Tiefes Lernen hat die Computer Vision und die natürliche Sprachverarbeitung erheblich vorangebracht. Obwohl es bei der Robotik einige Erfolge mit tiefem Lernen gegeben hat, wurde es dort noch nicht weit verbreitet. In dieser Arbeit stellen wir ein neues System zur Erkennung von Greifbewegungen vor, das die optimale Greifposition eines paralleler Plattenrobotergriffers für unbekannte Objekte anhand des RGB-D-Bilds der Szene vorhersagt. Das vorgeschlagene Modell verwendet ein tiefes Faltungsneuronales Netzwerk (Convolutional Neural Network, CNN), um Merkmale aus der Szene zu extrahieren, und anschließend ein flaches Faltungsneuronales Netzwerk, um die Greifkonfiguration für das Objekt von Interesse zu prognostizieren. Unser multimodales Modell erreichte eine Genauigkeit von 89,21 % auf dem Standard-Cornell-Greif-Datensatz und läuft in Echtzeitgeschwindigkeit. Dies definiert den aktuellen Stand der Technik in der Erkennung von Greifbewegungen von Robotern.