Teil A · Mathematische Grundlagen · Lektion 4
Gradientenabstieg
Geprüft am 20.11.2026
Lernrate zu klein: sehr langsam. Lernrate zu groß: springt über das Ziel oder läuft davon.
Der vollständige Inhalt dieses Kapitels ist Teil des Kurses Bachelor Professional KI.
Mit Animationen, Rechenwegen, Übungen mit KI-Korrektur und Quiz. Einmalig 99 € für 3 Jahre Zugriff – Modul 1 ist kostenlos.
Häufige Fragen zu „Gradientenabstieg“
Wie funktioniert der Gradientenabstieg?
Die Parameter werden schrittweise entgegen dem Gradienten der Fehlerfunktion verändert: neues w = altes w − Lernrate · Steigung. Das wiederholt sich, bis der Fehler kaum noch sinkt.
Was ist die Lernrate?
Die Schrittweite des Gradientenabstiegs und ein Hyperparameter. Ist sie zu klein, lernt das Modell sehr langsam; ist sie zu groß, springt es über das Minimum hinweg.
Was ist Mini-Batch-Gradientenabstieg?
Jeder Schritt nutzt eine kleine Teilmenge der Trainingsdaten, zum Beispiel 32 bis 256 Beispiele. Das ist der Standard beim Training neuronaler Netze.