Anzeige
Anzeige
Anzeige
Anzeige
Anzeige
Anzeige
Lesedauer 3 Min.

Machine Learning löst regelbasierte Systeme in KI-Projekten ab

Laut einer Umfrage von Evans Data nutzen knapp über die Hälfte aller Entwickler in KI-Projekten inzwischen Machine Learning Der Anteil der regelbasierten Syteme geht weiter zurück.
In der aktuellen Umfrage von Evans Data zu Künstlicher Intelligenz, Machine Learning und Big Data Survey nutzzen nur noch 27 Prozent der Entwickler in ihren KI-Projekten regelbasierte Systeme, etwas mehr als 22 Prozent setzen regelbasierte Systeme zusammen mit Machine Learning ein und über 50 Prozent nutzen nur noch Machine Learning. 

Regelbasierte Systeme sind einer der einfachsten Typen von KI und auch als Expertensysteme bekannt.  Sie speichern das Expertenwissen in einer Art Baum und können auf Basis dieses gespeicherten Wissens Fragen ähnlich wie ein Mensch beantworten.

Im Gegensatz dazu werden beim Machine Learning keine Regeln vorgegeben, sondern das System wird anhand großer Datenmengen traininert und erzeugt sich dabei selbst Regeln und ein Modell zum Klassifizieren der Trainingsdaten. Neue Daten versucht das System dann in das selbst geschaffene Raster einzusetzen und kann Wahrscheinlichkeiten ausgeben etwa so: Auf dem Bild ist ein Hund zu sehen (Wahrscheinlichkeit: 78 Prozent).

Während Expertensystem schon seit über 20 Jahren bekannt sind und betrieben werden, ist das Machine Learning eine recht junge Disziplin, die allerdings von den Entwicklern immer stärker genutzt wird.

Janel Garvin, CEO von Evans Data: "Es gibt viele exzellenter Anwendungen für regelbasierte Systeme und diese wurden über viele Jahre genutzt, aber heute sehen wir, dass sich Entwickler begierig auf die Machine-Learning-Algorithmen stürzen, sie in ihre Projekte einbauen und trainieren. Statt Expertensystemen  mühsam die Regeln beizubringen, lernen die neuen Systeme quasi von selbst. Die großen Anbieter unterstützen diese Entwicklung indem sie Frameworks und Tools für das Machine Learning bereitstellen."

Die Evans-Data-Umfrage zeigte auch folgende viel genutzte KI-Technologien: Concept Clustering, Neuronale KI-Netzwerke und Reinforcement Learning. Daneben wird die Spracherkennung zunehmend zu einem beliebten Weg der Interaktion mit KI-Systemen. Laut Evans Data bauen bereits 45 Prozent der KI-Entwickler diese Technologie in ihre Projekte ein.

Die Umfrage "Artificial Intelligence, Machine Learning and Big Data Survey" führt Evans Data zweimal im Jahr durch. Das Inhaltsverzeichnis der kostenpflichtigen Studie können Sie hier kostenfrei einsehen.
 

Miscellaneous

Neueste Beiträge

Vom Python-Modell zur .NET-Anwendung - .NET, Python und KI, Teil 4
Am Szenario einer Sentiment-Analyse verdeutlicht ein durchgängiges Anwendungsbeispiel, wie aus einem isolierten Data-Science-Ergebnis eine konkret genutzte Funktion innerhalb einer .NET-Business-Anwendung entsteht.
7 Minuten
Mit SQL Server 2025 HTTP-APIs aufrufen - Neues in SQL Server 2025, Teil 1
API-Aufrufe mit SQL Server 2025 sind kein Spielzeug, sondern ein ernst zu nehmender Integrationsmechanismus.
6 Minuten
Deep Learning in .NET – TensorFlow.NET und TorchSharp - .NET, Python und KI, Teil 3
Mit modernen KI-Frameworks lassen sich Deep-Learning-Modelle direkt in C# entwickeln.
6 Minuten

Das könnte Dich auch interessieren

00:00
Wenn die KI den Bug findet, bevor Du anfängst zu suchen - KI in der Softwarewartung
Root-Cause-Analysis, Technical Debt, Legacy-Dokumentation – das sind die Klassiker, die Entwickler:innen regelmäßig Stunden kosten. Harald Binkle erklärt im Interview, wie KI-Werkzeuge die Arbeit der Maintenance vereinfachen können. Wer mehr will, sollte auf die Infinite AI Conference 2026 kommen.
5. Mai 2026
ROI von KI
Wie Entwickler die Lücke bei der Bereitschaft, KI einzusetzen, schließen können.
7 Minuten
Deep Learning in .NET – TensorFlow.NET und TorchSharp - .NET, Python und KI, Teil 3
Mit modernen KI-Frameworks lassen sich Deep-Learning-Modelle direkt in C# entwickeln.
6 Minuten
Anzeige
Anzeige
Anzeige
Anzeige
Anzeige