| Bildklassifikation, große Datenmenge | Vision Transformer (ViT) | SAM, DINO v2 |
| Bildklassifikation, kleine Datenmenge | CNN (ResNet, EfficientNet) | EfficientNet-B0 |
| Text generieren / verstehen | Transformer Decoder/Encoder | Claude, GPT, BERT |
| Zeitreihen-Vorhersage | Transformer oder LSTM | Prophet, N-BEATS |
| Audio (Sprache, Musik) | Whisper / Conformer | Whisper, Wav2Vec |
| Video-Verstehen | VideoTransformer | VideoMAE, Sora-Architektur |
| Tabular Data | XGBoost (NICHT NN) | XGBoost, TabNet |
| Multi-Modal (Text + Bild) | Multi-Modal Transformer | CLIP, GPT-4V, Claude Vision |
