Künstliche neuronale Netze
Rechenmodelle aus vielen verknüpften Recheneinheiten, die aus Beispielen lernen und nur lose vom Aufbau des Gehirns inspiriert sind.
Definition
Ein künstliches neuronales Netz besteht aus Schichten von Recheneinheiten, den künstlichen Neuronen. Jedes Neuron bildet eine gewichtete Summe seiner Eingaben, formt sie mit einer Aktivierungsfunktion um und gibt das Ergebnis an die nächste Schicht weiter. Beim Training werden diese Gewichte so lange angepasst, bis die Ausgaben möglichst gut zu den Beispielen passen. Das Gehirn war nur das Vorbild für die Idee, die Technik selbst ist Mathematik. Ein Netz fühlt, versteht oder denkt deshalb nicht wie ein Mensch. Netze mit mehreren verborgenen Schichten bilden die Grundlage des Deep Learning.
Beispiel
Ein Beispiel für die Sekundarstufe: In einer Online-Simulation stellen die Schüler ein kleines Netz zusammen, das Punkte auf einer Fläche in zwei Gruppen sortieren soll. Sie sehen, wie sich die Gewichte beim Training verändern und die Trennlinie besser wird. So verstehen sie, dass das Netz rechnet und nicht nachdenkt.
Verwandte Begriffe
Weiterführend
Zuletzt aktualisiert: 19. Oktober 2026