Maschinelles Lernen (ML) basiert auf Algorithmen, die es Computern ermöglichen, aus Daten zu lernen und Vorhersagen zu treffen. Obwohl das Konzept des Lernens durch computationale Algorithmen schon seit mehr als einem halben Jahrhundert erforscht wird, erlebte ML durch enorme Fortschritte in der Digitalisierung, Datenverarbeitung und Rechenleistung eine Renaissance. Es wird heute in vielen Bereichen des Alltags wie bei personalisierter Werbung oder medizinischen Diagnosen angewandt. In den Sozialwissenschaften ist ML bisher weniger verbreitet, gewinnt jedoch an Bedeutung, da es große, komplexe Datensätze effizient analysieren kann. ML-Modelle basieren auf sogenannten Learnern, die während eines Trainingsprozesses Datenstrukturen erkennen und ein Vorhersagemodell erstellen. Ein wichtiger Unterschied zu klassischen statistischen Ansätzen ist, dass ML flexibler ist und nicht auf festen Modellannahmen basiert. Besonders in der empirischen Forschung bietet ML wertvolle Vorteile, indem sich komplexe Zusammenhänge passgenau modellieren lassen.