TP3 Basiswissen zum Reaktivieren

Diese Datei fasst die 16 Fakten zusammen, die für den TP3-Vortrag und die anschließenden 5 Minuten Fragerunde präsent sein müssen. Jeder Fakt steht als Ein-Satz-Antwort (so sagst du es im Vortrag oder in der Verteidigung), ergänzt um Hintergrund (2–3 Sätze zur Vertiefung bei Nachfragen) und einen Verweis auf die Zulassungsarbeit (Kapitel + Seite).

Die Reihenfolge folgt dem Vortragsaufbau: erst Theorie-Minimum (8 Fakten), dann Fallstudien-Minimum (8 Fakten).

Verweise auf die Zulassungsarbeit erfolgen in der Form (Kap. 3.2, S. 12) bezogen auf Ausarbeitung.

---

Theorie-Minimum (Folien 5–11)

1. Entscheidungsbaum

Ein-Satz-Antwort: Ein Entscheidungsbaum spaltet die Trainingsdaten an jedem inneren Knoten rekursiv anhand eines einzelnen Merkmals in zwei Teilmengen; die Blätter liefern die Vorhersage.

Hintergrund: Jeder innere Knoten enthält eine Ja/Nein-Frage zu einem Merkmal (z. B. „Alter > 30?”). Die Antwort schickt den Datenpunkt in den linken oder rechten Teilbaum. In den Blättern steht entweder eine Klasse (Klassifikation) oder ein Zahlenwert (Regression). Die Reihenfolge der Fragen ergibt sich aus einem Gütemaß beim Training, nicht aus menschlicher Expertise.

In der Arbeit: Kap. 3.1

2. Gini-Index

Ein-Satz-Antwort: Der Gini-Index misst, wie „gemischt” die Klassen in einem Knoten sind — 0 bei Reinheit, 0,5 bei maximaler Mischung zweier Klassen.

Hintergrund: Die Formel $i(t)=1-\sum p^2(j|t)$ summiert über alle Klassen $j$ im Knoten $t$ die Wahrscheinlichkeit, dass ein zufällig gezogenes Objekt dieser Klasse zugeordnet wird. Je gleichverteilter die Klassen, desto höher der Index. CART wählt an jedem Knoten den Split, der die gewichtete Summe der Gini-Werte der Kindknoten minimiert.

In der Arbeit: Kap. 3.4, S. 103 f.

3. Überanpassung

Ein-Satz-Antwort: Überanpassung bedeutet, dass ein Modell statt der zugrunde liegenden Muster spezifische Besonderheiten der Trainingsstichprobe lernt — die Vorhersage auf neuen Daten wird schlechter.

Hintergrund: Je größer ein Baum wachsen darf, desto feiner passt er sich den Trainingsdaten an — bis er irgendwann jede Datenpunkt-Eigenheit mitlernt. Das zeigt sich im charakteristischen Fehlerverlauf: Der Trainingsfehler sinkt immer weiter, aber der Fehler auf unabhängigen Testdaten erreicht ein Minimum und steigt dann wieder.

In der Arbeit: Kap. 2.1 und 3.5, S. 60 f.

4. Pruning

Ein-Satz-Antwort: CART lässt den Baum zuerst bewusst zu groß wachsen und schneidet ihn anschließend gezielt zurück (Post-Pruning), statt die Baumbildung früh zu stoppen.

Hintergrund: Pre-Pruning-Ansätze (z. B. die $\beta$-Threshold-Regel) brechen das Baumwachstum ab, sobald ein Knoten nur noch geringe Impuritätsabnahme erzielt. Problem: Ein Knoten mit kleiner Abnahme kann durchaus Kindknoten mit hoher Abnahme haben — ein früher Abbruch verschenkt diese guten Splits. CART umgeht das durch zweistufiges Vorgehen: erst wachsen lassen, dann die beste Teilbaumgröße per ehrlicher Fehlerschätzung auswählen.

In der Arbeit: Kap. 3.5, S. 61 f.

5. Instabilität

Ein-Satz-Antwort: Ein Lernverfahren heißt instabil, wenn eine kleine Änderung der Trainingsdaten eine große Änderung des resultierenden Modells hervorruft.

Hintergrund: Bei Entscheidungsbäumen ergibt sich die Instabilität direkt aus dem rekursiven Aufbau: Schon eine geringfügig veränderte Split-Wahl an der Wurzel verändert die Teilmengen in allen Kindknoten und pflanzt sich in alle nachfolgenden Teilbäume fort. Breiman ordnet CART, MARS und neuronale Netze ausdrücklich in die Klasse der instabilen Verfahren ein.

In der Arbeit: Kap. 4.1, S. 2354 und 2374

6. Bagging

Ein-Satz-Antwort: Bagging erzeugt mehrere Bootstrap-Stichproben der Trainingsdaten, trainiert auf jeder einen eigenen Baum und aggregiert die Vorhersagen durch Mehrheitsvotum (Klassifikation) oder Mittelwert (Regression).

