KI WIKI

Ein Algorithmus ist eine klare Schritt-für-Schritt-Anleitung, mit der ein Computer ein Problem lösen kann. In der KI sind Algorithmen das Grundgerüst, mit dem Daten verarbeitet, Muster erkannt oder Entscheidungen getroffen werden. Anders als klassische Algorithmen sind KI-Algorithmen oft lernfähig und nicht starr programmiert.

Automatisierung bedeutet, dass Aufgaben ohne menschliches Zutun ablaufen – z. B. in der Produktion, Buchhaltung oder im Kundenservice. KI bringt Automatisierung auf das nächste Level: Mit lernenden Systemen können auch komplexe Entscheidungen oder Ausnahmen automatisiert bearbeitet werden.

Bias bezeichnet systematische Fehler oder Verzerrungen in den Ergebnissen von KI-Systemen. Diese entstehen oft durch unausgewogene oder fehlerhafte Trainingsdaten – z. B. wenn bestimmte Gruppen über- oder unterrepräsentiert sind. Bias kann zu unfairen oder falschen Entscheidungen führen und ist ein wichtiges ethisches Thema in der KI.

Ein Chatbot ist ein KI-System, das automatisch mit Menschen über Text oder Sprache kommuniziert. Moderne Chatbots nutzen Techniken wie Natural Language Processing (NLP), um Anfragen zu verstehen und sinnvoll zu beantworten – z. B. im Kundenservice oder auf Webseiten.

Computer Vision ist ein Bereich der KI, der es Maschinen ermöglicht, Bilder oder Videos zu analysieren und zu „verstehen“. Anwendungen reichen von Gesichtserkennung über Qualitätskontrolle bis hin zur Objekterkennung auf Baustellen oder in der Lagerlogistik.

Ein Datensatz ist eine strukturierte Sammlung von Informationen, die für das Training oder den Einsatz von KI verwendet werden. Je nach Anwendung kann es sich um Texte, Bilder, Audiodateien, Maschinendaten oder Excel-Tabellen handeln. Qualität, Relevanz und Umfang der Daten sind entscheidend für den Erfolg einer KI-Anwendung.

Deep Learning ist eine besonders leistungsfähige Methode des maschinellen Lernens, bei der sogenannte „tiefe neuronale Netze“ verwendet werden. Diese bestehen aus vielen Schichten (engl. „deep“) und eignen sich besonders gut für komplexe Aufgaben wie Spracherkennung, Bilderkennung oder die Analyse großer Datenmengen.

Ein Use Case beschreibt eine konkrete Aufgabe oder ein Problem, das mithilfe von KI gelöst werden kann – z. B. automatische Texterkennung bei Rechnungen, intelligente Lagerverwaltung oder Sprachsteuerung im Fahrzeug. Solche Anwendungen zeigen den praktischen Nutzen von KI im Arbeitsalltag.

Ein KI-Modell ist das Ergebnis eines Trainingsprozesses. Es enthält das „gelernte Wissen“ aus den Trainingsdaten und kann dann auf neue Daten angewendet werden. Je nach Anwendung kann ein Modell Texte verstehen, Bilder erkennen oder Vorhersagen treffen.

(engl. Artificial Intelligence (AI)); Künstliche Intelligenz ist ein Sammelbegriff für Technologien, die Maschinen dazu befähigen, Aufgaben zu übernehmen, für die menschliche Intelligenz nötig wäre – z. B. lernen, schlussfolgern, erkennen oder entscheiden. KI umfasst viele Methoden wie maschinelles Lernen, Sprachverarbeitung und Bildanalyse.

Maschinelles Lernen ist ein zentraler Teilbereich der KI. Dabei lernt ein System automatisch aus Daten, ohne explizit programmiert zu sein. Es erkennt Muster, trifft Vorhersagen oder entwickelt Regeln selbstständig. Typisch z. B. in der Produktempfehlung, Qualitätsprüfung oder bei Prognosen.

Natural Language Processing ist die Fähigkeit von Computern, menschliche Sprache zu verstehen, zu verarbeiten und zu erzeugen. NLP steckt hinter Sprachassistenten, Chatbots, automatischen Übersetzungen oder der Analyse von Kundenfeedback.

Neuronale Netze sind rechnergestützte Modelle, die vom menschlichen Gehirn inspiriert sind. Sie bestehen aus vielen verbundenen Einheiten („Neuronen“) und können komplexe Aufgaben wie Bilderkennung oder Sprachverarbeitung lösen. Je mehr Schichten ein Netz hat, desto „tiefer“ ist es (Deep Learning).

Ein Prompt ist eine Eingabe (meist in Textform), mit der ein KI-System gesteuert wird – z. B. eine Frage oder eine Anweisung. In Systemen wie ChatGPT bestimmt der Prompt maßgeblich die Art und Qualität der Antwort.

Training ist der Lernprozess einer KI, bei dem sie anhand von Beispielen (Trainingsdaten) Muster erkennt und Regeln ableitet. Die Qualität der Trainingsdaten bestimmt maßgeblich, wie gut das spätere KI-Modell funktioniert. Ohne Training keine Intelligenz.