KI-Glossar
Begriffe, kurz erklärt.
Von Accelerator bis Zero-Shot: die Sprache der KI, ohne Umwege.
A
- Accelerator Künstliche Intelligenz (KI) hat in den letzten Jahren einen gewaltigen Sprung nach vorn gemacht – doch diese Fortschritte wären ohne spezialisierte Hardware, die sogenannten KI-Acceleratoren , kaum möglich gewesen.
- Accuracy In der Welt der Künstlichen Intelligenz (KI) spielt Accuracy , also die Genauigkeit, eine entscheidende Rolle. Sie gibt an, wie gut ein Modell die gestellten Aufgaben erfüllt und korrekte Vorhersagen trifft.
- Actionable Intelligence In einer Welt, in der Daten das neue Öl sind, reicht es nicht mehr aus, einfach nur Informationen zu sammeln. Der wahre Wert liegt darin, diese Daten in konkrete, umsetzbare Erkenntnisse zu verwandeln – auch bekannt als Actionable Intelligence .
- Agenten In der Künstlichen Intelligenz (KI) spielen Agenten eine zentrale Rolle. Sie sind die aktiven Akteure, die in komplexen Umgebungen Entscheidungen treffen, handeln und auf Veränderungen reagieren können.
- AGI (Artificial General Intelligence) Stell dir vor, es gäbe eine Künstliche Intelligenz, die nicht nur spezifische Aufgaben wie Bilderkennung oder Sprachverarbeitung meistert, sondern über ein breites, menschenähnliches Verständnis verfügt und vielseitige Probleme lösen kann.
- AI Slop AI Slop: Was ist das? AI Slop – ein Begriff, der in den letzten Monaten immer häufiger in den sozialen Medien und Tech-Communities auftaucht.
- Alignment Mit der rasanten Entwicklung von Künstlicher Intelligenz (KI) wächst auch die Herausforderung, sicherzustellen, dass diese Systeme im Einklang mit menschlichen Werten und Zielen handeln. Diese Synchronisation wird als Alignment bezeichnet.
- Anaphor Sprache ist voller Verweise – Wörter wie „er“, „sie“ oder „das“ beziehen sich auf andere Teile eines Satzes oder Textes. Solche sprachlichen Verweise nennt man Anaphoren .
- Annotation (Annotierung) Künstliche Intelligenz (KI) lebt von Daten – aber Daten allein reichen nicht aus. Um Modelle effektiv zu trainieren, müssen diese Daten strukturiert und verständlich gemacht werden.
- ASI (Künstliche Superintelligenz) Künstliche Intelligenz (KI) hat unser Leben bereits verändert, doch das wahre Potenzial der Technologie könnte erst mit der Künstlichen Superintelligenz (Artificial Superintelligence, ASI) freigesetzt werden.
- Attention Warum versteht moderne Künstliche Intelligenz Sprache so gut? Die Antwort liegt in einer bahnbrechenden Technologie namens Attention .
- Auto-Klassifizierung Von der Organisation von E-Mails bis zur Analyse riesiger Datenmengen – die manuelle Kategorisierung von Informationen ist zeitaufwändig und fehleranfällig.
- Auto-Vervollständigung Hast du jemals bemerkt, wie dein Smartphone, deine E-Mail-Plattform oder ein Texteditor Vorschläge für den nächsten Satz oder das nächste Wort macht?
B
- Back Propagation (Rückpropagierung) Die Rückpropagierung, auch Back Propagation genannt, ist ein grundlegender Mechanismus, der neuronalen Netzwerken das Lernen ermöglicht. Sie ist dafür verantwortlich, dass KI-Modelle aus ihren Fehlern lernen und ihre Genauigkeit kontinuierlich verbessern.
- BERT Die natürliche Sprachverarbeitung (Natural Language Processing, NLP) hat mit BERT (Bidirectional Encoder Representations from Transformers) eine neue Ära eingeleitet.
- Bias in der KI Künstliche Intelligenz (KI) wird zunehmend in Entscheidungsprozessen eingesetzt – von der Personalauswahl bis zur Kreditvergabe. Doch was passiert, wenn diese Entscheidungen nicht objektiv sind?
- Big Data In einer digital vernetzten Welt erzeugen wir jeden Tag riesige Datenmengen – von Social-Media-Beiträgen über GPS-Daten bis hin zu IoT-Geräten.
C
- Chain of Thought Künstliche Intelligenz hat beeindruckende Fortschritte gemacht, aber die Fähigkeit, komplexe Probleme zu lösen, erfordert oft mehr als nur Mustererkennung. Genau hier kommt das Konzept der Chain of Thought ins Spiel.
