Online-Wörterbuch: 33 KI-Begriffe, die du kennen solltest

Du willst in die Welt der Künstlichen Intelligenz eintauchen, aber verstehst nur Bahnhof? Keine Sorge! Hier werden dir die wichtigsten KI-Begriffe erklärt.

Künstliche Intelligenz

Künstliche Intelligenz bzw. KI beschreibt Maschinen, die Aufgaben lösen, für die normalerweise menschliche Intelligenz nötig ist. Dazu gehören Dinge wie Lernen, Planen, Problemlösen oder das Verstehen von Sprache. Wichtig: Eine allwissende KI gibt es noch nicht! Vielmehr wurde steht Künstliche Intelligenz für einen Überbegriff, unter dem verschiedene smarte Lösungen wie ML oder DL zusammengefasst werden.

Machine Learning

Machine Learning bzw. Maschinelles Lernen (kurz: ML) ist ein Teilbereich der KI. Dabei lernen Computer aus Daten, ohne explizit programmiert zu sein. Das System erkennt Muster und verbessert sich mit jeder neuen Information. Viele moderne KI-Tools basieren auf dieser Methode.

Neuronales Netzwerk

Inspiriert vom menschlichen Gehirn, bestehen neuronale Netzwerke aus künstlichen „Neuronen“. Diese Neuronen sind miteinander verbunden und verarbeiten Daten in mehreren Schichten. Je mehr Schichten, desto komplexer kann das System lernen. Solche Netzwerke kommen bei Sprach-, Bild- und Mustererkennung zum Einsatz.

Deep Learning

Deep Learning (DL) ist maschinelles Lernen mit besonders tiefen neuronalen Netzwerken. Diese Technik ermöglicht zum Beispiel selbstfahrende Autos oder Bildgenerierung. Je mehr Daten, desto besser kann Deep Learning funktionieren. Es ist aktuell die Basis vieler moderner KI-Anwendungen.

Natural Language Processing

Natural Language Processing (NLP) erlaubt es Maschinen, menschliche Sprache zu verstehen und zu verarbeiten. Tools wie ChatGPT nutzen NLP, um Texte zu analysieren, zu schreiben oder zu übersetzen. Somit gehört Natural Language Processing zu den Grundlagen vieler KI-Anwendungen.

Sprachmodell

Ein Sprachmodell ist ein KI-System, das mit riesigen Textmengen trainiert wurde. Es kann Sätze vervollständigen, Fragen beantworten oder Texte schreiben. GPT (Generative Pretrained Transformer) ist ein bekanntes Sprachmodell. Je größer beispielsweise das ChatGPT-Modell, desto komplexer seine Fähigkeiten.

 Prompt

Ein Prompt ist die Eingabe, mit der du eine KI steuerst. Es kann eine Frage, ein Satz oder ein ganzer Text sein. Gute Prompts führen zu besseren Ergebnissen. Prompt-Design bzw. Prompt Engineering ist inzwischen eine eigene Disziplin geworden.

Prompt Engineering

Prompt Engineering ist die Kunst, Prompts so zu formulieren, dass die KI optimale Antworten liefert. Es ist wie das Stellen der richtigen Frage an einen sehr klugen Menschen. Das Prompt Engineering hilft, Zeit zu sparen und bessere Resultate zu erzielen.

Algorithmus

Ein Algorithmus ist eine Schritt-für-Schritt-Anleitung zur Lösung eines Problems. In der KI steuert er, wie Daten verarbeitet und Entscheidungen getroffen werden. Er ist quasi das Rückgrat jeder KI-Anwendung.

Training

Beim Training lernt ein KI-Modell aus bestehenden Daten. Es erkennt Muster und Zusammenhänge. Je besser und vielfältiger die Daten, desto besser das Modell. Trainingsphasen können Tage oder sogar Wochen dauern.

Datensatz

Ein Datensatz (englisch: Data Set) ist eine Sammlung von Informationen, mit denen ein KI-Modell trainiert wird. Er kann aus Bildern, Texten, Zahlen oder Ton bestehen. Die Qualität des Datensatzes bestimmt die Qualität der KI. Schlechte Daten führen zu schlechten Ergebnissen.

Überwachtes Lernen

Beim Supervised Learning (SL), so der englische Begriff, lernt die KI anhand von Beispielen mit bekannten Ergebnissen. Sie erkennt, welche Eingaben zu welchen Ausgaben führen. Das ist besonders bei Klassifikationen oder Vorhersagen hilfreich. Es ist die häufigste Form des Maschinellen Lernens.

Unüberwachtes Lernen

Hier bekommt die KI ihre Daten beim Training ohne vorgegebene Antworten. Sie versucht, selbst Muster und Gruppen zu erkennen. Das Unsupervised Learning bzw. Unüberwachte Lernen eignet sich gut für Cluster-Analysen oder Datenkompression. Diese Methode ist besonders spannend bei unbekannten Datenstrukturen.

Reinforcement Learning

Beim Reinforcemenet Learning (Verstärkendes Lernen) lernt die KI durch Belohnung und Bestrafung. Sie probiert aus, welche Entscheidungen zu guten Ergebnissen führen. Das wird oft in Spielen oder Robotik verwendet. Bekannte Beispiele sind AlphaGo oder selbstlernende Drohnen.

Generative KI

Generative KI kann neue Inhalte erzeugen – beispielsweise Texte, Bilder, Videos oder Musik. Sie basiert oft auf Modellen wie GPT oder DALL-E. Die Inhalte wirken oft verblüffend kreativ. Aber: Die Qualität hängt stark vom Prompt ab.

