KI Glossar

unser umfassender Leitfaden zu Begriffen und Konzepten der Künstlichen Intelligenz

A

Ein maschinelles Lernverfahren, das darauf abzielt, Modelle widerstandsfähiger gegen absichtliche Störungen oder Angriffe zu machen, indem feindliche Beispiele in den Trainingsprozess einbezogen werden. 

Inhalte, die vollständig von KI-Modellen erstellt wurden.

Eine präzise und endliche Folge von Schritten zur Lösung einer Aufgabe oder eines Problems. In der KI werden Algorithmen verwendet, um Daten zu analysieren, Muster zu erkennen und Entscheidungen zu treffen.

Die Erstellung von Kunstwerken durch generative Modelle.

Intelligente Systeme, die die Zusammenarbeit zwischen Menschen und Maschine verbessern. Sie helfen bei der Automatisierung und Optimierung von Aufgaben, beispielsweise durch Sprachassistenten oder Produktionshilfen.

Eine Komponente in neuronalen Netzwerken, die es dem Modell ermöglicht, sich auf relevante Teile der Eingabe zu konzentrieren.

Systeme, die in der Lage sind, ohne menschliche Eingriffe zu operieren. Sie können selbstständig Entscheidungen treffen und auf Umweltbedingungen reagieren. Beispiele sind selbstfahrende Autos und autonome Drohnen.

Ein neuronales Netzwerk, das Daten komprimiert und dann wiederherstellt, um neue, ähnliche Daten zu erzeugen.

B

Ein grafisches Modell, das probabilistische Beziehungen zwischen Variablen darstellt. Es wird verwendet, um Unsicherheiten in komplexen Systemen zu modellieren.

Ein Algorithmus, der bei der Textgenerierung verwendet wird, um die besten Sequenzen von Tokens auszuwählen.

Ein Modell, das Text kontextabhängig von beiden Seiten (links und rechts) versteht, aber nicht direkt zur Generierung von Text verwendet wird.

Bezieht sich auf große Datensätze, die zu umfangreich oder komplex sind, um sie mit traditionellen Datenverarbeitungsmethoden zu analysieren. Big Data erfordert spezialisierte Werkzeuge und Technologien zur Verarbeitung und Analyse. 

Ein Programm, das automatisierte Aufgaben ausführt. Beispiele sind Chatbots, die mit Benutzern interagieren können, und Webcrawler, die das Internet durchsuchen. 

C

Eine Methode des unüberwachten Lernens, bei der Datenpunkte in Gruppen oder Cluster eingeteilt werden, basierend auf ihrer Ähnlichkeit.

Ein GAN, das zusätzliche Informationen (z. B. Klassenlabels) als Bedingung verwendet, um spezifische Daten zu erzeugen.

Ein Trainingsansatz, bei dem ähnliche und unähnliche Paare von Datenpunkten verwendet werden, um die Merkmalsrepräsentation zu verbessern.

Ein Modell, das Bilder von einer Domäne in eine andere umwandeln kann, ohne gepaarte Trainingsdaten zu benötigen.

D

Ein Modell von OpenAI, das in der Lage ist, Bilder aus textuellen Beschreibungen zu generieren.

Techniken zur künstlichen Erweiterung des Datensatzes, z.B. durch Spiegeln oder Drehen von Bildern.

Die Methode zur Auffüllung fehlender Werte in Datensätzen.

Der Prozess, bei dem große Datensätze analysiert werden, um Muster und Zusammenhänge zu entdecken. Dies erfolgt durch den Einsatz statistischer Methoden und maschineller Lerntechniken.

Ein Entscheidungsbaum ist ein Modell, das Entscheidungen anhand einer Baumstruktur trifft, indem es die Daten in verschiedene Klassen oder Regressionen aufteilt.

Ein Algorithmus, der neuronale Netzwerke verwendet, um Bilder zu erzeugen, die surreale und traumhafte Darstellungen von Objekten und Szenen bieten.

Ein Teilgebiet des maschinellen Lernens, das auf künstlichen neuronalen Netzwerken mit vielen Schichten basiert. Es wird verwendet, um komplexe Muster in großen Datenmengen zu erkennen.

Ein Ansatz zur Bildgenerierung, der schrittweise verrauschte Bilder rekonstruiert.

