Neuronale Netze: Wie Computer sehen, hoeren und verstehen lernen

Neuronale Netze tauchen in fast jeder KI-Schlagzeile auf. Sie erkennen Gesichter, uebersetzen Sprachen, schreiben Texte und komponieren Musik. Aber was sind sie eigentlich — und wie funktionieren sie wirklich? Ich werde versuchen, das ohne eine einzige Formel zu erklaeren.

Die Grundidee: Vom Gehirn inspiriert

Der Name "neuronales Netz" kommt von einer losen Analogie zum menschlichen Gehirn. Das Gehirn besteht aus Milliarden von Nervenzellen (Neuronen), die miteinander verbunden sind. Wenn wir etwas lernen, veraendern sich die Staerken dieser Verbindungen. Ein oft genutzter Weg wird verstaerkt; ein selten genutzter schwaecher.

Kuenstliche neuronale Netze ahmen dieses Prinzip nach — aber sehr vereinfacht. Stell dir eine Reihe von Knoten vor, die in Schichten angeordnet sind. Daten fliessen von links nach rechts durch diese Schichten. Jeder Knoten nimmt Eingaben entgegen, berechnet etwas, und gibt einen Wert weiter. Die Verbindungen zwischen den Knoten haben Gewichte — Zahlen, die bestimmen, wie stark ein Signal weitergeleitet wird.

Wie ein Netz lernt

Hier ist das Bemerkenswerte: Diese Gewichte werden nicht von Menschen festgelegt. Sie werden gelernt. Und zwar so:

Du zeigst dem Netz ein Beispiel — sagen wir, ein Foto einer Katze. Das Netz verarbeitet das Bild und gibt eine Vorhersage aus. Vielleicht sagt es: "Das ist mit 30 Prozent Wahrscheinlichkeit eine Katze." Falsch — aber das ist in Ordnung fuer den Anfang. Jetzt kommt der entscheidende Schritt: Der Fehler wird berechnet (wie weit ist die Vorhersage daneben?) und rueckwaerts durch das Netz propagiert. Alle Gewichte werden ein kleines bisschen angepasst, um den Fehler beim naechsten Mal etwas zu reduzieren.

Das klingt bescheiden. Aber wenn du das mit Millionen von Beispielen wiederholst, passiert etwas Erstaunliches: Das Netz beginnt, echte Muster zu erkennen. Es "sieht" die Merkmale, die Katzen von Hunden unterscheiden. Nicht weil jemand diese Merkmale definiert hat — sondern weil das Netz sie selbst aus den Daten extrahiert.

"Ein neuronales Netz lernt nicht, was es lernen soll. Es lernt, was die Daten ihm beibringen. Das ist seine groesste Staerke — und manchmal sein groesstes Problem."

Warum "tief"?

Ein "tiefes" neuronales Netz hat viele Schichten. Die erste Schicht verarbeitet rohe Pixel oder rohe Sprachdaten. Die naechste Schicht kombiniert diese zu einfachen Mustern. Die uebernachste zu komplexeren. Irgendwo in der Tiefe des Netzes "sieht" das System Konzepte wie "Augen", "Schnauze", "Ohr" — obwohl niemand diese Konzepte jemals explizit definiert hat.

Diese Hierarchie von zunehmend abstrakten Repraesentationen ist das Geheimnis hinter der Kraft des Deep Learning. Fruehe Netze hatten drei oder vier Schichten. Heutige Modelle koennen Hunderte haben.

Verschiedene Netztypen fuer verschiedene Aufgaben

Nicht alle neuronalen Netze sehen gleich aus. Fuer Bilder nutzt man meist Convolutional Neural Networks (CNNs), die speziell fuer die Verarbeitung von Gitterdaten wie Pixeln optimiert sind. Fuer Sprachdaten und Sequenzen waren lange sogenannte Recurrent Neural Networks (RNNs) der Standard — heute wurden sie weitgehend durch Transformer-Architekturen abgeloest, die hinter modernen Sprachmodellen stecken.

Transformer sind besonders interessant, weil sie Verbindungen zwischen Woertern ueber grosse Entfernungen im Text hinweg erfassen koennen — was fuer das Sprachverstaendnis entscheidend ist. GPT, Claude, Gemini — all diese Systeme basieren auf dieser Architektur.

Was neuronale Netze nicht koennen

Es waere unehrlich, nur die Staerken zu erwaehnen. Neuronale Netze haben echte Schwaechen. Sie koennen mit Zuversicht falsche Antworten geben — das sogenannte "Halluzinieren" bei Sprachmodellen. Sie koennen durch leicht veraenderte Eingaben komplett in die Irre gefuehrt werden. Und sie sind oft Black Boxes — selbst ihre Entwickler koennen nicht immer erklaeren, warum das Netz eine bestimmte Entscheidung getroffen hat.