skip to Main Content

Was sind Künstliche Neuronale Netze (KNN)?

Was Sind Künstliche Neuronale Netze (KNN)?

Wenn die Begriffe Künstliche Intelligenz und Machine Learning fallen, dann sind Künstliche Neuronale Netze (KNN) meist auch nicht weit entfernt. Wir beantworten heute die Frage, was es mit diesen KNN auf sich hat und warum Maschinen dadurch erst so richtig schlau werden.

Wir imitieren die Natur: Vom menschlichen zum künstlichen Gehirn

NervenzelleDas Prinzip der Künstlichen Neuronalen Netze wurde in den 1940ern konzipiert und ist somit fast ein alter Hut. Künstliche Neuronale Netze sind ein Teilbereich von Künstlicher Intelligenz, besser gesagt eine Unterkategorie von Maschinellem Lernen. Vereinfacht gesagt, handelt es sich hierbei um den Versuch, das menschliche Gehirn und dessen Arbeitsweise nachzubilden.

Hierbei orientieren sich Wissenschaftler an einer neuronalen Zelle, die aus Synapsen, einem Zellkörper und aus dem Axon besteht. Die Synapsen empfangen Wahrnehmungen und geben diese Signale an den Zellkörper weiter. Wird ein Schwellenwert überschritten, wird das Signal auch an den Axon weitergeleitet. Dabei arbeiten die Neuronen in sehr komplexen Verbünden, also in einem Art Netz.

Vom Input Layer über die Hidden Layers hin zum Output Layer

Dieses System wurde auf Künstliche Neuronale Netze übertragen, sodass sich folgender Aufbau ergibt:

1

Die Eingabeschicht bzw. der Input Layer sind die Stellen, an denen Daten und Signale empfangen werden. Stellen Sie sich hier vor, Sie haben Ihr KNN mit zahlreichen Katzenbildern trainiert und legen ihm jetzt ein neues Bild vor.

2

Hidden Layers bzw. verborgene Schichten sind der entscheidende Bereich der Künstlichen Neuronalen Netze. Denn hier werden die Daten verarbeitet, um zum richtigen Ergebnis zu kommen. Dazu werden verschiedene Schwellenwerte und Gewichtungen zugeordnet, damit nur die Neuronen getriggert werden, die zum richtigen Ergebnis führen.

Dabei kommen nicht nur ein oder zwei der verborgenen Schichten zum Einsatz, sondern hunderte oder gar tausende. Hier wird auch von der „Tiefe“ eines KNN gesprochen, was für den Ursprung des Begriffs Deep Learning steht, von dem Sie sicherlich schon gehört haben.

Wenn wir auf unser Katzenbild-Beispiel zurückkommen, dann werden in dieser Schicht also unterschiedliche Merkmale der Katze in den verschiedenen Schichten überprüft, beispielsweise ob auf dem Bild Schnurrhaare, spitze Ohren oder ein Schwanz zu sehen sind.

3

Die Ausgabeschicht bzw. Output Layer kennzeichnet das Ergebnis. Zeigt das vorgelegte Bild genügend Merkmale einer Katze an, dann wird das Künstliche Neuronale Netzwerk das neue Bild als Katze kategorisieren.

KNN mit Katzen

Daten, wir brauchen Daten

Unser Katzenbild-Beispiel hat bereits gezeigt, dass ein KNN nur funktionieren und ein erfolgreiches Ergebnis präsentieren kann, wenn es antrainiert wurde. Während ein Kind nur einige Katzen sehen muss, um beim nächsten Mal zu erkennen, ob es sich um einen Hund oder eine Katze handelt, benötigt ein Algorithmus tausende oder gar Millionen Beispiele und ein monatelanges Training, bei dem die Schwellenwerte und Gewichtungen immer wieder nachjustiert werden müssen.

Bleiben wir bei unserem Katzenbild-Beispiel: Wenn eine Ihrer Schichten, die auf die Schnurrhaare spezialisiert ist, eine Katze nicht mehr erkennt, wenn die Schnurrhaare verletzt oder zu hell sind, müssen Sie Ihre Parameter anpassen und das so lange, bis jedes Bild fehlerfrei als Katze erkannt wird. Egal ob es sich um eine Perserkatze mit viel Fell, eine Sphynx-Katze ohne Fell oder ein frisch geborenes Katzenjunges handelt.

Wer es mathematischer und genauer möchte, sollte sich diese Videos anschauen:

Aktivieren Sie JavaScript um das Video zu sehen.
https://www.youtube-nocookie.com/watch?v=aircAruvnKk

Aktivieren Sie JavaScript um das Video zu sehen.
https://www.youtube-nocookie.com/watch?v=o3RDCSJH2oo

Use Cases der Künstlichen Neuronalen Netze

Natürlich können Sie KNN nicht nur einsetzen, um Katzenbilder zu erkennen. Vielmehr ist das Einsatzgebiet sehr groß und fast grenzenlos. Die erfolgversprechendsten Bereiche sind dabei:

Medizinische Diagnostik: KNN können Symptome deuten sowie auch Röntgenbilder, Ultraschallaufnahmen oder Bilder aus dem MRT auswerten. 

Spracherkennung und Sprachgenerierung: Vor allem im Bereich Chatbots und digitale Assistenten sind Künstliche Neuronale Netze von großer Bedeutung.

Muster- und Zeichenerkennung: Das Erkennen von Schrift, Gesichtern und Bildinhalten wird durch KNN möglich.

Selbstlernende Regel- und Steuersysteme: Autonomes Fahren und Robotik sind nur einige Bereiche, die von KNN profitieren.

Simulation: In einer virtuellen Umgebung können Fahrzeuge oder Roboterarme trainiert werden, um in der realen Welt später einsetzbar zu sein.

Zukunftsprognosen und Trendbestimmungen: Die Vorhersage von Wetter und Aktienkursen werden durch Künstliche Neuronale Netze genauer.

Unterhaltung und Kultur: KNN können Muster in Musikstücken erkennen und selbst komponieren sowie Fotos an verschiedene Zeichenstile anpassen wie beispielsweise mit der App Prisma.

KI Heilsbringer oder Untergang

Künstliche Intelligenz: Heilsbringer oder Untergang?

Erfahren Sie im neuen Whitepaper, wie der aktuelle Stand in Sachen Künstliche Intelligenz ist, welche Entwicklung die Algorithmen schlauer machen können als den Menschen und welche ethischen Fragen wir jetzt klären sollten.
Jetzt herunterladen!

Marina Vogt

Bei Management Circle bin ich für die Digitalisierungs- und Immobilien-Themen sowie die Assistenz-Veranstaltungen zuständig. In den drei Blogs informiere ich Sie über neue Entwicklungen in diesen Bereichen. Vor meiner Tätigkeit bei Management Circle habe ich Germanistik in Frankfurt und Paderborn studiert. Ich freue mich über Fragen, Anregungen und einen
regen Wissensaustausch!

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert.

Back To Top

Künstliche Intelligenz: Ein Branchenüberblick

Erfahren Sie, in welchen Branchen KI bereits erfolgreich eingesetzt wird und worauf Sie bei einem Einsatz achten sollten.

Jetzt mehr erfahren!

Download: KI - Einsatz & Branchen