Neuronales Netz
KI-Glossar
Eine Computer-Struktur, die in Schichten von künstlichen „Neuronen“ Eingaben verarbeitet und in jeder Schicht ein Stück Bedeutung herausarbeitet.
Kurzdefinition
Ein neuronales Netz ist ein mathematisches Modell, das lose vom Aufbau biologischer Nervennetze inspiriert ist. Es besteht aus vielen miteinander verbundenen Knoten, die Eingaben Schicht für Schicht in eine Antwort umrechnen.
Einfach erklärt
Stellen Sie sich viele kleine Rechen-Einheiten vor, die in Schichten angeordnet sind. Jede Einheit bekommt Werte von der vorherigen Schicht, gewichtet sie und gibt das Ergebnis weiter. Während des Trainings werden die Gewichte so angepasst, dass das Netz auf Beispieldaten möglichst gute Antworten liefert.
Sie müssen die Mathematik dahinter nicht kennen, um KI zu nutzen. Wichtig ist die Idee: Ein neuronales Netz lernt durch unzählige Beispiele und speichert das Gelernte in Form von Zahlen (den Gewichten), nicht in Form von expliziten Regeln.
Beispiel aus dem Arbeitsalltag
In einer Lagerhalle erkennt ein Kamerasystem mit einem neuronalen Netz, ob ein Karton beschädigt ist. Das Netz wurde mit tausenden Bildern beschädigter und intakter Kartons trainiert. Beschädigte Kartons werden automatisch in eine Prüfspur ausgeleitet, statt von einem Mitarbeiter manuell aussortiert zu werden.
Warum ist der Begriff wichtig?
Neuronale Netze sind die Bausteine fast aller modernen KI-Systeme. Wer den Begriff kennt, kann besser einordnen, was bei „die KI hat das so entschieden“ eigentlich passiert.
Für Unternehmen ist relevant: Entscheidungen aus neuronalen Netzen sind in der Regel nicht im Detail nachvollziehbar. Das ist bei sensiblen Anwendungen ein Thema für Governance und Dokumentation.
Chancen
- Komplexe Muster in Bild, Sprache und Ton werden zugänglich
- Anpassbar auf sehr unterschiedliche Aufgabenstellungen
- Hohe Leistung bei ausreichend Trainingsdaten
- Skalierung über fertige Cloud-Dienste möglich
Risiken und typische Fehler
- Black-Box-Charakter, Entscheidungswege sind schwer erklärbar
- Datenhunger: ohne genug Daten kein verlässliches Lernen
- Verzerrungen in Daten landen direkt im Modell
- Energieverbrauch beim Training kann hoch sein
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.