KI Panorama

Suche

Wissensstufe: Einfach

  • Diffusionsmodelle

    Ein Diffusionsmodell kann aus Rauschen schrittweise ein strukturiertes Bild oder andere Daten erzeugen. Es hat im Training gelernt, wie verrauschte Beispiele wieder in plausible Daten zurückgeführt werden.

    Einfach erklärt

    Im Training wird ein Bild zunehmend verrauscht. Das Modell lernt für viele Rauschstufen, wie es einen kleinen Teil dieses Rauschens wieder entfernen kann.

    Bei der Erzeugung beginnt das System mit Rauschen und wiederholt den gelernten Entrauschungsschritt. Eine Texteingabe kann den Prozess in Richtung eines gewünschten Motivs steuern.

    Anschauliches Beispiel

    Aus einer zufälligen Pixelwolke entstehen zuerst grobe Flächen, dann Formen, Objekte und Details. Der Prozess ist nicht mit dem Freilegen eines versteckten fertigen Bildes gleichzusetzen; das Bild wird während der Berechnung erzeugt.

    Fortgeschrittene Erklärung

    Denoising Diffusion Probabilistic Models definieren einen Vorwärtsprozess, der Daten schrittweise in Rauschen überführt, und einen gelernten Rückwärtsprozess. In praktischen Bildsystemen findet die Diffusion häufig in einem komprimierten latenten Raum statt.

    Konditionierung kann über Text-Embeddings, Bilder, Kanten, Tiefenkarten oder andere Steuersignale erfolgen. Dadurch sind Text-zu-Bild, Bildvariation, Inpainting und strukturell kontrollierte Erzeugung möglich.

    Expertenwissen

    Der Rückwärtsprozess approximiert bedingte Übergangsverteilungen beziehungsweise eine Score-Funktion. Die Trainingsziele können auf Rauschvorhersage, Datenvorhersage oder andere Parametrisierungen ausgerichtet sein.

    Sampling-Verfahren beeinflussen Geschwindigkeit, Qualität und Reproduzierbarkeit. Weniger Schritte beschleunigen die Erzeugung, können aber Detailtreue und Stabilität verändern.

    Möglichkeiten und Grenzen

    • Hochwertige Erzeugung und Bearbeitung von Bildern sowie zunehmend weiterer Modalitäten.
    • Gezielte Steuerung über Text und zusätzliche Kontrollsignale.
    • Details, Textdarstellung und räumliche Konsistenz können fehlerhaft sein.
    • Trainingsdaten, Urheberrecht, Identitätsmissbrauch und Deepfakes erfordern klare Regeln.

    Quellen

  • Kontextfenster

    Die Menge an Token, die ein Modell in einem Verarbeitungsschritt berücksichtigen kann.

    Einfach erklärt

    Die Menge an Token, die ein Modell in einem Verarbeitungsschritt berücksichtigen kann.

    Beispiel

    Ein sehr langes Gespräch kann den verfügbaren Arbeitsbereich überschreiten; ältere Inhalte müssen dann gekürzt oder ausgelagert werden.

    Technische Bedeutung

    Technische Kontextlimits und effektive Nutzung sind verschieden. Auch innerhalb des Limits können relevante Stellen schwach berücksichtigt werden.

    Verwandte Begriffe

    Token, Transformer, RAG

    Quellen

  • Multimodale KI

    Ein multimodales KI-System kann mehrere Medienarten miteinander verknüpfen. Es kann beispielsweise ein Bild analysieren, eine Frage dazu verstehen und eine gesprochene Antwort erzeugen.

    Einfach erklärt

    Menschen nehmen die Welt nicht nur als Text wahr. Multimodale Systeme verbinden verschiedene Formen von Information – zum Beispiel Wörter, Bilder, Töne, Videos oder Sensordaten.

    Dadurch kann ein System Inhalte zwischen Modalitäten übersetzen: ein Bild beschreiben, Sprache transkribieren, aus Text ein Bild erzeugen oder Video und Ton gemeinsam auswerten.

