10.01.2020

#unchAIn, Teil 3: Was ist Machine Learning und Deep Learning?

Für die Artikelreihe "#unchAIn - Demystifying AI" kooperiert der brutkasten mit dem Expertinnen-Netzwerk Ms. AI, um Vorurteile rund um Künstliche Intelligenz zu entmystifizieren. Expertinnen beantworten dazu die großen Fragen rund um das Thema KI. Teil 3: Was ist Machine Learning und Deep Learning?
/artikel/ki-was-ist-machine-learning-deep-learning
Künstliche Intelligenz (KI): Was ist Machine Learning? Was ist der Unterschied zu Deep Learning?
(c) Adobe Stock - zapp2photo

KI (Künstliche Intelligenz) ist das vielleicht wichtigste Tech-Thema unserer Zeit. Es gibt wohl keinen Bereich des politischen, wirtschaftlichen und gesellschaftlichen Lebens, der nicht das Potenzial hat, von KI grundlegend verändert zu werden. Gleichzeitig gibt es bei diesem Thema viele Falschinformation und überzogene Erwartungen. Für das Projekt „#unchAIn – Demystifying AI“ kooperiert der brutkasten mit dem internationalen Expertinnen-Netzwerk Miss AI, um gängige, teils falsche Vorstellungen zu entmystifizieren. Expertinnen und Experten der jeweiligen Felder – von Philosophinnen über Wissenschaftlerinnen bis zu Managerinnen – beantworten dabei in einer mehrteiligen Artikelreihe die großen Fragen zum Thema Künstliche Intelligenz, Machine Learning, Deep Learning und Co.

+++Mehr zum Thema AI & DeepTech+++

Im ersten Teil der Serie behandelten wir die Frage, was eigentlich Intelligenz (ganz allgemein) ist. Im zweiten ging es darum, ob Maschinen das menschliche Gehirn 1:1 kopieren können. Im dritten Teil widmen wir uns nun zwei der gängigsten Tech-Begriffe im Zusammenhang mit KI: Was ist Machine Learning? Und was ist Deep Learning? Und wie unterscheiden sich die beiden? Die Programmiererin und Mathematikerin Donata Petrelli un der Chatbot-Pionier Denis Rothman wählten bei der Beantwortung dieser Fragen sehr unterschiedliche Zugänge.


Bisher in der Serie „#unchAIn – Demystifying AI“ erschienen:


Was ist Machine Learning?

Petrelli: Die meisten haben als Kind wohl das Spiel „Blinde Kuh“ gespielt? Man ist mit verbundenen Augen in einem ausreichend großen Raum und muss es schaffen, die anderen im Raum zu finden und zu erkennen. Dabei hat das Kind mit verbundenen Augen keine Hinweise darauf, wo die anderen Kinder sind. Wenn es sich durch den Raum bewegt, muss es durch Tasten und Probieren die Umgebung verstehen, und letztlich die Mitspieler finden und erkennen. Machine Learning ist genau so ein Prozess, wie ihn das Kind mit verbundenen Augen im Raum durchführt.

Und um es etwas technischer zu definieren: Das maschinelle Lernen macht heute einen großen Teil des Bereichs Künstliche Intelligenz aus. Es umfasst mehrere Methoden zur Analyse und Erkennung von Daten und deren Beziehungen zueinander – oft zu Vorhersagezwecken. Alle diese Verfahren haben das Ziel, ohne initiale Kenntnisse sondern durch Erfahrung, eine Umgebung mit ihren Elementen und den Beziehungen zwischen ihnen, zu erkennen. Zu den bekanntesten Verfahren gehört das Modell der künstlichen neuronalen Netze, die die Struktur des menschlichen Gehrins simulieren.

