Unsupervised Learning

Was ist Unsupervised Learning?

Unsupervised Learning ist eine Methode des maschinellen Lernens, bei der ein Algorithmus Daten ohne vorgegebene Zielwerte oder Klassen untersucht. Das Modell erkennt eigenständig Ähnlichkeiten, Gruppen, Ausreißer oder verborgene Strukturen. Typische Verfahren sind Clustering, Dimensionsreduktion, Assoziationsanalyse und Anomalieerkennung.

Wie funktioniert Unsupervised Learning?

Unsupervised Learning, auf Deutsch einmalig als unüberwachtes Lernen bezeichnet, verarbeitet Eingabedaten ohne bekannte Musterlösung. Ein Datensatz enthält beispielsweise Merkmale zu Suchbegriffen, Kunden oder Dokumenten, aber keine Spalte mit der richtigen Kategorie. Der Algorithmus optimiert stattdessen ein mathematisches Ziel, etwa geringe Abstände innerhalb einer Gruppe oder einen möglichst kleinen Rekonstruktionsfehler.

Die Bezeichnung führt häufig zu einem Missverständnis: Unsupervised Learning arbeitet nicht ohne menschliche Vorgaben. Menschen wählen die Daten, Merkmale, Distanzfunktion, Modellparameter und Bewertungskriterien aus. Der Algorithmus entscheidet lediglich ohne vorgegebene Zielvariable, welche Struktur zu diesen Vorgaben passt. Prüfe deshalb zuerst, ob die verwendeten Merkmale tatsächlich den Zusammenhang abbilden, den du untersuchen möchtest.

Beispiel einer automatischen Gruppierung

Ein Unternehmen kann 10.000 Suchanfragen anhand ihrer sprachlichen oder statistischen Merkmale gruppieren lassen. Suchbegriffe wie „SEO Kosten“, „SEO Preise“ und „SEO Budget“ können in einem gemeinsamen Cluster landen, obwohl vorher keine Kategorie „Kosten“ definiert wurde. Erst ein Mensch bewertet anschließend, ob das Cluster einen gemeinsamen Suchintent besitzt und eine eigene Landingpage benötigt. Eine strukturierte Keyword-Recherche für Google und KI-Suchen liefert dafür die fachliche Grundlage.

Beim Clustering mit dem k-Means-Verfahren wird die Zahl der Gruppen vor dem Training als k festgelegt. Der Algorithmus ordnet jeden Datenpunkt dem nächstgelegenen Mittelpunkt zu und berechnet die Mittelpunkte wiederholt neu. Das Verfahren minimiert die Summe der quadrierten Abstände innerhalb der Cluster, garantiert aber keine fachlich sinnvolle Gruppierung.

Verfahren im Unsupervised Learning

Unsupervised Learning umfasst mehrere Verfahrensgruppen, die unterschiedliche Fragen beantworten. Clustering sucht Gruppen ähnlicher Objekte. Dimensionsreduktion verdichtet viele Merkmale auf weniger Dimensionen. Assoziationsanalyse sucht häufig gemeinsam auftretende Elemente. Anomalieerkennung identifiziert Beobachtungen, die deutlich vom übrigen Datensatz abweichen.

Verfahren	Ziel	Typischer Anwendungsfall
Clustering	Ähnliche Datenpunkte gruppieren	Keywords, Kunden oder Inhalte segmentieren
Dimensionsreduktion	Merkmalszahl verringern	Komplexe Datensätze visualisieren oder verdichten
Assoziationsanalyse	Gemeinsames Auftreten erkennen	Produktkombinationen oder Themenbeziehungen finden
Anomalieerkennung	Ungewöhnliche Beobachtungen markieren	Traffic-Ausreißer oder auffällige Kampagnendaten untersuchen

Clustering mit k-Means und DBSCAN

k-Means eignet sich vor allem für kompakte Cluster, deren Datenpunkte anhand einer Distanz sinnvoll vergleichbar sind. Die gewünschte Clusterzahl muss vorab feststehen. DBSCAN arbeitet dagegen mit einem Nachbarschaftsradius und einer Mindestzahl benachbarter Punkte. DBSCAN kann unregelmäßig geformte Gruppen erkennen und isolierte Datenpunkte als Ausreißer markieren, reagiert jedoch empfindlich auf ungeeignete Parameter und stark unterschiedliche Datendichten.

