Ein künstliches neuronales Netz besteht aus miteinander verbundenen Rechenschritten, deren Parameter beim Training angepasst werden. Das Modell lernt statistische Muster aus Beispieldaten, etwa für Klassifikation, Prognose oder Textverarbeitung.

Die Bezeichnung „neuronales“ Netz ist eine technische Analogie und bedeutet nicht, dass das System das menschliche Gehirn realistisch nachbildet. Leistungsfähigkeit hängt von Daten, Architektur, Trainingsverfahren und Auswertung ab.

Netze können falsche oder verzerrte Ergebnisse liefern, besonders bei Daten außerhalb des Trainingsbereichs. Für produktive Anwendungen sind Validierung, Überwachung, Datenschutz und eine passende menschliche Prüfung wichtig.

Inhaltlich überarbeitet am 2026-10-13. Definition, Abgrenzung und Rechenbeispiel geprüft.