Plattform
Plattform-ÜbersichtAI Adoption & Multi-ModellSelbstbefüllendes KI-CRMSales & Branchen CRMSales CRM Use CasesRecruiting CRM Use CasesB2B Kontakt-SucheMulti-Channel-KampagnenProjekte & AufgabenTeam-MessengerSocial Media StudioFunnel & NewsletterMeetings & Terminbuchung
Beratung, Preise & Ressourcen
KI-Transformation & StrategieManaged ServicesAlexander Weltzsch · Executive AdvisoryDennis Hilger · B2B Growth AdvisoryPreise & LizenzrechnerÜber unsKI im UnternehmenTech und KI GlossarLeitfaden für erfolgreiche LandingpagesGeschäftsbedingungen und RichtlinienKontakt & Live-Demo
← Zurück zum Tech und KI Glossar (A–Z)
Tech und KI Glossar · Buchstabe · Buchstabe H

Hyperparameter

Hyperparameter

Definition

Hyperparameter sind übergeordnete Konfigurationswerte eines Machine-Learning-Verfahrens, die vor dem Trainingslauf festgelegt werden und sowohl die Modellarchitektur als auch den Optimierungsprozess steuern.

Erklärung

Anders als Modellgewichte werden Hyperparameter nicht direkt durch Gradientenabstieg aus den Trainingsdaten berechnet, sondern von Entwicklern oder automatisierten Suchverfahren vorgegeben. Zu den Architektur-Hyperparametern zählen etwa die Anzahl der Schichten und Aufmerksamkeitsköpfe eines Netzes oder die maximale Baumtiefe bei Gradient-Boosted-Decision-Trees; zu den Trainings-Hyperparametern gehören Lernrate, Batch-Größe, Regularisierungsstärke (etwa Weight Decay oder Dropout) und Epochenanzahl. Da ungünstige Einstellungen zu Overfitting oder instabilem Training führen, vergleichen Data-Science-Teams verschiedene Kombinationen systematisch auf einem separaten Validierungsdatensatz, beispielsweise mittels Random Search, Bayes'scher Optimierung oder Early-Stopping-Verfahren wie Hyperband. Erst nach Abschluss dieser Auswahl wird die finale Modellgüte einmalig auf einem unabhängigen Testdatensatz gemessen.