KI Panorama

Suche

Thema: Generative KI

  • KI-Grundlagen: der vollständige Einstieg

    Dieser Lernpfad vermittelt ein belastbares Grundverständnis künstlicher Intelligenz. Er beginnt ohne technische Vorkenntnisse und führt zu Sprachmodellen, multimodalen Systemen, Fehlerquellen und sicherer Nutzung.

    Für wen ist dieser Lernpfad?

    Für Einsteiger, die nicht nur einzelne Tools bedienen, sondern die wichtigsten Zusammenhänge verstehen möchten. Technische Vorkenntnisse sind nicht erforderlich.

    Lernschritte

    1. Was ist künstliche Intelligenz?
      Begriffe, Abgrenzungen und typische Fähigkeiten einordnen.
    2. Maschinelles Lernen
      Verstehen, wie Systeme aus Beispielen Muster ableiten.
    3. Neuronale Netze und Deep Learning
      Die technische Grundlage vieler heutiger KI-Systeme kennenlernen.
    4. Generative KI
      Einordnen, wie neue Texte, Bilder, Audio- und Videoinhalte entstehen.
    5. Große Sprachmodelle
      Funktionsweise und Grenzen moderner Chat- und Textsysteme verstehen.
    6. Multimodale KI
      Erkennen, wie Text, Bild, Sprache und weitere Datenformen kombiniert werden.
    7. Halluzinationen und Konfabulationen
      Warum überzeugende Antworten trotzdem falsch sein können.
    8. Checkliste für die sichere private Nutzung
      Grundregeln für Datenschutz, Kontrolle und verantwortliche Entscheidungen anwenden.

    Was du danach kannst

    • KI, maschinelles Lernen und generative KI voneinander unterscheiden
    • Sprachmodelle und multimodale Systeme grundsätzlich erklären
    • typische Fehler und übertriebene Versprechen erkennen
    • KI im Alltag kontrollierter und sicherer einsetzen

    Hinweise zur Nutzung

    Die Schritte können einzeln gelesen werden. Für ein zusammenhängendes Verständnis ist die angegebene Reihenfolge sinnvoll.

    Grundlagen für die Lernstruktur

  • Sicher und wirksam mit KI-Chatbots arbeiten

    Der Lernpfad zeigt, wie Chatbots als Arbeits- und Denkwerkzeug genutzt werden, ohne Antworten ungeprüft zu übernehmen oder sensible Informationen preiszugeben.

    Für wen ist dieser Lernpfad?

    Für private Nutzer, Schüler, Studierende und Beschäftigte, die Chatbots bereits verwenden oder damit beginnen möchten.

    Lernschritte

    1. Große Sprachmodelle verstehen
      Die wahrscheinlichkeitsbasierte Arbeitsweise von Chatbots einordnen.
    2. Was ist ein Prompt?
      Aufgaben, Kontext und gewünschte Ausgabe klar formulieren.
    3. Komplexe Themen erklären lassen
      Erklärungen an Vorwissen und Ziel anpassen.
    4. Mit KI recherchieren und Quellen prüfen
      Aussagen belegen und Originalquellen kontrollieren.
    5. Welche Daten nicht in einen öffentlichen Chat gehören
      Personenbezogene, vertrauliche und sicherheitsrelevante Daten schützen.
    6. Halluzinationen erkennen
      Plausible Fehler systematisch aufdecken.

    Was du danach kannst

    • Aufgaben präziser formulieren
    • Antworten mit Quellen und Gegenprüfungen absichern
    • vertrauliche Daten besser schützen
    • Chatbots als Assistenz statt als unkontrollierte Autorität einsetzen

    Hinweise zur Nutzung

    Bei Medizin, Recht, Finanzen und anderen folgenreichen Entscheidungen ersetzt ein Chatbot keine qualifizierte Fachperson.

    Grundlagen für die Lernstruktur

  • KI im Büro: produktiver arbeiten und Ergebnisse prüfen

    Dieser Lernpfad verbindet direkt nutzbare Büroanwendungen mit Qualitätskontrolle, Datenschutz und sinnvoller Automatisierung.

    Für wen ist dieser Lernpfad?

    Für Angestellte, Selbstständige und kleine Organisationen, die wiederkehrende Büroarbeit mit KI unterstützen möchten.

