Überwacht
Lernt aus Beispielen mit bekannter Antwort: Betrug/kein Betrug, Preis, Kategorie oder Nachfrage.
Klassifikation · Regression
/ HEFT 01 · GRUNDLAGEN
Öffnen wir den KI-Werkzeugkasten.
Schauen wir uns das Innenleben Stück für Stück an. Namen muss man sich nicht merken: Es genügt zu verstehen, welche Frage jede Technologie beantwortet.
01
/ WIE ES LERNT
Drei Wege, aus Daten zu lernen.
Stellen wir uns vor, wir wollen einen Fehler erkennen. Wir können bereits klassifizierte Beispiele zeigen, das System Gruppen finden lassen oder ihm erlauben, Handlungen auszuprobieren und ein Signal zu erhalten. Daraus entstehen diese drei Wege.
Unüberwacht
Sucht Struktur ohne vorherige Labels: Gruppen, Ähnlichkeiten, Themen oder atypische Verhaltensweisen.
Clustering · ReduktionPro Verstärkung
Lernt durch Handlungen, Belohnungen und Konsequenzen innerhalb einer Umgebung.
Steuerung · PlanungIntelligenz beginnt mit der Beobachtung der Welt.
Reale Skalen, Signale und Muster, bevor sie in Daten umgewandelt werden.
02
/ WAS ES KANN
WAHRNEHMUNG
VORHERSAGE
GENERIERUNG
ENTSCHEIDUNG
AKTION
Schauen wir uns jetzt an, was es kann.
Die Lernform erklärt das Training. Um ein Werkzeug im echten Leben zu wählen, fragt man besser nach der benötigten Fähigkeit.
Signale in Informationen verwandeln
Vision, Audio, Sensoren und Dokumente.
Wahrscheinliche Ergebnisse schätzen
Nachfrage, Risiko, Wartung und Anomalien.
Konditionierte Inhalte erstellen
Text, Code, Bild, Stimme und Video.
Optionen unter Regeln vergleichen
Optimierung, Planung und Empfehlung.
Werkzeuge in einer Umgebung nutzen
Agenten, Roboter und Automatisierungen.
03
/ GENERATIVE KI
LLM
VLM
Verbreitung
Embeddings
Wir kommen zu den Werkzeugen, die erschaffen.
Ein Grundmodell lernt allgemeine Beziehungen aus vielen Daten. Danach können wir es mit einer Anweisung, Beispielen oder eigenen Dokumenten ausrichten. Da tauchen Kürzel auf, die schwierig klingen, aber recht konkrete Bausteine beschreiben.
Großsprachmodelle. Arbeiten mit Tokens und überzeugen bei Text, Code und strukturiertem Denken.
Visions-Sprach-Modelle. Verknüpfen Bilder mit Sprache, um eine Szene zu beschreiben, zu vergleichen oder zu beantworten.
Generative Familie, die Signale aus Rauschen rekonstruiert; weit verbreitet in Bild, Audio und Video.
Numerische Repräsentationen, die ähnliche Inhalte nahe beieinander anordnen und semantische Suche ermöglichen.
04
/ AGENTISCHE SYSTEME
Was ändert sich, wenn KI handeln kann?
Bis hierher interpretierte oder generierte das Tool. Ein Agent fügt ein Ziel und Zugang zu Tools hinzu: Er kann einen Wert suchen, einen Entwurf vorbereiten oder einen Schritt ausführen. Seine Autonomie ist keine Magie; sie hängt von den vergebenen Rechten ab.
01ZielWelches Ergebnis angestrebt wird
02KontextWas es weiß und sich merkt
03WerkzeugeWas abgefragt oder geändert werden kann
04RichtlinieWelche Grenzen einzuhalten sind
05VerifizierungWie das Ergebnis belegt wird
Die Agenten-Governance klärt, wer verantwortlich ist, mit welchen Daten und Berechtigungen das System agiert, wann es stoppen soll und wie es das Ergebnis belegt.
05
/ AUSWAHLKRITERIEN
Wir schließen das Notizbuch mit einer Entscheidung.
Wir kennen die Bausteine. Für die Auswahl kehren wir zum Anfang zurück: Was wollen wir verbessern, welche Informationen haben wir und was könnte schiefgehen?
- 01Definiere das Ergebnis
Gesparte Zeit, geringerer Fehler, Ertrag oder Qualität.
- 02Steuert die Daten
Verantwortliche, Verfügbarkeit, Qualität, Sensitivität, Herkunft und Nutzungsrechte.
- 03Begrenzt das Risiko
Auswirkung einer falschen Antwort oder einer nicht autorisierten Aktion.
- 04Alternativen vergleichen
Regeln, klassische Software, kleine Modelle oder generative Systeme.
- 05Testen, messen und Verantwortliche zuweisen
Bewertung, Überwachung und Abbruchkriterien vor dem Skalieren.
NÄCHSTER HALTAktuelle Modelle und Computervision