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.