{"id":21907,"date":"2025-04-14T12:00:03","date_gmt":"2025-04-14T10:00:03","guid":{"rendered":"https:\/\/blog.rwth-aachen.de\/itc\/?p=21907"},"modified":"2025-08-20T15:21:00","modified_gmt":"2025-08-20T13:21:00","slug":"neural-networks-die-basis-moderner-ki","status":"publish","type":"post","link":"https:\/\/blog.rwth-aachen.de\/itc\/2025\/04\/14\/neural-networks-die-basis-moderner-ki\/","title":{"rendered":"Neural Networks \u2013 Die Basis moderner KI"},"content":{"rendered":"<div class=\"twoclick_social_bookmarks_post_21907 social_share_privacy clearfix 1.6.4 locale-de_DE sprite-de_DE\"><\/div><div class=\"twoclick-js\"><script type=\"text\/javascript\">\/* <![CDATA[ *\/\njQuery(document).ready(function($){if($('.twoclick_social_bookmarks_post_21907')){$('.twoclick_social_bookmarks_post_21907').socialSharePrivacy({\"txt_help\":\"Wenn Sie diese Felder durch einen Klick aktivieren, werden Informationen an Facebook, Twitter, Flattr, Xing, t3n, LinkedIn, Pinterest oder Google eventuell ins Ausland \\u00fcbertragen und unter Umst\\u00e4nden auch dort gespeichert. N\\u00e4heres erfahren Sie durch einen Klick auf das <em>i<\\\/em>.\",\"settings_perma\":\"Dauerhaft aktivieren und Daten\\u00fcber-tragung zustimmen:\",\"info_link\":\"http:\\\/\\\/www.heise.de\\\/ct\\\/artikel\\\/2-Klicks-fuer-mehr-Datenschutz-1333879.html\",\"uri\":\"https:\\\/\\\/blog.rwth-aachen.de\\\/itc\\\/2025\\\/04\\\/14\\\/neural-networks-die-basis-moderner-ki\\\/\",\"post_id\":21907,\"post_title_referrer_track\":\"Neural+Networks+%E2%80%93+Die+Basis+moderner+KI\",\"display_infobox\":\"on\"});}});\n\/* ]]> *\/<\/script><\/div><p><div id=\"attachment_21913\" style=\"width: 310px\" class=\"wp-caption alignright\"><img loading=\"lazy\" decoding=\"async\" aria-describedby=\"caption-attachment-21913\" class=\"size-medium wp-image-21913\" src=\"https:\/\/blog.rwth-aachen.de\/itc\/files\/2025\/04\/43166-300x240.jpg\" alt=\"Grafik von drei Personen, \u00fcber ihnen sind Punkte mit Strichen verbunden\" width=\"300\" height=\"240\" srcset=\"https:\/\/blog.rwth-aachen.de\/itc\/files\/2025\/04\/43166-300x240.jpg 300w, https:\/\/blog.rwth-aachen.de\/itc\/files\/2025\/04\/43166-1024x819.jpg 1024w, https:\/\/blog.rwth-aachen.de\/itc\/files\/2025\/04\/43166-768x614.jpg 768w, https:\/\/blog.rwth-aachen.de\/itc\/files\/2025\/04\/43166-1536x1229.jpg 1536w, https:\/\/blog.rwth-aachen.de\/itc\/files\/2025\/04\/43166-2048x1638.jpg 2048w\" sizes=\"auto, (max-width: 300px) 100vw, 300px\" \/><p id=\"caption-attachment-21913\" class=\"wp-caption-text\">Quelle: <a href=\"https:\/\/www.freepik.com\/free-vector\/three-people-brainstorming-their-ideas-illustration_3226221.htm#fromView=search&amp;page=1&amp;position=8&amp;uuid=6801b464-69bb-4191-b508-6f5de790d180&amp;query=Neural+Networks\">Freepik<\/a><\/p><\/div><\/p>\n<p>Neural Networks (neuronale Netzwerke) sind Modelle, die von der Funktionsweise des menschlichen Gehirns inspiriert