Deep Learning
KI-Glossar
Eine besondere Form von Machine Learning, bei der vielschichtige neuronale Netze komplexe Muster wie Sprache, Bild oder Ton erkennen.
Kurzdefinition
Deep Learning ist ein Teilbereich des Machine Learning, in dem mehrschichtige neuronale Netze verwendet werden, um komplexe Muster aus großen Datenmengen zu lernen.
Einfach erklärt
Während einfache Machine-Learning-Modelle eher überschaubare Muster lernen, kann Deep Learning sehr komplexe Zusammenhänge erfassen. Das gelingt durch tiefe neuronale Netze mit vielen Schichten, in denen jede Schicht etwas anderes aus den Daten herausarbeitet, zum Beispiel zuerst Kanten, dann Formen, dann Objekte.
Deep Learning ist die Technik hinter Sprachmodellen wie GPT, Bildgeneratoren wie DALL-E und Sprachassistenten. Im Berufsalltag begegnest Sie Deep Learning also überall dort, wo Sprache, Bilder oder Töne verarbeitet werden.
Beispiel aus dem Arbeitsalltag
Eine Versicherung nutzen ein Deep-Learning-Modell zur automatischen Auswertung von Schadensfotos. Das Modell erkennt auf eingereichten Bildern Risse, Beulen oder Wasserspuren und gibt eine erste Schadenseinschätzung. Sachbearbeiter prüfen am Ende die Plausibilität, statt jedes Bild von Hand zu sichten.
Warum ist der Begriff wichtig?
Deep Learning hat den aktuellen KI-Boom ausgelöst. Wer den Begriff kennt, versteht, warum KI in den letzten Jahren plötzlich so leistungsfähig wirkt.
Für Unternehmen ist wichtig zu wissen, dass Deep Learning meist sehr viele Daten und erhebliche Rechenleistung braucht. Die Modelle werden deshalb selten selbst trainiert, sondern fertig zugekauft oder über Cloud-Dienste genutzt.
Chancen
- Sehr komplexe Aufgaben werden lösbar, etwa Spracherkennung in vielen Sprachen
- Bild- und Tonverarbeitung erreicht hohe Qualität
- Vorhandene Modelle lassen sich für eigene Zwecke anpassen
- Neue Anwendungen werden in vielen Branchen möglich
Risiken und typische Fehler
- Trainingsaufwand und Stromverbrauch sind erheblich
- Entscheidungen sind oft nicht im Detail erklärbar
- Verzerrungen in Trainingsdaten setzen sich im Modell fort
- Abhängigkeit von wenigen Anbietern und Plattformen
Verwandte Begriffe
Passende Inhalte im KI College
Lernen Sie Schritt für Schritt, wie Sie KI im Arbeitsalltag sinnvoll nutzen.
Use CasesKI im Arbeitsalltag anwenden
Entdecken Sie praktische Beispiele für typische Aufgaben im Beruf.
ToolsKI-Tools im Überblick
Finden Sie heraus, welche Tools zu welchen Aufgaben passen.