    Lernschritte

    1. E-Mails entwerfen und verbessern
      Ton, Struktur und Zielgruppe kontrolliert anpassen.
    2. Besprechungen transkribieren und protokollieren
      Gespräche in überprüfbare Aufgaben und Entscheidungen überführen.
    3. Präsentationen strukturieren
      Kernaussagen, Dramaturgie und Folienlogik vorbereiten.
    4. Lange Dokumente zusammenfassen
      Wichtige Inhalte extrahieren und mit dem Original abgleichen.
    5. Tabellen und Daten analysieren
      Muster, Fehler und Kennzahlen systematisch untersuchen.
    6. Wiederkehrende Büroprozesse automatisieren
      Geeignete Abläufe erkennen und kontrollierte Workflows aufbauen.
    7. Geschäftsgeheimnisse schützen
      Passwörter, Zugangsdaten und vertrauliche Informationen aus KI-Systemen fernhalten.

    Was du danach kannst

    • geeignete Büroaufgaben für KI auswählen
    • Ergebnisse mit klaren Prüfschritten absichern
    • wiederkehrende Abläufe sinnvoll automatisieren
    • Datenschutz und Vertraulichkeit stärker berücksichtigen

    Hinweise zur Nutzung

    Vor dem Einsatz mit internen Dokumenten müssen die Regeln des Arbeitgebers und die Datenverarbeitung des gewählten Dienstes geprüft werden.

    Grundlagen für die Lernstruktur

  • Kreativ mit KI: Bild, Audio, Video und 3D

    Der Lernpfad führt durch Bildgenerierung, Video, Sprache, Musik und 3D. Er verbindet technische Grundlagen mit praktischen Projekten und Fragen zu Herkunft und Kennzeichnung.

    Für wen ist dieser Lernpfad?

    Für Kreative, Medieninteressierte und Einsteiger, die mehrere generative Medien kennenlernen und sinnvoll kombinieren möchten.

    Lernschritte

    1. Wie KI Bilder erzeugt
      Grundprinzipien und typische Qualitätsprobleme verstehen.
    2. Eine konsistente Bildserie erstellen
      Stil, Figuren und Bildsprache über mehrere Motive hinweg stabilisieren.
    3. Text-zu-Video und Bild-zu-Video
      Möglichkeiten und Grenzen generierter Bewegtbilder einordnen.
    4. Voice-over mit KI erstellen
      Skript, Stimme, Aussprache und Freigaben kontrollieren.
    5. Einen Songentwurf erstellen
      Musikalische Ideen erzeugen und redaktionell weiterentwickeln.
    6. Text-zu-3D und Bild-zu-3D
      Generative 3D-Verfahren und Nachbearbeitung kennenlernen.
    7. Eine Multimedia-Kampagne vorbereiten
      Mehrere Medien in einem konsistenten Workflow verbinden.
    8. Content Credentials und C2PA
      Herkunftsinformationen und Kennzeichnungsmöglichkeiten verstehen.

    Was du danach kannst

    • generative Medienverfahren voneinander unterscheiden
    • einfache Medienprojekte strukturiert planen
    • typische Qualitätsfehler gezielt kontrollieren
    • Rechte, Zustimmung und Herkunftsnachweise berücksichtigen

    Hinweise zur Nutzung

    Nutzungsrechte, Persönlichkeitsrechte und Kennzeichnungspflichten müssen vor jeder Veröffentlichung für den konkreten Anwendungsfall geprüft werden.

    Grundlagen für die Lernstruktur

  • KI im Handwerk: praktische Unterstützung ohne Technikballast

    Der Lernpfad zeigt praktische KI-Unterstützung für kleine Handwerksbetriebe. Im Mittelpunkt stehen Zeitersparnis, nachvollziehbare Kontrolle und der Schutz von Kunden- und Betriebsdaten.

    Für wen ist dieser Lernpfad?

    Für Handwerker, Betriebsinhaber und Beschäftigte ohne besondere IT-Vorkenntnisse.

    Lernschritte

    1. Angebote und Leistungsbeschreibungen vorbereiten
      Notizen in klare, überprüfbare Leistungspositionen überführen.
    2. Baustellendokumentation ordnen
      Fotos, Notizen und Tagesberichte strukturiert zusammenfassen.
    3. Wartungs- und Fehlerberichte auswerten
      Wiederkehrende Muster erkennen, ohne die Fachdiagnose zu ersetzen.
    4. Arbeitsanweisungen und Checklisten entwerfen
      Abläufe verständlich dokumentieren und anschließend fachlich prüfen.
    5. Daten aus Formularen und Dokumenten extrahieren
      Übertragungsarbeit reduzieren und Ergebnisse stichprobenartig kontrollieren.
    6. Welche Daten nicht in öffentliche KI-Chats gehören
      Kunden-, Personal- und Betriebsdaten schützen.

