Seminar OpenRules Rule Learner und Machine Learning

Inhaltsverzeichnis

• Einordnung
• Inhalte
• Praxisarbeit
• Zielgruppe
• Voraussetzungen
• Abgrenzung

Einordnung

Dieses Seminar behandelt die Verbindung von historischen Daten und ausführbaren Geschäftsregeln. Der Schwerpunkt liegt auf erklärbaren, fachlich prüfbaren Regeln, die aus Beispieldaten abgeleitet, validiert und in Entscheidungsmodelle überführt werden. Damit entsteht ein Gegenentwurf zu Black-Box-Modellen, wenn Nachvollziehbarkeit, manuelle Prüfung und regelbasierte Weiterpflege erforderlich sind.

Inhalte

• Einordnung von regelorientiertem Lernen aus historischen Daten
• Datenaufbereitung für fachlich verständliche Muster, Zielklassen und Eingangsmerkmale
• Ableitung lesbarer Regeln aus Beispielen und Bewertung der fachlichen Plausibilität
• Überführung gelernter Regeln in Entscheidungstabellen und Modellstrukturen
• Validierung mit Testdaten, Grenzfällen, Fehlklassifikationen und fachlichen Ausnahmen
• Zusammenspiel zwischen gelerntem Regelbestand, manuell gepflegten Regeln und Governance

Praxisarbeit

1. Ein geeignetes historisches Datenszenario mit Zielentscheidung auswählen.
2. Merkmale, Klassen, Datenqualität und fachliche Ausschlüsse dokumentieren.
3. Gelernte Regelmuster fachlich lesen und auf Plausibilität prüfen.
4. Akzeptierte Regeln in eine tabellarische Entscheidungsstruktur überführen.
5. Die Regelbasis mit unabhängigen Testfällen bewerten und Anpassungsbedarf markieren.

Zielgruppe

Geeignet für Organisationen, die datengetriebene Erkenntnisse in verständliche und wartbare Geschäftsregeln überführen wollen, etwa bei Risikoauswahl, Klassifikation, Prüfung oder Empfehlung.

Voraussetzungen

Empfohlen werden Grundkenntnisse zu Datenanalyse und Entscheidungslogik. Statistische Spezialkenntnisse sind nicht Schwerpunkt, erleichtern aber die Interpretation von Modellgüte und Fehlklassifikation.

Abgrenzung

Der Kurs behandelt erklärbare Regelentdeckung und deren Einbettung in OpenRules. Allgemeine Data-Science-Pipelines, Modelltraining beliebiger Algorithmen und MLOps werden nur am Rand eingeordnet.