- Chatbots Ob du mit einem virtuellen Assistenten auf einer Website sprichst oder Bestellungen per Messenger aufgibst – Chatbots sind überall.
- CLIP Stell dir vor, du könntest einer Künstlichen Intelligenz (KI) ein Bild zeigen und sie würde nicht nur Objekte erkennen, sondern auch den Kontext und die Bedeutung des Bildes in Worten beschreiben.
- Computer Vision Von der Erkennung von Gesichtern auf deinem Smartphone bis hin zur Steuerung autonomer Fahrzeuge – Computer Vision ist die Technologie, die Maschinen das Sehen ermöglicht.
D
- Data Augmentation Im maschinellen Lernen gilt: Je mehr hochwertige Daten, desto besser die Ergebnisse. Doch was passiert, wenn die verfügbaren Daten begrenzt sind?
- Data Mining In der heutigen datengetriebenen Welt besitzen Unternehmen oft riesige Mengen an Informationen. Doch ohne die richtigen Werkzeuge bleiben diese Daten ungenutzt.
- Data Science In der modernen Welt werden jeden Tag unvorstellbare Mengen an Daten erzeugt – von Social-Media-Interaktionen bis hin zu Sensoren in IoT-Geräten. Doch diese Daten sind wertlos, wenn sie nicht analysiert und genutzt werden.
- Deep Learning Von Sprachassistenten wie Alexa bis hin zu autonomen Fahrzeugen – Deep Learning ist das Herzstück der modernen Künstlichen Intelligenz (KI).
- Die Macht unstrukturierter Daten Daten sind heute überall. Von Social-Media-Posts über Fotos bis hin zu Videos – die Welt produziert jeden Tag gigantische Datenmengen.
- Diffusion Generative Künstliche Intelligenz hat in den letzten Jahren enorme Fortschritte gemacht, insbesondere in der Erstellung realistischer Bilder, Videos und anderer Inhalte. Ein zentraler Ansatz in dieser Entwicklung ist das Konzept der Diffusion .
- Double Descent In der Welt der Künstlichen Intelligenz und des maschinellen Lernens gilt oft: Mehr Daten und komplexere Modelle führen zu besseren Ergebnissen. Doch was passiert, wenn genau das Gegenteil eintritt?
E
- Edge-Modelle Mit der zunehmenden Verbreitung smarter Geräte – von Smartphones bis hin zu IoT-Sensoren – wächst der Bedarf an effizienter, dezentraler Datenverarbeitung.
- Einbettung Wie versteht eine Künstliche Intelligenz (KI), dass „Apfel“ und „Obst“ zusammengehören, oder dass zwei ähnliche Bilder sich inhaltlich entsprechen? Die Antwort liegt in einem Konzept namens Einbettung (Embedding) .
- Emergentes Verhalten Künstliche Intelligenz entwickelt sich rasant und überrascht immer wieder mit Fähigkeiten, die weder von Entwicklern programmiert noch vorhergesehen wurden. Dieses Phänomen wird als emergentes Verhalten bezeichnet.
- End-to-End Learning Traditionelle KI-Systeme zerlegen Aufgaben oft in mehrere Schritte, die jeweils einzeln entwickelt, trainiert und optimiert werden.
- Entität In der Welt der Künstlichen Intelligenz (KI) und Datenanalyse spielt der Begriff Entität eine zentrale Rolle. Doch was genau ist eine Entität, und warum ist sie so wichtig für KI-Modelle?
- Erklärbare KI Künstliche Intelligenz (KI) wird immer mächtiger und beeinflusst unser Leben in Bereichen wie Medizin, Finanzen oder Bildung. Doch oft bleibt unklar, wie genau KI-Systeme ihre Entscheidungen treffen.
- Expertensysteme Stell dir vor, ein Computer könnte wie ein Experte handeln, indem er komplexe Entscheidungen trifft oder Empfehlungen gibt, basierend auf umfangreichem Wissen. Genau das leisten Expertensysteme .
F
- F-Score Die Bewertung von Künstlicher Intelligenz (KI) ist entscheidend, um zu verstehen, wie gut ein Modell in der Praxis funktioniert. Hier kommt der F-Score ins Spiel.
- Few-Shot Learning Stell dir vor, du zeigst einer KI nur wenige Beispiele für eine Aufgabe, und sie kann diese dennoch mit beeindruckender Genauigkeit lösen. Genau das ermöglicht Few-Shot Learning (FSL) .
- Fine-Tuning Moderne KI-Modelle wie GPT oder BERT beeindrucken durch ihre Vielseitigkeit. Doch ihre wahre Stärke entfaltet sich erst durch Fine-Tuning .