    Was du danach kannst

    • geeignete handwerkliche Büro- und Dokumentationsaufgaben auswählen
    • KI-Entwürfe fachlich kontrollieren
    • wiederkehrende Schreib- und Sortierarbeit reduzieren
    • sensible Betriebs- und Kundendaten besser schützen

    Hinweise zur Nutzung

    KI darf keine sicherheitsrelevante Fachprüfung, Messung, Freigabe oder Diagnose ersetzen.

    Grundlagen für die Lernstruktur

  • KI für Entwickler: vom Sprachmodell zum Agenten

    Der Lernpfad ordnet die wichtigsten Bausteine moderner KI-Anwendungen ein und führt von Sprachmodellen und Embeddings zu RAG, Werkzeugnutzung, MCP und Agenten.

    Für wen ist dieser Lernpfad?

    Für Entwickler und technisch Interessierte mit grundlegender Programmiererfahrung.

    Lernschritte

    1. Programmcode verstehen und prüfen
      KI als Assistenz für Erklärung, Review und Tests einsetzen.
    2. Große Sprachmodelle
      Modellverhalten, Kontext und probabilistische Ausgabe einordnen.
    3. Embeddings und Vektorsuche
      Semantische Repräsentationen und Ähnlichkeitssuche verstehen.
    4. Retrieval-Augmented Generation
      Modelle mit kontrolliert ausgewählten Wissensquellen verbinden.
    5. Tool Use und Function Calling
      Strukturierte Werkzeugaufrufe planen und validieren.
    6. Model Context Protocol
      Standardisierte Verbindungen zu Werkzeugen und Datenquellen einordnen.
    7. KI-Agenten
      Planung, Aktionen, Beobachtung und Kontrolle zusammensetzen.
    8. Prompt Injection
      Angriffe über fremde Inhalte und unzuverlässige Instruktionen abwehren.

    Was du danach kannst

    • zentrale Architekturbausteine moderner KI-Anwendungen erklären
    • RAG, Tool Use und Agenten voneinander abgrenzen
    • kritische Ein- und Ausgaben validieren
    • Sicherheitsgrenzen und menschliche Freigaben einplanen

    Hinweise zur Nutzung

    Für produktive Systeme sind zusätzlich anwendungsspezifische Tests, Protokollierung, Berechtigungen und Sicherheitsprüfungen erforderlich.

    Grundlagen für die Lernstruktur

  • Diffusionsmodelle für Bilder

    Diffusionsmodelle lernen, künstlich hinzugefügtes Rauschen schrittweise wieder zu entfernen. Bei der Generierung wird dieser Prozess genutzt, um aus einem zufälligen Ausgangszustand ein zur Eingabe passendes Bild entstehen zu lassen.

    Grundprinzip

    Im Training werden Bilder stufenweise verrauscht. Das Modell lernt den umgekehrten Weg: Es schätzt, wie sich Rauschen entfernen lässt, ohne die semantische Struktur zu verlieren.

    Latenter Raum

    Viele Systeme arbeiten nicht direkt mit jedem einzelnen Pixel, sondern mit einer komprimierten Bildrepräsentation. Das reduziert Rechenaufwand und erleichtert die Steuerung durch Text.

    Steuerungsmöglichkeiten

    • Textkonditionierung
    • Referenzbilder
    • Masken und Inpainting
    • Struktur- oder Tiefenvorgaben
    • mehrere Generations- und Auswahlrunden

    Grenzen

    Der genaue Entstehungsweg ist stochastisch. Derselbe Prompt kann mehrere unterschiedliche Ergebnisse liefern. Reproduzierbarkeit erfordert feste Parameter, Referenzen und dokumentierte Einstellungen.

    Quellen und Prüfstand

    Prüfstand: 28.07.2026. Produktfunktionen, Nutzungsbedingungen und Rechte können sich ändern und müssen vor einer Veröffentlichung beim jeweiligen Anbieter geprüft werden.

  • Text-zu-Video und Bild-zu-Video

    Videomodelle erzeugen zeitlich zusammenhängende Bildfolgen. Moderne Systeme können Text, Referenzbilder, Kamerabewegung, Szenenbeschreibung und teilweise Ton gemeinsam verarbeiten.

    Was erzeugt werden kann

    • kurze Filmszenen und B-Roll
    • Animationen aus Standbildern
    • Produkt- und Konzeptvisualisierungen
    • Kamerafahrten und Übergänge
    • Video mit Dialog, Geräuschen oder Musik – abhängig vom System

    Warum Video schwieriger ist als ein Einzelbild

    Neben jedem einzelnen Frame muss das Modell auch Bewegung, zeitliche Kontinuität, Objektidentität, Physik und Kameraführung über die gesamte Sequenz berücksichtigen.

