Abstract

Maschinell lernende Artefakte werden in einer Vielzahl von Kontexten eingesetzt, in denen Konstellationen von Eingabereizen eine bestimmte Regelmäßigkeit aufweisen oder aufweisen könnten. Diese Reize werden über Autoadaptionsprozesse mit Reaktionen verknüpft. Reiz-Reaktion-Verknüpfungen dieser Art können sehr komplexe Kausalstrukturen abbilden oder Strukturen in großen, ungreifbaren Datenmengen identifizieren. Die notwendigen Prozessschritte sind jedoch meist extrem komplex und zumindest für menschliche Nutzer nicht mehr transparent. Eine Steuerung der Autoadaptionsprozesse solcher Artefakte ist entsprechend nur sehr indirekt über eine starke Vorstrukturierung oder gar nicht möglich. Eine Vorstrukturierung ermöglicht den Einsatz von maschinellem Lernen als transklassische Informationstechnik für die Lösung von Optimierungsproblemen. In Fällen, in denen eine Steuerung nicht möglich ist oder erwünscht, ist ein anderes Potenzial maschinell lernender Artefakte erkennbar. Dieses besteht in der Fähigkeit zur Entdeckung von interessanten und bisher unbekannten Strukturen, die den Nutzer zur Formulierung bisher unbekannter Konzepte befähigen können. Entdeckend eingesetztes maschinelles Lernen ermöglicht einen Umgang mit Nichtwissen und kann für die Erschließung eines neuen Raums technischen Handelns eingesetzt werden. Diese Technik wird in diesem Beitrag herausgearbeitet und als Welttechnik beschrieben.