- Forward Propagation (Vorwärtspropagierung) Forward Propagation, oder auf Deutsch Vorwärtspropagierung , ist ein zentraler Prozess in neuronalen Netzwerken. Sie beschreibt, wie Daten durch ein Modell fließen, um eine Vorhersage oder eine Ausgabe zu generieren.
- Foundation Models Von Sprachassistenten bis hin zu Bilderkennungssystemen – viele KI-Anwendungen beruhen auf einer gemeinsamen Grundlage: den Foundation Models .
G
- Generative KI Kann eine Maschine kreativ sein? Mit generativer Künstlicher Intelligenz (Generative AI) ist diese Frage längst mit „Ja“ beantwortet.
- GPU Die rasante Entwicklung von Künstlicher Intelligenz (KI) und maschinellem Lernen (ML) wäre ohne eine entscheidende Technologie kaum denkbar: die GPU (Graphics Processing Unit) .
- Gradient Descent Wenn Künstliche Intelligenz (KI) beeindruckende Aufgaben bewältigt, wie Bilder erkennen oder Texte generieren, steckt dahinter ein Prozess des Lernens aus Fehlern. Dieser Prozess wird durch Gradient Descent , auf Deutsch „Gradientenabstieg“, gesteuert.
- Guardrails Künstliche Intelligenz (KI) hat sich rasant entwickelt und ist heute in vielen Bereichen unverzichtbar. Doch je mächtiger KI wird, desto größer ist auch die Verantwortung, ihre Nutzung zu kontrollieren.
H
- Halluzination Wenn du mit einem KI-Modell wie einem Chatbot oder einer Bilderkennungssoftware interagierst, erwartest du präzise und korrekte Antworten. Doch was passiert, wenn die KI plötzlich Informationen „erfindet“ oder völlig unlogische Antworten gibt?
- Hidden Layer ronale Netzwerke, das Fundament moderner Künstlicher Intelligenz (KI), verdanken ihre Leistungsfähigkeit einer entscheidenden Komponente: den Hidden Layers (verborgenen Schichten).
- Hyperparameter Im maschinellen Lernen gibt es viele Stellschrauben, die über den Erfolg oder Misserfolg eines Modells entscheiden. Eine der wichtigsten sind die Hyperparameter – Konfigurationsvariablen, die das Verhalten eines Modells bestimmen, bevor es trainiert wird.
I
- Inference Der wahre Wert von Künstlicher Intelligenz (KI) zeigt sich erst, wenn sie praktische Anwendungen unterstützt – sei es bei der Vorhersage von Trends, der Erkennung von Objekten oder der Generierung von Texten.
- Instruction Tuning Moderne KI-Modelle wie GPT und BERT sind beeindruckend vielseitig, aber ihre wahre Stärke entfaltet sich erst durch präzise Steuerung.
K
- KI (Künstliche Intelligenz) Künstliche Intelligenz, kurz KI , ist längst kein futuristisches Konzept mehr, sondern eine Technologie, die unseren Alltag in vielerlei Hinsicht prägt. Von Sprachassistenten wie Siri bis zu selbstfahrenden Autos – KI ist allgegenwärtig.
- KI-Ethik Künstliche Intelligenz (KI) bringt unzählige Vorteile mit sich, von effizienteren Arbeitsprozessen bis hin zu personalisierten Dienstleistungen. Doch mit großer Macht kommt auch große Verantwortung.
- Knowledge Graph (Wissensgraph) In einer Welt voller unstrukturierter Daten sind Knowledge Graphs das Werkzeug, das Ordnung schafft. Sie verbinden Informationen in einer strukturierten, vernetzten Weise und ermöglichen es Maschinen, Daten zu verstehen und zu nutzen.
- Kognitives Computing Während traditionelle Künstliche Intelligenz (KI) auf vordefinierten Regeln basiert, zielt kognitives Computing darauf ab, das menschliche Denken zu imitieren.
L
- Large Language Model (LLM) Von ChatGPT bis BERT – Large Language Models (LLMs) haben die Art und Weise, wie wir mit Künstlicher Intelligenz interagieren, revolutioniert.
- Latent Space Hast du dich jemals gefragt, wie KI verborgene Strukturen und Muster in Daten erkennt? Der Schlüssel dazu liegt im Latent Space – einem Konzept, das es ermöglicht, komplexe Daten in einer einfacheren, abstrakteren Form zu verstehen.
- Limited Memory Im Bereich der Künstlichen Intelligenz (KI) gibt es verschiedene Arten von Modellen, die unterschiedlich mit gespeicherten Informationen umgehen.