Dimensionsreduktion mit PCA

Die Hauptkomponentenanalyse, kurz PCA, überführt korrelierte Merkmale in neue, voneinander unabhängige Hauptkomponenten. Die erste Komponente bildet die Richtung mit der größten Varianz ab, jede weitere Komponente erklärt den größtmöglichen Anteil der verbleibenden Varianz. PCA kann beispielsweise 50 numerische Merkmale auf zwei Dimensionen reduzieren, damit sich Muster visualisieren lassen. Die beiden Dimensionen sind anschließend jedoch oft schwer fachlich zu benennen.

Qualität von Clustern bewerten

Unsupervised Learning besitzt häufig keine eindeutige richtige Antwort, weil Referenzklassen fehlen. Die Qualität eines Clusterings lässt sich unter anderem mit dem Silhouettenkoeffizienten bewerten. Für einen Datenpunkt gilt vereinfacht: s = (b - a) / max(a, b). Dabei bezeichnet a den mittleren Abstand zur eigenen Gruppe und b den mittleren Abstand zur nächstgelegenen anderen Gruppe.

Der Silhouettenkoeffizient liegt zwischen minus 1 und 1. Ein Wert nahe 1 spricht für einen Datenpunkt, der gut zur eigenen Gruppe passt und klar von anderen Gruppen getrennt ist. Werte nahe 0 weisen auf überlappende Cluster hin. Negative Werte können bedeuten, dass der Datenpunkt einer anderen Gruppe näher liegt. Die Kennzahl bewertet mathematische Trennung, aber nicht automatisch den geschäftlichen Nutzen des Ergebnisses.

Unsupervised Learning im Online-Marketing

Im SEO kann Unsupervised Learning Keywords nach Suchintention, Inhalte nach Themen oder URLs nach Leistungsmerkmalen gruppieren. Daraus lassen sich Themencluster, Content-Gaps und mögliche Überschneidungen zwischen Seiten ableiten. Ein Cluster ist jedoch keine fertige Content-Strategie. Prüfe zusätzlich SERP, Zielgruppe, Conversion-Ziel und vorhandene Rankings, bevor du Seiten zusammenlegst oder neue Inhalte erstellst. Eine umfassende SEO-Analyse verbindet solche Muster mit Technik, Content und Backlinks.

Im SEA kann Unsupervised Learning ähnliche Suchbegriffe, Produkte oder Nutzergruppen zusammenfassen. Eine Anomalieerkennung kann auffällige Veränderungen bei Klicks, Kosten oder Conversions markieren. Die Ursache muss anschließend anhand von Gebotsänderungen, Tracking, Nachfrage und Wettbewerb geprüft werden. Eine statistische Abweichung erklärt nicht, warum sich eine Kampagne verändert hat.

Für GEO, kurz für Generative Engine Optimization, kann Unsupervised Learning große Mengen von KI-Antworten, genannten Quellen und Entitäten thematisch strukturieren. Dadurch lassen sich wiederkehrende Fragen oder fehlende Themenbereiche erkennen. Die Gruppierung allein belegt jedoch nicht, dass eine Quelle für ChatGPT, Perplexity, Gemini oder Grok relevant ist. Eine GEO-Strategie für KI-Sichtbarkeit benötigt zusätzlich belastbare Inhalte, klare Entitäten und überprüfbare Quellen.

Automatisch erzeugte Cluster dürfen nicht ungeprüft als Zielgruppen, Suchintentionen oder redaktionelle Kategorien übernommen werden. Ungeeignete Merkmale können mathematisch saubere, aber fachlich wertlose Gruppen erzeugen. Vergleiche deshalb mehrere Parametereinstellungen und kontrolliere Stichproben aus jedem Cluster manuell.

