Das Forschungsfeld »Data Mining für Automaten« beschäftigt sich weniger mit dem Frontend als mehr mit dem Backend von Automaten und untersucht, wie Eingabedaten sinnvoll verwendet werden können.
Data Mining am Automaten ermöglicht das Extrahieren von impliziten, noch unbekannten Informationen aus den Eingabedaten. Maschinelle Lernverfahren stellen dabei die Werkzeuge und Techniken zur Verfügung, um einen Computer zu befähigen, Datenbanken automatisch nach Gesetzmäßigkeiten und Mustern zu durchsuchen. So können in einem Abstraktionsprozess aussagekräftige Informationen ermittelt werden.
Zunächst einmal gilt es dabei, die unterschiedlichen Eingabeformate und die dabei anfallenden Daten zu kategorisieren, um die Frage zu beantworten: Welche »Rohdaten« fallen an einem Automaten an und in welcher Form können sie gespeichert werden, um eine Weiterverarbeitung zu ermöglichen? Data Mining-Verfahren auf diese »Rohdaten« anzuwenden, bietet das Potenzial, nicht nur statistische Erhebungen von Eingabedaten in einem Automaten zu sammeln, sondern diese auch auszuwerten und Korrelationen beteiligter Variablen aufzudecken. Von besonderem Interesse sind Ergebnisse, die Hinweise auf Verbesserungspotenziale geben, welche in einem nächsten Schritt unmittelbar umsetzbar sind – beispielsweise durch eine verbesserte Benutzerführung oder durch neue Produkte, die über den Automaten angeboten werden.
Bei der Erfassung von Benutzereingaben sowie der Auswertung und Verwendung dieser Daten müssen die Aspekte Datenrecht und -schutz berücksichtigt werden. Im Hinblick auf Diskretion werden bei der praktischen Anwendung auch ethische Fragen aufgeworfen: Welche der Attribute, die Nutzer beschreiben, könnten bei einer Korrelation problematische Rückschlüsse zu lassen? Inwieweit ist Personalisierung, z.B. durch Kategorisierung von Benutzergruppen, vom Benutzer am Automaten überhaupt gewünscht?