Telefon bekommt den Code 1, E-Mail den Code 2 und Chat den Code 3. Die Liste sieht übersichtlich aus. Doch was passiert, wenn eine Auswertung diese Codes wie echte Mengen behandelt? Dann erscheint Chat numerisch weiter von Telefon entfernt als E-Mail. Eine solche Entfernung haben wir mit der Nummerierung selbst erzeugt – sie wurde nicht über die Kontaktkanäle gemessen.
One-Hot-Encoding bei KI ist eine Möglichkeit, ungeordnete Kategorien anders darzustellen. Dieser Beitrag erklärt die Grundidee anhand eines erfundenen Bürofalls. Er ist ein Lernimpuls für Menschen, die KI-Ergebnisse und Datentabellen im Berufsalltag besser einordnen möchten, keine Anleitung für ein bereits eingesetztes GrandEdu-System.
Der Lernfall: Drei Kontaktkanäle ohne natürliche Rangfolge
Eine fiktive Servicestelle erfasst für jede Anfrage genau einen Eingangskanal: Telefon, E-Mail oder Chat. Weitere Eigenschaften wie Bearbeitungszeit, Dringlichkeit oder Kundenzufriedenheit werden in unserer ersten Übung ausdrücklich nicht betrachtet. Der Kanalname beantwortet nur die Frage, auf welchem Weg die Anfrage eingegangen ist.
Für diesen Fall legen wir keine Reihenfolge „besser“ oder „schlechter“ fest. Telefon ist auch nicht halb so viel Kanal wie E-Mail. Die Ziffern 1, 2 und 3 dienen zunächst lediglich als Etiketten. Sobald wir damit Abstände ausrechnen, müssen wir erklären, warum diese Rechnung fachlich sinnvoll sein soll.
Warum eine andere Nummerierung die Aussage verändern würde
Mit den Codes Telefon = 1, E-Mail = 2 und Chat = 3 beträgt der rein numerische Abstand zwischen Telefon und Chat zwei. Zwischen Telefon und E-Mail beträgt er eins. Diese Rechnung könnte den Eindruck erzeugen, die ersten beiden Kanäle seien einander ähnlicher.
Nun tauschen wir nur die Etiketten: Telefon = 1, Chat = 2 und E-Mail = 3. Plötzlich liegt Chat numerisch näher an Telefon. An den tatsächlichen Anfragen haben wir nichts verändert. Die wechselnde Nähe stammt allein aus unserer frei gewählten Codierung.
Die offizielle scikit-learn-Anleitung zur Datenvorverarbeitung weist entsprechend darauf hin, dass einfache Ganzzahlcodes bei manchen Verfahren eine unerwünschte Ordnung ausdrücken können. Daraus folgt nicht, dass jedes KI-Verfahren dieselbe Verarbeitung verlangt. Es ist vielmehr ein Grund, die Darstellung passend zum eingesetzten Verfahren zu prüfen.
Eine Spalte pro Kanal statt einer gemeinsamen Nummer
Für unsere alternative Übung legen wir drei binäre Spalten in der festen Reihenfolge Telefon, E-Mail, Chat an. Eine 1 bedeutet, dass die Anfrage zu diesem Kanal gehört; eine 0 bedeutet, dass sie nicht zu diesem Kanal gehört.
- Telefon: 1, 0, 0.
- E-Mail: 0, 1, 0.
- Chat: 0, 0, 1.
Die Dokumentation des OneHotEncoder beschreibt genau diese Grundform: Kategorien werden in getrennten binären Spalten abgebildet. In unserem Beispiel bleiben alle drei Spalten erhalten. Andere Einstellungen sind möglich; sie gehören nicht zur hier verwendeten Darstellung.
Bei jeder unserer vollständig ausgefüllten Einzelkanal-Zeilen steht genau eine 1. Die Position dieser 1 identifiziert den Kanal. Die erste Spalte bedeutet Telefon nicht deshalb, weil Telefon wichtiger wäre, sondern weil wir diese Spaltenreihenfolge ausdrücklich festgelegt haben.
Der Abstandstest im eigenen Beispiel
Vergleichen wir Telefon und E-Mail, unterscheiden sich zwei Positionen: die Telefonspalte und die E-Mail-Spalte. Telefon und Chat unterscheiden sich ebenfalls an zwei Positionen. E-Mail und Chat ebenso. In dieser Darstellung wird keine der drei Kategorien durch einen kleineren Abstand bevorzugt, wenn wir nur diese drei Spalten mit gleicher Gewichtung betrachten.
Das ist eine Aussage über die Darstellung, keine Entdeckung über das Kundenverhalten. Wir haben nicht gemessen, dass alle Kanäle für Beschäftigte, Kunden oder Kosten gleichermaßen ähnlich sind. Eine solche fachliche Aussage bräuchte zusätzliche Informationen.
