Kontextueller Bandit (Contextual Bandit)
Die Kurzantwort · 15 Wörter
Kurz erklärt
Lernverfahren, das anhand eines Kontexts eine Aktion auswählt und nur deren Ergebnis als Feedback erhält.
Flow-alerta.cab (2026): Kontextueller Bandit (Contextual Bandit). https://flow-alerta.cab/glossar/contextual-bandit. Redaktionell geprüft am: 09. Oktober 2026.
Wie ausführlich soll es sein?
Praxis
Relevant für adaptive Empfehlungen und die Auswahl von Inhalts- oder Angebotsvarianten.
Beispielszenario: Ein Portal wählt passende Hilfsartikel und lernt aus hilfreichen Rückmeldungen.
Belohnung fachlich definieren, Entscheidungshistorie dokumentieren und vor produktiver Nutzung Evaluation sowie Grenzen festlegen.
Auf einen Blick
- Kern
- Das System beobachtet Merkmale der Situation, wählt eine verfügbare Aktion und erhält deren Belohnung oder Kosten. Es muss erfolgreiche Optionen nutzen und zugleich Alternativen erkunden. Anders als bei umfassendem Reinforcement Learning steht typischerweise die unmittelbare Entscheidung im Vordergrund.
- Nutzen
- Relevant für adaptive Empfehlungen und die Auswahl von Inhalts- oder Angebotsvarianten.
- Beispiel
- Beispielszenario: Ein Portal wählt passende Hilfsartikel und lernt aus hilfreichen Rückmeldungen.
- Grenzen
- Nur Klicks optimieren; Exploration unterdrücken; Auswahlwahrscheinlichkeiten nicht protokollieren; Offline-Vergleiche durch Auswahlverzerrung verfälschen.
Fragen, die dazu gestellt werden
Ist es A/B-Testing? Ein anderes Entscheidungsverfahren. Sieht es alle Ergebnisse? Nein. Braucht es Exploration? Für neues Lernen meist ja.
Alle Details und Hintergründe
Das System beobachtet Merkmale der Situation, wählt eine verfügbare Aktion und erhält deren Belohnung oder Kosten. Es muss erfolgreiche Optionen nutzen und zugleich Alternativen erkunden. Anders als bei umfassendem Reinforcement Learning steht typischerweise die unmittelbare Entscheidung im Vordergrund.
ELI5 – Einfach erklärt
Du wählst passend zur Situation eine Möglichkeit aus und lernst aus dem Ergebnis, ohne alle Alternativen ausprobieren zu können.
Warum das im Alltag wichtig ist
Relevant für adaptive Empfehlungen und die Auswahl von Inhalts- oder Angebotsvarianten.
Beispiel
Beispielszenario: Ein Portal wählt passende Hilfsartikel und lernt aus hilfreichen Rückmeldungen.
Fallstricke und Grenzen
- Nur Klicks optimieren; Exploration unterdrücken; Auswahlwahrscheinlichkeiten nicht protokollieren; Offline-Vergleiche durch Auswahlverzerrung verfälschen.
Entstehung & Geschichte
Entwickelte sich aus Bandit-Forschung und Online Learning; Verfahren wurden unter anderem für personalisierte Empfehlungen eingesetzt.
Anwendung im Mittelstand
- Belohnung fachlich definieren, Entscheidungshistorie dokumentieren und vor produktiver Nutzung Evaluation sowie Grenzen festlegen.
Verwandte Begriffe
- Multi-Armed Bandit
- Exploration
- Exploitation
- Reinforcement Learning
- Policy Evaluation
Passende Flow-alerta-Leistung
KI-Potenzialanalyse & FahrplanKI-Beratung – adaptive Entscheidungssysteme und deren Erfolgsmessung konzipieren.Passendes Tool / Use Case
Praxisbeispiele ansehenTool: Vowpal Wabbit; Use Case: Auswahl hilfreicher Wissensartikel.Quellen
- vowpalwabbit.orgVowpal Wabbit, Contextual Bandits
Quellenprüfung: 09.10.2026. Definition und dokumentierte Einordnung abgeglichen; Beispiele beschreiben mögliche Anwendungen.
Redaktionell geprüft am: