Minima und Maxima: Extreme Punkte finden und richtig deuten

Jedes Mal, wenn ein Unternehmen Preise festlegt, um die beste Marge zu erzielen, oder ein Modell seine Gewichte anpasst, um den Vorhersagefehler zu verringern, läuft im Hintergrund dasselbe Kalkül: Finde den höchsten oder niedrigsten Funktionswert. Darum geht es bei Minima und Maxima. Um die Gipfel und Täler, die zeigen, wo eine Funktion ihre Extremwerte annimmt.

In diesem Artikel klären wir zuerst, was Extrema eigentlich bedeuten, trennen lokales von globalem Verhalten, gehen Schritt für Schritt durch das Auffinden per Ableitungen und schlagen die Brücke dazu, warum das in Optimierung und Data Science zählt. Wenn du das mit Praxis vertiefen willst, deckt unser Introduction to Optimization in Python Kurs die rechnerische Seite ab.

Was sind Minima und Maxima?

Ein Minimum ist der niedrigste Wert, den eine Funktion annimmt; ein Maximum der höchste. Zusammen heißen sie Extrema (Singular: Extremum). Im Diagramm sind das genau die Täler und Gipfel, die du erwartest.

Wichtig von Anfang an: Das Extremum ist der Funktionswert (die y-Koordinate), während der Punkt, an dem er auftritt, der x-Wert ist. „Das Maximum liegt bei x = 3“ ist etwas anderes als „der maximale Wert ist f(3) = 10." Diese Unterscheidung sorgt öfter für Verwirrung, als man denkt – in Klausuren ebenso wie in Interviews.

Nicht jede Funktion hat sowohl ein Minimum als auch ein Maximum. Eine Gerade hat keins von beidem. Eine nach oben geöffnete Parabel hat ein Minimum, aber kein Maximum. Auf offenen Intervallen können Funktionen Extremwerten beliebig nahekommen, ohne sie zu erreichen. Extrema sind nicht garantiert; sie hängen von der Form der Funktion und vom betrachteten Definitionsbereich ab.

Lokal vs. global: Minima und Maxima

Bevor wir Extrema finden, lohnt sich eine Unterscheidung, die sich durch alles Folgende zieht: der Unterschied zwischen Extrema, die lokal relevant sind, und solchen, die global zählen. Das ist eine der praktisch wichtigsten Ideen der Optimierung – und gleichzeitig eine häufige Fehlerquelle.

Der Unterschied ist die Betrachtungsweite. Ein lokales Extremum vergleicht nur eine kleine Umgebung um einen Punkt; ein globales Extremum betrachtet den gesamten Definitionsbereich.

Lokales Minimum und Maximum

Ein lokales Minimum liegt vor, wenn der Funktionswert kleiner ist als alle benachbarten Werte. Du stehst im Talgrund, auch wenn es anderswo noch tiefer geht. Ein lokales Maximum ist ein Gipfel, der höher liegt als seine direkte Umgebung, selbst wenn weiter weg ein noch höherer Gipfel existiert.

Stell dir einen Wanderweg mit sanften Hügeln vor. Jeder Hügelgipfel ist ein lokales Maximum, jede Senke dazwischen ein lokales Minimum. Du musst nicht die gesamte Strecke sehen, um sie zu erkennen; der Vergleich mit der unmittelbaren Umgebung reicht.

Globales Minimum und Maximum

Ein globales Minimum (auch absolutes Minimum) ist der insgesamt niedrigste Wert auf dem gesamten Definitionsbereich. Das globale Maximum (oder absolutes Maximum) ist der insgesamt höchste. Ein globales Extremum ist immer auch lokal, umgekehrt gilt das nicht.

Auf demselben Wanderweg ist das globale Maximum der höchste Punkt der gesamten Route, nicht nur der höchste der Umgebung. Eine Funktion kann viele lokale Extrema haben, aber höchstens einen absoluten Minimalwert und einen absoluten Maximalwert (auch wenn diese Werte an mehreren Stellen angenommen werden können).

