Deep Learning ist meist ein überflüssiger Begriff

In vielen Handreichungen, Positionspapieren, Erklärungen und Materialien zu maschinellem Lernen (aka "KI") wird im Abschnitt "Wie funktioniert das?" der Begriff "Deep Learning* (Biblionetz:w02947) verwendet und mehr oder weniger …

 

In vielen Handreichungen, Positionspapieren, Erklärungen und Materialien zu maschinellem Lernen (aka "KI") wird im Abschnitt "Wie funktioniert das?" der Begriff "Deep Learning* (Biblionetz:w02947) verwendet und mehr oder weniger schlecht definiert.

Ich wage jetzt mal zu behaupten: In den allermeisten Fällen ist die Verwendung des Begriffs Deep Learning überflüssig und macht nichts verständlicher.

Begründungen:

  • Zu technisch: Um mit dem Begriff Deep Learning etwas anfangen zu können, also z.B. zu verstehen, was denn der Unterschied zu Nicht-Deep-Learning ist, müssten Leserinnen und Leser deutlich mehr Verständnis von der Funktionsweise von maschinellem Lernen haben, als sich in der zur Verfügung stehenden Zeit vermitteln lässt.
  • Nicht notwendig für weitere Erkenntnisse: Der Begriff ist nicht notwendig, um über Potenziale und Herausforderungen von maschinellem Lernen diskutieren zu können und schon gar nicht für die Nutzung von generativen Machine-Learning-Systemen (GMLS). Es reicht in diesem Zusammenhang zu erklären, dass Computer in den letzten Jahren massiv leistungsfähiger wurden und ihnen massiv mehr Daten zur Verfügung stehen, um mittels Statistik Muster in diesen Daten erkennen und daraus etwas ableiten zu können.

Warum wird der Begriff trotzdem so häufig verwendet?
Ich habe so meine Verdachtsmomente, warum der Begriff trotzdem so häufig verwendet und erklärt wird:

  • Veraltetes Verständnis von Didaktik: Die Autor:innen gehen davon aus, dass eine seriöse Publikation zu einem Thema doch die wesentlichen Fachbegriffe enthalten muss, statt sich zu überlegen, welche Begriffe man dem Publikation wirklich zumuten soll und wo didaktische Reduktion sinnvoll wäre.
  • Glitzernde Begriffe zur Aufwertung des Themas: Auch wenn das fast nicht mehr nötig wäre, klingt KI und deep learning fancier als "Statistische Auswertungen aus grossen Datenmengen" oder "Mustersuche mit mathematischen Modellen".
  • Aufwertung des eigenen Expertenstatus: Wer mit solchen Begriffen um sich wirft, erweckt oberflächlich den Eindruck, Experte oder Expertin auf diesem Thema zu sein. Mir scheint, dass viele Erklärungen des Begriff in solchen Publikationen eher zeigen, dass es Einäugige unter Blinden sind.

 

Weitere Blogbeiträge aus dem zITBOx Netzwerk

Was unterdessen bereits mein Büchergestell kann

Was unterdessen bereits mein Büchergestell kann

Dies ist eher eine Notiz für mich selbst - oder ein Eintrag in meinem eigenen Techniktagebuch. Im April 2026 hatte ich berichtet, dass ich mir einen Mac Mini für Experimente …

Qualitätslabel für EdTech-Software?

Qualitätslabel für EdTech-Software?

In letzter Zeit häufen sich die Anfragen nach einer Art Qualitätslabel für Software und Plattformen, die für Bildungszwecke verwendet werden. Lehrpersonen, Schulleitungen und Bildungsbehörden auf verschiedenen Stufen sind verständlicherweise überfordert …

Sprossenverlust

Sprossenverlust

Es ist Sommerpause. Zeit um Gedanken und Begriffe zu ordnen. Seit längerem sehe ich Parallelen zwischen zwei möglichen Gefahren von generativen Machine-Learning-Systemen (Biblionetz:w02833). Da ich bisher keine Quelle gefunden habe, …