    Prompt-Bestandteile

    • Motiv und Handlung
    • Ort und Zeit
    • Bildstil und Licht
    • Einstellungsgröße und Kamerabewegung
    • Dauer, Tempo und gewünschter Ton

    Grenzen

    Lange Szenen, genaue Handlungen, lesbare Texte und dauerhaft konsistente Details sind weiterhin anspruchsvoll. Professionelle Ergebnisse entstehen meist durch Auswahl, Schnitt und Nachbearbeitung.

    Quellen und Prüfstand

    Prüfstand: 28.07.2026. Produktfunktionen, Nutzungsbedingungen und Rechte können sich ändern und müssen vor einer Veröffentlichung beim jeweiligen Anbieter geprüft werden.

  • Wie KI Bilder erzeugt

    Bildgeneratoren erzeugen Bilder nicht durch das Kopieren eines einzelnen Vorbilds. Sie berechnen aus gelernten Mustern schrittweise neue Bildinhalte, die zu Text, Referenzbildern und Bearbeitungsanweisungen passen.

    Einfach erklärt

    Ein Bildmodell hat während des Trainings Zusammenhänge zwischen Bildmerkmalen und Sprache gelernt. Bei der Erzeugung startet es mit einer internen Repräsentation und formt daraus schrittweise ein Bild, das zur Beschreibung passt.

    Was als Eingabe möglich ist

    • Textbeschreibung
    • ein oder mehrere Referenzbilder
    • Masken oder markierte Bildbereiche
    • Vorgaben zu Format, Perspektive, Stil und Bildaufbau

    Was heute gut funktioniert

    Illustrationen, Entwürfe, Produktkonzepte, Hintergründe, Variationen und gezielte Bildbearbeitung sind heute praktisch nutzbar. Kleine Schriften, genaue Geometrie, komplexe Hände oder dauerhaft identische Figuren können weiterhin Qualitätskontrolle und Nacharbeit erfordern.

    Wichtige Qualitätskontrolle

    • Sind Text und Logos korrekt?
    • Stimmen Hände, Schatten, Spiegelungen und Perspektive?
    • Ist das Ergebnis rechtlich und inhaltlich verwendbar?
    • Wurde ein reales Ereignis oder eine reale Person irreführend dargestellt?

    Quellen und Prüfstand

    Prüfstand: 28.07.2026. Produktfunktionen, Nutzungsbedingungen und Rechte können sich ändern und müssen vor einer Veröffentlichung beim jeweiligen Anbieter geprüft werden.

  • AlphaFold 3: Strukturen biomolekularer Wechselwirkungen

    AlphaFold 3 nutzt eine deutlich veränderte, diffusionsbasierte Architektur zur gemeinsamen Strukturvorhersage biomolekularer Komplexe. Es ist ein Forschungswerkzeug für Hypothesen und Strukturmodelle, kein Ersatz für experimentelle Validierung oder klinische Entscheidungen.

    Forschungsfrage

    Wie lassen sich nicht nur einzelne Proteine, sondern die räumlichen Strukturen und Wechselwirkungen verschiedener Biomoleküle vorhersagen?

    Ansatz

    Das Modell verarbeitet Sequenzen und chemische Komponenten gemeinsam und erzeugt atomare 3D-Strukturen mit einem Diffusionsmodul. Konfidenzwerte helfen dabei, Vorhersagen einzuordnen.

    Validierte Ergebnisse

    • Die Nature-Arbeit berichtet verbesserte Genauigkeit für mehrere Klassen biomolekularer Interaktionen
    • Unterstützt werden unter anderem Proteine, Nukleinsäuren, kleine Moleküle, Ionen und modifizierte Reste
    • Der AlphaFold Server ermöglicht ausgewählten Forschungsnutzungen ohne eigene Hochleistungsinfrastruktur

    Bedeutung

    • Hypothesen über Protein-Ligand- und Protein-Nukleinsäure-Interaktionen
    • Unterstützung früher Phasen biologischer und pharmazeutischer Forschung
    • Gemeinsame Betrachtung verschiedener Molekülklassen in einem Modell

    Grenzen

    • Vorhersagen ersetzen keine Labor- oder klinischen Daten
    • Beweglichkeit, Reaktionsabläufe und zelluläre Bedingungen werden nur begrenzt abgebildet
    • Konfidenzwerte müssen für jede Komponente und Interaktion geprüft werden

    Status

    Veröffentlichtes Forschungssystem; Nutzung und Lizenzbedingungen unterscheiden sich zwischen Server, Code und Gewichten.

    Primärquellen