Unsupervised Learning: Definition, Verfahren, Abgrenzung

Unsupervised Learning (unüberwachtes Lernen) ist ein Teilgebiet des maschinellen Lernens, in dem ein Modell aus ungelabelten Daten (Daten ohne vorgegebene richtige Antwort) selbstständig Muster, Gruppen oder Auffälligkeiten entdeckt. Typische Aufgaben sind das Bilden von Kundengruppen (Clustering), das Vereinfachen komplexer Datensätze auf wenige Kernachsen (Dimensionsreduktion) und das Erkennen von Ausreißern (Anomalie-Erkennung).

Was ist Unsupervised Learning?

Unsupervised Learning umfasst alle Verfahren des maschinellen Lernens, bei denen die Trainingsdaten nur aus Eingabemerkmalen bestehen (also aus dem, was man über einen Kunden, ein Produkt oder ein Ereignis weiß) ohne dass eine bekannte Zielgröße vorgegeben ist (kein „richtig/falsch" pro Datensatz). Statt einen Ziel-Wert vorherzusagen, sucht das Modell nach Struktur in den Daten selbst: welche Datenpunkte einander ähnlich sind, wo sich Daten häufen (Dichte), wie sich viele Merkmale auf wenige Kernachsen zusammenfassen lassen oder wie gut sich ein Datensatz aus einer komprimierten Form wiederherstellen lässt (Rekonstruktionsfehler bei generativen Modellen). Die theoretischen Grundlagen kommen aus der multivariaten Statistik (Pearsons Hauptkomponentenanalyse 1901, Faktorenanalyse) und der Mustererkennung; zusammenfassende Darstellungen bieten Hastie, Tibshirani, Friedman in „The Elements of Statistical Learning" (Kapitel 14) und Bishop in „Pattern Recognition and Machine Learning".

Fünf Aufgabentypen dominieren. [Clustering](/insights/glossar/clustering/) fasst ähnliche Datenpunkte in Gruppen zusammen; klassische Verfahren sind k-Means, Hierarchical Clustering, DBSCAN und Gaussian Mixture Models. Dimensionsreduktion reduziert einen hochdimensionalen Merkmalsraum auf wenige Achsen, die den größten Teil der Varianz oder der lokalen Nachbarschaftsstruktur erhalten; typische Verfahren sind Principal Component Analysis (PCA), t-SNE und UMAP. Dichteschätzung modelliert die Wahrscheinlichkeitsverteilung der Daten (Kernel Density Estimation, Gaussian Mixture Models). [Anomalie-Erkennung](/insights/glossar/anomaly-detection/) markiert Punkte, die schlecht zur gelernten Verteilung passen (Isolation Forest, One-Class SVM, Autoencoder mit Rekonstruktionsfehler). Assoziationsregeln entdecken häufig gemeinsam auftretende Merkmale in Transaktionsdaten (Apriori, FP-Growth).

Die Bewertung ist deutlich schwieriger als bei überwachten Verfahren, weil kein Ground-Truth-Label als Referenz existiert. Interne Metriken bewerten die Struktur des Ergebnisses (Silhouette Coefficient, Davies-Bouldin-Index, Inertia bei k-Means, erklärte Varianz bei PCA). Externe Bewertung erfolgt über den nachgelagerten Nutzen: Ergeben die Cluster fachlich sinnvolle Segmente? Erhöht die reduzierte Repräsentation die Modellgüte eines nachgelagerten Klassifikators? Werden von der Anomalie-Erkennung tatsächlich relevante Fälle markiert?

Der Begriff existiert als eigene Kategorie, weil viele analytische Fragestellungen definitionsgemäß ohne Label kommen: Segmente, Ausreißer oder latente Strukturen sollen aus den Daten selbst hervortreten. Unsupervised Learning steht damit häufig am Anfang einer Analyse-Pipeline, entweder als Vorverarbeitung (Dimensionsreduktion vor Classification, Cluster-Zugehörigkeit als Feature) oder als eigenständiges Ergebnis (Kundensegmente, Anomalie-Alerts, Warenkorb-Assoziationen).

