Maschinelles Lernen & Feedback
Clustering mit k-Means: Warum Skalierung zählt
Welche Kunden ähneln sich? Die Antwort hängt auch davon ab, wie Ähnlichkeit gemessen wird. Gruppieren Sie dieselben synthetischen Kunden nach Bestellungen und Monatsumsatz und untersuchen Sie den Einfluss der Skalierung.
Kurz erklärt
k-Means teilt Daten so auf, dass Punkte nahe an ihrem jeweiligen Gruppenmittel liegen. Die verwendeten Abstände hängen von den Merkmalsskalen ab. Standardisierung kann die Dominanz großer Zahlenwerte reduzieren, ersetzt aber keine fachliche Wahl sinnvoller Merkmale.
Im kostenlosen Rechner ausprobierenKostenlos · im Browser · ohne Anmeldung
Auf einen Blick
- k-Means bildet Gruppen anhand der gewählten numerischen Abstände.
- Euro und Tausend Euro können ohne Skalierung unterschiedliche Gruppen ergeben.
- Gruppen sind Modellvorschläge, keine bewiesenen Kundentypen oder Ursachen.
Wann sind zwei Kunden ähnlich?
Stellen Sie sich 90 Kunden mit zwei Merkmalen vor: Bestellungen pro Monat und Monatsumsatz in Euro. Ein Kunde bestellt zwölfmal und setzt 1.800 Euro um, ein anderer bestellt 52-mal bei 2.000 Euro Umsatz. Ein dritter bestellt 32-mal bei 6.500 Euro. Welche Kunden gehören zusammen? Schon diese Frage braucht eine Definition von Nähe und einen Zweck für die Gruppierung.
Das Lernbeispiel erzeugt synthetische Punkte um drei unterschiedliche Mittelwerte. Die sichtbaren Gruppen werden anschließend neu durch k-Means berechnet; die ursprüngliche Erzeugungsgruppe wird nicht als Ziel verwendet. Es gibt keine echten Kundendaten, keine Namen und keine Bewertung einzelner Personen. Die Konstruktion liefert lediglich ein kontrolliertes Umfeld, in dem sich Einheiten und Skalierung verändern lassen.
Wie k-Means die Gruppen bildet
Der Algorithmus beginnt mit ausgewählten Punkten als Zentren. Danach ordnet er jeden Datenpunkt dem nächstgelegenen Zentrum zu. Aus den zugeordneten Punkten berechnet er je Gruppe einen neuen Mittelwert. Zuordnen und Mitteln wiederholen sich, bis sich die Zentren nicht mehr bewegen oder die festgelegte Iterationsgrenze erreicht ist. Die offizielle Beschreibung erklärt dieses Lloyd-Verfahren und sein Ziel aus quadrierten Abständen (scikit-learn developers 2026).
Ein kleines Rechenbeispiel macht den Mittelpunkt greifbar. Die Punkte und haben das Zentrum . Die Punkte und haben das Zentrum . Jeder Punkt liegt eine Einheit von seinem Zentrum entfernt; die Summe der vier quadrierten Abstände beträgt vier. Das ist die sogenannte Inertia für diese Zuordnung.
Die Anwendung verwendet für eine gegebene Gruppenzahl stets dieselben Ausgangspunkte. So lässt sich die Wirkung einer Skalierungsänderung verfolgen, ohne gleichzeitig andere Startpunkte einzuführen. Das garantiert kein globales Optimum. K-Means kann je nach Initialisierung verschiedene lokale Lösungen erreichen. Für eine echte Analyse würden mehrere Starts und eine Prüfung der Stabilität dazugehören.
Warum Euro die Abstände dominieren können
Ohne Skalierung addiert die quadrierte euklidische Distanz die Quadrate der Merkmalsunterschiede. Ein Unterschied von 1.000 Euro trägt eine Million bei, ein Unterschied von 40 Bestellungen nur 1.600. Damit dominiert Umsatz häufig die Gruppenbildung, obwohl „1.000“ lediglich aus der gewählten Währungseinheit stammt. Die Merkmale werden mathematisch gemeinsam verarbeitet, aber nicht automatisch fachlich gleich wichtig behandelt.
