diff --git a/presentations/sommerakademie-2016/Makefile b/presentations/sommerakademie-2016/Makefile
new file mode 100644
index 0000000..856610f
--- /dev/null
+++ b/presentations/sommerakademie-2016/Makefile
@@ -0,0 +1,8 @@
+SOURCE = sommerakademie-2016
+
+make:
+	pdflatex $(SOURCE).tex -output-format=pdf
+	make clean
+
+clean:
+	rm -rf  $(TARGET) *.class *.html *.log *.aux *.out *.glo *.glg *.gls *.ist *.xdy *.1 *.toc *.snm *.nav *.vrb *.fls *.fdb_latexmk *.pyg
diff --git a/presentations/sommerakademie-2016/sommerakademie-2016.pdf b/presentations/sommerakademie-2016/sommerakademie-2016.pdf
new file mode 100644
index 0000000..2d583c5
Binary files /dev/null and b/presentations/sommerakademie-2016/sommerakademie-2016.pdf differ
diff --git a/presentations/sommerakademie-2016/sommerakademie-2016.tex b/presentations/sommerakademie-2016/sommerakademie-2016.tex
new file mode 100644
index 0000000..5dc936d
--- /dev/null
+++ b/presentations/sommerakademie-2016/sommerakademie-2016.tex
@@ -0,0 +1,65 @@
+\documentclass{beamer}
+\usetheme{Frankfurt}
+\usecolortheme{default}
+\usepackage{hyperref}
+\usepackage[utf8]{inputenc} % this is needed for german umlauts
+\usepackage[english]{babel} % this is needed for german umlauts
+\usepackage[T1]{fontenc}    % this is needed for correct output of umlauts in pdf
+\usepackage{booktabs}
+\usepackage{csquotes}
+\usepackage{siunitx}
+
+\begin{document}
+
+\title{Semantische Segmentierung von medizinischen Instrumenten mit Deep Learning Techniken}
+\author{Martin Thoma}
+\date{August 2016}
+\subject{Computer Science}
+\setbeamertemplate{navigation symbols}{}
+
+
+\section{Deep Learning ist der Goldstandard für Bilderkennung}
+\begin{frame}[plain]{Wissenschaftliche Aussage}
+\begin{center}
+    \only<1-2>{\textbf{Deep Learning ist der Goldstandard für Bilderkennung}}
+
+    \uncover<2>{Was ist \enquote{Deep Learning}?}
+
+    \only<3-4>{\textbf{Neuronale Netze sind der Goldstandard für Bilderkennung}}
+
+    \uncover<4>{Klassifikation? Semantische Segmentierung? Detektion? Lokalisierung?}
+
+    \only<5-6>{\textbf{Neuronale Netze sind der Goldstandard für Bildklassifikation}}
+
+    \uncover<6>{Fotos, medizinische Bilder, Luftbilder, Dokumente, \dots?}
+
+    \only<7-8>{\textbf{Neuronale Netze sind der Goldstandard für die Klassifikation von Fotos}\\}
+    \only<8>{Goldstandard ist ein Schlagwort. Es wird einerseits zur Bezeichnung von Verfahren verwendet, die bislang unübertroffen sind.\\
+    {\tiny Quelle: \href{https://de.wikipedia.org/w/index.php?title=Goldstandard_(Verfahren)&oldid=151270928}{de.wikipedia.org/w/index.php?title=Goldstandard\_(Verfahren)\&oldid=151270928}}}
+\end{center}
+\end{frame}
+
+\begin{frame}[plain]{ImageNet / ILSVRC 2014}
+
+ImageNet ist ein Datensatz mit
+\begin{itemize}
+    \item \num{14197122} Bildern und
+    \item \num{21841} Klassen (non-empty synsets)
+\end{itemize}
+
+
+
+ILSVRC (Large Scale Visual Recognition Challenge) hatte 2014
+
+\begin{itemize}
+    \item \textbf{1000 Klassen}: abacus, abaya, academic gown, accordion,
+    acorn, acorn squash, acoustic guitar, admiral, affenpinscher, Afghan hound,
+    \dots
+    \item 
+\end{itemize}
+
+Quellen: \href{http://image-net.org/about-stats}{image-net.org/about-stats},
+O. Russakovsky, J. Deng et al.ImageNet Large Scale Visual Recognition Challenge. IJCV, 2015
+\end{frame}
+
+\end{document}