Diese Unterscheidung lokal versus global ist nicht nur Theorie. Sie taucht direkt im Machine Learning auf, wo Gradient Descent bei der Suche nach einem globalen Minimum in lokalen Minima hängen bleiben kann. Mehr dazu gleich.

Wie findet man Minima und Maxima?

Extrema zu finden folgt einem klaren Prozess. Im Kern fragst du: Wo hört die Funktion auf zu steigen und beginnt zu fallen – oder umgekehrt? Ableitungen liefern das präzise Werkzeug dafür.

So gehst du grundsätzlich vor:

1. Erste Ableitung f'(x) berechnen.
2. Kritische Punkte finden, also Stellen mit f'(x) = 0 oder an denen f'(x) nicht existiert.
3. Jeden kritischen Punkt als lokales Minimum, lokales Maximum oder keines von beidem klassifizieren.
4. Bei einem abgeschlossenen Intervall auch die Randpunkte prüfen.
5. Alle Kandidatenwerte vergleichen und die absoluten Extrema bestimmen.

Zur Veranschaulichung nutzen wir durchgängig eine Funktion: f(x) = 2x³ − 9x² + 12x − 4, definiert auf dem Intervall [0, 4].

Kritische Punkte und Extrema

Ein kritischer Punkt von f(x) ist ein x im Definitionsbereich, an dem f'(x) = 0 oder f'(x) nicht definiert ist. Das sind Extrema-Kandidaten, also Stellen, an denen die Funktion ihre Richtung ändern könnte.

Warum treten Extrema an kritischen Punkten auf? An einem glatten Gipfel oder Tal ist die Tangente waagerecht, also ist die Ableitung null. Aber nicht jeder kritische Punkt ist ein Extremum – und das ist entscheidend. Das klassische Gegenbeispiel ist f(x) = x³ bei x = 0: Die Ableitung ist null, doch die Funktion ändert nicht die Richtung, sie flacht nur kurz ab und steigt weiter. Auch Punkte ohne Ableitung verdienen Aufmerksamkeit. Eine scharfe Ecke wie bei f(x) = |x| bei x = 0 hat keine Ableitung, und genau dort liegt das Minimum.

Für unser Beispiel gilt f'(x) = 6x² − 18x + 12 = 6(x² − 3x + 2) = 6(x − 1)(x − 2). Gleich null gesetzt liefert das kritische Punkte bei x = 1 und x = 2. Jetzt müssen wir klären, was dort passiert.

Der Erste-Ableitungstest

Der Erste-Ableitungstest klassifiziert kritische Punkte, indem geprüft wird, ob f'(x) sein Vorzeichen wechselt. Wechselt die Funktion von steigend zu fallend, liegt ein Gipfel vor. Von fallend zu steigend bedeutet Tal.

Positiv zu negativ

Wechselt f'(x) am kritischen Punkt von positiv zu negativ, ist es ein lokales Maximum. Die Funktion steigt dorthin an und fällt danach wieder.

Negativ zu positiv

Wechselt f'(x) von negativ zu positiv, fiel die Funktion und steigt anschließend. Das ist ein lokales Minimum.

Kein Vorzeichenwechsel

Bleibt f'(x) auf beiden Seiten positiv (oder auf beiden Seiten negativ), ist der kritische Punkt weder Minimum noch Maximum. Die Funktion pausiert nur, kehrt aber nicht um, wie bei f(x) = x³ an x = 0.

Für unsere Funktion testen wir die Intervalle um x = 1 und x = 2. Testpunkte: f'(0,5) = 6(0,5 − 1)(0,5 − 2) = 6(−0,5)(−1,5) = 4,5 > 0, f'(1,5) = 6(0,5)(−0,5) = −1,5 < 0 und f'(3) = 6(2)(1) = 12 > 0. Bei x = 1 wechselt die Ableitung von positiv zu negativ: lokales Maximum. Bei x = 2 von negativ zu positiv: lokales Minimum. Die Funktionswerte sind f(1) = 1 und f(2) = 0.

Der Erste-Ableitungstest funktioniert immer, erfordert aber Testpunkte je Intervall – das wird schnell mühsam. Wenn bestimmte Bedingungen erfüllt sind, gibt es einen schnelleren Weg.

