Was ist Deep Learning?
Woher weiß dein Smartphone, dass auf dem Foto ein Hund ist? Niemand hat ihm „Hund“ mit Regeln beschrieben. Es hat es an Millionen Beispielen gelernt. Das ist Deep Learning.
Deep Learning ist ein Teilgebiet des Machine Learning. Es arbeitet mit künstlichen neuronalen Netzen aus vielen Schichten. Die erste Schicht erkennt einfache Dinge wie Kanten oder Farbflecken. Jede weitere setzt daraus etwas Größeres zusammen, bis am Ende „Hund“ herauskommt.
Das „deep“ meint nur diese Tiefe aus Schichten, kein tiefes Verständnis. Eine feste Grenze gibt es nicht. IBM nennt als Faustregel mindestens vier Schichten, moderne Netze haben oft weit mehr.
Woher kommt der Boom?
Die Grundideen sind alt, die Durchbrüche jung. Drei Momente zeigen, warum Deep Learning heute überall steckt:
- 2012, Bilderkennung: Das Netz AlexNet gewann einen großen Bilderkennungs-Wettbewerb mit 15,3 % Fehlerquote. Der Zweitplatzierte lag bei 26,2 %. Trainiert wurde es fünf bis sechs Tage auf zwei Grafikkarten.
- 2017, Transformer: Das Paper „Attention Is All You Need“ stellte den Transformer vor. Auf dieser Bauweise beruhen fast alle heutigen Sprachmodelle.
- 2018 und 2024, Preise: Bengio, Hinton und LeCun bekamen den Turing Award, die wichtigste Auszeichnung der Informatik. 2024 gab es für Hopfield und Hinton den Nobelpreis für Physik, für Grundlagen des maschinellen Lernens mit neuronalen Netzen.
Der Motor dahinter ist Rechenleistung. Laut Stanford AI Index 2025 verdoppelt sich die Rechenleistung fürs Training bedeutender KI-Modelle etwa alle fünf Monate.
Wo steckt Deep Learning im Marketing?
Die gute Nachricht: Du musst nichts programmieren. Die Technik steckt in Werkzeugen, die du wahrscheinlich schon nutzt.
Einsatz
Beispiel
Texte
ChatGPT, Claude, Gemini
Bilder
Firefly, Midjourney
Gebote
Smart Bidding
Empfehlungen
Shops, Streaming
Smart Bidding in Google Ads passt laut Google bei jeder einzelnen Auktion das Gebot an. Grundlage ist maschinelles Lernen auf großen Datenmengen, mit Signalen wie Gerät, Standort und Uhrzeit.
Und die Firmen ziehen nach. Laut Statistischem Bundesamt nutzten 2025 schon 26 % der Unternehmen in Deutschland ab zehn Beschäftigten KI. Bei kleinen Firmen mit 10 bis 49 Beschäftigten waren es 23 %, bei großen ab 250 Beschäftigten 57 %. In der ganzen EU waren es laut Eurostat 20 %, und Marketing oder Vertrieb war der häufigste Einsatzzweck.
Häufige Fehler
Fehler 1 · KI, Machine Learning und Deep Learning gleichsetzen
Nicht jede KI lernt, nicht jedes Machine Learning ist tief. Eine Regel wie „Wenn Warenkorb über 100 Euro, dann Gutschein“ ist Automatisierung, kein Deep Learning. Wer die Begriffe auseinanderhält, durchschaut Verkaufsfolien schneller.
Fehler 2 · Glauben, du müsstest selbst trainieren
Ein eigenes Modell braucht riesige Datenmengen, teure Rechenleistung und Fachleute. Für ein KMU ist das fast nie sinnvoll. Dein Hebel liegt woanders: gute Daten an fertige Werkzeuge liefern, etwa saubere Conversions an Google Ads.
Fehler 3 · Das Ergebnis für Verständnis halten
Ein Deep-Learning-Modell erkennt Muster, es versteht nicht. Darum klingen KI-Texte manchmal überzeugend und sind trotzdem falsch. Prüfe Zahlen und Fakten immer selbst, bevor sie rausgehen.
Fehler 4 · Die Black Box ignorieren
Warum ein Netz eine Entscheidung trifft, lässt sich oft kaum nachvollziehen. Bei Smart Bidding heißt das: Du steuerst über Ziele, Budgets und Daten, nicht über einzelne Gebote. Gib dem System klare Ziele und schau auf die Ergebnisse, nicht auf jeden Schritt.
Was heißt das für dich?
- Daten pflegen: Deep Learning ist nur so gut wie das, was es bekommt. Sauberes Conversion-Tracking schlägt jeden Prompt-Trick.
- Werkzeuge testen: Fang mit dem an, was du schon bezahlst, etwa der KI in deinem Werbekonto oder Texttool.
- Mensch bleibt drin: Lass KI Entwürfe machen, aber entscheide und prüfe selbst.
Häufige Fragen
Was ist der Unterschied zwischen KI, Machine Learning und Deep Learning?
KI ist der Oberbegriff für Systeme, die Aufgaben erledigen, für die sonst menschliche Intelligenz nötig wäre. Machine Learning ist der Teil, der aus Daten lernt. Deep Learning ist Machine Learning mit vielschichtigen neuronalen Netzen.
Ist ChatGPT Deep Learning?
Ja. Hinter ChatGPT steckt ein großes Sprachmodell, und das ist ein Deep-Learning-Modell in Transformer-Bauweise. Es wurde mit riesigen Textmengen trainiert und sagt Wort für Wort vorher, was als Nächstes passt.
Ab wie vielen Schichten ist ein Netz „deep“?
Eine verbindliche Grenze gibt es nicht. IBM nennt als Faustregel mindestens vier Schichten, Eingabe und Ausgabe mitgezählt. Heutige Modelle haben oft Dutzende oder Hunderte Schichten.
Brauche ich als KMU eigene Programmierer für Deep Learning?
In aller Regel nicht. Die Technik steckt in fertigen Werkzeugen wie Google Ads, Meta, Text- und Bildgeneratoren. Wichtiger als Programmierer sind saubere Daten und jemand, der die Ergebnisse kritisch prüft.
Warum gab es für Deep Learning einen Physik-Nobelpreis?
Den Nobelpreis für Physik 2024 bekamen John Hopfield und Geoffrey Hinton für Grundlagen, die maschinelles Lernen mit künstlichen neuronalen Netzen ermöglichen. Ihre Arbeiten aus den 1980ern stützen sich auf Methoden der Physik.
Quellen
- IBM: What is deep learning?
- Krizhevsky u. a.: ImageNet Classification with Deep CNNs (2012)
- Vaswani u. a.: Attention Is All You Need (2017)
- Königlich Schwedische Akademie: Nobelpreis Physik 2024
- Stanford HAI: AI Index Report 2025
- Google Ads-Hilfe: Smart Bidding
- Statistisches Bundesamt: KI in Unternehmen
- Eurostat: Use of artificial intelligence in enterprises