    Anschauliches Beispiel

    Ein Nutzer fotografiert eine defekte Maschine und stellt dazu eine gesprochene Frage. Ein multimodales System kann Bild und Sprache gemeinsam verarbeiten und eine textliche oder gesprochene Hilfestellung erzeugen. Für eine verlässliche Diagnose wären jedoch technische Dokumente und fachliche Prüfung nötig.

    Fortgeschrittene Erklärung

    Multimodale Modelle verwenden Encoder und Decoder für unterschiedliche Datentypen oder eine gemeinsame Tokenrepräsentation. Kontrastives Lernen kann Bild- und Textrepräsentationen in einem gemeinsamen Raum ausrichten.

    Vision-Language-Modelle kombinieren visuelle Merkmale mit Sprachmodellen. Weitere Systeme integrieren Audio, Video, 3D oder Roboteraktionen.

    Expertenwissen

    CLIP zeigte, wie Bild- und Textencoder durch kontrastives Lernen auf große Mengen gepaarter Bild-Text-Daten ausgerichtet werden können. Flamingo verband vortrainierte visuelle und sprachliche Komponenten für flexible visuelle Fragebeantwortung und Few-Shot-Lernen.

    Aktuelle Systeme unterscheiden sich stark darin, ob Modalitäten nativ gemeinsam trainiert, über Adapter verbunden oder über getrennte Spezialmodelle orchestriert werden. Multimodalität allein garantiert weder räumliches Verständnis noch physikalische Korrektheit.

    Möglichkeiten und Grenzen

    • Barrierefreiheit durch Bildbeschreibung, Transkription und Sprachausgabe.
    • Medienproduktion, visuelle Recherche und technische Assistenz.
    • Fehler können sich aus mehreren Modalitäten gegenseitig verstärken.
    • Bilder, Stimmen und Videos erhöhen Datenschutz- und Identitätsrisiken.
    • Sensordaten benötigen domänenspezifische Validierung.

    Quellen

  • Large Language Model (LLM)

    Ein großes Sprachmodell, das Text als Token verarbeitet und Wahrscheinlichkeiten für mögliche Fortsetzungen berechnet.

    Einfach erklärt

    Ein großes Sprachmodell, das Text als Token verarbeitet und Wahrscheinlichkeiten für mögliche Fortsetzungen berechnet.

    Beispiel

    Das Modell setzt einen begonnenen Satz fort und kann daraus Antworten, Zusammenfassungen oder Code erzeugen.

    Technische Bedeutung

    Moderne LLMs sind meist Transformer-basierte Foundation Models und werden durch Vortraining sowie zusätzliche Anpassungsschritte entwickelt.

    Verwandte Begriffe

    Transformer, Token, Foundation Model

    Quellen

  • Halluzinationen und Konfabulationen

    Ein KI-System kann eine flüssige und selbstbewusste Antwort erzeugen, obwohl Angaben erfunden, verwechselt oder nicht belegt sind. Sprachqualität und sachliche Richtigkeit sind getrennte Eigenschaften.

    Einfach erklärt

    Ein Sprachmodell berechnet wahrscheinliche Fortsetzungen. Es prüft nicht automatisch in einer verlässlichen Datenbank, ob jede Aussage stimmt.

    Darum kann es Quellen, Namen, Zahlen oder Ereignisse erfinden. Die Antwort klingt oft überzeugend, weil das Modell gut darin ist, sprachlich passende Muster zu erzeugen.

    Anschauliches Beispiel

    Bei der Frage nach einem seltenen Gerichtsurteil kann ein Modell einen plausibel klingenden Aktennamen und eine Zusammenfassung erzeugen, obwohl das Urteil nicht existiert. Ohne Prüfung in einer echten Rechtsdatenbank bleibt die Antwort unzuverlässig.

