---
term: "Catastrophic Forgetting"
slug: "catastrophic-forgetting"
glossar_id: "G136"
variants: ["Katastrophales Vergessen"]
category: "training-daten-und-modellanpassung"
marker: ""
short: "Verlust früher gelernter Fähigkeiten durch nachfolgendes Training."
sources:
  - label: "Kirkpatrick et al."
    url: "https://pmc.ncbi.nlm.nih.gov/articles/PMC5380101/"
status: "entwurf"
updated: "2026-09-20"
---

Catastrophic Forgetting bezeichnet den starken Verlust zuvor gelernter Fähigkeiten, wenn ein neuronales Netz anschließend auf andere Aufgaben trainiert wird. ([Kirkpatrick et al.](https://pmc.ncbi.nlm.nih.gov/articles/PMC5380101/)) Neue Parameteränderungen können dabei Einstellungen überschreiben, die für die früheren Aufgaben wichtig waren. ([Kirkpatrick et al.](https://pmc.ncbi.nlm.nih.gov/articles/PMC5380101/))

## So kannst du dir das vorstellen

Angenommen, ein Assistent bearbeitet bisher verschiedene Arten von Textaufgaben. Du trainierst ihn anschließend sehr gezielt auf ein enges Berichtsformat.

Wenn er danach dieses Format besser beherrscht, aber bisher gelungene Aufgaben deutlich schlechter löst, wäre das ein Anlass, auf Vergessenseffekte zu prüfen. Das Beispiel beschreibt einen möglichen Zielkonflikt, keinen unvermeidlichen Ausgang jeder Spezialisierung.

## Warum neues Lernen altes Verhalten stören kann

Beim aufeinanderfolgenden Training nutzen verschiedene Aufgaben gemeinsame Modellparameter; Änderungen für die neue Aufgabe können deshalb frühere Lösungen beeinträchtigen. ([Kirkpatrick et al.](https://pmc.ncbi.nlm.nih.gov/articles/PMC5380101/)) Die EWC-Methode aus der Originalarbeit begrenzt Änderungen an Parametern stärker, die als besonders wichtig für frühere Aufgaben eingeschätzt wurden. ([Kirkpatrick et al.](https://pmc.ncbi.nlm.nih.gov/articles/PMC5380101/))

Ein weiterer Ansatz ist, frühere Daten oder Aufgaben beim weiteren Lernen erneut einzubeziehen. ([Kirkpatrick et al.](https://pmc.ncbi.nlm.nih.gov/articles/PMC5380101/)) Welche Maßnahme geeignet ist, solltest du anhand deines Trainingsverfahrens und der verfügbaren Daten prüfen.

## Kein Verlust einer alten Chatnachricht

Der Begriff betrifft Veränderungen durch Training und die dadurch beeinträchtigte Aufgabenleistung. ([Kirkpatrick et al.](https://pmc.ncbi.nlm.nih.gov/articles/PMC5380101/)) Er ist nicht die passende Bezeichnung, wenn eine Unterhaltung lediglich aus dem verfügbaren Kontext fällt oder eine Anwendung frühere Nachrichten nicht mehr mitsendet.

Für eine Anpassung würde ich vorab einen Kontrollbestand mit wichtigen vorhandenen Fähigkeiten anlegen. Messe diesen vor und nach dem Training zusätzlich zu den neuen Spezialaufgaben. So bleibt sichtbar, ob ein besseres Ergebnis im neuen Bereich durch unerwünschte Verluste an anderer Stelle erkauft wurde.

## Verwandte Begriffe

Die Abgrenzung erleichtern **Fine-Tuning**, **Continued Pretraining**, **Model Parameters**, **Regularization** und **Context Window**.