Hier findest du wichtige Begriffe, die im Zusammenhang mit KI häufig verwendet werden. Diese Begriffe helfen dir, die Konzepte und Technologien rund um KI besser zu verstehen. Du findest die Begriffe unten auch als Lernkarten.

Intelligenz

Die Fähigkeit eines Lebewesens oder Systems, Informationen zu verarbeiten, Wissen zu erwerben, Probleme zu lösen, aus Erfahrungen zu lernen, sich an neue Situationen anzupassen und sinnvoll zu handeln.

Künstliche Intelligenz (KI)

Die Fähigkeit von Computern, Aufgaben zu erledigen, die normalerweise menschliche Intelligenz erfordern, etwa Problemlösung, Sprachverstehen oder Lernen.

Maschinelles Lernen (ML)

Teilgebiet der KI, bei dem Systeme aus Daten lernen, Muster erkennen und Vorhersagen treffen, ohne explizit programmiert zu werden.

Künstliches Neuronales Netz

Ein nach dem Vorbild des Gehirns aufgebautes Netz aus vielen künstlichen Neuronen, wie es z. B. beim "Deep Learning" eingesetzt wird.

Deep Learning

Ein Teilbereich des maschinellen Lernens, der mit künstlichen neuronalen Netzwerken arbeitet, um grosse Datenmengen zu analysieren und komplexe Muster zu erkennen.

Trainingsdaten

Die Datensätze, mit denen ein KI-Modell während des Lernprozesses trainiert wird, um aus Beispielen zu lernen und Vorhersagen oder Entscheidungen zu treffen.

Datenbasis

Zugrunde liegende Sammlung von Daten, die für das Training und den Betrieb eines Modells verwendet wird.

Datenqualität

Beschreibt Eigenschaften wie Genauigkeit, Vollständigkeit, Konsistenz, Relevanz und Zuverlässigkeit der Daten – entscheidend für den Erfolg und die Aussagekraft von KI-Systemen.

Generative KI

Systeme, die Inhalte wie Texte, Bilder oder Musik selbstständig erzeugen können (z. B. ChatGPT, Bildgeneratoren).

Prompt / Prompting

Steuerbefehl oder Eingabe, mit dem generative KI-Modelle gezielt genutzt oder gesteuert werden.

Allgemeine KI (starke KI)

Theoretisches KI-System, das ebenso flexibel wie der Mensch alle intellektuellen Aufgaben eigenständig bewältigen kann.

Spezifische KI (schwache KI)

Ein System, das genau definierte, einzelne Aufgaben erfüllt (z. B. Sprachassistenten, Bilderkennung), jedoch nicht darüber hinaus agieren kann.

Bias (Verzerrung)

Systematische Fehler im Modell, die durch unausgewogene oder unvollständige Trainingsdaten entstehen können.

Automatisierung

Übertragung von Aufgaben, die früher Menschen erledigten, auf KI-Systeme (z. B. Roboter, Apps).

Autonomie

Die Fähigkeit eines KI-Systems, eigenständig und ohne menschliches Eingreifen Entscheidungen zu treffen und zu handeln.

Anpassungsfähigkeit

Die Eigenschaft einer KI, ihr Verhalten eigenständig an veränderte Umgebungen oder neue Aufgaben anzupassen, um bessere Ergebnisse zu erzielen.

Transparenz / Nachvollziehbarkeit

Die Frage, wie verständlich und überprüfbar die Entscheidungen einer KI für Menschen sind.

---

Begriffe als Lernkarten

0 / 17 aufgedeckt

❓Intelligenz

IntelligenzDie Fähigkeit eines Lebewesens oder Systems, Informationen zu verarbeiten, Wissen zu erwerben, Probleme zu lösen, aus Erfahrungen zu lernen, sich an neue Situationen anzupassen und sinnvoll zu handeln.

❓Künstliche Intelligenz (KI)

Künstliche Intelligenz (KI)Die Fähigkeit von Computern, Aufgaben zu erledigen, die normalerweise menschliche Intelligenz erfordern, etwa Problemlösung, Sprachverstehen oder Lernen.

❓Maschinelles Lernen (ML)

Maschinelles Lernen (ML)Teilgebiet der KI, bei dem Systeme aus Daten lernen, Muster erkennen und Vorhersagen treffen, ohne explizit programmiert zu werden.

❓Künstliches Neuronales Netz

Künstliches Neuronales NetzEin nach dem Vorbild des Gehirns aufgebautes Netz aus vielen künstlichen Neuronen, wie es z. B. beim "Deep Learning" eingesetzt wird.

❓Deep Learning

Deep LearningEin Teilbereich des maschinellen Lernens, der mit künstlichen neuronalen Netzwerken arbeitet, um grosse Datenmengen zu analysieren und komplexe Muster zu erkennen.

❓Trainingsdaten

TrainingsdatenDie Datensätze, mit denen ein KI-Modell während des Lernprozesses trainiert wird, um aus Beispielen zu lernen und Vorhersagen oder Entscheidungen zu treffen.

❓Datenbasis

DatenbasisZugrunde liegende Sammlung von Daten, die für das Training und den Betrieb eines Modells verwendet wird.

❓Datenqualität

DatenqualitätBeschreibt Eigenschaften wie Genauigkeit, Vollständigkeit, Konsistenz, Relevanz und Zuverlässigkeit der Daten – entscheidend für den Erfolg und die Aussagekraft von KI-Systemen.

❓Generative KI

Generative KISysteme, die Inhalte wie Texte, Bilder oder Musik selbstständig erzeugen können (z. B. ChatGPT, Bildgeneratoren).

❓Prompt / Prompting

Prompt / PromptingSteuerbefehl oder Eingabe, mit dem generative KI-Modelle gezielt genutzt oder gesteuert werden.

❓Allgemeine KI (starke KI)

Allgemeine KI (starke KI)Theoretisches KI-System, das ebenso flexibel wie der Mensch alle intellektuellen Aufgaben eigenständig bewältigen kann.

❓Spezifische KI (schwache KI)

Spezifische KI (schwache KI)Ein System, das genau definierte, einzelne Aufgaben erfüllt (z. B. Sprachassistenten, Bilderkennung), jedoch nicht darüber hinaus agieren kann.

❓Bias (Verzerrung)

Bias (Verzerrung)Systematische Fehler im Modell, die durch unausgewogene oder unvollständige Trainingsdaten entstehen können.

❓Automatisierung

AutomatisierungÜbertragung von Aufgaben, die früher Menschen erledigten, auf KI-Systeme (z. B. Roboter, Apps).

❓Autonomie

AutonomieDie Fähigkeit eines KI-Systems, eigenständig und ohne menschliches Eingreifen Entscheidungen zu treffen und zu handeln.

❓Anpassungsfähigkeit

AnpassungsfähigkeitDie Eigenschaft einer KI, ihr Verhalten eigenständig an veränderte Umgebungen oder neue Aufgaben anzupassen, um bessere Ergebnisse zu erzielen.

❓Transparenz / Nachvollziehbarkeit

Transparenz / NachvollziehbarkeitDie Frage, wie verständlich und überprüfbar die Entscheidungen einer KI für Menschen sind.