Einer der Herausforderungen bei der Untersuchung von Generativen Adversarial Networks (GANs) ist die Instabilität ihrer Trainingsprozesse. In dieser Arbeit schlagen wir eine neuartige Gewichtsnormierungstechnik vor, die als spektrale Normierung bezeichnet wird, um das Training des Diskriminators zu stabilisieren. Unsere neue Normierungstechnik ist rechnerisch leicht und einfach in bestehende Implementierungen zu integrieren. Wir haben die Effektivität der spektralen Normierung an den Datensätzen CIFAR10, STL-10 und ILSVRC2012 getestet und experimentell bestätigt, dass spektral normierte GANs (SN-GANs) in der Lage sind, Bilder von gleicher oder besserer Qualität im Vergleich zu früheren Techniken zur Stabilisierung des Trainings zu generieren.