Glossar
Wichtige Fachbegriffe des Kurses, verständlich auf den Punkt gebracht, mit Alltagsbezug und direktem Verweis auf die Folge, in der sie eingeführt und vertieft werden.
- Audio-Overview (KI-Podcast) — Eine KI-gestützte Aufbereitung von Dokumenten oder Notizen als lebhafter, moderierter Audio-Dialog zweier virtueller Hosts (eingeführt in Googles NotebookLM, nach der Markteinführung nun Gemini Notebook).
Erklärt in: L08 - Bias (Datenverzerrung & Vorurteile) — Menschliche Vorurteile oder Einseitigkeiten, die unbemerkt in den Trainingsdaten stecken und von der KI wie Fakten nachgeahmt werden.
Erklärt in: L03, L05 - C2PA (Content Credentials) — Ein offener Industriestandard für digitale Inhaltsnachweise: Kryptografisch gesicherte Metadaten und unsichtbare Wasserzeichen im Bild dokumentieren Herkunft, Bearbeitung und das genutzte KI-Modell.
Erklärt in: L07 - Circle to Search — Eine visuelle Schnellsuche, bei der beliebige Bild- oder Textinhalte direkt auf dem Smartphone-Display mit dem Finger umkreist werden, um sofortige Recherche-Ergebnisse zu erhalten.
Erklärt in: L09 - Computer Vision (Maschinelles Sehen) — Die Fähigkeit von Algorithmen, den visuellen Inhalt von Fotos und Videos semantisch zu verstehen, Objekte zu erkennen und Beschriftungen zu lesen.
Erklärt in: L09 - Deep Learning (Tiefes Lernen) — Ein Teilbereich des maschinellen Lernens mit vielschichtigen neuronalen Netzen, die Muster schrittweise von einfachen Details bis zum komplexen Gesamtbild abstrahieren.
Erklärt in: L05 - Diffusionsmodell — Ein Verfahren moderner Bild-KIs, das aus einem rein zufälligen digitalen Bildrauschen in vielen kleinen Rechenschritten schrittweise ein scharfes, detailreiches Wunschbild herausarbeitet.
Erklärt in: L07 - Embedding — Die Übersetzung von Wörtern und Texten in Zahlenvektoren, damit Computer semantische Ähnlichkeiten und Bedeutungen mathematisch messen und vergleichen können.
Erklärt in: L04 - Few-Shot Prompting — Eine Technik, bei der dem Modell vor der eigentlichen Aufgabe 1–2 gelungene Textbeispiele gezeigt werden, damit es den gewünschten Tonfall, Rhythmus und Stil präzise adaptiert.
Erklärt in: L06 - Fine-Tuning — Das gezielte Nachtrainieren eines bestehenden Basismodells mit ausgewählten Spezialdaten, um Tonalität, Stil oder fachspezifisches Verhalten dauerhaft anzupassen.
Erklärt in: L04, L14 - Flow Matching — Eine moderne mathematische Generationstechnik für Bildmodelle: Statt in vielen Zufallsschritten zu entrauschen, berechnet das System eine geradlinige Flugbahn („Flow“) vom Rauschen zum fertigen Bild – für schnellere und detailreichere Ergebnisse.
Erklärt in: L07 - Halluzination — Eine Antwort einer KI, die überzeugend klingt, aber falsch oder frei erfunden ist – etwa ein erfundenes Buch, eine nicht existierende Quelle oder eine falsche Zahl.
Erklärt in: L03 - Iteratives Prompting — Der schrittweise Verfeinerungsprozess im Dialog mit der KI: Entwurf anfordern, gezieltes Feedback geben, nachbessern und polieren, bis das Ergebnis exakt passt.
Erklärt in: L02, L06 - KI-Kennzeichnungspflicht (AI Act) — Die EU-weite gesetzliche Verpflichtung nach Artikel 50 der KI-Verordnung, öffentlichkeitswirksame KI-Texte transparent zu kennzeichnen – es sei denn, ein Mensch hat sie geprüft und übernimmt die redaktionelle Verantwortung.
Erklärt in: L06 - Knowledge Cutoff (Wissensgrenze) — Der feste Stichtag, an dem die Trainingsdaten einer KI enden. Ohne Web-Suche oder RAG kennt das Modell keine Ereignisse danach.
Erklärt in: L03, L05 - Kontextfenster — Das aktive Arbeitsgedächtnis einer KI: Die maximale Anzahl an Tokens, die ein Modell in einem Chatverlauf (Frage, Historie und Dokumente) gleichzeitig berücksichtigen kann.