Hintergrund: Bootstrap-Stichprobe = Ziehen mit Zurücklegen, Stichprobengröße = Original-Trainingsmenge. Jede Stichprobe lässt im Mittel ein Drittel der Datenpunkte außen vor. Breiman berichtet für elf Klassifikationsdatensätze Fehlerreduktionen zwischen 6 % und 77 %. Bagging wirkt dort besonders gut, wo das Basisverfahren instabil ist; bei stabilen Verfahren kann es die Vorhersage sogar leicht verschlechtern.

In der Arbeit: Kap. 4.2, S. 123 f.

7. Random Forest

Ein-Satz-Antwort: Ein Random Forest kombiniert Bagging mit einer zusätzlichen zufälligen Merkmalseinschränkung — an jedem inneren Knoten wird nur eine zufällig gezogene Teilmenge $F$ aus $M$ verfügbaren Merkmalen für die Split-Suche zugelassen.

Hintergrund: Diese zusätzliche Zufälligkeit zielt auf die Dekorrelation der Bäume. Der Ensemblefehler hängt nach Breiman von der Baumstärke und der paarweisen Korrelation ab; geringere Korrelation senkt den Fehler, sofern die Stärke erhalten bleibt. Die Bäume werden bewusst nicht beschnitten; die durch die große Baumtiefe entstehende Überanpassung einzelner Bäume wird durch die Aggregation ausgeglichen.

In der Arbeit: Kap. 4.3, S. 10 f.

8. SMOTE

Ein-Satz-Antwort: SMOTE (Synthetic Minority Over-sampling Technique) füllt eine unterrepräsentierte Klasse mit synthetischen Beispielen auf, die zwischen existierenden Minderheitsbeispielen und ihren $k$ nächsten Klassennachbarn interpoliert werden.

Hintergrund: Für jeden Datenpunkt der Minderheitsklasse werden seine $k$ nächsten Nachbarn (üblicherweise $k=5$) bestimmt. Zwischen dem Datenpunkt und einem zufällig gewählten Nachbarn wird ein synthetischer Datenpunkt platziert. Die vergrößerte Minderheitsklasse wird häufig mit einem Undersampling der Mehrheitsklasse kombiniert. SMOTE ist kein baumspezifisches Verfahren, sondern eine allgemeine Datenvorverarbeitung.

In der Arbeit: Kap. 4.4, S. 328 ff.

---

Fallstudien-Minimum (Folien 13–17)

9. Problemstellung der Fallstudie

Ein-Satz-Antwort: Prytz et al. prognostizieren mit einem Random Forest, ob der Luftkompressor eines schweren Volvo-LKW innerhalb der nächsten 15 Wochen ausfällt.

Hintergrund: Der Luftkompressor liefert Druckluft für Bremse, Luftfederung und Nebenaggregate. Fällt er unterwegs aus, steht der LKW; die Standzeit kostet Fixkosten (Fahrer, Fracht, Versicherung). Die Autoren formulieren die Aufgabe bewusst als binäre Klassifikation statt als Regression der Restnutzungsdauer — die exakte Ausfallzeit interessiert den Werkstattbetrieb nicht, nur die Frage „vor dem nächsten planmäßigen Werkstattbesuch ja/nein”.

In der Arbeit: Kap. 5.1 und 5.2, S. 139 ff. und 142 f.

10. Datenlage

Ein-Satz-Antwort: Die Fallstudie kombiniert zwei Datenquellen: LVD (Sensor- und Zählerwerte aus dem Bordrechner, bei jedem Werkstattbesuch übertragen) und VSR (Wartungshistorie aus den Werkstattprotokollen), aufgenommen bei rund 65.000 Volvo-LKW.

Hintergrund: Die Daten wurden nicht für maschinelles Lernen entworfen, sondern fielen im regulären Werkstattbetrieb an. Daraus ergeben sich mehrere Herausforderungen: stark unbalancierte Klassen (wenige Ausfälle), verrauschte Klassenlabel durch manuelle Werkstatteingaben, unsichere Datumsangaben, unregelmäßige Ausleseintervalle, und mehrere Ausfallursachen zu einer gemeinsamen Zielklasse zusammengefasst.

In der Arbeit: Kap. 5.1, S. 139 f.

11. Merkmalsumfang

Ein-Satz-Antwort: Der Rohdatensatz umfasst rund 1.250 mögliche Merkmale, von denen pro Fahrzeug durchschnittlich etwa 500 verfügbar sind.

Hintergrund: Für den Random Forest ist das handhabbar, aber in der Praxis führt die Dimensionalität zu langen Trainingszeiten und erschwerter Interpretation. Die Autoren vergleichen deshalb zwei algorithmische Merkmalsauswahl-Verfahren (Wrapper-Beam-Search und Kolmogorov-Smirnov-Filter) mit einer handverlesenen Expertenreferenz aus vier Parametern.

In der Arbeit: Kap. 5.3, S. 143

12. Verfahrens-Pipeline

Ein-Satz-Antwort: Die Verarbeitungspipeline der Fallstudie hat vier Phasen: Rohdaten (LVD + VSR) → Vorverarbeitung (Verknüpfung, Merkmalsauswahl, SMOTE-Balancierung) → Random Forest als Klassifikatorkern → wirtschaftliche Bewertung durch die Profitfunktion.

