Künstliche Intelligenz (KI) & Machine Learning (ML)
Die Welt der Künstlichen Intelligenz (KI) und des Machine Learning (ML) entwickelt sich in rasantem Tempo und beeinflusst bereits heute zahlreiche Bereiche unseres Alltags – von intelligenten Sprachassistenten über personalisierte Empfehlungen bis hin zu autonomen Fahrzeugen und medizinischen Diagnoseverfahren. Was einst als Zukunftsvision galt, ist mittlerweile Realität: Systeme, die selbstständig lernen, komplexe Muster erkennen und Entscheidungen treffen können.
Mit dem wachsenden Einfluss dieser Technologien begegnen uns auch immer häufiger Begriffe wie Neuronale Netze, Deep Learning oder Natural Language Processing (NLP). Doch was genau steckt hinter diesen Konzepten? Wie funktionieren sie, worin unterscheiden sie sich – und welche Rolle spielen sie im Kontext von KI und maschinellem Lernen?
Diese Übersicht bietet dir eine strukturierte Einführung in die wichtigsten Fachbegriffe aus dem Bereich der Künstlichen Intelligenz und des Machine Learning.
Derzeit befinden sich 70 Künstliche Intelligenz (KI) & Machine Learning (ML) in diesem Verzeichnis
A
Adam Optimizer
Ein optimierter Algorithmus für das Anpassen von Gewichten in neuronalen Netzen. Er kombiniert die Vorteile von Momentum und adaptiver Lernrate.
Algorithmen-Verantwortlichkeit
Die Frage, wer für die Entscheidungen einer KI verantwortlich ist. Dies ist wichtig für autonome Systeme wie selbstfahrende Autos.
Autoencoder
Ein neuronales Netz, das Daten komprimiert und rekonstruiert. Es wird für Bildrauschen-Reduktion oder Anomalie-Erkennung genutzt.
Autonomes Fahren
Der Einsatz von KI, um Fahrzeuge ohne menschlichen Fahrer zu steuern. Es basiert auf Computer Vision und Reinforcement Learning.
B
Backpropagation
Eine Methode zum Anpassen der Gewichte in neuronalen Netzen. Sie ermöglicht das Training tiefer neuronaler Netze.
Bag of Words (BoW)
Eine einfache Methode zur Textrepräsentation, bei der gezählt wird, wie oft ein Wort vorkommt. Sie wird für Textklassifikationen genutzt.
Batch Normalization
Eine Technik, um neuronale Netze stabiler und schneller trainieren zu lassen. Sie normalisiert die Aktivierungen in jeder Schicht.
BERT (Bidirectional Encoder Representations from Transformers)
Ein NLP-Modell, das den Kontext von Wörtern besser versteht. Es wird von Google für Suchanfragen genutzt.
Bias in KI
Verzerrungen in KI-Modellen, die zu unfairen Entscheidungen führen können. Sie entstehen durch unausgewogene Trainingsdaten.
Big Data
Große Mengen an Daten, die für maschinelles Lernen genutzt werden. Ohne ausreichend Daten funktionieren viele KI-Modelle nicht gut.
C
Chatbot
Eine Software, die automatisch auf Nachrichten antworten kann. Sie wird im Kundenservice oder als virtuelle Assistenten genutzt.
Clustering
Eine Methode, bei der Daten in Gruppen eingeteilt werden, ohne dass vorher Kategorien festgelegt wurden. Dies wird oft für Kundensegmentierung genutzt.
Computer Vision
Ein Bereich der KI, der Computern das Sehen und Verstehen von Bildern und Videos ermöglicht. Er wird in Gesichtserkennung oder medizinischer Bildanalyse eingesetzt.
Convolutional Neural Network (CNN)
Ein spezialisiertes neuronales Netz für die Verarbeitung von Bildern. Es erkennt Muster wie Kanten und Formen.
D
Data Augmentation
Eine Methode, um Trainingsdaten künstlich zu erweitern, z. B. durch das Drehen von Bildern. Sie hilft, Overfitting zu vermeiden.
Datenschutz in KI
Der Schutz persönlicher Daten, die in KI-Modellen genutzt werden. Dies ist besonders bei Gesichtserkennung und Spracherkennung relevant.
Deep Learning (DL)
Ein spezieller Bereich des maschinellen Lernens, der tiefere neuronale Netze mit vielen Schichten verwendet. Er wird für komplexe Aufgaben wie Bilderkennung und Sprachverarbeitung eingesetzt.
Deepfake
Eine Technik, die Videos und Bilder manipuliert, um realistische, aber falsche Inhalte zu erzeugen. Sie wird für Unterhaltung, aber auch für Betrug genutzt.
Deepfake-Erkennung
Methoden zur Identifikation gefälschter Videos und Bilder. Sie helfen, Desinformation zu bekämpfen.