Rothman: Machine Learning ist ein Teilbereich der Künstlichen Intelligenz. Nicht Machine Learning-basierte Algorithmen sind im Allgemeinen regelbasiert. Also etwa:

wenn X dann Y

Sowohl X als auch Y enthalten dabei viele Werte wie etwa ein Set von Daten. Das maschinelle Lernen kann die richtigen Werte „lernen“, um ein Ergebnis zu produzieren. Dabei gibt es keine Regel! Wir wollen etwa die Lösung finden für die Gleichung:

Y=aX + b

Wir müssen also die Werte von a und b finden, um die Gleichung lösen zu können. Daher probieren wir alle möglichen Werte von a und b aus. Das passiert oftmals nach dem Zufallsprinzip, um zu sehen, welche Werte am besten passen. Da wir leistungsstarke Computer haben, funktioniert das auch. Wir benutzen dazu viele Arten von Algorithmen, etwa Clustering und Regression. Jeder Algorithmus f sucht dabei nach den richtigen Werten, nach dem Prinzip:

f(Y)=aX+b

Die jeweiligen Algorithmen können dann jeweils für bestimmte Aufgaben genutzt werden, etwa eine Vorhersage, ob es nächste Woche regnen wird oder was die beste Route ist, um von Ort A nach Ort B zu gelangen usw.

Und was ist der Unterschied zu Deep Learning?

Rothman: Deep Learning ist wiederum ein Teilbereich des maschinellen Lernens. Es erweitert das Prinzip um „Layers“. Man kann es in Fällen nutzen, wo die Ermittlung des Werts Y schon deutlich komplexer ist. Nehmen wir dazu wieder eine Funktion f heran, wo es nun aber viele Schritte gibt:

f(Y)= f5(f4(Xf(3Xf(2Xf(X))

Das wirkt etwas verrückt? Als Mensch macht man das aber jeden Tag. Wenn man etwa gebeten wird, ein Gesicht in einem Bild mit 30 Gesichtern zu finden (wie z.B. auf einem Klassenfoto), dann macht man (unbewusst) ungefähr folgendes:

  1. Man versucht, die Gesichter vom Hintergrund zu isolieren.
  2. Dann sieht man sich die Form der Gesichter an.
  3. Dann die Farbe der Gesichter.
  4. Dann auch die Größe einer Person.
  5. Dann trifft man endlich eine Entscheidung und sagt: „Das ist die Person, die ich suche!“

Deep Learning tut dies automatisch, indem es die jeweils richtigen Werte von a und b findet, um jede Schicht von f(Y)=aX + b zu ermitteln.

Petrelli: Deep Learning ist eine Verstärkung der Methoden des Machine Learning, insbesondere der neuronalen Netze. In diesem Fall ist das Modell ausgefeilter, da die Resultate das Ergebnis der Ausarbeitung strukturierter Konzepte sind, die sich aus den Basis-Konzepten ableiten.

Um eine Analogie zu bringen: Die Gewinnung von Informationen durch ein Deep Learning-Modell im Vergleich zu einem Machine Learning-Modell ist wie jene eines Erwachsenen verglichen mit jener eines Kindes, das noch weitere Entwicklungsstufen vor sich hat.

⇒ Zur Page von Ms. AI

Redaktionstipps
Deine ungelesenen Artikel:
09.10.2026

Serbien: Grüner Wasserstoff aus dem Kohleland?

Die EU fördert neue Wasserstoffprojekte in Serbien. Deutschland sieht in dem Land gar einen möglichen Lieferanten für Europa. Vor Ort zeigt sich: Es fehlen Strom aus Wind und Sonne, klare Regeln und eine Verwaltung, die sie umsetzt. Chancen für die internationale Wirtschaft gibt es trotzdem, nur nicht dort, wo man sie zuerst vermutet.
/artikel/serbien-gruener-wasserstoff-aus-dem-kohleland
09.10.2026

Serbien: Grüner Wasserstoff aus dem Kohleland?

Die EU fördert neue Wasserstoffprojekte in Serbien. Deutschland sieht in dem Land gar einen möglichen Lieferanten für Europa. Vor Ort zeigt sich: Es fehlen Strom aus Wind und Sonne, klare Regeln und eine Verwaltung, die sie umsetzt. Chancen für die internationale Wirtschaft gibt es trotzdem, nur nicht dort, wo man sie zuerst vermutet.
/artikel/serbien-gruener-wasserstoff-aus-dem-kohleland
Ein Elektrobus der Belgrader Verkehrsbetriebe lädt an einer Schnellladestation von Siemens. | (c) Alexandra Polic

Belgrad steht. Auto an Auto schiebt sich durch die Stadt, dazwischen fahren Busse, die ihr erstes Leben woanders verbracht haben: in Deutschland oder in Österreich zum Beispiel. Manche tragen noch die alten Aufkleber. „Notausstieg” steht da auf Deutsch auf einem Fenster, mitten in Serbiens Hauptstadt.

