Wir stellen Invariant Risk Minimization (IRM) vor, ein Lernparadigma zur Schätzung invarianter Korrelationen über mehrere Trainingsverteilungen hinweg. Um dieses Ziel zu erreichen, lernt IRM eine Datenrepräsentation, sodass der optimale Klassifikator auf dieser Datenrepräsentation für alle Trainingsverteilungen übereinstimmt. Anhand von Theorie und Experimenten zeigen wir, wie die durch IRM gelernten Invarianzen in Beziehung zu den kausalen Strukturen stehen, die die Daten steuern, und wie sie eine Generalisierung außerhalb der Trainingsverteilungen ermöglichen.