sind. Sie bestehen aus k\u00fcnstlichen Neuronen, die Informationen verarbeiten und miteinander kommunizieren. Diese Netzwerke erm\u00f6glichen Maschinen, aus Daten zu lernen und Muster zu erkennen, ganz ohne explizite Programmierung f\u00fcr jede Aufgabe. Beispiele daf\u00fcr sind virtuelle Assistenten wie <strong>Alexa<\/strong> und <strong>Siri<\/strong>, \u00dcbersetzungstools wie <strong>Google Translate<\/strong> oder kreative KI-Systeme wie <strong>ChatGPT<\/strong>. In diesem Artikel werden wir uns damit besch\u00e4ftigen, wie neuronale Netzwerke funktionieren, welche Vor- und Nachteile sie haben und wie die RWTH sie einsetzt.<\/p>\n<p>&nbsp;<\/p>\n<p><!--more--><\/p>\n<p>&nbsp;<\/p>\n<h3><span style=\"color: #00549f;\">Wie funktionieren sie?<\/span><\/h3>\n<p>Jede Verbindung zwischen den Neuronen in einem neuronalen Netzwerk hat ein sogenanntes <strong>Gewicht<\/strong>. Dieses Gewicht bestimmt, wie stark ein Signal von einem Neuron zum n\u00e4chsten weitergeleitet wird. Man kann sich das wie einen Lautst\u00e4rkeregler vorstellen: Ein h\u00f6heres Gewicht verst\u00e4rkt das Signal, ein niedrigeres Gewicht schw\u00e4cht es ab.<\/p>\n<p>W\u00e4hrend des Trainingsprozesses des Netzwerks werden diese Gewichte angepasst, um die Leistung des Modells zu verbessern. Dabei vergleicht das Netzwerk seine Vorhersagen mit den tats\u00e4chlichen Ergebnissen in einem sogenannten <strong>Trainingsdatensatz<\/strong>.<\/p>\n<p>Ein konkretes Beispiel:<\/p>\n<ul>\n<li>Nehmen wir an, das Netzwerk soll Bilder von Katzen und Hunden unterscheiden.<\/li>\n<li>Zu Beginn sind die Gewichte zuf\u00e4llig gesetzt, und das Netzwerk trifft ungenaue oder falsche Entscheidungen.<\/li>\n<li>Durch einen Algorithmus wird berechnet, wie gro\u00df der Fehler der Vorhersage war.<\/li>\n<li>Dieser Fehler wird genutzt, um die Gewichte anzupassen, sodass das Netzwerk in zuk\u00fcnftigen Durchl\u00e4ufen genauer wird.<\/li>\n<\/ul>\n<p>Der Prozess der Gewichtsanpassung ist das, was das Netzwerk &#8222;lernen&#8220; l\u00e4sst. Mit der Zeit wird das Netzwerk in der Lage sein, Muster in den Eingabedaten zu erkennen (zum Beispiel die Form der Ohren oder die Textur des Fells) und basierend darauf zuverl\u00e4ssige Entscheidungen zu treffen.<\/p>\n<p>&nbsp;<\/p>\n<h3><span style=\"color: #00549f;\">Wie sind sie aufgebaut?<\/span><\/h3>\n<p>Ein neuronales Netzwerk besteht aus mehreren Schichten:<\/p>\n<ol>\n<li><strong>Eingabeschicht<\/strong>: Hier werden die Daten in numerischer Form aufgenommen. Die Daten k\u00f6nnen beispielsweise Bilder, Texte, Zahlen oder Tonaufnahmen sein. Sie stammen oft aus externen Quellen, wie Datenbanken, Sensoren, Kameras oder Nutzendeninteraktionen, und werden vor Eingabe in das Netzwerk h\u00e4ufig aufbereitet oder angepasst, um sie f\u00fcr die Analyse nutzbar zu machen. Beispielsweise k\u00f6nnten Pixelwerte eines Bildes oder Worte eines Textes verarbeitet werden.