Es verwundert also wenig, dass einem in neun Tagen in Serbien nur eine einzige Haltestelle mit E-Bussen auffällt. Immerhin gab es die zu Lebzeiten der nun serbischen Busse in deutschsprachigen Ländern kaum. Aufhalten lassen sich ausländische Firmen dadurch nicht. In Belgrad verkauft etwa der chinesische Konzern BYD Elektroautos. Nur: Auf der Straße sieht man kaum welche. Trotzdem sollen ausgerechnet hier, in einem Land mit fossilem Antrieb, neue Wasserstoffprojekte entstehen, gefördert aus europäischen Ländern, zum Teil sogar aus Mitteln der EU. Woran liegt das?

Europas große Wette auf grünen Wasserstoff

Zum einen drängen die Ziele: Bis 2030 will die EU zehn Millionen Tonnen grünen Wasserstoff selbst produzieren und ebenso viel importieren. So steht es im REPowerEU-Plan. Es ist eines der ambitioniertesten industriepolitischen Vorhaben der Union und ein zentrales Werkzeug, um im Wettbewerb mit den USA und China zu bestehen. Der Draghi-Report 2024 nennt hohe Energiekosten und Importabhängigkeit als Hauptgrund, warum Europas Industrie zurückfällt. Seine Forderung: dekarbonisieren.

Grüner Wasserstoff kann dabei helfen. Er funktioniert dort, wo direkte Elektrifizierung an Grenzen stößt, etwa in Stahl, Chemie, Schifffahrt und Schwerlastverkehr, und ersetzt fossile Importe. Er ist Klima-, Industrie- und Souveränitätspolitik in einem. Hergestellt wird er in Elektrolyseuren: Anlagen, die Wasser mithilfe von Strom in Wasserstoff und Sauerstoff spalten. Grün ist er nur, wenn der Strom aus erneuerbaren Quellen wie Wind, Sonne oder Wasserkraft stammt.

Aber der Hochlauf stockt. Die Produktion ist teuer, die Infrastruktur fehlt. 2024 waren in der EU laut European Hydrogen Markets Monitoring Report 308 Megawatt Elektrolysekapazität installiert. Vorgesehen waren 6.000. Bis 2030, so sieht es die EU-Wasserstoffstrategie vor, sollen es 40.000 werden.

Serbien: Ein Kandidat ohne Plan

Während Spanien als Vorreiter gilt und in Österreich mit 140 Megawatt die bisher größte Elektrolyseanlage des Landes entsteht, versuchen europäische Akteure auch den serbischen Markt zu erschließen. Dabei fehlt Serbien bis heute eine nationale Wasserstoffstrategie.

Politisch ist das Land seit 2012 EU-Beitrittskandidat und aktuell so weit von einer Mitgliedschaft entfernt wie lange nicht. Im jüngsten Fortschrittsbericht attestierte die EU-Kommission Serbien das schlechteste Zeugnis aller Kandidaten, die Reformen seien zum Stillstand gekommen. Proteste, Korruptionsvorwürfe und Neuwahlen Ende Oktober halten das Land in Aufruhr. Kann aus einem Beitrittskandidaten ohne Strategie ein Energiepartner werden? Und was heißt das für alle, die dort investieren wollen?

Im Navigator Business Center in Novi Beograd sind zahlreiche Unternehmen und Startups angesiedelt. | (c) Alexandra Polic

Keine Nachfrage für Wasserstoff

„Alle vier Jahre wird Wasserstoff zum wichtigsten Thema, und dann verschwindet er wieder von der Agenda. Gerade sind wir eher unten auf der Kurve. Die Investitionen rund um Wasserstoff sind so niedrig wie seit Jahren nicht”, sagt Rahul Mishra, Co-Founder von The Energy Bridge. Die Wiener Plattform bringt Forscher:innen, Unternehmer:innen und Investor:innen zusammen. „Serbien ist auf jeden Fall ein interessanter Ort für erneuerbare Energien. Was grünen Wasserstoff betrifft, bin ich mir allerdings nicht so sicher”, sagt Mishra. Grüner Wasserstoff mache nur dort Sinn, wo es bereits einen hohen Anteil an erneuerbarer Energie gebe.

