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

zitbox default bild

JAMES-Studie 2026: KI wird zum Alltagswerkzeug von Jugendlichen

Die JAMES-Studie 2026 zeigt, wie 12- bis 19-Jährige in der Schweiz digitale Medien nutzen und ihre Freizeit gestalten. Für die aktuelle Ausgabe wurden 1’088 Jugendliche aus der Deutschschweiz, der Romandie und …

zitbox default bild

Jugendliche zwischen TikTok und KI: Die JIM-Studie 2026

Die JIM-Studie 2026 zeigt einen deutlichen Wandel im Medienverhalten von Jugendlichen zwischen 12 und 19 Jahren: Social Media wird zunehmend passiv konsumiert, während Künstliche Intelligenz immer stärker zum alltäglichen Begleiter …

zitbox default bild

Netzwerktreffen 2026: «Schule zwischen heute und morgen»

Schule im Wandel: Orientierung statt jedem Hype zu folgen Wie konnte Schule in einer Zeit rasanter technologischer und gesellschaftlicher Veränderungen handlungsfähig bleiben? Welche Entwicklungen verdienten unsere Aufmerksamkeit und wo lohnte …