So funktioniert es
Die Schichten bilden zunehmend abstrakte Zusammenhänge ab. Die dafür benötigten Parameter werden im Training angepasst. Leistungsfähigkeit und Aufwand hängen nicht allein von der Größe, sondern auch von Daten und Aufgabenstellung ab.
Beispiel aus dem Arbeitsalltag
Eine Kamera kontrolliert Bauteile auf Oberflächenfehler. Ein trainiertes Bildmodell kann Auffälligkeiten markieren, damit eine Fachkraft die betreffenden Teile gezielt prüft.
Worauf es ankommt
Für einen einfachen, überschaubaren Entscheidungsprozess ist Deep Learning häufig unnötig aufwendig. Rechenbedarf, nachvollziehbare Ergebnisse und seltene Fehlerfälle gehören in die Bewertung.