Erklärungen zu KI-Begriffen

/ KI Grundlagen

Die Welt der KI gibt es viele Fachbegriffe, die vielen nicht bekannt oder geläufig sind. Im Folgenden werden häufig im Kontext von Generativer KI genutzte Begriffe erklärt:

  • Algorithmus: Eine Reihe von Anweisungen, die ein Computer befolgt, um eine Aufgabe zu erfüllen.
  • Artificial General Intelligence (AGI): Eine hypothetische Form der künstlichen Intelligenz, die menschliche Intelligenz in allen Bereichen erreichen oder übertreffen könnte.
  • Bias: Voreingenommenheit in KI-Systemen, die zu unfairen oder diskriminierenden Ergebnissen führen kann.
  • Chain-of-Thought (Gedankenkette): Eine Methode, bei der KI-Systeme aufgefordert werden, ihre Denkschritte explizit darzulegen, anstatt direkt eine Antwort zu geben.
  • Chatbot: Ein KI-Programm, das menschliche Konversation simuliert.
  • Datensatz: Eine Sammlung von Daten, die zum Training von KI-Modellen verwendet wird.
  • Deep Learning: Eine fortgeschrittene Form des Machine Learning, die neuronale Netzwerke verwendet.
  • Edge AI: KI-Systeme, die direkt auf einem Gerät (wie einem Smartphone) laufen, ohne eine Verbindung zu einem zentralen Server zu benötigen.
  • Ethische KI: Der Ansatz, KI-Systeme unter Berücksichtigung ethischer Prinzipien zu entwickeln und einzusetzen.
  • Explainable AI (XAI): KI-Systeme, die ihre Entscheidungen und Ausgaben für Menschen nachvollziehbar machen (können).
  • Fine-tuning: Der Prozess, ein vortrainiertes KI-Modell mit spezifischen Daten weiter zu trainieren, um es für bestimmte Aufgaben zu optimieren.
  • Generative KI: KI-Systeme, die neue Inhalte wie Texte, Bilder oder Musik erschaffen können.
  • GPT (Generative Pre-trained Transformer): Eine spezielle Art von Large Language Model, das auf der Transformer-Architektur basiert und durch vorheriges Training (Pre-training) auf großen Textmengen lernt, Sprache zu verstehen und zu generieren.
  • KI-Halluzination: Wenn ein KI-System falsche oder irreführende Informationen als Fakten präsentiert.
  • Künstliche Intelligenz (KI): Computersysteme, die menschenähnliche Intelligenz simulieren können.
  • Large Language Model (LLM): Große KI-Modelle, die auf enormen Textmengen trainiert wurden und natürliche Sprache verstehen und generieren können.
  • Machine Learning (Maschinelles Lernen): Ein Teilbereich der KI, bei dem Systeme aus Daten lernen, ohne explizit programmiert zu werden.
  • Multimodale KI: KI-Systeme, die mehrere Arten von Eingaben (z.B. Text, Bild, Audio) verarbeiten und integrieren können.
  • Natural Language Processing (NLP): Der Zweig der KI, der sich mit der Verarbeitung und dem Verstehen menschlicher Sprache befasst.
  • Neural Network (Neuronales Netzwerk): Ein KI-System, das inspiriert vom menschlichen Gehirn aufgebaut ist.
  • Prompt: Eine Anweisung oder Frage, die man einem KI-System gibt, um eine bestimmte Ausgabe zu erhalten.
  • Prompt Engineering: Die Kunst, effektive Anweisungen oder Fragen für KI-Systeme zu formulieren, um präzise und nützliche Antworten zu erhalten.
  • Reasoning (Schlussfolgern): Die Fähigkeit eines KI-Systems, logische Schlüsse zu ziehen, Zusammenhänge herzustellen und Probleme durch analytisches Denken zu lösen.
  • Reinforcement Learning: Eine Methode des maschinellen Lernens, bei der ein KI-System durch Versuch und Irrtum lernt, welche Aktionen in welchen Situationen am erfolgversprechendsten sind.
  • ROI (Return on Investment): Eine Kennzahl, die den wirtschaftlichen Nutzen einer (KI-) Investition im Verhältnis zu den eingesetzten Mitteln beschreibt.
  • SaaS (Software as a Service): Ein Geschäftsmodell, bei dem (KI-basierte) Software und Dienste über das Internet bereitgestellt werden, statt sie lokal zu installieren.
  • Sentiment Analysis: Die Verwendung von KI zur Bestimmung der emotionalen Tönung in einem Text.
  • Supervised Learning (Überwachtes Lernen): Ein Verfahren des maschinellen Lernens, bei dem die KI anhand von gekennzeichneten Beispieldaten trainiert wird. Das System lernt, Muster zu erkennen und Vorhersagen zu treffen, indem es die Eingabedaten mit den korrekten Ausgaben vergleicht.
  • Text-to-Image: KI-Systeme wie DALL-E oder MidJourney, die aus Textbeschreibungen Bilder generieren können.
  • Text-to-Music: KI-Systeme, die aus Textbeschreibungen Musikstücke komponieren und generieren können.
  • Text-to-Speech (TTS): KI-Technologie, die geschriebenen Text in natürlich klingende Sprache umwandelt.
  • Text-to-Video: KI-Systeme, die aus Textbeschreibungen Videosequenzen oder Animationen erzeugen können.
  • Token: Text wird beim Training eines Modells und bei einem Prompt in sogenannte „Tokens“ aufgeteilt, die dann in einer Datenbank abgespeichert und in Beziehung zueinander gesetzt werden. Tokens sind vergleichbar, aber nicht identisch mit Silben. 100 Tokens entsprechen – je nach Sprache und Text – ungefähr 75 Worten.
  • Training: Der Prozess, bei dem ein KI-Modell mit Daten gefüttert wird, um zu lernen.
  • Transformer-Architektur: Ein innovatives Design für neuronale Netzwerke, das 2017 von Google entwickelt wurde und heute die Grundlage für moderne KI-Sprachmodelle bildet.
  • Unsupervised Learning (Unüberwachtes Lernen): Eine Methode des maschinellen Lernens, bei der die KI ohne vorgegebene Kennzeichnungen oder Zielwerte arbeitet. Stattdessen sucht das System selbstständig nach Mustern und Strukturen in den Daten.