Erklärt in: L04, L06 - Künstliche Intelligenz (KI) — Software, die Aufgaben löst, für die sonst menschliche Intelligenz nötig wäre – indem sie Muster aus Daten lernt, statt nur feste Regeln abzuarbeiten.
Erklärt in: L01 - LLM (Large Language Model) — Ein großes Sprachmodell: Ein neuronales Netz mit Milliarden Parametern, das darauf trainiert wurde, menschliche Sprache im Kontext zu verstehen und flüssig zu generieren.
Erklärt in: L04 - Modell — Das fertig trainierte, einsatzbereite KI-System (z. B. moderne Spitzenmodelle wie ChatGPT, Claude oder Gemini), das nach Abschluss der Lernphase eigenständig Eingaben verarbeitet und Antworten erzeugt.
Erklärt in: L04 - Multimodalität — Die Eigenschaft moderner KI-Modelle, mehrere menschliche Sinneskanäle (Text, Bild, Sprache und Video) gleichzeitig zu verstehen, zu verknüpfen und zu generieren.
Erklärt in: L09 - Neuronale Netze — Ein rechnergestütztes Modell, das locker dem Aufbau des Gehirns nachempfunden ist. Es besteht aus vielen verbundenen Schichten und Knoten, die gemeinsam Muster lernen.
Erklärt in: L01, L05 - Overfitting (Überanpassung) — Ein Zustand, bei dem eine KI Trainingsbeispiele stur auswendig lernt, statt allgemeine Prinzipien zu begreifen, und deshalb bei neuen Aufgaben scheitert.
Erklärt in: L05 - Parameter — Die internen mathematischen Verbindungsgewichte (Stellschrauben) eines neuronalen Netzes, die während des Trainings kalibriert werden und das Wissen speichern.
Erklärt in: L04 - Post-Training & Alignment — Die zweite Trainingsphase, in der das Modell mit menschlichem Feedback (RLHF) zu einem höflichen, sicheren und hilfreichen Dialog-Assistenten geformt wird.
Erklärt in: L05 - Pre-Training (Vortraining) — Die rechenintensive Grundausbildung, bei der das Modell durch das Vorhersagen des nächsten Wortes an riesigen Datenmengen Sprachgefühl und Weltwissen erwirbt.
Erklärt in: L05 - Prompt — Die Eingabe (Text oder Sprache), mit der du eine KI ansprichst. Sie bestimmt maßgeblich die Qualität und Richtung der generierten Antwort.
Erklärt in: L02 - RAG (Retrieval-Augmented Generation) — Ein Verfahren, bei dem eine KI vor der Antwortgenerierung externe Dokumente oder das Live-Web durchsucht und die gefundenen Fakten direkt im Kontextfenster nutzt.
Erklärt in: L04, L11 - Reverse-Prompting — Eine Methode, bei der ein fertiges Bild in eine multimodale KI geladen wird, um daraus einen präzisen Text-Prompt (Bauplan) für neue Bildvariationen zu extrahieren.
Erklärt in: L07 - Spektrogramm — Eine grafische Darstellung von Schallwellen als zweidimensionales Frequenzbild (Tonhöhe über Zeitverlauf), wodurch Audiomodelle Klänge und Stimmen mit Bildgenerierungs-Methoden (Diffusion) berechnen können.
Erklärt in: L08 - SynthID Audio — Ein von Google DeepMind entwickeltes Verfahren für unhörbare, fälschungssichere digitale Wasserzeichen in KI-generierter Musik und Sprache, die selbst nach starker Kompression nachweisbar bleiben.
Erklärt in: L08 - Temperatur — Ein Steuerwert, der bestimmt, wie deterministisch (niedrige Temperatur) oder wie kreativ, überraschend und risikofreudig (hohe Temperatur) ein Sprachmodell antwortet.
Erklärt in: L04 - Text-zu-Audio — Die Erzeugung von Musikstücken, Soundeffekten oder natürlich klingender menschlicher Sprache direkt aus geschriebenen Text-Eingaben (Prompts).
Erklärt in: L08 - Token — Die elementare Verarbeitungseinheit von Sprachmodellen: Ein Wortteil oder eine Silbe (ca. 4 Zeichen), in die Texte zur Berechnung zerlegt werden.
Erklärt in: L04 - Training — Der ressourcenintensive Lernprozess, bei dem ein neuronales Netz an Millionen von Beispielen selbstständig Muster, Sprachregeln und Zusammenhänge erlernt.
Erklärt in: L04, L05 - Voice-Cloning (Stimmklonen) — Die digitale Nachbildung einer menschlichen Stimme anhand kurzer Audio-Referenzproben, sodass die KI beliebige Texte in derselben unverwechselbaren Klangfarbe und Betonung vortragen kann.
Erklärt in: L08