Teil eines GANs, der versucht zu unterscheiden, ob die Daten echt oder vom Generator erzeugt sind.

E

Eine Technik, bei der mehrere Modelle kombiniert werden, um die Vorhersagegenauigkeit zu verbessern. Bekannte Methoden sind Random Forests und Gradient Boosting.

Methoden und Ansätze, die darauf abzielen, die Entscheidungen und Vorhersagen von KI-Systemen transparent und nachvollziehbar zu machen. Dies erhöhten das Vertrauen und die Akzeptanz von KI-Anwendungen.

kennst du schon unsere KI-Seminare?

Künstliche Intelligenz (KI) ist der Treiber für die meisten modernen Veränderungen. Ohne Change gibt es keine Innovation. In unseren KI-Seminaren befähigen wir dich, Widerstandsfähigkeit, Agilität und innovative Produkte und Services zu entwickeln. So steigerst du nicht nur deine digitalen Umsätze, sondern auch die Profitabilität deines Unternehmens. Unsere Seminare bieten dir das Know-how, um die digitale Performance nachhaltig und dauerhaft zu verbessern. Lass uns gemeinsam deine Zukunft gestalten und dein Unternehmen mit KI auf Erfolgskurs bringen.

4-Advice. Change & Innovation Management

F

Die Generierung realistischer menschlicher Gesichter durch Modelle wie StyleGAN.

Der Prozess der Auswahl, Modifikation und Erstellung von Merkmalen (Features) aus Rohdaten, um die Leistung von maschinellen Lernmodellen zu verbessern.

Die Fähigkeit eines Modells, Aufgaben nach nur wenigen Beispielen zu bewältigen.

Anpassung eines vortrainierten Modells an eine spezifische Aufgabe oder Datensatz.

G

Eine Methode zur Darstellung von Wörtern als Vektoren, die semantische Ähnlichkeiten widerspiegeln.

Die Umkehrung des Prozesses eines GANs, um den latenten Vektor eines Bildes zu finden.

Modelle, die in der Lage sind, neue Daten zu erzeugen, die den Mustern der Trainingsdaten ähneln. Beispiele sind generative Modelle, die Bilder, Texte oder Musik erstellen können.

Ein Modell, das zwei neuronale Netzwerke – Generator und Diskriminator – gegeneinander antreten lässt, um realistische Daten zu erzeugen.

Ein Bereich der KI, der sich auf die Erzeugung neuer Daten (z. B. Bilder, Texte, Musik) konzentriert, die den Trainingsdaten ähneln.

Teil eines GANs, das darauf trainiert wird, neue Daten zu erzeugen, die den echten Daten ähnlich sehen.

Ein Modell, das große Mengen an Textdaten verwendet, um natürlichsprachliche Texte zu generieren.

H

Kombiniert datengetriebene maschinelle Lernmethoden mit regelbasierten Ansätzen. Dies ermöglicht die Nutzung der Stärken beider Ansätze zur Entwicklung leistungsfähigerer Systeme.

Parameter, die die Struktur und das Training eines maschinellen Lernmodells steuern, wie z.B. die Lernrate oder die Anzahl der Schichten in einem neuronalen Netz.

I

Die Generierung von Textbeschreibungen für Bilder.

Die Technik, niedrig aufgelöste Bilder in hochauflösende Versionen umzuwandeln.

Die Umwandlung eines Bildes in ein anderes Bild, z.B. von einer Skizze zu einem fotorealistischen Bild.

Die Technik, fehlende Teile eines Bildes zu rekonstruieren.

KI-Systeme, die in Echtzeit auf Benutzereingaben reagieren und generative Modelle verwenden, um personalisierte Inhalte zu erstellen.

Ein Netzwerk von physischen Geräten, die über das Internet verbunden sind und Daten austauschen können. Dies ermöglichten die Automatisierung und Optimierung von Prozessen.

J

Live-Stream zur Künstlichen Intelligenz: Die wichtigsten Insights

kostenfreier livestream

für Manager, Führungskräfte, Weiterbildungsleiter und Geschäftsinhaber/ & -führer

Unsere 4-advice Experten mit 20 Jahren Erfahrung zeigen dir den Weg aus dem KI-Dschungel: Erfahre in unserem Live-Stream, wie du KI in deinem Unternehmen erfolgreich einführst und so die Produktivität massiv erhöhst.

