Die automatische Klassifizierung von Alter und Geschlecht auf Grundlage von unbeschränkten Bildern ist zu einer wesentlichen Technik auf mobilen Geräten geworden. Angesichts der begrenzten Rechenleistung stellt die Entwicklung eines robusten Systems eine herausfordernde Aufgabe dar. In dieser Arbeit stellen wir ein effizientes Faltungsneuronales Netzwerk (Convolutional Neural Network, CNN) vor, das als lightweight Multi-Task-CNN für die gleichzeitige Klassifizierung von Alter und Geschlecht entwickelt wurde. Der lightweight Multi-Task-CNN verwendet tiefenweise separierbare Faltung (depthwise separable convolution), um die Modellgröße zu reduzieren und die Inferenzzeit zu sparen. Bei der öffentlichen Adience-Datensammlung, die als besonders schwierig gilt, erzielen die Genauigkeit der Alters- und Geschlechtsklassifizierung bessere Ergebnisse als bei den Baseline-Multi-Task-CNN-Methoden.