Neural Network

Ein neuronales Netz (englisch Neural Network) ist ein Modell des maschinellen Lernens, dessen Aufbau lose an die Funktionsweise des menschlichen Gehirns angelehnt ist. Es besteht aus vielen kleinen Recheneinheiten, den sogenannten Neuronen, die in mehreren Schichten miteinander verbunden sind. Jede Verbindung hat ein Gewicht, das waehrend des Trainings angepasst wird, sodass das Netz aus Beispielen lernt, Muster in Daten zu erkennen.

Die Funktionsweise laesst sich vereinfacht so beschreiben: Daten gelangen in eine Eingabeschicht, werden in einer oder mehreren verborgenen Schichten verarbeitet und ergeben in der Ausgabeschicht ein Resultat, etwa eine Klassifikation oder eine Prognose. Beim Training werden dem Netz tausende Beispiele gezeigt, und die Gewichte werden so lange korrigiert, bis die Vorhersagen moeglichst genau den tatsaechlichen Werten entsprechen. Hat ein Netz besonders viele verborgene Schichten, spricht man von Deep Learning. Je nach Aufgabenstellung kommen unterschiedliche Architekturen zum Einsatz, etwa Convolutional Neural Networks fuer Bilder oder Transformer-Modelle fuer Sprache.

Im Alltag eines mittelstaendischen Unternehmens begegnen einem neuronale Netze haeufiger, als es auf den ersten Blick scheint. Sie stecken hinter Spracherkennung in Diktiergeraeten, hinter der automatischen Texterkennung von Rechnungen, hinter Bilderkennung in der Qualitaetskontrolle und hinter Chatbots wie ChatGPT. Auch Empfehlungssysteme in Online-Shops, Spam-Filter im E-Mail-Programm oder Prognosen zur Auftragsentwicklung beruhen oft auf dieser Technik. Wer Software einkauft, die mit Begriffen wie KI, Mustererkennung oder Vorhersage wirbt, hat es in vielen Faellen mit einem neuronalen Netz im Hintergrund zu tun.

Die Staerke neuronaler Netze liegt darin, dass sie auch komplexe und unstrukturierte Daten wie Bilder, Sprache oder Text verarbeiten koennen. Ihre Grenzen zeigen sich beim Datenbedarf, bei den Rechenkosten und bei der Nachvollziehbarkeit der Ergebnisse, da die internen Entscheidungen nur schwer interpretierbar sind. Verwandte Begriffe sind maschinelles Lernen, Deep Learning und Modellarchitektur.