K

Ein unüberwachter Lernalgorithmus, der Daten in k Cluster unterteilt, wobei jedes Datenpunkt dem Cluster mit dem nächsten Mittelwert zugewiesen wird.

Intelligente Systeme, die menschliche kognitive Fähigkeiten wie Wahrnehmung, Lernen und Entscheidungsfindung nachahmen. Sie werden verwendet, um komplexe Probleme zu lösen.

Modelle, die aus Schichten von künstlichen Neuronen bestehen und zur Verarbeitung von Daten und Mustererkennung verwendet werden. Sie sind inspiriert von der Struktur und Funktionsweise des menschlichen Gehirns.

L

Ein Modell zur Themenmodellierung, das Textdaten analysiert und zugrunde liegende Themen identifiziert.

Ein Raum niedriger Dimension, in dem Eingabedaten für Modelle wie GANs und Autoencoder eingebettet werden.

Ein Vektor im latent space, der verwendet wird, um neue Datenpunkte zu generieren.

Ein niedrigerdimensionaler Raum, in dem komplexe Datenstrukturen vereinfacht dargestellt werden.

M

Ein Teilgebiet der KI, das sich auf die Entwicklung von Algorithmen konzentriert, die aus Daten lernen und Vorhersagen treffen oder Entscheidungen basierend auf diesen Daten treffen können.

Ein Trainingsziel, bei dem Teile des Textes maskiert und vom Modell vorhergesagt werden müssen.

Eine mathematische Repräsentation, die auf Trainingsdaten basiert und verwendet wird, um Vorhersagen oder Klassifikationen auf neuen Daten vorzunehmen.

Systeme, die verschiedene Datentypen wie Text, Bild und Audio gleichzeitig verarbeiten und kombinieren können, um umfassendere Analysen und Vorhersagen zu ermöglichen.

Die Erstellung von Musikstücken durch generative Modelle.

N

Ein Bereich der KI, der sich mit der Interaktion zwischen Computern und menschlicher Sprache befasst, einschließlich Textanalyse und Sprachverarbeitung.

Die Erzeugung von 3D-Szenen aus 2D-Bildern durch neuronale Netzwerke.

Die grundlegende Recheneinheit in einem künstlichen neuronalen Netz, die Eingaben empfängt, verarbeitet und Ausgaben an andere Neuronen weitergibt.

Die Kombination von Inhalt und Stil zweier Bilder, um ein neues Bild zu erzeugen.

Ein zufälliger Vektor, der als Eingabe für den Generator eines GANs dient.

O

Die Fähigkeit eines Modells, aus nur einem oder wenigen Beispielen zu lernen.

ERKENNE & NUTZE DEINE DIGITALEN POTENZIALE

P

Ein Verlustmaß, das auf der Wahrnehmung von Bildern durch Menschen basiert, um realistischere Bilder zu erzeugen.

Ein Modell, das gepaarte Trainingsdaten verwendet, um Bilder von einer Domäne in eine andere zu übersetzen.

Ein Modell zur sequenziellen Vorhersage von Pixelwerten in Bildern.

Der Prozess, bei dem ein Modell auf großen Datensätzen trainiert wird, bevor es auf spezifische Aufgaben feinabgestimmt wird.

Die Kunst, Eingabebefehle (Prompts) so zu gestalten, dass sie von generativen Modellen optimale Ergebnisse liefern.

Ein Anfangstext oder eine Eingabe, die ein Textgenerierungsmodell verwendet, um fortlaufenden Text zu erzeugen.

R

Einsatz von Verstärkungslernen zur Verbesserung der Generierungsqualität durch Rückmeldungen.

Ein Lernansatz, bei dem ein Agent durch Interaktionen mit seiner Umgebung lernt und durch Belohnungen und Bestrafungen optimaler Handlungsstrategien entwickelt.

S

Eine Methode zur Auswahl von Wörtern während der Textgenerierung, die Zufälligkeit einführt, um kreative und vielfältige Ausgaben zu erzeugen.