Aber von Serbiens heimischer Energieproduktion entfielen laut Daten der Internationalen Energieagentur (IEA) 2024 rund 70 Prozent auf fossile Brennstoffe, während Sonne, Wind und andere Erneuerbare zusammen nur etwa 1,4 Prozent beitrugen. Damit fehlt genau die Voraussetzung, die Mishra nennt. Dazu kommt ein Richtungswechsel in Brüssel: Mit ihrem im Juli präsentierten Elektrifizierungsplan setzt die EU-Kommission stärker auf Strom als auf Wasserstoff.

Tiefschwarz

Viele Menschen in Serbien sagen unabhängig voneinander das Gleiche: dass das Land tiefschwarz ist. Schwarz steht in diesem Fall für Kohle. Wasserstoff ist in Serbien ein Thema für einen kleinen Kreis von Fachleuten. Selbst manche Institutionen zeigten sich auf Anfrage überrascht, dass es solche Projekte im Land gibt. Das serbische Energieministerium hat auf Anfragen nicht reagiert.

Warum Projekte feststecken

Dabei haben in den vergangenen Jahren vor allem deutsche Firmen versucht, den serbischen Wasserstoff-Sektor aufzubauen. Laut Informationen der Deutsch-Serbischen Wirtschaftskammer (AHK) steckt ein Pilotprojekt gerade wegen regulatorischer Probleme in der Planung fest. Selbst für Pilotprojekte fehlen also Verordnungen, etwa zur Sicherheit.

Erst im Jänner hat Serbien ein nationales Gesetz zu CO₂-Emissionen eingeführt, das dem EU-Emissionshandel entsprechen soll. Wasserstoff fehlt darin, obwohl er unter den EU-Grenzausgleich CBAM fällt. Die Kammer hatte dessen Aufnahme in der öffentlichen Konsultation gefordert, blieb damit aber erfolglos.

Viele Ankündigungen, wenig Umsetzung

Ilija Batas-Bjelić forscht am Institut für Technische Wissenschaften der Serbischen Akademie der Wissenschaften und Künste (SANU). Er modelliert Energiesysteme, mit dem seines Landes hat er sich umfassend auseinandergesetzt. Sein Fazit: „Im Grunde gibt es hier kein System.” Ein echtes Energiesystem verbindet viele verschiedene Komponenten zu einem funktionierenden Ganzen: Kraftwerke, Netze, Verbraucher:innen sowie unterschiedliche Sektoren wie Strom, Wärme und Transport. In Serbien fehlt diese Verzahnung bisher.

Laut Batas-Bjelić liegt das Land in der Energiewende rund zwanzig Jahre zurück, weil Kohle für das Finanzministerium die zentrale Einnahmequelle bleibt und notfalls sogar importiert wird. Das Energieministerium habe zwar viel Arbeit in Regulierung und Gesetzgebung gesteckt, aber für die Umsetzung fehle alles: das Geld, das Fachpersonal und die Infrastruktur. „Es gibt viele Ankündigungen, aber es passiert nichts”, sagt er.

Wer trotzdem baut

„Generell halte ich Wasserstoff für diese Region für etwas zu teuer”, sagt der Forscher. „Von Fall zu Fall kann sich Wasserstoff wirtschaftlich lohnen und für Banken finanzierbar sein”, erklärt er. Den Anstoß erwartet er vor allem von kleineren Unternehmen. Solarstrom und PV-Anlagen seien billig, die Gasversorgung bleibe unsicher. Wer eine eigene PV-Anlage betreibt, könne damit auch vor Ort Wasserstoff erzeugen.

Die Theorie bestätigt sich in der Praxis. Nach Informationen aus dem Umfeld der deutschen Entwicklungsbank KfW kommt derzeit nur ein Wasserstoffprojekt im Land wirklich voran: das eines privaten Transportunternehmens nahe Belgrad. Es will Strom aus einer eigenen Solaranlage in Wasserstoff für die eigenen Lkw umwandeln, die Tankstelle soll bis Mitte 2027 in Betrieb gehen. Das Projekt ist aus Eigenmitteln finanziert. Der Aufwand für Förderungen stand in keinem Verhältnis zur Summe. Wer in Serbien auf Wasserstoff setzt, ist bisher auf sich allein gestellt. Aber was heißt das für jemanden, der investieren will?

