Clusteranalyse: das passende Verfahren finden
Clusteranalyse gruppiert Datenpunkte anhand ihrer Ähnlichkeit, ohne vorgegebene Kategorien: Die Gruppen sind das Ergebnis, nicht die Eingabe. In der Logistik ist das oft der erste Schritt einer Planung: Kundenstandorte zu Touren, Lieferadressen zu Sammel-Routen, kleinere Depots zu größeren Verteilzentren. Nur gibt es kein bestes Verfahren: Jedes trifft Annahmen über die Daten (runde Gruppen, eine bekannte Anzahl, gleiche Dichte), und wo sie nicht stimmen, liefert es plausibel aussehende, aber falsche Gruppen.
In der Tourenplanung habe ich Clustering als Teilalgorithmus eingesetzt: zur Vorauswahl der Aufträge, die auf ein Fahrzeug verplant werden. Bei großen Auftragsmengen hält das die Zahl der Möglichkeiten in Schach (mehr unter Tourenplanung optimieren). Der erste Teil meiner Dissertation behandelt das Spike-Sorting, die Zuordnung aufgezeichneter Nervensignale zu einzelnen Nervenzellen. Die gängigen Verfahren extrahieren Merkmale aus den Wellenformen und clustern sie anschließend, mit k-Means, wie es die Quellentrennungs-Linie der Reihe Konzepte an genau dieser Pipeline zeigt; ich habe dafür einen anderen Ansatz entwickelt und mich dabei mit den gängigen Verfahren beschäftigt (mehr unter Über mich). Diese Seite zeigt, welche Annahmen die gängigen Verfahren treffen und wie sich das passende finden lässt. Die zehn Demos bilden die Clustering-Linie der Reihe Konzepte: Schritt-für-Schritt-Erklärungen an erzeugten Beispieldaten, gedacht zum Verstehen, keine Projekte mit Kundendaten.
Hinweis: Alle Demos rechnen mit synthetischen oder frei verfügbaren Beispieldaten und laufen auf einem externen Anbieter (Datenschutz). Bitte geben Sie darin keine vertraulichen oder personenbezogenen Daten ein. Die Ergebnisse gelten für die jeweilige Demo-Instanz und lassen sich nicht ungeprüft auf reale Fälle übertragen; für darauf gestützte Entscheidungen übernehme ich keine Gewähr.
Zuletzt aktualisiert:
Vier Fragen entscheiden über das Verfahren
Wie sehen die Gruppen aus?
Runde, ähnlich große Gruppen lassen sich mit k-Means finden, gestreckte oder gedrehte Ellipsen mit Gaussian Mixture Models. Beliebig geformte, ineinander verschlungene Gruppen brauchen Dichte- oder Graph-Verfahren wie DBSCAN und Spectral Clustering.
Ist die Gruppenzahl bekannt?
k-Means, Gaussian Mixture Models und Spectral Clustering brauchen sie vorab. DBSCAN, HDBSCAN, die Dirichlet-Process-Mixture und der Leiden-Algorithmus bestimmen sie selbst, mit eigenen Parametern und Kompromissen.
Sind die Gruppen unterschiedlich dicht?
Ein einzelner Suchradius passt selten zu dichten und dünnen Gruppen zugleich. HDBSCAN passt die Dichte an und löst so ein Problem, an dem DBSCAN scheitert.
Wonach ähneln sich die Punkte?
Nach Position oder nach Verhalten? CluBS gruppiert nach der gemeinsamen Funktion, der Punkte folgen; räumliche Nähe reicht bei überlappenden Punktwolken nicht aus.
Jedes Verfahren behebt eine Schwäche eines anderen
Die Verfahren bauen aufeinander auf: k-Means ist der Ausgangspunkt. DBSCAN braucht weder eine feste Gruppenzahl noch runde Formen, Gaussian Mixture Models erlauben weiche Zuordnung, Spectral Clustering beherrscht nicht-konvexe Formen, und HDBSCAN löst gleich zwei geerbte Schwächen zugleich. Jede dieser Verbesserungen hat ihren Preis: ein neuer Parameter, mehr Rechenaufwand oder eine neue Fehlerquelle. Wer die Schwächen kennt, erkennt, welches Verfahren zu den eigenen Daten passt, und wann eines gefährlich plausible Fehlgruppen liefert. Die Entscheidungsbäume auf der Seite Konzepte führen Schritt für Schritt zum passenden Verfahren.
Clustering ist nicht immer die Antwort
Für die Batchbildung in der Kommissionierung (die Order-Batching-Demo, mehr unter Lagerlogistik optimieren) habe ich Clustering als Startlösung geprüft: hierarchisches Clustering, HDBSCAN und balanciertes Graph-Partitioning, je 15 Instanzen in vier Szenarien. Alle drei lagen innerhalb von etwa ±1 bis 3 % der klassischen Startlösung, und HDBSCAN stufte im Schnitt 15 bis 20 % der Bestellungen als Rauschen ein. Keines der Verfahren ist in die Demo übernommen worden (Details im README der Demo).