    Fortgeschrittene Erklärung

    NIST bezeichnet die selbstbewusste Erzeugung falscher oder irreführender Inhalte als Konfabulation. In der Forschung wird häufig weiterhin der Begriff Halluzination verwendet.

    Ursachen können unvollständige Trainingsdaten, mehrdeutige Eingaben, Sampling, fehlender Zugriff auf aktuelle Quellen, fehlerhaftes Retrieval oder ein Konflikt zwischen hilfreicher Formulierung und Unsicherheit sein.

    Expertenwissen

    Halluzinationen werden je nach Aufgabe unterschiedlich definiert: als Widerspruch zu einer Quelle, als nicht durch eine Quelle gestützte Aussage oder als faktisch falscher Inhalt. Entsprechend unterscheiden sich Messverfahren und Gegenmaßnahmen.

    RAG, Werkzeugzugriff, strengere Ausgabestrukturen, Kalibrierung, Verifikationsschritte und menschliche Prüfung können Risiken verringern, beseitigen sie aber nicht vollständig.

    Möglichkeiten und Grenzen

    • Fakten, Zitate, Quellen, Zahlen und aktuelle Angaben immer prüfen.
    • Für Recherche Originalquellen verlangen und tatsächlich öffnen.
    • Bei fehlender Evidenz sollte das System Unsicherheit ausweisen oder nicht antworten.
    • Medizinische, rechtliche, finanzielle und sicherheitskritische Entscheidungen nicht auf ungeprüfte Ausgaben stützen.

    Quellen

  • Multimodal

    Ein KI-System ist multimodal, wenn es mehrere Datentypen wie Text, Bild, Audio oder Video verarbeitet oder erzeugt.

    Einfach erklärt

    Ein KI-System ist multimodal, wenn es mehrere Datentypen wie Text, Bild, Audio oder Video verarbeitet oder erzeugt.

    Beispiel

    Ein System beschreibt ein Foto und beantwortet anschließend eine gesprochene Frage dazu.

    Technische Bedeutung

    Modalitäten können über getrennte Encoder, gemeinsame Repräsentationsräume oder vereinheitlichte Token verbunden werden.

    Verwandte Begriffe

    Embedding, Vision-Language-Modell, Audio

    Quellen

  • Komplexe Themen verständlich erklären lassen

    Ein Sprachmodell kann ein Thema an Vorwissen, Ziel und gewünschte Tiefe anpassen. Das Ergebnis eignet sich als Lernhilfe, muss bei Fakten und Fachthemen jedoch überprüft werden.

    Geeignet für

    • ersten Überblick über ein unbekanntes Thema
    • Umformulierung in einfachere Sprache
    • Beispiele und Analogien
    • Lernfragen und Selbstkontrolle

    Voraussetzungen

    Formuliere Thema, Zielgruppe, vorhandenes Wissen und gewünschte Tiefe. Stelle bei wichtigen Fachinformationen verlässliche Quellen bereit oder prüfe die Antwort anschließend in Primärquellen.

    Vorgehensweise

    1. Thema und eigenes Vorwissen nennen.
    2. Eine kurze einfache Erklärung anfordern.
    3. Unklare Begriffe einzeln vertiefen.
    4. Ein konkretes Beispiel und ein Gegenbeispiel verlangen.
    5. Das Verständnis mit Fragen oder einer eigenen Zusammenfassung prüfen.
    6. Fakten, Zahlen und Quellen unabhängig kontrollieren.

    Beispiel

    „Erkläre mir Retrieval-Augmented Generation zuerst in fünf einfachen Sätzen. Zeige danach ein Beispiel aus einem Handwerksbetrieb und anschließend die technische Architektur für einen Entwickler.“

    Qualitätskontrolle

    • Passt die Erklärung zur gestellten Frage?
    • Sind zentrale Begriffe korrekt verwendet?
    • Wurden Einschränkungen und Gegenbeispiele genannt?
    • Lassen sich Fakten in verlässlichen Quellen bestätigen?

