Classifier

Ein Classifier ist ein Programm, das etwas einer von mehreren vorgegebenen Kategorien zuordnet. Man gibt ihm einen Text, ein Bild oder eine Messreihe, und er antwortet mit einem Etikett. Bei einer E-Mail lautet die Antwort „Spam“ oder „kein Spam“. Bei einem Foto könnte sie „Hund“, „Katze“ oder „Pferd“ lauten. Das Besondere ist: Niemand schreibt die Regeln für diese Entscheidung von Hand. Das Programm bekommt tausende bereits richtig einsortierte Beispiele und leitet daraus selbst ab, worauf es achten muss. Der deutsche Begriff dafür ist Klassifikator, doch in der Praxis sagen fast alle Classifier.

Der Arbeitspferd-Status in der KI-Praxis

Classifier gehören zu den ältesten und am häufigsten eingesetzten KI-Bausteinen überhaupt. Sie sind unauffällig, aber allgegenwärtig. Banken nutzen sie, um verdächtige Kartenzahlungen zu markieren. Krankenhäuser nutzen sie, um Röntgenbilder vorzusortieren. Große Plattformen nutzen sie, um Beiträge zu erkennen, die gegen ihre Regeln verstoßen.

Wirtschaftlich sind sie deshalb interessant, weil sie sehr viel billiger sind als ein großes Sprachmodell. Ein Sprachmodell ist ein KI-System, das Texte erzeugt, und es braucht dafür enorme Rechenleistung. Ein spezialisierter Classifier für eine einzige Ja-Nein-Frage kann dagegen winzig sein. Er läuft manchmal direkt auf dem Handy, ohne Verbindung zu einem Rechenzentrum.

Wichtig ist aber auch die Schattenseite. Ein Classifier ist nur so gut wie die Beispiele, mit denen er gefüttert wurde. Waren diese Beispiele einseitig, übernimmt er die Einseitigkeit. Genau deshalb tauchen Classifier in Debatten über Diskriminierung durch Algorithmen so oft auf.

Von Beispielen zur Entscheidungsgrenze

Man kann sich die Aufgabe wie das Ziehen einer Linie auf einem Blatt Papier vorstellen. Jede E-Mail wird zu einem Punkt, dessen Lage sich aus messbaren Eigenschaften ergibt: Länge, Häufigkeit bestimmter Wörter, Zahl der Links. Spam-Punkte landen tendenziell in einer Ecke, normale Mails in einer anderen. Das Training besteht darin, die Trennlinie so zu legen, dass möglichst wenige Punkte auf der falschen Seite liegen.

In der Realität hat dieses Blatt nicht zwei Dimensionen, sondern hunderte oder tausende. Die Trennlinie ist dann keine Linie mehr, sondern eine komplizierte Fläche. Genau dafür braucht man Verfahren wie neuronale Netze, also Rechenmodelle, die aus vielen einfachen, miteinander verschalteten Recheneinheiten bestehen.

Ein Detail wird oft missverstanden. Ein Classifier gibt in der Regel keine harte Entscheidung aus, sondern eine Wahrscheinlichkeit. Er sagt etwa: 87 Prozent Spam. Wo die Grenze zum Urteil gezogen wird, legt der Betreiber fest. Setzt er sie niedrig, fängt er mehr Spam, verliert aber auch echte Mails. Diesen Kompromiss nennt man Schwellenwert, und er ist eine Geschäftsentscheidung, keine mathematische.

Classifier im eigenen Alltag erkennen

Der Spam-Ordner im Mail-Postfach ist das bekannteste Beispiel. Ebenso die Vorschläge, welche Person auf einem Foto zu sehen ist, oder die automatische Sprachauswahl beim Übersetzen. Auch die Warnung des Browsers vor einer betrügerischen Webseite kommt von einem Classifier.

In Nachrichten über KI begegnet man dem Begriff meist im Zusammenhang mit Sicherheit und Moderation. Chatbots setzen zusätzliche Classifier davor und dahinter, die prüfen, ob eine Anfrage oder eine Antwort problematisch ist. Diese Prüfschicht ist ein eigenes, kleines Modell und nicht Teil des Sprachmodells selbst.

Abzugrenzen ist der Classifier von der Regression. Eine Regression schätzt eine Zahl, etwa den Preis einer Wohnung. Ein Classifier wählt aus einer festen Liste von Etiketten. Wer beides verwechselt, wählt das falsche Verfahren — ein häufiger Anfängerfehler im maschinellen Lernen, also beim Lernen von Computern aus Daten.