Supervised Learning

Supervised Learning (überwachtes Lernen) ist ein Teilbereich des maschinellen Lernens (Machine Learning, ML). Ein Modell lernt dabei aus Beispieldaten mit bekannter richtiger Antwort (sogenannten Labels), wie es zu neuen Eingaben die passende Antwort vorhersagt. Dominierend sind zwei Aufgaben-Typen: Classification (Zuordnung zu einer Kategorie, etwa „kündigt ja/nein") und Regression (Vorhersage einer Zahl, etwa eines Preises).

Was ist Supervised Learning?

Supervised Learning ist die am breitesten eingesetzte Familie im maschinellen Lernen. Trainiert wird das Modell mit einem Trainingsdatensatz: einer Sammlung von Beispielen, in denen zu jedem Eingabefall die richtige Antwort schon bekannt ist. Die Eingaben (Merkmale eines Kunden, eines Bauteils, eines Textes) heißen Features, die bekannte richtige Antwort heißt Label. Aus vielen solcher Paare aus Eingabe und Antwort lernt das Modell eine Regel, die für neue, noch unbekannte Fälle die passende Antwort schätzt. Der Begriff „überwacht" verweist auf genau dieses Label als externes Korrektursignal: Während des Trainings kennt der Algorithmus für jedes Beispiel die richtige Antwort und passt seine internen Stellschrauben (Modell-Parameter) so an, dass er möglichst nah dran liegt. Die theoretischen Grundlagen stammen aus Statistik und Mustererkennung (unter anderem Fishers Diskriminanzanalyse 1936, Perceptron 1958) und sind bis heute das Fundament praktisch aller Vorhersage-Modelle mit klarer Zielvariable.

Zwei Aufgabentypen werden nach der Struktur der Zielgröße unterschieden. Bei der [Classification](/insights/glossar/classification/) ist y eine diskrete Kategorie (Kauf ja/nein, Spam/kein Spam, Ticket-Kategorie); das Modell gibt eine Klassenzuordnung oder eine Wahrscheinlichkeit pro Klasse aus. Bei der Regression ist y ein kontinuierlicher Wert (Preis, Restnutzungsdauer, Absatzmenge, Temperatur); die Ausgabe ist eine Zahl.

Als Modellfamilien kommen lineare Verfahren (Logistische Regression, Lineare Regression), baumbasierte Verfahren (Decision Tree, Random Forest, Gradient Boosting mit XGBoost oder LightGBM), Support Vector Machines, k-Nearest-Neighbors, Naive Bayes und [neuronale Netze](/insights/glossar/neural-network/) zum Einsatz. Auf tabellarischen Daten dominieren Baumverfahren; für Text, Bild und Audio dominieren neuronale Architekturen. Die Bewertung erfolgt über einen Train/Test-Split oder Kreuzvalidierung (k-Fold) und aufgabenspezifische Metriken: Accuracy, Precision, Recall, F1 und ROC-AUC für Classification, MAE, RMSE und R² für Regression.

Der Kernaufwand von Supervised Learning liegt oft im Beschaffen und Kuratieren gelabelter Trainingsdaten und weniger im eigentlichen Training. Label-Qualität, Klassen-Balance und Repräsentativität der Trainingsmenge entscheiden über die Modellgüte im Betrieb häufig stärker als die Wahl des Algorithmus.

Abgrenzung zu Unsupervised, Reinforcement und Self-Supervised Learning

Supervised Learning wird regelmäßig mit den benachbarten Lern-Paradigmen verwechselt. Die Trennlinien:

Unsupervised Learning kommt ohne Labels aus und sucht Struktur in den Daten selbst: Clustering fasst ähnliche Datenpunkte zusammen, Dimensionsreduktion (PCA, UMAP) verdichtet den Merkmalsraum, Anomaly Detection markiert Ausreißer. Semi-Supervised Learning nutzt einen kleinen gelabelten Anteil zusammen mit einer großen ungelabelten Menge, um mit weniger Annotations-Aufwand vergleichbare Ergebnisse zu erzielen.

[Reinforcement Learning](/insights/glossar/reinforcement-learning/) unterscheidet sich fundamental: Das Trainingssignal ist kein Ziel-Label pro Beispiel, sondern ein Reward, der als Konsequenz eigener Aktionen zurückkommt. Der Agent muss die Handlung selbst finden, die den Reward erzeugt; die richtige Antwort ist ihm nicht vorgegeben. Self-Supervised Learning ist technisch eine Form des Supervised Learning, in der die Labels jedoch aus der Datenstruktur selbst kommen (z. B. „Sage das maskierte Wort vorher"). Dieses Prinzip trägt das Pretraining aller großen Sprachmodelle, ohne dass menschliche Annotation nötig ist.

Beispiel: Churn-Prognose als klassisches Supervised-Learning-Setup

Ein Handelsunternehmen will kündigungsgefährdete Kunden früh erkennen. Ausgangspunkt sind 500.000 historische Kundenprofile aus dem CRM mit Merkmalen wie Vertragsalter, letzter Aktivität, Anzahl Support-Tickets und Preis-Segment als Features X. Als Label y liegt vor, ob der Kunde in den zwölf Monaten nach dem Stichtag gekündigt hat (ja/nein). Damit ist die Aufgabe eine binäre Classification, ein Standard-Setup für Supervised Learning.

Der Datensatz wird in 70 Prozent Training, 15 Prozent Validierung und 15 Prozent Test aufgeteilt. Ein Gradient-Boosting-Klassifikator (LightGBM) wird mit stratifizierter Kreuzvalidierung und Hyperparameter-Suche trainiert. Weil die Kündigungsrate unter fünf Prozent liegt, sind F1-Score und PR-AUC die relevanten Metriken; Accuracy wäre in diesem Setup irreführend. Die Verwirrungsmatrix auf der Testmenge zeigt die Fehlerverteilung. Nach Kalibrierung der Wahrscheinlichkeiten liefert der Scoring-Aufruf im CRM eine Kündigungs-Wahrscheinlichkeit pro Kunde, die eine Retention-Kampagne triggert, sobald ein Schwellenwert überschritten wird.

Vergleichbare Setups finden sich in vielen Anwendungsfeldern: Preisprognose für Ersatzteile (Regression), Ticket-Klassifikation im Kundenservice (Multi-Class Classification), Kredit-Scoring (binäre Classification mit unbalancierten Klassen), Nachfrage-Forecasting (Regression mit Zeitreihen-Features), Predictive Maintenance mit gelabelten Ausfällen (binäre Classification). Allen gemeinsam ist der Trainingsdatensatz aus (X, y)-Paaren mit einer klar definierten Zielgröße.