Mojora AI

Neuronale Netze

Was ist ein CNN (Convolutional Neural Network)?

CNN einfach erklärt: Faltung, Filter, Feature Maps, Pooling – warum Convolutional Neural Networks bei Bildern und Signalen so gut funktionieren.

Schwierigkeit
Mittel
Lesezeit
ca. 3 Min.
Aktualisiert
5.8.2026
Voraussetzung
Neuronale Netze

Kurz erklärt

Ein Convolutional Neural Network (CNN) ist ein neuronales Netz, das kleine Filter über eine Eingabe schiebt und so lokale Muster erkennt – bei Bildern etwa Kanten, Texturen und später ganze Objektteile. Weil derselbe Filter an allen Stellen angewendet wird, braucht ein CNN deutlich weniger Parameter als ein vollständig verbundenes Netz und erkennt ein Muster unabhängig davon, wo es auftritt. CNNs sind daher der Standard für Bild-, Video- und viele Signalverarbeitungsaufgaben.

Warum gibt es CNNs?

Ein vollständig verbundenes Netz behandelt jedes Pixel als eigenständige Größe. Schon ein Bild mit 1.000 × 1.000 Bildpunkten ergäbe pro Neuron eine Million Gewichte – nicht trainierbar und ohne jedes Verständnis dafür, dass benachbarte Pixel zusammengehören.

CNNs bauen dieses Wissen in die Architektur ein: Muster sind lokal, und ein Muster bleibt dasselbe, egal wo im Bild es auftaucht.

Wie funktioniert ein CNN?

Ein kleiner Filter – etwa 3 × 3 Werte – wird über das Bild geschoben. An jeder Position wird der Filter mit dem darunterliegenden Bildausschnitt multipliziert und aufsummiert. Das Ergebnis ist eine Feature Map: eine Karte, die zeigt, wo das gesuchte Muster stark auftritt. Ein Netz lernt viele solcher Filter gleichzeitig, und die Feature Maps sind die Eingabe der nächsten Schicht.

Bild + FilterFeature MapsPoolingKlassifikation
Bild → Faltung → Feature Maps → Pooling → Klassifikation.

Zwischen den Faltungsschichten reduziert Pooling die Auflösung, indem es benachbarte Werte zusammenfasst. Das spart Rechenzeit und macht die Erkennung unempfindlicher gegen kleine Verschiebungen.

Ein einfaches Beispiel

Ein Produktionsbetrieb prüft Bauteile auf Kratzer. Frühe Filter reagieren auf helle Linien vor dunklem Grund. Mittlere Schichten unterscheiden zufällige Reflexionen von durchgehenden Rillen. Die letzte Schicht gibt eine Wahrscheinlichkeit für „Kratzer vorhanden“ aus. Trainiert wird mit einigen tausend bewerteten Aufnahmen.

Technischer Blick

Technischer Blick

  • Kernel/Filter: kleine Gewichtsmatrix, deren Werte gelernt werden.
  • Stride: Schrittweite, mit der der Filter verschoben wird. Größerer Stride verkleinert die Ausgabe.
  • Padding: Randauffüllung, damit Bildränder nicht verloren gehen.
  • Parameter Sharing: derselbe Filter an allen Positionen – der Grund für die geringe Parameterzahl.
  • Rezeptives Feld: der Bildbereich, der ein Neuron in einer tiefen Schicht beeinflusst; er wächst mit jeder Schicht.

Stärken und Grenzen

  • Stärke: sehr effizient bei Daten mit räumlicher Struktur (Bild, Video, Spektrogramme).
  • Stärke: erkennt Muster unabhängig von ihrer Position.
  • Stärke: gut parallelisierbar auf Grafikprozessoren.
  • Grenze: setzt eine gitterartige Struktur der Daten voraus – für freie Texte ungeeignet.
  • Grenze: weite Zusammenhänge über das ganze Bild hinweg werden erst in tiefen Schichten erfasst.
  • Grenze: empfindlich gegenüber Aufnahmebedingungen, die im Training nicht vorkamen.

Zusammenhang mit anderen KI-Technologien

Das CNN nutzt räumliche Nachbarschaft, das RNN zeitliche Reihenfolge. Beide sind Spezialisierungen des neuronalen Netzes. In der Bildverarbeitung stehen CNNs heute neben Vision Transformern, die den Attention-Mechanismus auf Bildausschnitte übertragen.

Häufige Fragen – kurz beantwortet

Jede Antwort ist eigenständig verständlich, auch ohne den restlichen Artikel.

Was ist ein CNN?

Ein Convolutional Neural Network ist ein neuronales Netz, das kleine, lernbare Filter über die Eingabe schiebt und dabei lokale Muster erkennt. Da derselbe Filter an allen Positionen angewendet wird, benötigt ein CNN deutlich weniger Parameter als ein vollverbundenes Netz gleicher Aufgabengröße.

Was macht die Faltung in einem CNN?

Die Faltung multipliziert einen Filter mit einem lokalen Bildausschnitt und summiert das Ergebnis. Dieser Vorgang wird über die gesamte Eingabe wiederholt und erzeugt eine Feature Map, die angibt, wo das gesuchte Muster auftritt.

Wozu dient Pooling?

Pooling fasst benachbarte Werte einer Feature Map zusammen, meist über das Maximum. Dadurch sinkt die Auflösung, der Rechenaufwand verringert sich, und die Erkennung wird gegenüber kleinen Verschiebungen robuster.

Sind CNNs nur für Bilder geeignet?

Nein. Convolutional Neural Networks eignen sich für alle Daten mit lokaler Nachbarschaftsstruktur, also auch für Audiosignale, Zeitreihen und Sensordaten. Bei Sprache und langen Sequenzen sind Transformer-Modelle heute jedoch meist die bessere Wahl.

Einordnung im Wissensnetz

Hauptthema dieser Seite
Convolutional Neural Network
Verwandte Begriffe
Künstliches neuronales Netz · Bilderkennung · Faltung

Fachliche Grundlage: Neuronale Netze. Der nächste Schritt im Lernpfad ist RNN.

Quellen & weiterführendes Lernen

Belege für die fachlichen Aussagen dieses Artikels und ausgewählte externe Lernangebote. Externe Anbieter sind keine Partner von Mojora AI.

Quellen

  • Gradient-Based Learning Applied to Document Recognition (öffnet in neuem Tab)

    Yann LeCun, Léon Bottou, Yoshua Bengio, Patrick Haffner · Proceedings of the IEEE 86(11), 2278–2324 · 1998

    Originalarbeit zu LeNet – Faltung, Pooling und Ende-zu-Ende-Training.

    ieeexplore.ieee.org

  • ImageNet Classification with Deep Convolutional Neural Networks

    Alex Krizhevsky, Ilya Sutskever, Geoffrey Hinton · NeurIPS 2012 · 2012

    AlexNet – der Durchbruch tiefer CNNs in der Bilderkennung.

Weiterlernen