Wechselt man von Euro zu Tausend Euro, wird der Umsatzunterschied zu eins und sein quadrierter Beitrag ebenfalls zu eins. Jetzt kann die Bestellzahl dominieren. An den Kunden hat sich nichts geändert. Nur die Schreibweise des Umsatzes ist anders. Dass Abstandsverfahren auf solche Skalen reagieren, ist ein zentraler Grund für die bewusste Vorverarbeitung numerischer Merkmale (scikit-learn developers 2026).
Gruppenzahl und Skalierung ausprobieren
Clustering mit k-Means – interaktiver Rechner
90 synthetische Kunden werden nach Bestellzahl und Monatsumsatz gruppiert. Wechseln Sie zwischen Euro und Tausend Euro, schalten Sie die Standardisierung um und vergleichen Sie zwei bis fünf Gruppen.
Schalten Sie zunächst die Standardisierung aus und wechseln Sie die Umsatzeinheit. Vergleichen Sie Gruppenzuordnung, Zentren und Größen. Die Grafik bleibt absichtlich in ursprünglichen Euro und Bestellungen beschriftet; nur die Abstände innerhalb des Algorithmus verwenden die ausgewählte Einheit. Damit werden Änderungen nicht durch eine anders gestreckte Zeichnung verdeckt.
Aktivieren Sie danach die Standardisierung. Jedes Merkmal wird um seinen Mittelwert verschoben und durch seine Standardabweichung geteilt. Euro und Tausend Euro ergeben dann dieselben standardisierten Werte bis auf Rechenrundung. Die Zuordnungen sollten deshalb gleich bleiben. Verändern Sie schließlich die Gruppenzahl. Mehr Gruppen erlauben kleinere Teilmengen, beantworten aber nicht automatisch, welche davon betrieblich nützlich sind.
Was eine Segmentierung noch nicht beweist
K-Means passt besonders zu kompakten Gruppen im gewählten Abstandsraum. Lange gekrümmte Strukturen, starke Ausreißer und sehr unterschiedliche Streuungen können problematisch sein. Standardisierung behebt diese Modellgrenzen nicht. Sie kann außerdem ein verrauschtes Merkmal stärker gewichten, das fachlich besser unberücksichtigt geblieben wäre.
Eine brauchbare Segmentierung braucht deshalb einen konkreten Verwendungszweck: Soll ein Serviceprozess vereinfacht, eine Produktnutzung verstanden oder ein Bestand strukturiert werden? Prüfen Sie, ob die Gruppen über Zeit stabil bleiben und ob unterschiedliche Maßnahmen tatsächlich sinnvoll sind. Namen wie „wertvoll“ oder „riskant“ folgen nicht aus dem Algorithmus. Der Artikel zu Regression und Überanpassung ergänzt, warum auch überzeugende Muster unabhängig geprüft werden müssen.
Häufige Fragen
Muss man vor k-Means immer standardisieren?
Nicht immer. Standardisierung gleicht die Varianzskalen aus, kann aber wichtige fachliche Gewichtungen verändern. Entscheidend ist, welche Abstände für die Aufgabe sinnvoll sind.
Findet k-Means automatisch die richtige Gruppenzahl?
Nein. Die Gruppenzahl wird vorgegeben. Mehr Gruppen senken meist den Anpassungsfehler, belegen aber keine sinnvollere Segmentierung.
Quellen und weiterführende Literatur
- Onlinescikit-learn developers (2026): Clustering: K-means.
- Onlinescikit-learn developers (2026): Importance of Feature Scaling.
Zuletzt fachlich geprüft am 14. November 2026. Hinweise auf Fehler nehmen wir gern entgegen: impressum@nyxai.com.