Generative Adversarial Networks [8] wurden kürzlich als eine neue Methode zur Training von generativen Modellen vorgestellt. In dieser Arbeit führen wir die bedingte Variante von Generative Adversarial Networks ein, die durch einfache Zuführung der Daten y, auf die wir konditionieren möchten, sowohl an den Generator als auch an den Diskriminator konstruiert werden kann. Wir zeigen, dass dieses Modell die Generierung von MNIST-Ziffern unter Bedingung von Klassenlabels ermöglicht. Zudem verdeutlichen wir, wie dieses Modell zur Lernung eines multimodalen Modells genutzt werden kann, und präsentieren erste Beispiele für eine Anwendung im Bereich der Bildannotierung, in denen wir demonstrieren, dass dieser Ansatz deskriptive Tags generieren kann, die nicht Teil der Trainingslabels sind.