KI-Systeme, die spezifische Aufgaben lösen können, aber kein umfassendes Verständnis oder Bewusstsein besitzen. Beispiele sind Sprachassistenten und Bilderkennungssysteme.

Ein Mechanismus, bei dem jedes Element einer Sequenz Aufmerksamkeit auf alle anderen Elemente richtet.

Die Übertragung von Stileigenschaften eines Bildes auf ein anderes Bild.

Ein fortschrittliches GAN-Modell, das in der Lage ist, hochauflösende Bilder mit kontrollierbaren Stilmerkmalen zu erzeugen.

Künstlich erzeugte Sprachaufnahmen, typischerweise durch TTS-Modelle.

Künstlich generierte Daten, die zur Schulung von Modellen verwendet werden können.

T

Ein Parameter, der die Zufälligkeit (‚digitale‘ Kreativität) der Ergebnisse eines generativen Modells steuert.

Die Erstellung von Texten, die den Trainingsdaten ähnlich sind, durch Modelle wie GPT-3.

Ein Modell, das aus einer textuellen Beschreibung ein Bild generiert.

Ein Modell, das Text in gesprochene Sprache umwandelt.

Der Prozess, Text in kleinere Einheiten wie Wörter oder Subwörter zu zerlegen.

Eine Deep-Learning-Architektur, die für die Verarbeitung und Generierung von Texten verwendet wird. Transformer-Modelle zeichnen sich durch ihre Fähigkeit zur parallelen Verarbeitung großer Textmengen aus.

Der Einsatz vortrainierter Modelle zur Lösung neuer Aufgaben mit minimaler zusätzlicher Schulung.

KI Glossar

digital transformation insider

Podcast für Digitalisierung, Change und Innovation

Unser Gast, Thomas Beimbauer, teilt wertvolle Einblicke und Erfahrungen aus seiner langjährigen Arbeit mit digitalen Technologien und KI. Gemeinsam diskutieren wir, wie man KI erfolgreich in Unternehmen einführt, um Produktivität und Qualität zu steigern, und warum es wichtig ist, die Anwendungskompetenz der Mitarbeiter zu fördern. Thomas erklärt zudem, was hinter dem Marketingbegriff „künstliche Intelligenz“ steckt und wie Unternehmen die Technologie sinnvoll nutzen können. Verpasst nicht diese aufschlussreiche Episode mit Tipps und Trends von Top-Experten!

Jetzt auf diesen Plattformen anhören

U

Ein maschinelles Lernverfahren, bei dem Modelle anhand von gelabelten Daten trainiert werden, um Vorhersagen oder Klassifikationen auf Basis neuer Daten zu treffen.

V

Ein Modell, das Daten in einen latenten Raum kodiert und dann dekodiert, um neue Daten zu generieren.

KI-Modelle und -Methoden, die auf mehreren Geräten oder in der Cloud ausgeführt werden, um die Rechenlast zu verteilen und die Effizienz zu erhöhen.

Entwicklung und Einsatz von KI-Systemen, die Transparenz, Sicherheit und ethische Standards sicherstellen, um Vertrauen und Akzeptanz bei den Nutzern zu fördern.

Die Erstellung von Videosequenzen durch generative Modelle.

W

Eine Methode zur Darstellung von Wörtern als Vektoren, die semantische Ähnlichkeiten widerspiegeln.

Z

Die Fähigkeit eines Modells, Aufgaben ohne spezifische Trainingsdaten für diese Aufgaben zu lösen.

digital transformation insider

Podcast für Digitalisierung, Change und Innovation

Unser Gast, Professor Thomas Clemen von der Hochschule für Angewandte Wissenschaften in Hamburg, teilt seine umfangreichen Erfahrungen und Erkenntnisse aus der Welt der KI. Von den ersten Berührungspunkten mit der Technologie bis hin zu interdisziplinären Forschungsprojekten erläutert er, wie KI effektiv in Unternehmen eingesetzt werden kann. Erfahrt, welche Herausforderungen und Chancen die KI in der Industrie und im politischen Raum bietet und warum Deutschland noch mehr Potenzial ausschöpfen kann. Verpasst nicht diese spannende Episode voller wertvoller Einblicke und Praxistipps von einem führenden Experten auf dem Gebiet der Künstlichen Intelligenz!

