KI News KI-Glossar › Grundlagen
Neuronales Netz
Kurz gesagt: Ein Rechenmodell aus vielen verknüpften Knoten, lose vom Gehirn inspiriert – das Grundgerüst moderner KI.
Stand: 08.11.2026 · Redaktion KI News Kompakt
Ein neuronales Netz besteht aus vielen einfachen Recheneinheiten („Neuronen“), die in Schichten hintereinander liegen. Jede Einheit nimmt Zahlen auf, gewichtet sie, addiert sie und gibt ein Ergebnis an die nächste Schicht weiter. Die Stärke der Verbindungen steckt in den Gewichten.
Wie es lernt
Am Anfang sind die Gewichte zufällig. Das Netz macht eine Vorhersage, vergleicht sie mit der richtigen Antwort und verschiebt alle Gewichte ein kleines Stück in die Richtung, die den Fehler verkleinert. Das wiederholt sich millionen- bis milliardenfach – das ist Training.
Mit dem Gehirn verwandt?
Nur entfernt. Der Name stammt von einer frühen Idee, Nervenzellen nachzubilden. Echte Neuronen arbeiten biologisch viel komplexer. Treffender ist: ein sehr großes, verstellbares Rechenschema, das aus Beispielen seine Einstellungen findet.
Viele Schichten übereinander ergeben Deep Learning, eine besonders erfolgreiche Bauart ist der Transformer.
Hängt zusammen mit
Deep Learning
Maschinelles Lernen mit sehr tiefen neuronalen Netzen – der Ansatz hinter Sprach-, Bild- und Stimm-KI.
Parameter & Gewichte
Die Milliarden Zahlen, in denen das Gelernte eines Modells steckt – und warum ihre Zahl allein wenig über die Qualität sagt.
Transformer
Die Bauart fast aller heutigen Sprachmodelle – ihr Kern ist ein Mechanismus namens „Aufmerksamkeit“.