Neural Networks

Neuronale Netze sind grob an die Funktionsweise biologischer Gehirne angelehnt: Eingabe-Signale durchlaufen mehrere Schichten von Knoten (Neuronen), die jeweils gewichtete Verbindungen zu Neuronen der nächsten Schicht haben. Während des Trainings werden diese Gewichte angepasst, sodass das Netz die richtigen Ausgaben für die Eingaben liefert.

Die Stärke neuronaler Netze liegt in ihrer Universalität. Ein ausreichend tiefes Netz kann theoretisch jede beliebige Funktion approximieren, gegeben genug Daten und Rechenleistung. In der Praxis sind spezialisierte Architekturen erfolgreicher als generische: Convolutional Neural Networks für Bilder, Recurrent Neural Networks oder Transformer für Sequenzen, Graph Neural Networks für Beziehungsdaten.

Die KI-Funktionen in Pimcore basieren auf modernen neuronalen Netz-Architekturen. Bildverschlagwortung nutzt Convolutional Neural Networks, Textgenerierung Transformer-Modelle, Produktklassifizierung Gradient-Boosting kombiniert mit neuronalen Features. Anwender müssen die Architekturen nicht selbst verstehen, profitieren aber von den Funktionen, die sie ermöglichen, integriert in die Pimcore-Plattform.