Transformer

Ein Transformer ist eine spezielle Modellarchitektur in der KI. Sie erlaubt paralleles Verarbeiten von Daten, besonders bei Sprache. NLP- und GPT-Modelle basieren auf dieser Technik.

Token

Ein Token ist ein kleiner Teil eines Textes, zum Beispiel ein Wort oder Silbe. Sprachmodelle verarbeiten Texte tokenweise. Die maximale Token-Anzahl begrenzt oft die Länge der Eingabe. Je nach Sprache können das auch Satzzeichen oder Leerzeichen sein.

Fine-Tuning

Beim Fine-Tuning wird ein vortrainiertes Modell auf spezielle Daten nachtrainiert. So kann die KI gezielter auf eine Aufgabe reagieren. Das ist günstiger als ein neues Training von Grund auf.

Bias

KI kann Vorurteile übernehmen, wenn die Trainingsdaten verzerrt sind. Das nennt man Bias, zu deutsch: Verzerrung. Ein Beispiel: Wenn nur Bilder von Männern als „Chefs“ genutzt werden, lernt die KI dieses Muster. Bias kann daher gefährlich sein und muss erkannt und vermieden werden.

Halluzination

Manche Sprachmodelle (beispielsweise ChatGPT) erfinden Fakten oder Namen – das nennt man Halluzination. Die Antworten klingen oft glaubwürdig, sind aber falsch. Das liegt an der Art, wie Sprachmodelle funktionieren. Deshalb solltest du alle Ergebnisse immer genau überprüfen.

API

Eine API (Applications Programming Interface) oder Schnittstelle verbindet verschiedene Software-Systeme miteinander. Beispiel: Über eine OpenAI-API kannst du ChatGPT in deine Programme einbauen. Entwickler nutzen diesen Weg, um eigene Tools mit KI zu erweitern.

OpenAI

OpenAI gehört zu den Pionieren der modernen KI-Entwicklung. Das Unternehmen steckt unter anderem hinter ChatGPT, DALL-E und Sora. Das Ziel des Teams: Eine sichere und nützliche Künstliche Intelligenz zu entwickeln, welche die Menschheit voranbringt.

DALL-E

Das KI-Modell von OpenAI zur Bildgenerierung, das mittlerweile in ChatGPT integriert ist, nennt sich DALL-E. Du schreibst hierbei, was du sehen willst und DALL-E malt es. Die Ergebnisse reichen von realistisch bis fantastisch. Es zeigt, wie kreativ KI inzwischen ist.

ChatGPT

ChatGPT mauserte sich innerhalb kürzester Zeit zum populärste KI-Tool der Welt. Der Kern ist ein Chatbot, der auf einem großen Sprachmodell basiert. Du stellst Fragen – die KI antwortet.  Und das ziemlich vielfältig.

GPT

GPT steht für Generative Pretrained Transformer. Es ist die Modellfamilie hinter ChatGPT. GPT-4 gilt aktuell als das leistungsfähigste Modell. Es kann Texte, Bilder und Daten analysieren und erstellen.

Kontextfenster

Das Kontextfenster beschreibt, wie viele Tokens ein Modell gleichzeitig versteht. Je größer das Fenster, desto mehr Text kann die KI auf einmal einordnen. GPT-4 Turbo hat beispielsweise ein besonders großes Kontextfenster. Das ist nützlich bei langen Dokumenten.

Multimodalität

Multimodalität ist ein Trendthema der nächsten Jahre. Denn multimodale KI kann mit mehreren Arten von Daten umgehen, etwa Text, Bild und Ton. Das macht die Anwendungen vielseitiger und alltagstauglicher.

Zero-Shot Learning

Beim Zero-Shot Learning löst ein KI-Modell eine Aufgabe, ohne dafür trainiert worden zu sein. Es nutzt dazu sein generelles Wissen. Das ist wie ein Mensch, der mit gesundem Menschenverstand arbeitet.

Few-Shot Learning

Hier bekommt die Künstliche Intelligenz wenige Beispiele gezeigt und lernt daraus für neue Aufgaben. Das verbessert die Genauigkeit der Antworten. Auch hier spielt gutes Prompting eine große Rolle.

Modellgröße

Die Modellgröße beschreibt, wie viele Parameter ein KI-Modell hat. Mehr Parameter bedeuten oft mehr Wissen und Fähigkeiten. Große Modelle brauchen viel Rechenleistung. Sie liefern dafür beeindruckende Ergebnisse.

Open Source KI

Open Source KI ist öffentlich zugänglich und frei veränderbar. Du kannst sie ansehen, nutzen und weiterentwickeln. Beispiele sind Hugging Face oder Stable Diffusion. Open Source fördert Transparenz und Innovation.

Explainable AI

Die Explainable AI (Übersetzung: Erklärbare KI) macht ihre Entscheidungen nachvollziehbar. Das ist wichtig für Vertrauen und Kontrolle, zum Beispiel in den Bereichen Medizin und Recht ist das entscheidend.

Ethical AI

Ethische KI bzw. Ethical AI respektiert Menschenrechte, Fairness und Datenschutz. Sie vermeidet Diskriminierung und Missbrauch. Unternehmen arbeiten immer noch an Regeln für den fairen KI-Einsatz. Denn Technik ohne Ethik kann gefährlich werden.