-Job berechnet die Features aus Silber- und Gold-Tabellen. Über die Feature-Engineering-API bindet das Data-Science-Team dieselben Feature-Definitionen an Trainings-Notebook und Batch-Inferenz-Job. Damit sieht das Modell in der Produktion exakt die Feature-Semantik, auf der es trainiert wurde.