Unüberwachtes Lernen (englisch: Unsupervised Learning) ist ein Verfahren des maschinellen Lernens, bei dem ein Algorithmus in Daten ohne vorgegebene Zielwerte selbstständig Muster, Strukturen oder Gruppen erkennt. Typisch ist, dass das Modell Ähnlichkeiten zwischen Fällen nutzt, um z. B. Cluster zu bilden oder Daten zu verdichten (etwa über Dimensionsreduktion), ohne dass richtige Antworten vorab bekannt sind. In der öffentlichen Verwaltung kann unüberwachtes Lernen beispielsweise helfen, große Mengen von Bürgeranfragen oder Vorgängen nach Themen zu gruppieren, um Trends zu erkennen oder die weitere Bearbeitung vorzustrukturieren. Es ersetzt keine fachliche Bewertung, kann aber als Vorstufe zur Analyse und zur Vorbereitung nachgelagerter, gezielterer Auswertungen dienen.