Machine Learning
Definition, Bedeutung und Zusammenhang im Mittelstand.
Machine Learning ist eine Technik der künstlichen Intelligenz, bei der Systeme aus Daten Mustern lernen, ohne für jede Situation explizit programmiert zu werden. Je mehr Daten das System sieht, desto präziser werden seine Vorhersagen.
Was bedeutet Machine Learning im operativen Kontext?
Im Mittelstand wird Machine Learning meist mit großen Tech-Konzernen oder teuren Beratungsprojekten assoziiert. Das ist ein veraltetes Bild. Heutige Machine-Learning-Modelle lassen sich auf Standardhardware betreiben, erfordern kein Team von Data-Scientists und liefern nach wenigen Wochen erste Ergebnisse.
Das Kernprinzip ist einfach: Das System analysiert historische Daten, findet Zusammenhänge und wendet diese auf neue Daten an. Ein Beispiel aus dem Vertrieb: Das System sieht, dass Kunden, die ihre Bestellfrequenz halbieren und gleichzeitig Support-Tickets öffnen, in 78 Prozent der Fälle innerhalb von 90 Tagen kündigen. Diese Erkenntnis kommt nicht aus einer Regel, die ein Mensch formuliert hat. Sie kommt aus der Analyse hunderter vergangener Kündigungen.
Bei NaveSight arbeitet Machine Learning als zweite Schicht in der Intelligenz-Schicht. Die erste Schicht ist die Rules Engine, die feste Schwellenwerte prüft. Die zweite Schicht, die ML Pattern Library, erkennt Muster, die keine feste Regel abbilden können. Die dritte Schicht, das LLM, erklärt die gefundenen Muster in natürlicher Sprache. Alle drei Schichten greifen auf dieselbe Wissensbasis zu, die mit jedem Tag umfangreicher wird.
Wie unterscheidet sich Machine Learning von klassischer Software?
Klassische Software folgt einer Wenn-Dann-Logik. Wenn der Lagerbestand unter 100 Stück fällt, dann wird eine Nachbestellung ausgelöst. Diese Regeln sind nützlich, aber starr. Sie können nicht mit Unschärfe umgehen und sie lernen nicht dazu.
Machine Learning ist probabilistisch. Es sagt: "Bei den letzten zehn Lieferverzögerungen dieses Lieferanten waren in acht Fällen gleichzeitig zwei andere Signale aktiv. Die aktuelle Situation ähnelt diesen acht Fällen." Es gibt keine harte Regel, sondern eine Wahrscheinlichkeit. Der Vorteil: Das System entdeckt Zusammenhänge, die niemand vorher formuliert hat. Der Nachteil: Es kann nicht mit Sicherheit sagen, warum es eine bestimmte Aussage trifft. Deshalb ist die Kombination aus deterministischer Rules Engine und heuristischem Machine Learning die stärkste Architektur für den Mittelstand.
Die Muster-Erkennung bei NaveSight arbeitet prozessübergreifend. Sie vergleicht Signale aus Vertrieb, Finanzen, Operations und HR. Ein einzelnes Modul könnte eine Abweichung als normal einstufen. Die Cross-Module-Perspektive erkennt, dass dieselbe Abweichung in Kombination mit zwei anderen Signalen historisch zu einem Problem geführt hat.
Praxisbeispiel
Ein Handelsunternehmen mit 80 Mitarbeitern hatte ein wiederkehrendes Problem mit der Liquiditätsplanung. Jeden Monat wurden Zahlungseingänge prognostiziert, basierend auf Erfahrungswerten des Controllers. Die Prognose lag in vier von zwölf Monaten um mehr als 20 Prozent daneben. Das führte zu kurzfristigen Kreditaufnahmen und Stress im Einkauf.
Die Einführung einer ML-basierten Vorhersage änderte den Ansatz. Statt einer einzigen Erfahrungsregel analysierte das System drei Jahre historischer Zahlungsdaten. Es erkannte, dass die Zahlungsgeschwindigkeit nicht nur vom Kunden, sondern auch von der Branche, der Jahreszeit und der Größe der Rechnung abhängt. Eine Rechnung über 50.000 Euro an einen Kunden aus der Baubranche im Dezember wurde statistisch gesehen 18 Tage später bezahlt als eine Rechnung über 5.000 Euro an denselben Kunden im März.
Diese Erkenntnisse flossen in die Cashflow-Prognose ein. Die Treffergenauigkeit der 90-Tage-Vorhersage stieg von 62 auf 89 Prozent. Der Controller nutzte die gewonnene Zeit für strategische Planung statt für Korrekturen der Excel-Tabelle. Die Wissensbasis speicherte die gefundenen Muster, sodass neue Mitarbeiter sofort von der gesammelten Erfahrung profitierten.
Verwandte Begriffe
Verwandte Inhalte
Erleben Sie die Intelligenz-Schicht von NaveSight in Aktion.
30 Minuten - wir zeigen Ihnen, wie NaveSight mit Ihren spezifischen Systemen zusammenarbeitet.
Kostenlosen Maturity Check startenUnsere Garantie: ein konkreter Aktionsplan - ob mit NaveSight oder ohne.
Wir führen 10 Maturity Checks pro Monat durch. Priorisierte Bearbeitung: 48 Stunden.