KI-Lexikon
Das KI-Lexikon erklärt kurz und knapp die wichtigsten Begriffe aus dem Bereich Künstliche Intelligenz. Ein Glossar für Kreative und Interessierte mit Tipps und Erläuterungen.
70 Begriffe im KI-Lexikon erklärt
Wenn man sich über Begriffe rund um KI informieren möchte, findet man hier in aller Kürze die wichtigen Erklärungen. Auch Begriffe aus Bereichen wie Machine Learning, Deep Learning, NLP oder KI‑Ethik sind übersichtlich nach Buchstaben sortiert. Zu vielen Bezeichnungen gibt es außerdem nützliche Hinweise oder weiterführende Links. Regelmäßiges Reinschauen lohnt sich, denn das KI‑Lexikon wird kontinuierlich erweitert.
Adversarial Learning (gegnerisches Lernen)
Training von KI-Systemen mit manipulierten Eingaben, um Robustheit gegen gezielte Angriffe zu erhöhen. Vertiefung bei DataCamp (+ Wikipedia).
EU-Verordnung zur Regulierung und sicheren Nutzung von KI. Ausführliche Infos bei der EU-Kommission (+ Wikipedia).
Ein Algorithmus ist eine Schritt‑für‑Schritt‑Anleitung zur Lösung von Problemen – Grundbaustein jeder KI. Mehr zum Thema Machine‑Learning‑Algorithmen: Wikipedia‑Artikel.
Intelligente Systeme zur Unterstützung im Alltag oder Berufsleben. Praxisbeispiele im Botpress-Blog.
Ermöglicht KI‑Modellen, sich auf relevante Teile der Eingabe zu fokussieren. Zentrale Grundlage für Transformer‑Modelle wie GPT. Erklärung bei Google AI Blog und Deep‑Dive von Lilian Weng.
Maschinen oder Software, die ohne menschliches Eingreifen selbstständig handeln können. Mehr Infos bei Fraunhofer (+ Wikipedia).
Basismodelle (Foundation Models)
Große, vortrainierte KI-Modelle für vielfältige Anwendungen. Vertiefender Artikel bei Red Hat (+ Wikipedia (EN)).
Systematische Verzerrung in Trainingsdaten oder Modellen. Ein kritisches Thema in der Ethik der KI. Ausführlicher Artikel im Harvard Business Review (+ Wikipedia).
Große Datenmengen als Basis datengetriebener KI. Erklärung bei Microsoft (+ Wikipedia).
„Bidirectional Encoder Representations from Transformers“ – von Google entwickeltes Sprachmodell, revolutionär für NLP. Gute Einführung bei Synced Review (+ Wikipedia).
Automatisiertes Software-Programm zur Ausführung von wiederkehrenden Aufgaben. Erläuterungen bei moin.ai (+ Wikipedia).
Fähigkeit von Maschinen, Bilder und Videos zu verstehen – etwa für Objekterkennung. Übersicht bei Wikipedia.
Dialog‑KI von OpenAI auf Basis von GPT‑Architektur. Details zum Modell auf dem OpenAI‑Blog (+ Wikipedia).
Bildgenerierungsmodell von OpenAI, das fotorealistische und kreative Bilder aus Textbeschreibungen erzeugt. Mehr dazu bei OpenAI DALL-E (+ Wikipedia).
Automatische Gewinnung neuer Informationen aus großen Datenmengen. Vertiefung bei kobold.ai (+ Wikipedia).
Lerntiefe Schichten neuronaler Netze. Der Artikel „A Beginner’s Guide to Deep Learning” erklärt Grundprinzip, z.B. auf Enthought (+ Wikipedia).
Ein Dataset ist eine strukturierte Sammlung von Daten für das Training und Testen von KI‑Modellen. Beispiel & Empfehlungen: Towards Data Science (+ Wikipedia).
KI zur Klassifizierung oder Unterscheidung von Daten. Mehr dazu im Überblick bei Deutsches Institut für Marketing.
Sofortige Verarbeitung und Reaktion von KI-Systemen auf Eingaben. Weiterführende Infos auf Digitale Welt Magazin (+ Wikipedia).
Verlagert KI‑Berechnungen auf lokale Geräte für geringe Latenz. Fachartikel z.B. im Blog von nVidia (+ Wikipedia).
Techniken, die KI‑Entscheidungen nachvollziehbar machen – wichtig für Vertrauen & Ethik. Deep‑Dive bei Harvard Business Review (+ Wikipedia).
Modelle lernen mit wenigen Beispielen. Deep‑Dive bei IBM (+ Wikipedia).
Methoden zur Vermeidung von Bias. Empfohlen: Artikel im Google Responsible AI Blog (+ Wikipedia).
GAN (Generative Adversarial Network)
Netzwerke, die realistische Bilder generieren. Erklärender Artikel bei Bigdata Insider (+ Wikipedia).
Trainierbar auf Graph‑Daten – z.B. für Social‑Netz‑Analysen. Deep‑Dive bei Distill.pub (+ Wikipedia).
KI-Systeme, die neue Inhalte generieren. Vertiefender Artikel bei Bundesamt für Sicherheit und Informationstechnik (+ Wikipedia).
Prozess zum Abstimmen von Modelleinstellungen. Deep‑Dive bei IBM (+ Wikipedia).
Design von benutzerfreundlichen KI‑Interfaces. Mehr Infos bei Frankfurt UAS (+ Wikipedia).
Kombination datengetriebener Methoden mit symbolischer Logik. Infos beim Fraunhofer.
Bildanalyse bzw. Bildsegmentierung in pixelgenaue Bereiche. Artikel im Blog von IBM (+ Wikipedia).