Abgrenzung zu Supervised, Semi-Supervised, Self-Supervised und Reinforcement Learning

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

Paradigma	Trainingssignal	Datenformat
Unsupervised Learning	Strukturkriterium (Ähnlichkeit, Dichte, Rekonstruktion)	Inputs ohne Labels
Supervised Learning	gelabelter Zielwert pro Beispiel	(Input, Label)-Paare
Semi-Supervised Learning	wenige Labels + viele ungelabelte Beispiele	Mischform
Self-Supervised Learning	Labels aus Datenstruktur (z. B. maskierte Tokens)	Inputs, Pseudo-Labels intern erzeugt
Reinforcement Learning	skalarer Reward aus Umgebungs-Feedback	Zustands-Aktions-Reward-Trajektorien

[Supervised Learning](/insights/glossar/supervised-learning/) benötigt für jedes Trainingsbeispiel ein bekanntes Ziel-Label und minimiert einen Fehler gegen dieses Label. Unsupervised Learning arbeitet ohne Label und optimiert stattdessen ein Strukturkriterium; die Ergebnisse müssen deshalb im Nachgang inhaltlich interpretiert werden. Semi-Supervised Learning kombiniert eine kleine Menge gelabelter Daten mit einer großen ungelabelten Menge und nutzt die Struktur der ungelabelten Daten, um mit weniger Annotations-Aufwand vergleichbare Ergebnisse wie ein rein überwachtes Modell zu erzielen.

Self-Supervised Learning wird häufig mit Unsupervised Learning verwechselt, weil beide ohne menschliche Annotationen auskommen. Der Unterschied liegt in der Konstruktion des Labels: Self-Supervised Learning erzeugt aus der Datenstruktur selbst Pseudo-Labels (maskiertes Token-Vorhersagen im LLM-Pretraining, Kontrastive Verfahren wie SimCLR im Vision-Bereich) und trainiert dann klassisch überwacht gegen diese Pseudo-Labels. Unsupervised Learning verzichtet komplett auf ein Label und optimiert nur strukturelle Kriterien. Das Pretraining großer Sprachmodelle ist deshalb technisch self-supervised, auch wenn es umgangssprachlich oft als „unsupervised" beschrieben wird.

[Reinforcement Learning](/insights/glossar/reinforcement-learning/) unterscheidet sich fundamental: Das Trainingssignal ist ein Reward, der als Konsequenz eigener Aktionen zurückkommt, also weder ein Label pro Beispiel noch ein Strukturkriterium über den Merkmalsraum. Anomaly Detection wird gelegentlich als eigenständige Disziplin geführt, gehört aber methodisch zum Unsupervised Learning, wenn keine gelabelten Anomalie-Beispiele vorliegen.

Beispiel: Kundensegmentierung mit k-Means

Ein Handelsunternehmen will seine Bestandskunden segmentieren, um Marketing-Ansprache, Sortiment und Preisstellung pro Gruppe differenzieren zu können. Labels für „richtige" Segmente existieren nicht; die Struktur soll aus den Daten hervortreten. Damit ist die Aufgabe ein klassisches Unsupervised-Setup.

Ausgangspunkt sind 300.000 Kundenprofile aus dem CRM. Als Merkmale X werden Recency (Tage seit letztem Kauf), Frequency (Bestellungen in den letzten 24 Monaten), Monetary Value (Umsatz in den letzten 24 Monaten), Warenkorb-Struktur (Anteile pro Warengruppe) und Kanalpräferenz konstruiert. Die Features werden skaliert (Standardisierung oder Robust-Scaling), weil k-Means auf Distanzen basiert und größenempfindlich reagiert. Über eine Kombination aus Elbow-Methode (Inertia gegen k) und Silhouette Coefficient wird die Cluster-Anzahl bestimmt; im typischen B2C-Handel führen fünf bis acht Cluster zu einer fachlich tragfähigen Struktur.

Nach dem Fit werden die Cluster-Zentren pro Feature analysiert und fachlich benannt: „aktive Top-Kunden", „preissensible Gelegenheitskäufer", „Wiederkehrer mit engem Sortiment", „inaktive ehemals starke Kunden", „Neukunden im ersten Jahr". Diese Segmentbeschreibungen gehen in die Kampagnensteuerung; die Cluster-Zugehörigkeit landet als Feature im Feature Store und wird von nachgelagerten Supervised-Modellen (Churn-Prognose, Next-Best-Offer) als Eingabe verwendet. Ergänzend läuft eine [Anomalie-Erkennung](/insights/glossar/anomaly-detection/) auf Transaktionsebene, um verdächtige Zahlungsmuster zu markieren; für die Visualisierung der Segmente in Reports wird UMAP eingesetzt, um den mehrdimensionalen Merkmalsraum auf eine zweidimensionale Karte zu projizieren.

Vergleichbare Setups finden sich in vielen Anwendungsfeldern: Anomalie-Erkennung in Log- oder Sensordaten mit Isolation Forest oder Autoencoder, Warenkorbanalyse mit Apriori auf POS-Transaktionen, Topic Modeling auf Support-Tickets mit Latent Dirichlet Allocation, Dimensionsreduktion vor der Modellierung mit PCA. Allen gemeinsam ist ein ungelabelter Datensatz und ein Strukturziel statt einer Zielvariable.