Spaltennamen gehören zum Ergebnis
Angenommen, jemand erhält nur die Zeile 0, 1, 0 ohne Beschriftung. Ohne unsere festgelegte Reihenfolge lässt sich nicht erkennen, welcher Kanal gemeint ist. Wird dieselbe Zahlenzeile in der Reihenfolge Chat, Telefon, E-Mail gelesen, würde sie Telefon statt E-Mail bezeichnen.
Für den erfundenen Bürofall gehört deshalb eine kleine Zuordnung zur Auswertung: Welche Kategorien sind vorgesehen, in welcher Reihenfolge stehen die Spalten, und was bedeutet die 1? Eine unbeschriftete Zahlenmatrix ist noch keine verständliche Übergabe an eine andere Person.
Für eine praktische Übung können Sie die drei Kategorien auf Karten schreiben, codieren und anschließend die Karten vertauschen. Die Beschriftung muss weiterhin eindeutig zur jeweiligen Spalte passen. Wenn eine andere Person die ursprünglichen Kanäle korrekt rekonstruieren kann, ist zumindest diese Zuordnung nachvollziehbar.
Was die drei Spalten noch nicht beantworten
In unserer Servicestelle könnte eine Anfrage nach dem Chat telefonisch fortgesetzt werden. Der Fall wäre dann nicht mehr mit der bisherigen Regel „genau ein Eingangskanal“ zu verwechseln. Wir müssten entscheiden, ob weiterhin nur der erste Kontakt oder mehrere genutzte Kanäle erfasst werden sollen.
Wer einfach zwei Einsen einträgt, hat die Bedeutung der Zeile verändert. Das kann für eine andere Fragestellung sinnvoll sein, entspricht aber nicht mehr unserem ursprünglichen Einzelkanal-Beispiel. Die fachliche Definition kommt vor dem Ausfüllen der Tabelle.
Ebenso wenig beantwortet die Codierung, wie mit einem neuen Kanal oder einer fehlenden Angabe umgegangen wird. Für den Lernfall markieren wir solche Eingaben zunächst als offenen Klärungsfall. Wir ersetzen sie nicht stillschweigend durch einen bekannten Kanal. Welche technische Behandlung später passt, muss gesondert vereinbart und getestet werden.
Ein kleiner Verständnistest vor der Anwendung
Mit vier Prüffragen lässt sich unser Beispiel ohne zusätzliche Software nachvollziehen. Es handelt sich um einen eigenen Lernvorschlag, nicht um eine allgemeine Freigabeprüfung für KI-Produkte:
- Beschreibt die Eingangsspalte Kategorien oder tatsächlich messbare Mengen?
- Entsteht eine behauptete Reihenfolge nur durch frei vergebene Zahlencodes?
- Kann eine andere Person die codierte Zeile anhand der Spaltennamen zurückübersetzen?
- Ist klar, welche Eingaben außerhalb der vereinbarten Kategorien liegen?
Eine vollständig beantwortete Liste garantiert noch keine gute Vorhersage. Unser Versuch enthält weder ein trainiertes Modell noch eine Prüfung an neuen Anfragen. Er klärt eine vorgelagerte Frage: Was stellen die Zahlen überhaupt dar?
FAQ zum One-Hot-Encoding bei KI
Ist die 1 eine gute Bewertung?
Nein. Im Beispiel bedeutet sie ausschließlich die Zugehörigkeit zum bezeichneten Kanal. Sie sagt nichts über Qualität oder Zufriedenheit aus.
Sind Zahlencodes wie 1, 2 und 3 immer falsch?
Nein. Als vereinbarte Etiketten können sie verständlich sein. Problematisch wäre im Lernfall die ungeprüfte Interpretation ihrer numerischen Abstände.
Garantiert One-Hot-Encoding bessere KI-Ergebnisse?
Nein. Unsere Darstellung beseitigt hier nur die frei erzeugte Kanalreihenfolge. Die Qualität eines konkreten Modells wurde damit nicht untersucht.
Fazit: Die Bedeutung der Spalten entscheidet
One-Hot-Encoding bei KI macht in unserem Lernfall aus einer nummerierten Kanalliste getrennte Zugehörigkeitsmerkmale. Das schützt vor einer bestimmten Fehlinterpretation, ersetzt aber weder klare Datendefinitionen noch die Prüfung eines konkreten Verfahrens.
Sie möchten solche KI-Grundlagen systematisch für Ihren Berufsalltag einordnen? Informieren Sie sich über die KI-Grundlagenkompetenzen für die digitale Arbeitswelt oder besprechen Sie Ihre Lernziele über den Kontakt zu GrandEdu Media. Dieser Artikel ist keine Zusage bestimmter Kursinhalte oder Lernergebnisse.