Statistik & Machine Learning

Der Durchbruch kam leise: Statt Regeln zu schreiben, ließ man Maschinen aus Beispielen lernen.

Was in dieser Epoche geschah

Die Antwort auf den zweiten Winter war ein Paradigmenwechsel. Statt Wissen in Regeln zu gießen, gab man dem System Beispiele und ließ es Wahrscheinlichkeiten schätzen. 1995 veröffentlichten Corinna Cortes und Vladimir Vapnik die Support Vector Machine, ein Verfahren, das Klassen mit einer möglichst breiten Trennlinie scheidet und damit sehr zuverlässig arbeitet. In den folgenden Jahren kamen Bayessche Netze, Boosting-Verfahren und 2001 die Random Forests von Leo Breiman hinzu.

1997 gewann Deep Blue von IBM gegen Garri Kasparow. Das war ein Meilenstein der öffentlichen Wahrnehmung, aber kein Sieg des Lernens: Deep Blue rechnete vor allem sehr schnell und bewertete Stellungen mit einer von Menschen gepflegten Funktion.

2009 veröffentlichten Forscher um Fei-Fei Li ImageNet, eine Datenbank mit mehr als 14 Millionen annotierten Bildern. Zusammen mit wachsender Rechenleistung und den Datenmengen des Webs entstand der Brennstoff für die nächste Stufe.

Der Meilenstein

1995 — Die Support Vector Machine zeigt, wie zuverlässig Lernen aus Beispielen funktioniert. Der Weg führt nicht mehr über Regeln, sondern über Daten.

Warum diese Epoche zählt

Weil hier die Richtung kippt. Wer Muster aus Daten schätzt, muss das Wissen nicht mehr aufschreiben. Das ist die Grundlage jeder KI, die heute im Einsatz ist.

Belege

Jahreszahlen, Namen und Zitate dieser Seite wurden am 27. Oktober 2026 gegen die folgenden Arbeiten geprüft; die Wikipedia-Artikel dienen als Übersicht und Einstieg, nicht als Originalbeleg. Die Belege zu den Meilenstein-Sätzen aller Bänder stehen gesammelt unter Belege zum Zeitstrahl.

1. Corinna Cortes und Vladimir Vapnik, Support-Vector Networks, Machine Learning 20, 1995 — en
2. Leo Breiman, Random Forests, Machine Learning 45, 2001 — en
3. Murray Campbell, A. Joseph Hoane und Feng-hsiung Hsu, Deep Blue, Artificial Intelligence 134, 2002 — en
4. Jia Deng u. a., ImageNet: A Large-Scale Hierarchical Image Database, CVPR 2009; 14.197.122 annotierte Bilder — en