Dimensionality Reduction
Eine Technik zur Reduzierung der Anzahl der Merkmale in einem Datensatz. Dies verbessert die Effizienz und verhindert Überanpassung.
Dropout
Eine Technik, bei der während des Trainings zufällig Neuronen deaktiviert werden, um Overfitting zu reduzieren. Dadurch lernt das Modell robuster.
E
Empfehlungssystem
Eine KI-Anwendung, die personalisierte Vorschläge macht, z. B. auf Netflix oder Amazon. Sie basiert auf Nutzerdaten und Vorhersagemodellen.
Entscheidungsbaum (Decision Tree)
Ein Modell, das Entscheidungen auf Basis von Wenn-Dann-Regeln trifft. Es wird häufig in der Medizin und im Finanzwesen verwendet.
Ethik in der KI
Die Auseinandersetzung mit moralischen Fragen rund um den Einsatz von KI. Dazu gehört die Vermeidung von Diskriminierung.
Explainable AI (XAI)
Ein Ansatz, um KI-Modelle transparenter und verständlicher zu machen. Dies ist wichtig für ethische KI-Entwicklung.
F
Fairness in KI
Die Sicherstellung, dass KI-Systeme keine Gruppen bevorzugen oder benachteiligen. Dazu gehören Maßnahmen gegen Diskriminierung.
Feature Engineering
Der Prozess, bei dem relevante Merkmale aus Daten extrahiert oder erstellt werden. Gute Features verbessern die Modellgenauigkeit.
Feature Scaling
Eine Methode, um Daten auf eine einheitliche Skala zu bringen. Sie verbessert die Leistung vieler ML-Algorithmen.
Feedforward Neural Network
Ein neuronales Netz, bei dem Daten nur in eine Richtung fließen. Es wird für einfache Mustererkennung genutzt.
G
Generative Adversarial Network (GAN)
Eine Architektur, bei der zwei neuronale Netze gegeneinander antreten, um realistische Daten zu erzeugen. Sie wird für Deepfake-Technologie genutzt.
Gesichtserkennung
Eine KI-Technik, die Gesichter in Bildern oder Videos erkennt. Sie wird für Sicherheitssysteme und Social Media verwendet.
Gradient Boosting
Eine Technik, die mehrere schwache Modelle kombiniert, um starke Vorhersagen zu treffen. Sie wird häufig im Finanzbereich eingesetzt.
Gradient Descent
Ein Algorithmus, der schrittweise die Fehler eines Modells minimiert. Er passt die Gewichte an, um eine optimale Lösung zu finden.
H
Hyperparameter-Tuning
Der Prozess, bei dem die besten Einstellungen für ein KI-Modell gesucht werden. Dazu gehören Lernrate, Anzahl der Schichten und Batch-Größe.
K
K-Nearest Neighbors (KNN)
Ein Algorithmus, der eine Klassifizierung anhand der nächstgelegenen Datenpunkte trifft. Er ist einfach, aber rechenintensiv bei großen Datenmengen.
KI in der Finanzwelt
KI wird für Betrugserkennung, algorithmischen Handel und Kreditbewertung genutzt. Sie analysiert große Mengen an Finanzdaten.
KI in der Medizin
KI wird zur Diagnose und Analyse von medizinischen Bildern genutzt. Sie kann Krebszellen oder andere Anomalien erkennen.
KI in der Robotik
Künstliche Intelligenz ermöglicht Robotern, selbstständig Aufgaben zu erledigen. Sie wird in der Industrie und Medizin genutzt.
Klassifikation
Ein Verfahren, bei dem ein Algorithmus Daten in vordefinierte Kategorien einteilt. Ein Beispiel ist die Erkennung von Spam-Mails.
Künstliche Intelligenz (KI)
Ein Bereich der Informatik, der sich mit der Entwicklung von Maschinen befasst, die menschenähnliches Denken und Lernen nachahmen. KI wird in vielen Bereichen eingesetzt, von Spracherkennung bis hin zu autonomen Fahrzeugen.
L
Long Short-Term Memory (LSTM)
Eine spezielle Art von RNNs, die sich an Langzeitabhängigkeiten erinnern kann. Sie wird für maschinelle Übersetzung genutzt.
Loss Function (Verlustfunktion)
Eine mathematische Funktion, die misst, wie gut oder schlecht ein Modell arbeitet. Ein niedriger Wert bedeutet eine bessere Vorhersage.
M
Maschinelles Lernen (ML)
Ein Teilbereich der KI, bei dem Algorithmen aus Daten lernen, ohne explizit programmiert zu werden. Je mehr Daten sie erhalten, desto besser werden sie in der Regel.
N
Naive Bayes
Ein probabilistisches Modell, das auf dem Bayes-Theorem basiert. Es wird oft für Textklassifikation, z. B. Spam-Erkennung, verwendet.