Der Zweite-Ableitungstest

Der Zweite-Ableitungstest greift, wenn f''(x) am kritischen Punkt ungleich null ist. Statt Vorzeichenwechsel über Intervalle zu prüfen, wertest du die zweite Ableitung direkt am kritischen Punkt aus.

Die Idee hängt mit der Krümmung zusammen. Ist f''(c) > 0, ist die Funktion bei c nach oben gekrümmt, wie eine Schüssel – der kritische Punkt liegt unten: lokales Minimum. Ist f''(c) < 0, ist sie nach unten gekrümmt, wie ein Hügel – der Punkt liegt oben: lokales Maximum. Ist f''(c) = 0, ist der Test nicht aussagekräftig. Dann musst du auf den Erste-Ableitungstest zurückgreifen.

Für unsere Funktion gilt f''(x) = 12x − 18. Bei x = 1: f''(1) = 12 − 18 = −6 < 0, bestätigt lokales Maximum. Bei x = 2: f''(2) = 24 − 18 = 6 > 0, bestätigt lokales Minimum. Gleiche Antworten wie zuvor, nur schneller. Der Zweite-Ableitungstest funktioniert nicht immer (er scheitert z. B. an Wendepunkten und manchen degenerierten kritischen Punkten), spart aber Zeit, wenn er anwendbar ist.

Absolute Minima und Maxima auf einem Intervall finden

Auf einem abgeschlossenen Intervall [a, b] mit stetiger Funktion garantiert der Extremwertsatz das Vorhandensein eines absoluten Maximums und eines absoluten Minimums. Du suchst also nicht vergeblich.

Die Methode heißt geschlossene-Intervall-Methode:

1. Alle kritischen Punkte von f(x) im Inneren (a, b) finden.
2. f(x) an jedem kritischen Punkt auswerten.
3. f(x) an beiden Randpunkten a und b auswerten.
4. Der größte Wert ist das absolute Maximum, der kleinste das absolute Minimum.

Für f(x) = 2x³ − 9x² + 12x − 4 auf [0, 4] kennen wir die kritischen Punkte x = 1 und x = 2 bereits. Auswertung an allen relevanten Stellen:

f(0) = -4

f(1) = 2 - 9 + 12 - 4 = 1

f(2) = 16 - 36 + 24 - 4 = 0

f(4) = 128 - 144 + 48 - 4 = 28

Das absolute Minimum ist f(0) = −4, das absolute Maximum ist f(4) = 28. Beachte: Das absolute Maximum liegt an einem Randpunkt, nicht an einem kritischen Punkt. Darum darfst du die Randpunkte nie auslassen – der häufigste Fehler in solchen Aufgaben. Mehr dazu im Abschnitt zu typischen Fehlern.

Bisher galt alles für Funktionen einer Variablen. In der Praxis sind es oft mehrere Variablen – schauen wir, wie sich das überträgt.

Minima und Maxima bei Funktionen mehrerer Variablen

Für eine Funktion f(x, y) findest du kritische Punkte, indem du beide partiellen Ableitungen gleich null setzt: ∂f/∂x = 0 und ∂f/∂y = 0. Ein kritischer Punkt ist nun ein Paar (x, y) statt eines einzelnen Werts. Die Klassifikation wird schwieriger, weil es eine neue Möglichkeit gibt: Sattelpunkte, bei denen die Funktion in einer Richtung nach oben, in einer anderen nach unten gekrümmt ist. Denk an die Mitte eines Pringles-Chips.

Zur Klassifikation mehrdimensionaler kritischer Punkte nutzt du die Hesse-Matrix, eine quadratische Matrix zweiter partieller Ableitungen. Ihre Determinante und die Vorzeichen ihrer Einträge zeigen, ob es ein lokales Minimum, lokales Maximum oder ein Sattelpunkt ist. Unser Hessian Matrix Tutorial geht tiefer auf die Mechanik ein und zeigt die Verbindung zur Krümmung in höheren Dimensionen.

Minima und Maxima in Optimierung und Machine Learning

Wenn du mit Machine Learning gearbeitet hast, hast du bereits Minimierungsprobleme gelöst. Ein Modell zu trainieren heißt, eine Loss-Funktion zu minimieren – und die hat wiederum Minima und Maxima.