- Loss Function (Verlustfunktion) Beim Training eines maschinellen Lernmodells geht es darum, die bestmögliche Leistung zu erzielen. Aber wie misst ein Modell, wie gut es ist?
M
- Maschinelles Lernen Maschinelles Lernen (ML) ist die Technologie, die hinter vielen modernen Innovationen steckt – von Sprachassistenten bis hin zu selbstfahrenden Autos.
- Metakontext und Metaprompt Stell dir vor, du könntest die Genauigkeit und Effizienz eines KI-Modells allein durch die Art der Eingaben steuern. Genau das ermöglichen Metakontext und Metaprompt – zwei Schlüsselkonzepte, die die Art und Weise verändern, wie wir KI verstehen und nutzen.
- Mixture of Experts (MoE) In der Künstlichen Intelligenz (KI) gibt es nicht das eine Modell, das alle Probleme perfekt löst.
- Modell-Drift KI-Modelle werden oft mit großen Erwartungen entwickelt: Sie sollen Prozesse automatisieren, präzise Vorhersagen liefern und kontinuierlich lernen. Doch was passiert, wenn sich die Daten oder Umgebungen, in denen das Modell arbeitet, verändern?
- Multimodale Modelle Stell dir vor, eine KI könnte gleichzeitig Text, Bilder, Audio und Videos verstehen und daraus kohärente Ergebnisse liefern. Genau das leisten multimodale Modelle .
- Mustererkennung Ob Gesichtserkennung, Betrugserkennung oder Sprachübersetzung – die Grundlage all dieser Anwendungen ist die Mustererkennung .
N
- Natural Language Processing (NLP) Von Chatbots bis zu automatischen Übersetzungen – Natural Language Processing (NLP) hat die Interaktion zwischen Mensch und Maschine revolutioniert.
- NeRF Die Darstellung von 3D-Welten war bisher mit erheblichem Aufwand und technischen Einschränkungen verbunden. Doch mit Neural Radiance Fields (NeRF) hat sich ein revolutionärer Ansatz etabliert, der die 3D-Darstellung auf ein völlig neues Level hebt.
- Neuronales Netzwerk ronale Netzwerke sind das Rückgrat vieler moderner Technologien – von Sprachassistenten über Bilderkennung bis hin zu selbstfahrenden Autos.
O
- Objective Function (Zielfunktion) Maschinelles Lernen dreht sich darum, Modelle so zu trainieren, dass sie immer bessere Ergebnisse liefern. Aber wie wissen diese Modelle, ob sie „besser“ werden?
- Overfitting Stell dir vor, du trainierst ein maschinelles Lernmodell, das im Training perfekte Ergebnisse liefert, aber auf neuen Daten völlig versagt. Dieses Problem nennt man Overfitting – eine der größten Herausforderungen in der Entwicklung von KI-Modellen.
P
- Pre-training (Vortraining) Moderne KI-Modelle wie GPT-4 oder BERT beeindrucken durch ihre Fähigkeit, Sprache zu verstehen und auf komplexe Fragen zu antworten. Doch wie erreichen sie dieses Niveau?
- Predictive Analytics Wie wäre es, wenn du die Zukunft vorhersagen könntest – nicht mit einer Kristallkugel, sondern durch präzise Datenanalyse? Genau das macht Predictive Analytics möglich.
- Prompt Die Fähigkeit, KI effektiv zu steuern, beginnt mit dem richtigen Prompt . Ein Prompt ist die Eingabe, die du einer KI gibst, um eine gewünschte Antwort oder Handlung zu erzielen.
Q
R
- Regularization (Regularisierung) In der Welt des maschinellen Lernens ist Regularization (Regularisierung) eine entscheidende Technik, um Modelle robuster und leistungsfähiger zu machen.
- Reinforcement Learning Reinforcement Learning (RL) ist eine der faszinierendsten Methoden im maschinellen Lernen. Im Gegensatz zu anderen Ansätzen, die auf festgelegten Daten beruhen, lernt RL durch Interaktion mit einer Umgebung und die Bewertung von Belohnungen.
- Retrieval Augmented Generation (RAG) Stell dir vor, ein Sprachmodell könnte nicht nur Informationen aus seinem Trainingsdatensatz nutzen, sondern in Echtzeit auf externe Datenquellen zugreifen, um präzisere und aktuellere Antworten zu liefern.
- RLHF Stell dir vor, du könntest einer KI direkt beibringen, was „richtig“ und „falsch“ ist – nicht durch Datensätze, sondern durch dein eigenes Feedback.