Der Grund: In den Demo-Daten sind die Bestellpositionen im Lager ungefähr gleichverteilt, es gibt keine natürlichen Gruppen, die sich entdecken ließen. Die Gruppen müssen unter Kapazitätsgrenzen erst gebaut werden. Clustering lohnt sich dort, wo die Daten tatsächlich Gruppenstruktur haben, und die Frage, ob sie es tun, gehört an den Anfang.
Wie ich Clusteranalyse angehe
Ähnlichkeit klären
Was soll „ähnlich“ heißen: räumliche Nähe, gemeinsames Verhalten, Fahrzeit? Und wozu werden die Gruppen gebraucht? Daraus folgt, welche Verfahren überhaupt in Frage kommen.
Verfahren wählen und vergleichen
Die Annahmen der Verfahren werden an Ihren Daten geprüft: Form, Gruppenzahl, Dichte, Ausreißer. Mehrere Verfahren im Vergleich zeigen, wie stabil die Gruppen sind.
In die Planung einbinden
Gruppen sind selten das Ziel, sondern die Eingabe für die nächste Entscheidung, als Teilalgorithmus in der Tourenplanung ebenso wie bei der Standortwahl für Depots.
Umgesetzt in Scala oder Python, auf Wunsch als eigener Webservice mit API für Ihre Systeme (mehr unter Leistungen).
Zehn Verfahren zum Nachvollziehen
Jede Demo zeigt ein Verfahren Iteration für Iteration und macht seine typische Schwäche live sichtbar. Sie laufen als eigenständige Anwendungen mit erzeugten Beispieldaten.
- k-Means — Zuweisung und Zentren-Update wechseln sich ab. Braucht die Gruppenzahl k vorab, findet runde Gruppen und kann in einem schlechten lokalen Optimum landen. (Demo)
- Gaussian Mixture Models — Weiche statt harter Zuordnung, Ellipsen beliebiger Form und Ausrichtung. Braucht ebenfalls k. (Demo)
- DBSCAN — Dichte statt Zentren, keine feste Gruppenzahl, Rauschen wird erkannt. Ein einzelner Suchradius passt nicht zu unterschiedlich dichten Gruppen. (Demo)
- Agglomeratives Clustering — Verschmilzt Punkt für Punkt zu einer vollständigen Hierarchie (Dendrogramm). Single-Linkage neigt dazu, getrennte Gruppen zu verketten. (Demo)
- HDBSCAN — Dichte und Hierarchie kombiniert: löst Dichteunterschiede und Verketten zugleich und findet stabile Gruppen. (Demo)
- Dirichlet-Process-Mixture — Ein Konzentrationsparameter ersetzt die Gruppenzahl k; schnelle, deterministische Variante über Variational Inference. (Demo)
- Spectral Clustering — Nicht-konvexe Formen über die Graph-Laplace-Matrix, ohne Dichtebegriff. Braucht k, und eine falsche Gruppenzahl führt zu falschen Gruppen. (Demo)
- Leiden-Algorithmus — Findet Gruppen in einem Ähnlichkeitsgraphen über Modularität und bestimmt die Anzahl selbst. Kleine, klar getrennte Gruppen können verschmelzen (Auflösungslimit). (Demo)
- Divisive Clustering — Baut die Hierarchie von oben nach unten auf (Bisecting k-Means), das Gegenstück zum agglomerativen Vorgehen. Günstiger, scheitert aber bei nicht-konvexen Formen mitunter. (Demo)
- CluBS — Gruppiert nicht nach Position, sondern nach der gemeinsamen Funktion, der Punkte folgen. Frisch aus der Forschung (KDD'26) und ausdrücklich als noch nicht unabhängig reproduziert gekennzeichnet, kein etablierter Standard. (Demo)
Clusteranalyse: kurze Antworten
Was ist Clusteranalyse?
Clusteranalyse gruppiert Datenpunkte anhand ihrer Ähnlichkeit, ohne dass die Gruppen vorher festgelegt sind: Die Gruppen sind das Ergebnis, nicht die Eingabe. Was „ähnlich“ heißt, hängt von der Aufgabe ab, meist räumliche Nähe, manchmal aber auch gemeinsames Verhalten.
Welches Clustering-Verfahren ist das beste?
Keines. Jedes Verfahren trifft Annahmen über die Daten, etwa runde Gruppen, eine bekannte Gruppenzahl oder gleiche Dichte, und liefert bei verletzten Annahmen plausibel aussehende, aber falsche Gruppen. Entscheidend ist, die Form der Gruppen, die Gruppenzahl und die Dichte der Daten zu kennen und danach das Verfahren zu wählen.
