Es gibt unzählige neue Fachbegriffe im Bereich der künstlichen Intelligenz. Diese Tabelle gibt einen Überblick über die wichtigsten Begriffe im Bereich der KI.
| Begriff | Beschreibung |
|---|---|
| Algorithmen | Schritt-für-Schritt-Anweisungen, die eine Maschine befolgt, um ein bestimmtes Problem zu lösen. |
| API (Application Programming Interface) | Eine Schnittstelle, über die verschiedene Software-Anwendungen miteinander kommunizieren können. |
| Augmented Reality (AR) | Die Überlagerung digitaler Informationen über die reale Welt, oft mithilfe von Kameras und Displays. |
| Automatisierung | Der Einsatz von Technologie, um Aufgaben ohne menschliches Eingreifen auszuführen. |
| Automated Machine Learning (AutoML) | Ein Bereich, der die Automatisierung des Erstellens von ML-Modellen umfasst, sodass keine tiefen Kenntnisse erforderlich sind. |
| Bestärkendes Lernen | Ein ML-Ansatz, bei dem Modelle durch Belohnungen und Strafen lernen, wie sie Aufgaben ausführen. |
| Bias | Verzerrungen in KI-Modellen, die durch unausgewogene oder voreingenommene Trainingsdaten entstehen können. |
| Big Data | Große Datenmengen, die analysiert werden, um Muster, Trends und Zusammenhänge zu erkennen. |
| Chatbot | Ein KI-gesteuertes Programm, das menschliche Konversation simulieren kann, häufig für Kundenservice-Anwendungen. |
| Cloud Computing | Der Einsatz von Servern im Internet zum Speichern, Verwalten und Verarbeiten von Daten anstatt auf lokalen Servern. |
| Cognitive Bias | Systematische Fehler im Denken, die menschliche Entscheidungen beeinflussen, oft auch ein Thema in der KI-Entwicklung. |
| Cognitive Computing | Eine KI-Disziplin, die menschliche Denkprozesse nachahmt, um bessere Entscheidungen zu treffen. |
| Computer Vision | Ein KI-Bereich, der sich auf das Verstehen und Interpretieren visueller Informationen (Bilder, Videos) konzentriert. |
| Data Science | Ein Bereich, der sich mit der Extraktion von Wissen und Erkenntnissen aus strukturierten und unstrukturierten Daten befasst. |
| Daten | Informationen, die in ML-Modellen verwendet werden, um Muster zu lernen und Vorhersagen zu treffen. |
| Datensatz | Eine Sammlung von Daten, die zum Trainieren oder Testen von ML-Modellen verwendet wird. |
| Deep Learning | Ein spezielles ML-Verfahren, das auf tiefen neuronalen Netzwerken basiert und besonders für komplexe Mustererkennung geeignet ist. |
| Edge Computing | Die Verarbeitung von Daten direkt an der Quelle, z. B. auf Geräten vor Ort, anstatt sie in ein Rechenzentrum zu senden. |
| Feature | Ein spezifisches Merkmal oder Attribut, das für die Analyse und das Lernen in ML-Modellen verwendet wird. |
| Fuzzy Logic | Ein Konzept, das vage oder unscharfe Daten verarbeiten kann, ähnlich wie menschliches Denken. |
| GANs (Generative Adversarial Networks) | Ein Paar von neuronalen Netzwerken, die zusammenarbeiten, um neue Daten zu generieren und zu bewerten. |
| Hyperparameter | Einstellungen, die die Struktur und das Verhalten eines ML-Modells beeinflussen, aber nicht direkt aus den Daten gelernt werden. |
| KI-Ethik | Ein Bereich, der sich mit den moralischen und ethischen Implikationen von KI-Technologien befasst. |
| Klassifikation | Ein ML-Aufgabentyp, bei dem Daten in Kategorien eingeteilt werden. |
| Künstliche Intelligenz (KI) | Ein Bereich der Informatik, der sich mit der Schaffung von Maschinen beschäftigt, die menschenähnliche Intelligenz zeigen. In der englischen Sprache wird KI als „artificial intelligence“ (AI) bezeichnet. |
| Künstliches neuronales Netz (KNN) | Eine spezifische Architektur von Neuronalen Netzwerken, die die Funktionsweise des menschlichen Gehirns simuliert. |
| Large Language Models (LLM) | Ein Large Language Model nutzt Techniken des maschinellen Lernens, um menschliche Sprache zu verstehen und zu generieren. |
| Machine Learning (ML) | Ein Teilgebiet der KI, bei dem Algorithmen aus Daten lernen und Vorhersagen oder Entscheidungen treffen. |
| Modell | Eine mathematische Repräsentation, die aus Daten gelernten Beziehungen oder Mustern verwendet, um Vorhersagen zu treffen. |
| NLP (Natural Language Processing) | Ein KI-Bereich, der sich auf die Verarbeitung und Analyse von natürlicher Sprache konzentriert. |
| Neuronales Netzwerk | Ein Modell, das vom menschlichen Gehirn inspiriert ist und aus verbundenen „Neuronen“ besteht, um Daten zu verarbeiten. |
| Optimierung | Der Prozess, bei dem die besten Parameter für ein Modell gefunden werden, um seine Leistung zu maximieren. |
| Overfitting | Wenn ein ML-Modell zu genau auf die Trainingsdaten abgestimmt ist und dadurch schlecht bei neuen Daten abschneidet. |
| Predictive Analytics | Der Einsatz statistischer Methoden und ML, um zukünftige Ereignisse basierend auf historischen Daten vorherzusagen |
| Quantum Computing | Eine Technologie, die auf den Prinzipien der Quantenmechanik basiert und potenziell extrem leistungsfähige KI-Anwendungen ermöglicht. |
| Regression | Ein ML-Aufgabentyp, bei dem kontinuierliche Werte vorhergesagt werden, wie z. B. Temperaturen oder Preise. |
| Reinforcement Learning | Ein weiteres Wort für Bestärkendes Lernen, wo Maschinen durch Belohnungen und Bestrafungen lernen. |
| RPA (Robotic Process Automation) | Die Automatisierung sich wiederholender Geschäftsprozesse durch den Einsatz von Software-Robotern. |
| Robotics | Ein KI-Bereich, der sich mit der Entwicklung und Steuerung von Robotern beschäftigt. |
| Semantic Web | Eine Erweiterung des bestehenden Internets, die eine bessere maschinelle Verarbeitung von Informationen ermöglicht |
| Training | Der Prozess, bei dem ein ML-Modell durch Beispiele lernt, wie es Aufgaben ausführt. |
| Transfer Learning | Eine Technik, bei der ein bereits trainiertes Modell für eine neue, aber verwandte Aufgabe verwendet wird. |
| Turing-Test | Ein Test, bei dem ein Mensch beurteilt, ob er mit einem anderen Menschen oder einer Maschine interagiert. |
| Überwachtes Lernen | Ein ML-Ansatz, bei dem Modelle mit gekennzeichneten Daten trainiert werden (mit richtigen Antworten). |
| Underfitting | Wenn ein ML-Modell zu ungenau ist, um aus den Trainingsdaten sinnvolle Muster zu lernen. |
| Unüberwachtes Lernen | Ein ML-Ansatz, bei dem Modelle mit unmarkierten Daten trainiert werden, um Muster selbstständig zu finden. |
| Virtual Reality (VR) | Eine vollständig computergenerierte Umgebung, die Benutzern ein immersives Erlebnis bietet. |