S
- Sentiment-Analyse Hast du dich je gefragt, wie Unternehmen herausfinden, ob Kunden mit einem Produkt zufrieden sind? Oder wie sie auf einen negativen Tweet schnell reagieren können?
- Singularität Stell dir eine Welt vor, in der Künstliche Intelligenz (KI) so fortschrittlich wird, dass sie die menschliche Intelligenz übertrifft – ein Punkt, den viele als „Singularität“ bezeichnen.
- Spracherkennung „Hey Siri, wie wird das Wetter heute?“ oder „Alexa, spiel meine Lieblingsplaylist.“ Diese alltäglichen Interaktionen mit KI-basierten Sprachassistenten zeigen, wie weit die Spracherkennung bereits gekommen ist.
- Strukturierte Daten In der modernen, datengesteuerten Welt sind strukturierte Daten das Fundament jeder effektiven Datenanalyse.
- Symbolische KI Bevor es neuronale Netzwerke und Deep Learning gab, war die künstliche Intelligenz vor allem von einem Ansatz geprägt: der symbolischen KI .
T
- TensorFlow Egal, ob es um die Entwicklung von Sprachmodellen, Bilderkennung oder maschinelle Übersetzungen geht – TensorFlow gehört zu den meistgenutzten Tools für maschinelles Lernen.
- Token in der KI Hast du dich je gefragt, wie Sprachmodelle wie GPT-4 Texte analysieren, verstehen und generieren? Die Antwort liegt in der Verarbeitung von Token .
- Tokenomics Tokenomics – ein Begriff, der für viele Unternehmen zum unsichtbaren Budgetkiller wird, bevor sie überhaupt verstehen, was damit gemeint ist. Die erste KI-Rechnung kommt, und plötzlich verschwinden Hunderte oder sogar Tausende Euro – scheinbar aus dem Nichts.
- TPU Wenn es um das Training moderner KI-Modelle geht, ist Rechenleistung entscheidend. Von riesigen Sprachmodellen wie GPT-4 bis hin zu Bildverarbeitungssystemen erfordern diese Technologien spezialisierte Hardware, um effizient zu arbeiten.
- Trainingsdaten Die Qualität eines KI-Modells steht und fällt mit seinen Trainingsdaten . Egal, ob es sich um ein Sprachmodell, ein Bildklassifikationssystem oder eine Empfehlungstechnologie handelt – ohne sorgfältig ausgewählte und vorbereitete Daten kannst du keine…
- Transfer Learning In der Welt der Künstlichen Intelligenz (KI) sind riesige Datenmengen und enorme Rechenleistungen oft die Voraussetzungen für ein erfolgreiches Modell. Aber was, wenn du weder die Ressourcen noch die Zeit hast, ein Modell von Grund auf zu trainieren?
- Transformer Hast du dich je gefragt, wie KI-Modelle wie ChatGPT oder Google Translate so flüssige und präzise Antworten liefern können? Die Antwort liegt in einer bahnbrechenden Technologie namens Transformer-Modelle .
- Turing-Test Einführung: Was ist der Turing-Test? Der Turing-Test wurde 1950 vom britischen Mathematiker und Informatiker Alan Turing in seinem bahnbrechenden Essay "Computing Machinery and Intelligence" vorgestellt.
U
- Underfitting verstehen Stell dir vor, du trainierst ein KI-Modell, das einfach nicht funktioniert. Es trifft keine genauen Vorhersagen, erkennt keine Muster und liefert schlechte Ergebnisse.
- Unüberwachtes Lernen In der Künstlichen Intelligenz (KI) gehört unüberwachtes Lernen zu den spannendsten und vielseitigsten Ansätzen. Es ermöglicht Maschinen, Daten zu analysieren und Muster zu erkennen – ohne dass sie vorher genau wissen, wonach sie suchen sollen.
Ü
V
Z
- Zero-Shot-Extraktion Hast du dich jemals gefragt, wie du wichtige Informationen aus riesigen Datenmengen gewinnen kannst, ohne vorher mühsam KI-Modelle zu trainieren? Die Antwort heißt Zero-Shot-Extraktion .
- Zero-Shot-Learning Stell dir vor, eine KI könnte eine neue Sprache verstehen, ohne jemals dafür trainiert worden zu sein. Genau das ermöglicht Zero-Shot-Learning (ZSL).
Kein Begriff passt zur Suche.
Anwendung
Begriffe verstanden. Und jetzt?
Im Gespräch klären wir, welche dieser Konzepte für Ihre Prozesse tatsächlich relevant sind.
- Unverbindlich
- Konkrete Einschätzung