Natural Language Processing (NLP)
Ein Bereich der KI, der sich mit der Verarbeitung natürlicher Sprache beschäftigt. Er wird für Übersetzungen, Chatbots und Sprachassistenten verwendet.
Neuronales Netz (Artificial Neural Network, ANN)
Ein von der Funktionsweise des menschlichen Gehirns inspiriertes Computermodell. Es besteht aus Schichten von künstlichen Neuronen, die Informationen verarbeiten.
O
One-Hot Encoding
Eine Technik zur Umwandlung kategorialer Daten in numerische Werte. Sie wird für Machine-Learning-Modelle benötigt.
OpenAI
Eine Forschungsorganisation, die sich mit sicherer und nützlicher KI beschäftigt. Sie hat GPT-Modelle wie ChatGPT entwickelt.
Overfitting
Ein Problem, bei dem ein Modell zu sehr an den Trainingsdaten klebt und neue Daten schlecht verallgemeinert. Es erkennt Muster, die nur zufällig in den Trainingsdaten vorkommen.
P
Perzeptron
Ein einfaches künstliches Neuron, das Eingaben gewichtet und eine Entscheidung trifft. Es ist das Grundelement neuronaler Netze.
Predictive Maintenance
Eine KI-Technik, die den Ausfall von Maschinen vorhersagt. Sie wird in der Industrie genutzt, um Wartungskosten zu senken.
Principal Component Analysis (PCA)
Ein Verfahren zur Dimensionsreduktion, das Daten in eine neue Basis transformiert. Es wird für visuelle Datenanalyse genutzt.
R
Random Forest
Ein Modell, das mehrere Entscheidungsbäume kombiniert, um genauere Vorhersagen zu treffen. Es reduziert die Fehleranfälligkeit einzelner Bäume.
Recurrent Neural Network (RNN)
Ein neuronales Netz, das Sequenzen von Daten verarbeiten kann. Es wird für Sprachmodelle oder Musikgenerierung verwendet.
Regression
Ein Verfahren, das Zahlenwerte vorhersagt, wie z. B. den Preis eines Hauses basierend auf Merkmalen. Es hilft bei der Datenanalyse und Vorhersagemodellen.
Regularisierung
Eine Technik, um Overfitting zu verhindern, indem die Modellkomplexität begrenzt wird. Dazu gehören Methoden wie L1- und L2-Regularisierung.
Reinforcement Learning (Bestärkendes Lernen)
Ein Ansatz, bei dem ein KI-Agent durch Belohnungen oder Bestrafungen lernt. Dies wird oft für Robotik oder Spiele genutzt.
S
Singularität
Ein theoretischer Punkt, an dem KI menschliche Intelligenz übertrifft. Einige Wissenschaftler warnen vor den Risiken.
Stochastic Gradient Descent (SGD)
Eine Variante von Gradient Descent, die mit zufälligen Datenpunkten trainiert. Sie macht das Training schneller und weniger rechenintensiv.
Supervised Learning (Überwachtes Lernen)
Eine Methode des maschinellen Lernens, bei der ein Algorithmus aus gekennzeichneten Beispielen (Eingaben mit bekannten Ausgaben) lernt. Es wird z. B. zur Spam-Erkennung genutzt.
Support Vector Machine (SVM)
Ein Algorithmus, der Datenpunkte anhand einer Trennlinie klassifiziert. Er wird oft für Bilderkennung genutzt.
T
t-SNE (t-Distributed Stochastic Neighbor Embedding)
Eine Technik zur Visualisierung hochdimensionaler Daten. Sie hilft, Muster in Daten zu erkennen.
Tokenization
Das Zerlegen eines Textes in einzelne Wörter oder Zeichen. Es ist ein wichtiger Schritt in NLP-Anwendungen.
Transformers
Eine Architektur für Sprachmodelle, die parallele Berechnungen ermöglicht. Sie bildet die Grundlage für GPT und BERT.
Turing-Test
Ein Test zur Überprüfung, ob eine Maschine intelligentes Verhalten zeigt. Eine KI besteht den Test, wenn sie nicht von einem Menschen unterscheidbar ist.
U
Underfitting
Ein Problem, bei dem ein Modell nicht genug lernt und die Daten nicht richtig erfasst. Es führt zu schlechten Vorhersagen.
Unsupervised Learning (Unüberwachtes Lernen)
Eine Methode, bei der ein Algorithmus ohne vorher bekannte Ausgaben Muster in Daten erkennt. Dies wird oft für Clustering oder Anomalie-Erkennung verwendet.
W
Word Embeddings
Eine Technik, die Wörter als Vektoren in einem mehrdimensionalen Raum darstellt. Sie hilft Sprachmodellen, Bedeutungen zu erfassen.
