Multilayer Perceptron
Ein Multilayer Perceptron (MLP) ist die grundlegendste Form eines künstlichen neuronalen Netzes: Zahlenwerte werden schichtweise durch rechnerische Einheiten weitergeleitet und dabei so verändert, dass am Ende eine Vorhersage herauskommt. Es ist der Baustein, aus dem fast alle modernen KI-Systeme zusammengesetzt sind.
Ein Multilayer Perceptron ist ein Rechenwerk aus Schichten. Jede Schicht besteht aus einzelnen Einheiten, die man Neuronen nennt — in Anlehnung an Nervenzellen im Gehirn. Jede dieser Einheiten nimmt Zahlen entgegen, rechnet etwas damit und gibt eine neue Zahl weiter. Das Besondere: Die Einheiten einer Schicht sind mit allen Einheiten der nächsten Schicht verbunden, daher auch der Name „vollständig verbundenes Netz“. Ganz links kommen die Eingabedaten rein, ganz rechts kommt die Ausgabe heraus — dazwischen liegen eine oder mehrere sogenannte versteckte Schichten, die die eigentliche Verarbeitung übernehmen. Die Richtung ist immer dieselbe: von links nach rechts, ohne Schleifen oder Rückwege.
Die Rolle des MLP in modernen KI-Systemen
Das MLP ist kein historisches Relikt — es steckt als Kernbaustein in fast jedem modernen KI-Modell. Sprachmodelle wie GPT oder Gemini bestehen zu großen Teilen aus MLP-Blöcken, die abwechselnd mit anderen Bauteilen angeordnet sind. Ohne das MLP gäbe es diese Systeme nicht.
Der Grund dafür ist, was ein MLP leisten kann: Es ist in der Lage, beliebig komplizierte Muster in Daten zu erkennen — vorausgesetzt, es hat genug Schichten und genug Neuronen. Mathematisch ausgedrückt kann ein ausreichend großes MLP jede beliebige Funktion annähern. Das klingt abstrakt, bedeutet aber praktisch: Egal ob Spracherkennung, Bildklassifikation oder Textübersetzung — ein MLP kann die nötigen Zusammenhänge prinzipiell lernen.
Allerdings ist das MLP allein für viele Aufgaben nicht die effizienteste Lösung. Für Bilder funktionieren spezialisierte Netze besser, die räumliche Strukturen ausnutzen. Für Sprache braucht man zusätzliche Mechanismen, die Reihenfolgen berücksichtigen. Das MLP liefert das Fundament, aber echte Systeme bauen darauf auf.
Gewichte, Aktivierung und das Training
Die Verbindungen zwischen den Neuronen haben jeweils eine Stärke — einen sogenannten Gewichtswert. Dieser Wert bestimmt, wie stark ein Signal von einer Einheit zur nächsten weitergegeben wird. Beim Training werden genau diese Gewichte schrittweise angepasst: Das Netz bekommt ein Beispiel, macht eine Vorhersage, vergleicht sie mit der richtigen Antwort und justiert danach alle Gewichte ein kleines Stück. Dieser Vorgang wiederholt sich millionenfach.
Damit das Netz nicht nur einfache lineare Zusammenhänge lernt — also nicht nur Geraden und Ebenen —, wird nach jeder Schicht eine sogenannte Aktivierungsfunktion angewendet. Sie sorgt dafür, dass das Modell auch nichtlineare, also gekrümmte oder komplexere Muster abbilden kann. Ohne diesen Schritt wäre ein Netz mit hundert Schichten genauso begrenzt wie eines mit nur einer. Die heute am häufigsten verwendete Aktivierungsfunktion heißt ReLU: Sie lässt positive Zahlenwerte unverändert durch und setzt negative auf null — simpel, aber wirkungsvoll.
Ein typisches kleines MLP für eine Bildaufgabe hat vielleicht drei bis fünf Schichten mit jeweils einigen Hundert Neuronen. Große Sprachmodelle hingegen enthalten MLP-Blöcke mit Milliarden von Gewichten. Der Unterschied liegt nicht im Prinzip, sondern nur in der Größe.
MLP in Produkten und Schlagzeilen
Wenn Tech-Medien von „neuronalen Netzen“ schreiben, meinen sie fast immer Systeme, die auf dem MLP-Prinzip aufbauen. ChatGPT, Googles Gemini, Metas Llama — sie alle verwenden MLP-Schichten als einen ihrer zentralen Bausteine. Wer also Meldungen über Sprachmodelle, Bildgeneratoren oder KI-Chips liest, begegnet dem MLP indirekt bei jedem Artikel.
In der Chipindustrie spielt das MLP ebenfalls eine direkte Rolle. Grafikprozessoren von Nvidia wurden ursprünglich für Spiele entwickelt, eignen sich aber hervorragend dafür, die vielen parallelen Rechenoperationen eines MLP durchzuführen. Der enorme Erfolg von Nvidia in den letzten Jahren hängt direkt damit zusammen, dass MLP-Berechnungen auf ihrer Hardware besonders schnell laufen.
Auch in eingebetteten Systemen taucht das MLP auf: Sprachassistenten auf Smartphones, Betrugserkennung bei Banken oder automatische Qualitätsprüfung in Fabriken setzen oft auf schlanke MLP-Varianten, die mit wenig Rechenaufwand auskommen. Das Prinzip ist dabei immer dasselbe — nur die Größe und der Einsatzort wechseln.