Gradient Descent ist hier das Arbeitspferd. Es berechnet die Ableitung (bzw. den Gradienten in mehreren Dimensionen) der Loss-Funktion an den aktuellen Parametern und macht dann einen Schritt in die Richtung, die den Verlust verringert. Also bergab über die Verlustfläche, auf der Suche nach einem Minimum. Unser Gradient Descent in Machine Learning Tutorial deckt den kompletten Algorithmus ab.

Hier wird die Unterscheidung lokal versus global zum echten Engineering-Thema. Bei nicht-konvexen Loss-Funktionen (wie sie die meisten neuronalen Netze haben) kann Gradient Descent in lokalen Minima steckenbleiben, statt das globale Minimum zu finden. Techniken wie Lernratenpläne, Momentum und Stochastic Gradient Descent helfen, flachen lokalen Minima zu entkommen, auch wenn ein globales Minimum bei nicht-konvexen Problemen weiterhin nicht garantiert ist. Unser Cost Functions Tutorial erklärt, wie diese Zielfunktionen aufgebaut sind und warum ihre Form zählt.

Häufige Fehler beim Finden von Minima und Maxima

Jeden kritischen Punkt für ein Extremum halten

Nicht jeder kritische Punkt liefert ein Minimum oder Maximum. Wendestellen wie x = 0 bei f(x) = x³ haben f'(x) = 0, aber keinen Richtungswechsel. Immer mit einem Ableitungstest prüfen.

Lokale und globale Extrema verwechseln

Ein lokales Minimum ist nur der niedrigste Punkt in einer Umgebung. Das globale Minimum kann ganz woanders liegen – oder am Rand. Hör nicht auf, sobald du ein lokales Extremum gefunden hast.

Randpunkte vergessen

Auf einem abgeschlossenen Intervall können absolute Extrema an den Grenzen liegen. In unserem Beispiel lag das absolute Maximum bei x = 4 und nicht an einem kritischen Punkt. Randpunkte zu überspringen ist einer der häufigsten Fehler in Optimierungsaufgaben – und dürfte mehr Klausurpunkte kosten als manch inhaltliches Missverständnis.

Aus f'' = 0 auf „kein Extremum“ schließen

Wenn f''(c) = 0 ist, ist der Zweite-Ableitungstest nicht entscheidend. Das heißt nicht, dass dort kein Extremum liegt. Beispiel: f(x) = x⁴ bei x = 0 – f''(0) = 0, aber x = 0 ist klar ein Minimum. Nutze den Erste-Ableitungstest, wenn der zweite versagt.

Extremumstelle mit Extremumwert verwechseln

Der Extremum-wert ist f(c), nicht c selbst. „Das Minimum ist x = 2“ – wenn du „der Minimalwert ist f(2) = 0“ meinst – verwechselt Eingabe mit Ausgabe. In Berichten und Klausuren ist der Funktionswert gefragt, nicht nur die Stelle.

Fazit

Es gibt eine abgespeckte Version dieses Themas, die bei „Finde, wo die Ableitung null ist“ stehen bleibt. Viele Einführungskurse machen genau das – und lassen damit den Teil aus, der in der Praxis wirklich zählt: zu wissen, ob du ein lokales oder ein globales Minimum gefunden hast, und zu verstehen, dass das – je nach Ziel – sehr Unterschiedliches bedeutet.

Das Rechnen ist kompakt: kritische Punkte, Ableitungstests, Randpunkt-Check. Länger dauert es, die Geometrie dahinter zu verinnerlichen: warum die Krümmung die Form eines Minimums bestimmt, warum Randpunkte kritische Punkte „übertrumpfen“ können, warum Gradient Descent in einem neuronalen Netz auf einer Oberfläche mit tausenden lokaler Minima tatsächlich nach einem Minimum sucht.

Für die Umsetzung zeigt dir unser Introduction to Optimization in Python Kurs, wie du diese Probleme mit SciPy und SymPy rechnerisch löst. Dort wird der Schulstoff im Code greifbar.