Woher weiß ich, wie viele Gruppen es gibt?
k-Means, Gaussian Mixture Models und Spectral Clustering brauchen die Anzahl vorab. DBSCAN, HDBSCAN, die Dirichlet-Process-Mixture und der Leiden-Algorithmus bestimmen sie selbst, ersetzen die Frage aber durch andere Parameter wie Suchradius, Konzentrationsparameter oder Auflösung. Sinnvoll ist, mehrere Werte auszuprobieren und zu prüfen, ob die Gruppen stabil und für die Anwendung brauchbar sind.
Wofür braucht man Clusteranalyse in der Logistik?
Zum Beispiel, um Kundenstandorte zu Touren zu gruppieren, bevor jede Gruppe einzeln geplant wird, Lieferadressen zu Sammel-Routen zusammenzufassen oder kleinere Depots zu größeren Verteilzentren zu verdichten. Clustering ist dabei meist ein Vorschritt: Danach folgt die eigentliche Optimierung, etwa die Tourenplanung. Auch als Teilalgorithmus innerhalb einer Tourenplanung kommt Clustering zum Einsatz, zum Beispiel zur Vorauswahl der Aufträge, die auf ein Fahrzeug verplant werden. Bei großen Auftragsmengen begrenzt das die Zahl der Möglichkeiten.
Wann bringt Clusteranalyse nichts?
Wenn die Daten keine natürliche Gruppenstruktur haben, etwa weil die Punkte ungefähr gleichverteilt sind. Dann gibt es nichts zu entdecken, und die Gruppen müssen unter Nebenbedingungen wie Kapazitätsgrenzen erst gebaut werden. In einer Kommissionier-Demo brachten drei Clustering-Verfahren als Startlösung keinen Vorteil gegenüber einem klassischen Konstruktionsverfahren.
Wo kommt Clusteranalyse außerhalb der Logistik vor?
Zum Beispiel beim Spike-Sorting in der Neurowissenschaft: Aufgezeichnete Nervensignale werden einzelnen Nervenzellen zugeordnet, klassisch, indem aus den Wellenformen Merkmale extrahiert und diese anschließend geclustert werden. Die Verfahren sind dieselben, nur die Frage, was „ähnlich“ heißt, ändert sich. Daneben gibt es andere Ansätze, etwa über die zeitlichen Verzögerungen der Signale an mehreren Elektroden.
Lassen sich die Demos mit meinen Daten nutzen?
Die Demos arbeiten mit erzeugten Beispieldaten und sind zum Verstehen der Verfahren gedacht, nicht als Auswertung Ihrer Daten. Welches Verfahren für Ihre Daten in Frage kommt, lässt sich im kostenlosen Erstgespräch meist schnell einschätzen; die Umsetzung kann als eigene Software oder als Webservice mit API erfolgen.
Das könnte Sie auch interessieren
Tourenplanung optimieren
Nah- und Fernverkehr, Elektro-Lkw und der Anschluss an Netz, Hof und Lager: 7 Demos.
Netzwerkdesign optimieren
Warenflüsse und Linien gestalten: Der Fluss ist einfach, das Design ist schwer.
ÖPNV und Fernverkehr optimieren
Liniennetz, Rufbus, Tarif und Takt im Betrieb: 4 Demos.
Schienenverkehr optimieren
Vom Takt bis zur Zugbildung: 7 Demos, jede mit einem gemessenen Befund.
Packen und Zuschnitt optimieren
Container, Paletten und Rollen: weniger Leerraum und Verschnitt, mit mathematischen Untergrenzen.
Lagerlogistik optimieren
Kommissionierung, Tor-Zuordnung, Umschlagpunkte und Wellenfreigabe als Gesamtsystem: 4 Demos.
Hof- und Yard-Management optimieren
Fahraufträge für Wechselbrücken und Ankunftstermine: Fristen halten, Leerfahrten sparen.
Hafenlogistik optimieren
Die ganze Prozesskette vom Kai bis zum Gate: 11 Demos, jede mit einem gemessenen Befund.
Seefracht optimieren
Die Prozesskette einer Reise vom Buchen bis zur Leercontainer-Rückführung: 7 Demos, jede mit einem gemessenen Befund.
Schichtplanung optimieren
Personalbedarf stundengenau decken, und wann eine einfache Rechnung schon exakt ist.
Anomalie-Erkennung
Was aus dem Rahmen fällt, ohne dass vorher jemand sagt, wie es aussieht: neun Verfahren von der robusten Ellipse bis zum Autoencoder.
Bestandsmanagement optimieren
Nachschub, Lieferkette, Losgrößen und Sicherheitsbestand: 2 Demos, dazu vorab gerechnete Anwendungsfälle.
Luftfracht optimieren
ULD-Beladung, Beladeplan, Gefahrgut-Trennung und Buchungsannahme: 4 Demos, jede mit einem gemessenen Befund.
Welche Gruppen stecken in Ihren Daten?
Schildern Sie mir kurz, was Sie gruppieren möchten und wozu: Kundenstandorte, Lieferadressen, Depots oder etwas anderes. Welches Verfahren in Frage kommt, lässt sich meist schon im kostenlosen Erstgespräch einschätzen.