Machine Learning (ML)

Machine Learning unterscheidet sich von klassischer Programmierung in einem zentralen Punkt: Statt feste Regeln zu codieren, lernt das System aus Beispielen. Ein Spam-Filter wird nicht mit Regeln wie hat das Wort Viagra programmiert, sondern mit tausenden Beispielen von Spam und nicht-Spam, aus denen er die relevanten Muster selbst ableitet.

ML lässt sich grob in drei Kategorien einteilen: Supervised Learning (mit gelabelten Trainingsdaten), Unsupervised Learning (Mustererkennung in ungelabelten Daten) und Reinforcement Learning (Lernen durch Belohnung in interaktiven Umgebungen). Jede Kategorie hat ihre Anwendungsfälle, ihre Methoden und ihre Anforderungen an Datenmenge und Datenqualität.

Pimcore integriert ML-Funktionen direkt in produktive Workflows. Produktklassifizierung (Supervised), Anomalie-Erkennung in Datenqualität (Unsupervised), KI-gestützte Anreicherung und Agentic-Workflows (Hybrid-Ansätze) sind Teil der nativen Plattform-Funktionen. Über den Agent SDK lassen sich eigene ML-Modelle in Pimcore-Workflows einbinden, mit der Data Spine als Datengrundlage.