Jetzt auf diesen Plattformen anhören

KI Glossar

ERKENNE & NUTZE DEINE DIGITALEN POTENZIALE

Wir sind Montag bis Freitag 
von 8:00 bis 17:00 Uhr für dich da.
ueber-uns

Im Design Sprint haben unsere Studenten im Master Digital Management Lösungen zur Vermarktung des digitalen Service-Tools „Meine-Wartung“ von Niemann-Laes, Großhändler für industriebedarf, entwickelt. Innerhalb von nur 4 Tagen haben sie unter der wie immer sympathischen und fachkundigen Führung unserer Dozenten der 4-advice Digital Change & Innovation einen von Experten getesteten Prototypen entwickelt. Es ist immer wieder großartig zu sehen, wieviel wir gemeinsam in kürzester Zeit erreichen können – als Win-Win-Win Situation für Hochschule, Studenten und Partner aus der Industrie. Weiter so und danke an unsere Studenten, die Industriepartner Maximilian Krause & Philipp Mitzscherlich und die Dozenten Marcus Jansen und Simon Schoop, die jedes Semester immer wieder innocative und wirksame Formate an der Hochschule Fresenius erfolgreich umsetzen!

Simon has been teaching as a lecturer with a high level of professional expertise and great personal commitment for many years in the international master´s program in Digital Management at the private Fresenius University of Applied Sciences in the Mediapark Cologne. The innovative teaching methods introduced by Simon and 4-advice, applying methodologies like the Google Design Sprint, add great practical value for our students. I have experienced 4-advice´s methodological competence within their lectures „Digital Innovation“ and „Digital Transformation“. The Design Sprint is a great tool to reduce Time-to-Market to a bare minimum. That´s why it´s a very valuable method to develop new products, processes, organization and business models. Actually it can be used to tackle most types of challenges.”

Ich habe Simon und sein Team von 4-advice als ausgewiesenen Experten für Veränderungsmanagement und Innovation kennengelernt. Dabei geht er, zum Beispiel durch seinen Ansatz des „Spielerischen Veränderns“ im Sinne eines besseren Ergebnisses, selbst immer wieder kreative und neue Wege. Ein Highlight sind hierbei sicher die „Business Escape Rooms“, die ich selbst als sehr positiv erlebt habe. Als Spezialist für Projektmanagement begleiten Simon und sein Team zudem mit langjähriger Erfahrung und viel Fingerspitzengefühl Unternehmen bei Organisationsentwicklungsteams. Simon ist absolut integer, stets hochmotiviert und 100%ig zuverlässig. Er steht zu seinem Wort! Mit ein Grund, warum ich so gerne mit ihm zusammenarbeite – und ihn empfehle.

Die Kombination aus Theorie – und Praxisanteil. Man konnte das gelernte aus der Schulung direkt in den Arbeitsalltag einfließen lassen bzw. direkt eine Brücke in den Beruf schlagen. Inhalte sind im Arbeitsalltag anwendbar. Ich werde die Methoden aber auch die gelernten Denkweisen in meinen Arbeitsalltag integrieren und entsprechend handeln um erfolgreiche meine Changes umzusetzen. Change , Change Management wird noch mehr Beachtung in den nächsten Jahren erhalten und jetzt bereits schon die entsprechenden Methodiken zu kennengelernt zu haben wird mich persönlich dabei unterstützen meine Aufgaben/Changes bestmöglich abzuwickeln. Die Schulung passt definitiv in die Berufswelt rein und ist keine reine stumpfe Theorie.

Der strukturierte Wissenszuwachs führte zu Aha-Effekten und häufig zu Frage, warum man darauf nicht selbst gekommen ist. Auf jeden Fall bereichert der DCM-Kurs den Projektalltag und wird zu besseren Changeinitiativen führen.
Dank der offenen und sympathischen Dozenten wurden viele praktische Punkte ehrlich angesprochen und es entstand eine gute Stimmung im Kurs. Das Gelernte wird nicht erst in Zukunft umgesetzt. Es ist bereits jetzt in den Gesprächen und neuen Projekten zu spüren. Für die Zukunft werde ich einen standardisierten grundhaften „Unterbau“ ausarbeiten, der an die Projekte individuell angepasst und/oder erweitert wird.
Außerdem werden unsere grundlegendsten Probleme (Kommunikation, stabile Rollenverteilung, Belohnung) anzugehen sein.
Zu guter Letzt werde ich von agilem Arbeiten wohl noch eine Weile träumen … toller Austausch, umfassende Betrachtung des Changes, viele praktische Tipps , Blick über den Tellerrand, Neubewertung der eigenen Aktivitäten in der Vergangenheit – meist haben wir vieles schon richtig gemacht, es aber nie wahrgenommen

