KI Wiki
| Autonome Systeme | Autonome Systeme sind in der Lage ohne menschliche Hilfe Probleme zu lösen und durch Analyse der Situation zu Entscheidungen zu treffen. Ein Beispiel hierfür ist das autonome Fahren. |
| Big Data | Unter Big Data werden große, schwer zu verarbeitenden Datenmengen verstanden, die durch die Entwicklung in Bereichen wie Internet und Digitalisierung immer weiter wachsen. |
| Bot | Ein Bot ist ein automatisch arbeitendes Programm, dass sich wiederholende Aufgaben erledigt. |
| Clustering | Durch Clustering werden aus großen Datenmengen Gruppen gebildet, die gleiche oder ähnliche Informationen enthalten. |
| Data Mining | Der Prozess des Data Mining beschreibt die gezielte Gewinnung von Informationen aus großen Datenmengen durch Analyse und Schlussfolgerung. |
| Deep Learning | Künstliche Intelligenzen, die auf die Methode des Deep Learning zurückgreifen, sind nicht mehr auf die Hilfe von Menschen angewiesen. Sie arbeiten mit Neuronalen Netzen und sind in der Lage, bereits Gelerntes mit neuen Informationen zu verknüpfen, um auch in neuen Situationen passend reagieren zu können und ihr eigenes Verhalten zu hinterfragen. |
| Input | Der Input beinhaltet die Informationen, die einer KI zur Analyse gegeben werden. |
| Internet of Things | Zum Internet of Things (IoT) gehören alle Geräte, die sich mit dem Internet verbinden und somit kommunizieren können. Dabei beinhaltet der Begriff insbesondere die Vernetzung von Alltagsgeräten, welche mit Sensoren ausgestattet werden und die entsprechenden Daten an andere Geräte des IoT kommunizieren. |
| KI-Ethik | In der KI-Ethik geht es um die Frage nach Werten und moralischen Richtlinien der Gesellschaft und in wie weit diese auch bei der Entwicklung von Künstlichen Intelligenzen von Bedeutung sind. |
| Machine Learning | Das Machine Learning eine Form der künstlichen Intelligenz, bei welchem maschinell Wissen aus Daten erfasst wird. Dabei ist das Ziel nicht das Auswendiglernen, sondern die Generalisierbarkeit des Gelernten auf neue Daten. In den meisten Fällen, in denen heutzutage von KI gesprochen wird, ist von Machine Learning die Rede. |
| Multi-Agenten-Systeme | Multi-Agenten-Systeme bestehen aus mehreren Untereinheiten, die gemeinsam an einem Problem arbeiten. |
| Neuronale Netze | Neuronale Netze sind der Struktur des menschlichen Gehirns nachempfunden und dienen der Analyse von Daten. |
| Output | Der Output beinhaltet die von der KI verarbeiteten und analysierten Daten des Inputs. |
| Quantencomputer | Quantencomputer nutzen zum lösen von Problemen die Gesetze der Quantenmechanik. Dadurch sind sie bedeutend leistungsfähiger als gewöhnliche Computer und können Probleme sehr viel schneller lösen. Auch ist es ihnen möglich, mehrere mögliche Pfade eines gegebenen Algorithmus gleichzeitig zu berechnen. |
| Reinforcement Learning | Für die Methode des Reinforcement Learnings wird im Gegensatz zum Machine Learning kein Datensatz zum Training benötigt. Alle Informationen werden aus eigenständiger Interaktion mit der Umgebung gewonnen, wobei der Algorithmus dem Prinzip von Versuch-und-Irrtum folgt. |
| Roboter | Unter einem Roboter wird eine programmierbare Maschine verstanden, die immer wieder eine bestimmte Arbeit verrichtet. |
| Supercomputer | Unter dem Begriff Supercomputer werden Computer zusammengefasst, die durch über eine bedeutend größere Rechenleistung verfügen, als normale Computer und dadurch komplexe Probleme vergleichsweise schnell lösen können. Anwendung finden sie beispielsweise in der Analyse von Wetter- und Klimadaten, wodurch genau Wettervorhersagen ermöglicht werden. |
| Turing Test | Dieser Test wurden von Alan Turing entwickelt und dient zur Erkennung von Künstlichen Intelligenzen. Laut diesem Test kann eine Maschine eigenständig denken, sofern ein Mensch in einem fünf-minütigen Gespräch nicht erkennt, dass er sich nicht mit einem Menschen, sondern mit einer Maschine unterhält. Allerdings ist dieser Test heute nicht mehr aktuell. |