Verknüpfung physischer Geräte für intelligente Anwendungen. Vertiefung bei BSI (+ Wikipedia).
Verständlichkeit von Modellentscheidungen. Beitrag bei Interpretable ML Book (+ Wikipedia).
Autograd & XLA‑Beschleunigung für Python. Deep‑Dive bei offizieller Quickstart (+ Wikipedia).
Mehr‑Task‑Lernen mit gemeinsamen Repräsentationen. Einführung via OpenAI Paper (+ Wikipedia).
Eine strukturierte Wissensdatenbank, um Entitäten und ihre Beziehungen darzustellen. Deep‑Dive bei The Alan Turing Institute (+ Wikipedia).
Beschäftigt sich mit moralischen Fragestellungen beim Einsatz künstlicher Intelligenz. Schwerpunkte sind Transparenz, Fairness und Verantwortung. Vertiefende Infos bei IBM (+ Wikipedia).
KL‑Divergenz (Kullback‑Leibler)
Maß für Unterschied zweier Wahrscheinlichkeitsverteilungen. Erklärender Artikel auf Data Base Camp (+ Wikipedia).
Künstliche Neuronale Netze (KNN)
Inspiriert vom menschlichen Gehirn, Grundlage von Deep Learning. Infos bei Computer Weekly (+ Wikipedia).
KI‑Modelle zur Textgenerierung. Deep‑Dive bei The Illustrated Transformer (+ Wikipedia).
Funktion zur Fehlerbewertung von Modellen. Ausführlicher Artikel bei ML‑CheatSheet (+ Wikipedia).
Technik, bei der Systeme aus Daten lernen, Muster erkennen und Entscheidungen treffen können. Grundlage vieler KI-Anwendungen. Tiefergehendes bei SAP (+ Wikipedia).
KI-basierter Bildgenerator, der Bilder auf Grundlage von Texteingaben erstellt. Informationen und Tutorials auf der offiziellen Midjourney-Seite (+ Wikipedia).
Best Practices für KI‑Deployment & Monitoring. Deep‑Dive bei ml-ops.org (+ Wikipedia).
Methoden zum Verkleinern von KI‑Modellen. Artikel bei Unify (+ Wikipedia).
Automatisierte Suche nach optimalen Netzwerkarchitekturen. Deep‑Dive bei TensorFlow Keras Tuner (+ Wikipedia).
NLP (Natural Language Processing)
Verarbeitung natürlicher Sprache durch KI. Tiefergehender Artikel bei Fraunhofer (PDF) (+ Wikipedia).
Modell lernt aus nur einem Beispiel. Artikel bei Bigdata Insider (+ Wikipedia).
Modell wird kontinuierlich mit neuen Daten aktualisiert. Erklärung bei Wikipedia.
Vortraining von Modellen auf großen Datensätzen. Vertiefung bei Hugging Face Docs (+ Wikipedia).
Erstellung effektiver Eingabeaufforderungen für LLMs. Tiefgehender Artikel bei Prompting Guide (+ Wikipedia).
Kombination Quantencomputing & ML. Deep‑Dive bei Google Quantum AI (+ Wikipedia).
Reinforcement‑Learning‑Methode. Ausführlicher Beitrag bei Techtarget (+ Wikipedia).
Lernen durch Belohnung & Strafe. Deep‑Dive bei OpenAI Spinning Up (+ Wikipedia).
Ensemble‑Methode mit vielen Entscheidungsbäumen. Artikel bei DataCamp (+ Wikipedia).
Open-Source-Modell zur KI-gestützten Generierung hochwertiger Bilder aus Texteingaben. Vertiefung bei Stability AI (+ Wikipedia).
Modell lernt anhand gelabelter Daten. Ausführliche Erklärung bei IBM Cloud Learn (+ Wikipedia).
Modell lernt aus unbeschrifteten Daten mit automatisch erstellten Labels. Artikel bei Data Scientest (+ Wikipedia).
Übertragung von Wissen aus Vortrainiertem auf neue Aufgaben. Deep‑Dive bei CS231n Stanford (+ Wikipedia).
Aufmerksamkeit-basierte Architektur für LLMs. Erklärender Artikel bei DataBaseCamp (+ Wikipedia).
Erkennung von Mustern ohne Labels. Deep‑Dive bei MathWorks (+ Wikipedia).
Quantifizierung der Modellunsicherheit. Aufschlussreicher Artikel bei ScienceDirect (+ Wikipedia).
Generatives Modell zur Datenrekonstruktion. Deep‑Dive bei Jaan Altos Blog (+ Wikipedia).
Anwendung der Transformer‑Architektur auf Bilder. Artikel bei Analytics Vidhya (+ Wikipedia).
VQA – Visual Question Answering
KI beantwortet Fragen zu Bildern. Artikel bei Viso.ai (+ Wikipedia).
Numerische Darstellung von Wörtern im Vektorraum. Vertiefung bei Machine Learning Mastery (+ Wikipedia).
Teilweise ungenaue Labels zur Datenannotation. Mehr Infos im Snorkel Blog (+ Wikipedia).
Siehe Section E – „Explainable AI“ für Deep‑Dive. Beitrag auf Wikipedia.
Effizientes Boosting‑Framework für strukturierte Daten. Ausführlicher Artikel bei offizielle Docs (+ Wikipedia).
Realeszeiterkennung von Objekten im Bild. Artikel bei pjreddie.com (+ Wikipedia).
Modell löst Aufgaben ohne vorherige Beispiele. Deep‑Dive bei IBM (+ Wikipedia).
Ein wichtiger Begriff aus der Welt der Künstlichen Intelligenz fehlt? Wir freuen uns über Anregungen per E-Mail.