<\/li>\n<li><strong>Versteckte Schichten: <\/strong>Diese Schichten enthalten die eigentlichen Rechenprozesse des Netzwerks. Sie analysieren die Daten, erkennen Muster und treffen Entscheidungen. Jede Verbindung zwischen den Neuronen hat ein sogenanntes Gewicht, das w\u00e4hrend des Trainings angepasst wird.<\/li>\n<li><strong>Ausgabeschicht<\/strong>: Das Ergebnis (zum Beispiel die Vorhersage oder Klassifikation) wird hier bereitgestellt. Diese Schicht ist f\u00fcr die Interpretation und Weitergabe der Ergebnisse an die Nutzenden oder andere Systeme zust\u00e4ndig. Je nach Anwendungsfall kann das Ergebnis eine Zahl, eine Kategorie oder sogar ein vollst\u00e4ndiger Text sein. Die Genauigkeit und N\u00fctzlichkeit der Ausgabeschicht h\u00e4ngen stark von der Qualit\u00e4t der Daten und der Effizienz der vorangegangenen Verarbeitung in den versteckten Schichten ab.<\/li>\n<\/ol>\n<p>Es ist jedoch wichtig zu beachten, dass neuronale Netzwerke nicht immer korrekte Ergebnisse liefern. Besonders wenn die Eingabedaten fehlerhaft, unvollst\u00e4ndig oder ungeeignet sind, kann es zu falschen Ausgaben kommen. Der Trainingsprozess spielt daher eine zentrale Rolle: Er hilft dem Netzwerk, aus vielen Beispielen zu lernen und pr\u00e4zisere Ergebnisse zu liefern. Trotzdem sind die Ergebnisse stark von der Qualit\u00e4t der Daten und der Trainingsmethodik abh\u00e4ngig.<\/p>\n<p>&nbsp;<\/p>\n<h3><span style=\"color: #00549f;\">Wo werden neuronale Netzwerke eingesetzt?<\/span><\/h3>\n<p>Neuronale Netzwerke begegnen uns in vielen Bereichen des Alltags:<\/p>\n<ul>\n<li><strong>Bilderkennung:<\/strong> Zum Beispiel bei der Gesichtserkennung auf dem Handy (FaceID) oder medizinischen Bildanalyse.<\/li>\n<li><strong>Sprachverarbeitung:<\/strong> Anwendungen wie \u00dcbersetzungs-Tools oder Sprachassistenten wie Alexa oder Siri nutzen neuronale Netzwerke.<\/li>\n<li><strong>Autonome Systeme:<\/strong> Selbsterfahrende Autos und Drohnen nutzen sie, um ihre Umgebung zu verstehen.<\/li>\n<li><strong>Personalisierung:<\/strong> Empfehlungsalgorithmus in sozialen Medien oder Streaming-Diensten basieren ebenfalls auf neuronale Netzwerke.<\/li>\n<\/ul>\n<p>&nbsp;<\/p>\n<h3><span style=\"color: #00549f;\">Herausforderungen und Zukunftsperspektiven<\/span><\/h3>\n<p>Trotz ihrer Vielseitigkeit gibt es Herausforderungen:<\/p>\n<ul>\n<li><strong>Datenhunger<\/strong>: Neuronale Netzwerke ben\u00f6tigen gro\u00dfe Mengen an Trainingsdaten.<\/li>\n<li><strong>Rechenaufwand:<\/strong> Das Training ist oft zeit- und ressourcenintensiv.<\/li>\n<li><strong>Transparenz:<\/strong> Ihre Entscheidungen sind oft schwer nachvollziehbar, was bei sensiblen Anwendungen problematisch sein kann. Das liegt daran, dass sie komplexe mathematische Operationen in mehreren versteckten Schichten durchf\u00fchren, die f\u00fcr Menschen nicht ohne Weiteres zu interpretieren sind. Diese Intransparenz kann bei sensiblen Anwendungen, wie in der Medizin oder im Finanzwesen, problematisch sein. Beispielsweise m\u00f6chte man wissen, warum ein KI-System eine bestimmte Diagnose gestellt oder einen Kreditantrag abgelehnt hat.