| Künstliche Intelligenz | KI bezieht sich auf die Entwicklung von Computeralgorithmen und -systemen, die menschenähnliche Denk- und Lernprozesse simulieren. Sie ermöglichen Maschinen, Entscheidungen zu treffen, Probleme zu lösen und menschenähnliche Aufgaben auszuführen. |
| Algorithmus | Ein Algorithmus ist eine spezifische Abfolge von Anweisungen oder Regeln, die festlegen, wie ein Computer eine bestimmte Aufgabe ausführt. Algorithmen sind grundlegend für die Funktionsweise von Computerprogrammen. |
| Neuronales Netzwerk | Ein neuronales Netzwerk ist ein Modell, das von der Funktionsweise des menschlichen Gehirns inspiriert ist. Es besteht aus miteinander verbundenen künstlichen Neuronen und wird zur Mustererkennung, Datenanalyse und Entscheidungsfindung eingesetzt. |
| Supervised Learning | Bei diesem Lernansatz wird ein Modell mit gelabelten Trainingsdaten trainiert. Das Modell lernt, indem es Korrelationen zwischen Eingabe und Ausgabe identifiziert, um Vorhersagen für neue Daten zu treffen. |
| Unsupervised Learning | Beim unüberwachten Lernen werden Modelle auf nicht gelabelten Daten trainiert. Sie identifizieren Muster und Strukturen in den Daten, ohne vorherige Kategorisierung. |
| Reinforcement Learning | Hier lernt ein Modell durch Interaktion mit seiner Umgebung. Es erhält Belohnungen oder Strafen basierend auf seinen Aktionen, was dazu führt, dass es optimale Entscheidungen trifft. |
| Natural Language Processing | NLP befasst sich mit der Fähigkeit von Computern, menschliche Sprache in Textform zu verstehen, zu interpretieren, zu generieren und darauf zu reagieren. Es umfasst Übersetzungen, Chatbots, Textanalyse und mehr. |
| Computer Vision | Computer Vision ermöglicht Computern die Interpretation und Analyse von visuellen Informationen aus Bildern oder Videos. Es wird für Anwendungen wie Gesichtserkennung, Objekterkennung und autonomes Fahren eingesetzt. |
| Autonome Systeme | Diese Systeme sind in der Lage, Aufgaben und Entscheidungen selbstständig auszuführen, ohne menschliche Eingriffe. Beispiele sind autonome Fahrzeuge und Drohnen. |
| Datenanalyse | Datenanalyse bezieht sich auf die Untersuchung von Daten, um Muster, Trends und Erkenntnisse zu identifizieren. Sie umfasst Techniken wie Data Mining, Visualisierung und statistische Analysen. |
| Predicitve Analytics | Diese Technik nutzt Daten, statistische Algorithmen und maschinelles Lernen, um zukünftige Ereignisse und Trends vorherzusagen. Es hilft Organisationen, fundierte Entscheidungen zu treffen. |
| Ethik der KI | Die Ethik der KI befasst sich mit den moralischen Implikationen des Einsatzes von KI-Technologien, einschließlich Fragen der Privatsphäre, Sicherheit, Gerechtigkeit und Transparenz. |
| Bias In KI | Bias in KI bezieht sich auf unerwünschte Vorurteile oder Verzerrungen in den Ergebnissen von KI-Systemen, die auf den Daten oder Algorithmen beruhen. Es ist ein ernstes Anliegen und erfordert Maßnahmen zur Minimierung. |
| Erklärbare KI | Erklärbare KI bezieht sich darauf, dass KI-Modelle und ihre Entscheidungen auf eine verständliche Weise erklärt werden können, um Benutzern und Interessengruppen das Vertrauen und das Verständnis für die Technologie zu erleichtern. Dies ist besonders wichtig, um Entscheidungen nachvollziehbar und transparent zu machen. |
KI FÜR DICH!
Förderung
KI4ALL wird durch das Bundesministerium für Bildung und Forschung sowie durch das Land Niedersachsen im Zuge der Förderinitiative “Künstliche Intelligenz in der Hochschulbildung” gefördert.
Projektlaufzeit: Dezember 2021 – November 2025 mit bewilligten Fördermitteln von 5 Millionen Euro.
Kontakt
Du hast Fragen oder möchtest mit uns Kontakt aufnehmen? Schreib uns doch einfach eine Mail:
Weitere Informationen
Hauptbild: Team KI4ALL
Microcredits: TU Braunschweig
Universitätslogos: TU Braunschweig, TU Clausthal, Ostfalia
Projektbeteiligte: Individuum
German 
English