    Grenzen und Risiken

    • Vereinfachungen können wichtige Bedingungen unterschlagen.
    • Erfundene Quellen und scheinpräzise Zahlen sind möglich.
    • Eine gut formulierte Erklärung ist kein Ersatz für Fachliteratur oder Unterricht.

    Passende Tools und Modelle

    Geeignet sind dialogfähige Sprachmodelle mit ausreichend großem Kontext. Für aktuelle oder interne Themen ist ein System mit Quellenzugriff oder RAG vorzuziehen.

    Quellen

  • Parameter

    Ein während des Trainings angepasster Zahlenwert in einem Modell.

    Einfach erklärt

    Ein während des Trainings angepasster Zahlenwert in einem Modell.

    Beispiel

    Die Verbindungen in einem neuronalen Netz besitzen Gewichte. Das Training verändert diese Gewichte.

    Technische Bedeutung

    Parameter bestimmen gemeinsam die gelernte Funktion. Mehr Parameter bedeuten nicht automatisch bessere oder zuverlässigere Ergebnisse.

    Verwandte Begriffe

    Training, neuronales Netz, Modell

    Quellen

  • Texte planen und überarbeiten

    Sprachmodelle eignen sich besonders gut als Schreibassistenz: Gliederungen, Varianten, Kürzungen und Stiländerungen lassen sich schnell erzeugen. Inhalt, Fakten und endgültige Formulierung bleiben in menschlicher Verantwortung.

    Geeignet für

    • Gliederungen und Argumentationsstrukturen
    • sprachliche Überarbeitung
    • Kürzen und Zusammenfassen eigener Texte
    • Varianten für unterschiedliche Zielgruppen
    • Checklisten für die Endredaktion

    Voraussetzungen

    Lege Zweck, Zielgruppe, Ton, Länge und unveränderbare Aussagen fest. Vertrauliche Texte nur in dafür freigegebenen Systemen verarbeiten.

    Vorgehensweise

    1. Ziel und Leser des Textes definieren.
    2. Eigene Stichpunkte oder einen Rohentwurf bereitstellen.
    3. Zuerst Strukturvorschläge anfordern, nicht sofort den Endtext.
    4. Abschnittsweise überarbeiten und Änderungen begründen lassen.
    5. Fakten, Zitate und rechtlich relevante Aussagen prüfen.
    6. Endfassung selbst lesen und freigeben.

    Beispiel

    „Überarbeite diesen Absatz für interessierte Anfänger. Erhalte alle Tatsachenbehauptungen, kürze auf 120 Wörter und markiere Stellen, die eine Quelle benötigen.“

    Qualitätskontrolle

    • Wurde die ursprüngliche Aussage verändert?
    • Sind Ton und Zielgruppe passend?
    • Gibt es unbelegte Ergänzungen?
    • Wurden Zitate oder Fachbegriffe korrekt erhalten?

    Grenzen und Risiken

    • Modelle können unbemerkt neue Behauptungen einfügen.
    • Stil kann vereinheitlicht und dadurch unpersönlich werden.
    • Vertrauliche Inhalte und personenbezogene Daten benötigen Schutz.

    Passende Tools und Modelle

    Geeignet sind Sprachmodelle mit Dokumentbearbeitung. Für lange Texte sind Versionierung und eine abschnittsweise Arbeitsweise sinnvoll.

    Quellen

  • Prompt

    Die Eingabe oder Anweisung, mit der ein generatives Modell gesteuert wird.

    Einfach erklärt

    Die Eingabe oder Anweisung, mit der ein generatives Modell gesteuert wird.

    Beispiel

    „Fasse diesen Text in fünf Punkten zusammen“ ist ein einfacher Prompt.

    Technische Bedeutung

    Ein Prompt kann Rollen, Kontext, Daten, Beispiele, Ausgabeformat und Qualitätsregeln enthalten. Er verändert nicht dauerhaft das Basismodell.

    Verwandte Begriffe

    Kontextfenster, LLM, generative KI

    Quellen