Wo der Markt wirklich liegt

Die Gesprächspartner:innen zeigen alle in dieselbe Richtung, und sie zeigt nicht auf Wasserstoff. Batas-Bjelić beobachtet, dass derzeit ausschließlich kleine Solarprojekte tatsächlich gebaut werden, während größere Vorhaben liegen bleiben, und erwartet den Anstoß von Unternehmen selbst. Wer in Serbien in Erneuerbare investieren will, muss also kleiner denken: bei Anlagen für den Eigenverbrauch von Betrieben.

Die Deutsch-Serbische Wirtschaftskammer verweist auf eine konkrete Lücke, die auch für österreichische Investor:innen interessant sein könnte: Deutsche Firmen haben in Serbien längst selbst Photovoltaik installiert und ihre Prozesse optimiert, um auf das CO₂-Grenzausgleichssystem CBAM der EU vorbereitet zu sein. Ihre kleineren serbischen Zulieferer haben das nicht. Deren Emissionen schlagen nämlich auf die Klimabilanz ihrer internationalen Abnehmer durch. Und genau dort sei Raum für Investitionen.

Für alle Bereiche rät Daniel Schaub von The Energy Bridge, lokale Akteure einzubeziehen. „Wenn die Community rund um ein Projekt dagegen ist, wird es mit hoher Wahrscheinlichkeit scheitern. Die Community einzubinden, senkt dieses Risiko, und das ist bei Investitionen wichtig.” Wissenstransfer und lokale Arbeitsplätze gehören für ihn dazu.

Bei grünem Wasserstoff ist Serbien noch nicht so weit. Wer dort trotzdem investieren will, sollte beim Fundament anfangen, gemeinsam mit den Menschen vor Ort.


Dieser Beitrag ist im Rahmen von „eurotours 2026″ entstanden, einem Projekt des Bundeskanzleramts, finanziert aus Bundesmitteln.

Toll dass du so interessiert bist!
Hinterlasse uns bitte ein Feedback über den Button am linken Bildschirmrand.
Und klicke hier um die ganze Welt von der brutkasten zu entdecken.

brutkasten Newsletter

Aktuelle Nachrichten zu Startups, den neuesten Innovationen und politischen Entscheidungen zur Digitalisierung direkt in dein Postfach. Wähle aus unserer breiten Palette an Newslettern den passenden für dich.

Montag, Mittwoch und Freitag

AI Summaries

#unchAIn, Teil 3: Was ist Machine Learning und Deep Learning?

AI Kontextualisierung

Welche gesellschaftspolitischen Auswirkungen hat der Inhalt dieses Artikels?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

#unchAIn, Teil 3: Was ist Machine Learning und Deep Learning?

AI Kontextualisierung

Welche wirtschaftlichen Auswirkungen hat der Inhalt dieses Artikels?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

#unchAIn, Teil 3: Was ist Machine Learning und Deep Learning?

AI Kontextualisierung

Welche Relevanz hat der Inhalt dieses Artikels für mich als Innovationsmanager:in?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

#unchAIn, Teil 3: Was ist Machine Learning und Deep Learning?

AI Kontextualisierung

Welche Relevanz hat der Inhalt dieses Artikels für mich als Investor:in?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

#unchAIn, Teil 3: Was ist Machine Learning und Deep Learning?

AI Kontextualisierung

Welche Relevanz hat der Inhalt dieses Artikels für mich als Politiker:in?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

#unchAIn, Teil 3: Was ist Machine Learning und Deep Learning?

AI Kontextualisierung

Was könnte das Bigger Picture von den Inhalten dieses Artikels sein?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

#unchAIn, Teil 3: Was ist Machine Learning und Deep Learning?

AI Kontextualisierung

Wer sind die relevantesten Personen in diesem Artikel?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

#unchAIn, Teil 3: Was ist Machine Learning und Deep Learning?

AI Kontextualisierung

Wer sind die relevantesten Organisationen in diesem Artikel?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

#unchAIn, Teil 3: Was ist Machine Learning und Deep Learning?