Abgrenzung zu anderen Lernarten

Der Unterschied zwischen Unsupervised Learning und Supervised Learning liegt in den Trainingsdaten. Supervised Learning lernt aus Beispielen mit bekannten Zielwerten, etwa E-Mails mit den Klassen „Spam“ und „kein Spam“. Unsupervised Learning erhält nur die Merkmale der E-Mails und könnte ähnliche Nachrichten gruppieren. Die entstehenden Cluster müssen nicht den gewünschten Spam-Klassen entsprechen.

Semi-Supervised Learning kombiniert wenige beschriftete Beispiele mit einer größeren Menge unbeschrifteter Daten. Self-Supervised Learning erzeugt seine Lernsignale aus den Daten selbst, etwa indem Teile eines Textes verborgen und vorhergesagt werden. Reinforcement Learning optimiert Handlungen anhand von Belohnungen. Die Begriffe unterscheiden sich damit vor allem durch die Herkunft des Lernsignals und das Ziel des Trainings.

Typische Einsatzgrenzen

Merkmalsauswahl: Irrelevante oder unterschiedlich skalierte Merkmale können Distanzen und Cluster verzerren.
Interpretation: Ein Algorithmus erkennt statistische Ähnlichkeit, aber keine geschäftliche Bedeutung ohne fachliche Prüfung.
Parameterwahl: Clusterzahl, Distanzmaß und Nachbarschaftsradius können das Ergebnis grundlegend verändern.
Validierung: Eine gute interne Kennzahl belegt noch keinen Nutzen für SEO, SEA oder GEO.

Unsupervised Learning eignet sich besonders für explorative Analysen, wenn noch keine belastbaren Kategorien vorliegen. Für operative Entscheidungen sollte das Ergebnis mit bekannten KPIs, Stichproben und fachlichen Hypothesen verbunden werden. Bei KI-gestützten Analysen gilt derselbe Grundsatz: KI ist nur so gut wie die Daten und Kriterien, anhand derer Muster erzeugt und bewertet werden.

Häufige Fragen zu Unsupervised Learning

Braucht Unsupervised Learning Trainingsdaten?

Ja. Unsupervised Learning benötigt Trainingsdaten, aber keine vorgegebenen Zielwerte oder Klassen. Die Daten müssen trotzdem bereinigt, sinnvoll ausgewählt und in geeignete Merkmale überführt werden.

Welcher Algorithmus eignet sich für Clustering?

Die Wahl hängt von Datenform, Datendichte und Zielsetzung ab. k-Means eignet sich häufig für kompakte Gruppen, während DBSCAN auch unregelmäßige Cluster und Ausreißer erkennen kann.

Wie viele Cluster sind sinnvoll?

Eine allgemeingültige Clusterzahl gibt es nicht. Vergleiche mehrere Werte mit Kennzahlen wie dem Silhouettenkoeffizienten und prüfe anschließend, ob die Gruppen fachlich unterscheidbar und nutzbar sind.

Kann Unsupervised Learning Vorhersagen treffen?

Unsupervised Learning dient primär der Mustererkennung und Strukturierung. Die gefundenen Cluster oder Merkmale können anschließend als Eingaben für ein überwachtes Vorhersagemodell verwendet werden.

Ist Anomalieerkennung immer Unsupervised Learning?

Nein. Anomalieerkennung kann ohne bekannte Klassen, mit wenigen markierten Ausreißern oder vollständig überwacht umgesetzt werden. Die Einordnung hängt davon ab, welche Lernsignale im Training verfügbar sind.

Welche Daten eignen sich für Unsupervised Learning?

Geeignet sind numerische, kategorische, textuelle oder bildbasierte Daten, sofern sie in vergleichbare Merkmale übersetzt werden können. Das gewählte Distanzmaß muss zur Datenart und zur fachlichen Fragestellung passen.