<\/li>\n<\/ul>\n<p>Um diese Herausforderung anzugehen, arbeitet die Forschung an Konzepten wie <strong>&#8222;<a href=\"https:\/\/www.ibm.com\/de-de\/topics\/explainable-ai\">Explainable AI<\/a>&#8220; (XAI)<\/strong>. Dieser Ansatz zielt darauf ab, die Entscheidungsprozesse von KI-Systemen verst\u00e4ndlicher und nachvollziehbarer zu machen. Bei Explainable AI werden Techniken eingesetzt, die aufzeigen, welche Merkmale der Eingabedaten (zum Beispiel bestimmte Pixel in einem Bild oder Worte in einem Text) besonders wichtig f\u00fcr die Entscheidung des Netzwerks waren. Ein Beispiel hierf\u00fcr ist die Visualisierung von Aktivierungen in den Schichten des Netzwerks, die anzeigen, welche Bereiche eines Bildes das Modell als relevant eingestuft hat.<\/p>\n<p>&nbsp;<\/p>\n<h3><span style=\"color: #00549f;\">Neuronale Netzwerke an der RWTH<\/span><\/h3>\n<p>Die RWTH Aachen geh\u00f6rt zu den Vorreitern in der Integration von K\u00fcnstlicher Intelligenz in den Hochschulalltag. Mit dem Projekt <a href=\"https:\/\/genai.rwth-aachen.de\/\">RWTHgpt<\/a>, das seit Juli 2024 verf\u00fcgbar ist, nutzt die Hochschule generative KI-Technologien wie GPT-4o, GPT-o1 und in K\u00fcrze auch GPT-o3, um in der Forschung, Lehre und Verwaltung neue Ma\u00dfst\u00e4be zu setzen. Mehr dazu k\u00f6nnt ihr in unserem einf\u00fchrenden <a href=\"https:\/\/blog.rwth-aachen.de\/itc\/2024\/08\/09\/neuer-meilenstein-erreicht-rwthgpt\/\">Blogbeitrag<\/a> lesen. Au\u00dferdem findet ihr einen weiteren <a href=\"https:\/\/blog.rwth-aachen.de\/itc\/2024\/12\/11\/rwthgpt\/\">Beitrag<\/a>, der speziell auf die Verf\u00fcgbarkeit f\u00fcr Studierende eingeht. Das KI-Tool wurde in Zusammenarbeit zwischen dem IT Center und dem <a href=\"https:\/\/cls.rwth-aachen.de\/go\/id\/wqacp\/\">Center f\u00fcr Lehr- und Lernservices (CLS)<\/a> entwickelt und erm\u00f6glicht den Nutzenden, textbasierte Aufgaben zu stellen und multimodale Inhalte zu analysieren. Dabei wird besonderen Wert auf Datenschutz gelegt, sodass alle Daten ausschlie\u00dflich auf Servern in der EU verarbeitet werden. Die Nutzung von RWTHgpt ist datenschutzkonform und erm\u00f6glicht einen schnellen und sicheren Zugriff auf die neuesten KI-Modelle, was sowohl f\u00fcr Mitarbeitende als auch f\u00fcr Studierende einen erheblichen Mehrwert bietet.<\/p>\n<p>Die Integration von KI an der RWTH Aachen zeigt, wie moderne Technologien genutzt werden k\u00f6nnen, um bestehende Prozesse zu optimieren und neue M\u00f6glichkeiten zu schaffen. Schulungsmaterialien und How-Tos zum zielgerichteten Einsatz generativer KI-Systeme f\u00fcr das Lehren, Lernen und Pr\u00fcfen stellt euch die <a href=\"https:\/\/moodle.rwth-aachen.de\/course\/view.php?id=12891&amp;section=25\">RWTH LehrBar<\/a> bereit. Durch RWTHgpt in der Forschung, Lehre und Verwaltung und durch andere KI-Systeme, setzt die RWTH auf innovative Ans\u00e4tze, um Herausforderungen effizient zu meistern. Mit einem klaren Fokus auf Datenschutz und Nutzerfreundlichkeit bleibt die Hochschule ein Vorreiter im Einsatz von KI.