Inductive Learning ist ein Begriff aus den Bereichen Künstliche Intelligenz, Big Data und Automatisierung. Er beschreibt eine Methode, bei der Computer aus vielen Beispielen oder Daten lernen, um daraus allgemeine Regeln oder Muster zu erkennen – ohne dass ihnen diese Regeln vorher im Detail vorgegeben wurden.
Beim Inductive Learning wird ein Computer erst einmal mit vielen Daten gefüttert. Er „schaut“ sich diese Daten an und findet selbstständig heraus, welche Gemeinsamkeiten oder Unterschiede es gibt. Die Maschine erstellt daraus eigene Regeln. Im Gegensatz dazu steht das „deduktive Lernen“, bei dem die Regeln bereits vorher bekannt und festgelegt sind.
Ein anschauliches Beispiel: Angenommen, ein Computer bekommt tausende Fotos von Äpfeln und Birnen. Anstatt ihm genau zu sagen, woran man jeden Apfel oder jede Birne erkennt, analysiert er die Bilder und stellt fest: Äpfel sind meistens rund und haben eine bestimmte Farbe, Birnen sehen meist anders aus. Nach genug Beispielen kann das System irgendwann neue Bilder eigenständig richtig zuordnen.
Inductive Learning ist eine wichtige Grundlage, damit Maschinen in der Industrie, bei der Datenanalyse oder in der Automatisierung eigenständig und intelligent arbeiten können.
Deutsch 
English (UK)