Aufgrund der digitalen Transformation haben viele Unternehmer mittlerweile die Bedeutung eines Machine-Learning-Frameworks erkannt. Für eine erfolgreiche Implementierung ist jedoch eine stringente Überwachung der Datenpipeline notwendig und eine Visualisierung, die den Wünschen der User entspricht. Denn je mehr Daten, umso besser können die Leistungsgrenzen von Mitarbeitern und Projekten analysiert werden.

Vielen Personalern erscheint die Thematik um neuronale Netzsysteme zu kompliziert. Doch wie simpel und damit entscheidend das maschinelle Lernen in Wahrheit ist, zeigt ein beispielhaftes Tutorial. Die Algorithmen und der Lernerfolg werden anhand des populären Videospielklassikers Super Mario World erläutert. Das Beispiel um den Klempner mit italienischem Akzent und einer Vorliebe für Magic-Mushrooms zeigt, wie Herausforderungen – hier Challenges im Spiellevel – durch maschinelles Lernen optimiert abgeschlossen werden können, ohne zu viel Energie zu verschwenden.

Auf Basis von künstlich neuronalen Netzsystemen lernt das System und kann diese nach Beendigung der Lernphase verallgemeinern. Das heißt, es werden nicht einfach die Beispiele auswendig gelernt, sondern es erkennt Muster und Gesetzmäßigkeiten in den Lerndaten. Auf die HR-Branche übertragen drückt sich dies durch "Ensemble Learning" aus.