Die Mischung aus Change Methoden und deren praktischer Anwendung. Die Unterlagen, Skripte, Excelvorlagen und Workbooks sind absolut Praxistauglich für die eigene tägliche Arbeit bei Change Projekten. Die Modul-Aufteilung von dem allgemeinen Verständnis der Digitalisierung zum Umgang mit dem Change ist verständlich strukturiert. Das ausgeprägte Kompetenzfeld der Trainer im Change Management hinweg über verschiedene Branchen und Organisationen. Das Anwenden der Methoden für erfolgreichen Change in der Digitalisierung, die ich gelernt habe werden mir sehr weiterhelfen zur Akzeptanzerreichung bei den Stakeholdern.
Im Mix aus eLearning, Methodenvermittlung, Case Studies und Live Coachings habe ich sehr wertvolle Kenntnisse zu Digital Change Management aufgebaut, dieses Wissen werde ich auch an andere Projektverantwortliche, insbesondere auch an Jung-Ingenieure weitergeben.
Veränderung nimmt in Intensität und Geschwindigkeit weiter stark zu – da sind die von 4-advice vermittelten Digitalisierungs-Kompetenzen Gold wert. Die Digitalisierung als Rationalisierungsfaktor wird in den kommenden Jahren rasant Fahrt aufnehmen. Insbesondere im Mittelständischen Maschinenbau, meinem Kerngebiet, gibt es in der Prozessdigitalisierung in vielen Unternehmen noch erheblichen Bedarf. Eine Basis für einen erfolgreichen Change und die Sicherung des Unternehmens in der Zukunft ist die Ausbildung eigener Mitarbeiter zu Digital Change Managern.

Die Inhalte waren sehr umfassend und fundiert, die Aufbereitung der Inhalte war sehr gut strukturiert und ansprechend. Die Referenten (Markus, Simon) haben die Inhalte sehr interessant rübergebracht und durch praktische Beispiele ergänzt. Mit Fragen der TN wurde sehr gut umgegangen. Die Gruppenzusammensetzung war auf Grund der verschiedenen Backgrounds, die Gruppenarbeiten waren bereichernd. Ich bin ständig in Changeprojekte eingebunden, daher kann ich das Gelernte sehr gut anwenden, nun mit wesentlich fundierterem Background und mehr Tools. Grund für die Weiterempfehlung: Siehe oben! Allerdings muss auch der Nachteil einer Remote-WB bewusst sein – der informelle Austausch zur praktischen Erfahrung bleibt etwas auf der Strecke. Aber alles in allem, eine tolle Weiterbildung!

Der Lehrgang war mit zwei äußerst gut vorbereiteten Trainer bestückt, die die Teilnehmer nicht nur kompetent und launig durch das Training geroutet haben, sondern auch verstanden haben, trotz der virtuellen Trainingssessions eine „harmonische Lerngruppe“ zu bilden. Neben einer ungeheuer vielfältigen Wissensvermittlung kamen Erfahrungsaustausch und Spaß nie zu kurz!
Nahezu alle Lerninhalte konnte ich schon während der Trainingsphase einsetzen, sei es in Kundenprojekten, in Angeboten oder in der täglichen Arbeit mit Kolleg:innen.
Sogar im privaten Bereich waren einige der vermittelten Inhalte von großem Nutzen. Erstens, die vermittelte „Philosophie“, was hinter „Change“ alles steckt und warum es sich lohnt, sich intensiv mit direkten und indirekten Einflüssen und Folgen auseinanderzusetzen. Zweitens, weil das Training eher generalistisch angelegt ist und damit ein breites fachliches und persönliches Einsatzspektrum garantiert. Drittens, weil die Kombination aus „Erstens“ und „Zweitens“ ein Maximum an Mehrwert generiert