Hintergrund: Die Trainings- und Testdaten werden fahrzeugweise getrennt, nicht zufällig über alle Auslesungen — sonst würden fahrzeugspezifische Muster von Trainings- auf Testdaten übertragen und die Vorhersagegüte systematisch überschätzt. Der Random Forest wird mit zehn Wiederholungen und zehnfacher Kreuzvalidierung trainiert.

In der Arbeit: Kap. 5.1 bis 5.4

13. Profitfunktion

Ein-Satz-Antwort: Der wirtschaftliche Modellwert ist $Profit=TP\cdot ECUR-FP\cdot CPR-Investment$ — korrekt vorhergesagte Ausfälle sparen die Mehrkosten einer ungeplanten Reparatur, falsche Alarme kosten die Kosten einer unnötigen geplanten Reparatur, und die Systemfixkosten werden abgezogen.

Hintergrund: $TP$ = korrekt vorhergesagte Ausfälle, $FP$ = fehlerhafte Ausfallalarme, $ECUR$ = Mehrkosten einer ungeplanten gegenüber einer geplanten Reparatur, $CPR$ = Kosten einer geplanten Reparatur. False Negatives tauchen in der Formel nicht auf, weil sie dem Status quo ohne Vorhersagesystem entsprechen und keine Zusatzkosten verursachen — nur nicht realisierte Einsparungen. Die Formel macht den Modellwert direkt in Euro sichtbar.

In der Arbeit: Kap. 5.4, S. 143 und 145

14. Hauptergebnis

Ein-Satz-Antwort: Bei einem Vorhersagehorizont von 15 Wochen führen die algorithmisch gewählten Merkmalssets Usage (1,94 M EUR Profit) und Beam 1 (116 EUR pro Fahrzeug) gemeinsam das Feld an und übertreffen die Expertenreferenz (0,84 M EUR / 64 EUR pro Fahrzeug) deutlich.

Hintergrund: Für eine Flotte von zehntausend Fahrzeugen ergibt sich damit ein Nettonutzen im niedrigen einstelligen Millionenbereich. Bemerkenswert ist, dass die algorithmische Merkmalsauswahl die handverlesene Expertenauswahl in allen untersuchten Konfigurationen schlägt — unter den Rahmenbedingungen eines breiten Rohmerkmalspools (1.250) und einer schmalen Expertenreferenz (vier Parameter).

In der Arbeit: Kap. 5.4, S. 148 f.

15. Zweiter Kernbefund — Usage vs. Wear

Ein-Satz-Antwort: Merkmale, die den Nutzungskontext eines Fahrzeugs beschreiben (Usage-Set), tragen mehr zur Vorhersage bei als reine Verschleißparameter (Wear-Set).

Hintergrund: Die Autoren begründen das mit zwei Ursachen: Erstens sind Verschleißmuster stark an das Fahrzeugalter gekoppelt, das sich bereits trivial über Kilometerstand oder Betriebsstunden erschließen lässt. Zweitens verlaufen schnelle Verschleißverläufe möglicherweise unterhalb der Ausleseintervalle und bleiben damit unsichtbar.

In der Arbeit: Kap. 5.4, S. 149 f.

16. Grenzen der Fallstudie

Ein-Satz-Antwort: Der Befund „algorithmische Merkmalsauswahl schlägt Expertenauswahl” bleibt an die konkreten Rahmenbedingungen gebunden — breiter Merkmalspool, schmale Expertenreferenz, und Betriebsdaten mit bekannten Qualitätseinschränkungen.

Hintergrund: Ein Übertrag auf andere Predictive-Maintenance-Anwendungen setzt vergleichbare Ausgangsbedingungen voraus. Ebenso ist die konkrete Wahl der Kostenparameter ($ECUR$, $CPR$, $Investment$) anwendungsspezifisch. Die Fallstudie zeigt nicht ein universelles Rezept, sondern wie sich die theoretischen Grundlagen baumbasierter Verfahren in einem konkreten industriellen Kontext produktiv einsetzen lassen.

In der Arbeit: Kap. 5.5

---

Nutzung dieser Datei

• Woche 1 (bis 11.10.): Fakten 1–8 (Theorie) in Verbindung mit Kap. 3 und Kap. 4 lesen.
• Woche 2 (bis 18.10.): Fakten 9–16 (Fallstudie) in Verbindung mit Kap. 5 lesen.
• Jederzeit: Prüfen, ob du jeden Fakt in eigenen Worten in einem Satz formulieren kannst. Wenn ja → Lücke geschlossen. Wenn nein → zurück zum entsprechenden Kapitel.
• Vor Probevorträgen: Diese Datei als Ganzes einmal am Stück lesen, damit die Reihenfolge sitzt.

---

Zusammenhänge

• Präsentations-Konvention: konvention
• Zulassungsarbeit: Arbeit
• Übersicht TP3: index