<\/p>\n<p>&nbsp;<\/p>\n<p>&nbsp;<\/p>\n<hr \/>\n<p>Verantwortlich f\u00fcr die Inhalte dieses Beitrags ist <a href=\"https:\/\/www.itc.rwth-aachen.de\/cms\/it-center\/it-center\/profil\/team\/~epvp\/mitarbeiter-campus-\/?gguid=PER-FSX9U9J&amp;allou=1\">Malak Mostafa<\/a>.<\/p>\n<p>&nbsp;<\/p>\n<p>Als Informationsgrundlage f\u00fcr diesen Beitrag dienten folgende Quellen:<\/p>\n<ul>\n<li>[1] <a href=\"https:\/\/www.ionos.de\/digitalguide\/online-marketing\/suchmaschinenmarketing\/was-ist-ein-neural-network\/\">Ionos<\/a><\/li>\n<li>[2] <a href=\"https:\/\/www.ibm.com\/think\/topics\/neural-networks\">IBM<\/a><\/li>\n<\/ul>\n<p>&nbsp;<\/p>","protected":false},"excerpt":{"rendered":"<p>Neural Networks (neuronale Netzwerke) sind Modelle, die von der Funktionsweise des menschlichen Gehirns inspiriert sind. Sie bestehen aus k\u00fcnstlichen Neuronen, die Informationen verarbeiten und miteinander kommunizieren. Diese Netzwerke erm\u00f6glichen Maschinen, [&hellip;]<\/p>\n","protected":false},"author":6500,"featured_media":21913,"comment_status":"open","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"c2c_always_allow_admin_comments":false,"footnotes":""},"categories":[1514],"tags":[1332,620,1441,1442],"class_list":["post-21907","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-ki","tag-chatgpt","tag-ki","tag-neural-networks","tag-neuronales-netzwerk"],"aioseo_notices":[],"_links":{"self":[{"href":"https:\/\/blog.rwth-aachen.de\/itc\/wp-json\/wp\/v2\/posts\/21907","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/blog.rwth-aachen.de\/itc\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/blog.rwth-aachen.de\/itc\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/blog.rwth-aachen.de\/itc\/wp-json\/wp\/v2\/users\/6500"}],"replies":[{"embeddable":true,"href":"https:\/\/blog.rwth-aachen.de\/itc\/wp-json\/wp\/v2\/comments?post=21907"}],"version-history":[{"count":16,"href":"https:\/\/blog.rwth-aachen.de\/itc\/wp-json\/wp\/v2\/posts\/21907\/revisions"}],"predecessor-version":[{"id":21928,"href":"https:\/\/blog.rwth-aachen.de\/itc\/wp-json\/wp\/v2\/posts\/21907\/revisions\/21928"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/blog.rwth-aachen.de\/itc\/wp-json\/wp\/v2\/media\/21913"}],"wp:attachment":[{"href":"https:\/\/blog.rwth-aachen.de\/itc\/wp-json\/wp\/v2\/media?parent=21907"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/blog.rwth-aachen.de\/itc\/wp-json\/wp\/v2\/categories?post=21907"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/blog.rwth-aachen.de\/itc\/wp-json\/wp\/v2\/tags?post=21907"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}