Die wichtigsten Begriffe der Künstlichen Intelligenz für den Schulunterricht

Unser Lexikon für Schüler enthält die wichtigsten Begriffe der Künstlichen Intelligenz (KI) im Bezug auf den Schulunterricht. Die Begriffserklärungen sind kurz und einfach gehalten.

A

Algorithmus

Ein Algorithmus ist eine Schritt-für-Schritt-Anleitung, die hilft, eine bestimmte Aufgabe zu lösen. Beispiel: Ein Rezept für einen Kuchen ist ein Algorithmus, da es Anweisungen in einer bestimmten Reihenfolge gibt.

Artificial Intelligence (Künstliche Intelligenz)

Künstliche Intelligenz ist ein Bereich der Informatik, der es Computern ermöglicht, Dinge zu tun, die normalerweise menschliche Intelligenz erfordern, wie z. B. Entscheidungen zu treffen oder Sprache zu verstehen. Beispiel: Ein Chatbot auf einer Webseite kann Kundenfragen beantworten.

B

Big Data

Big Data bezieht sich auf extrem große Datenmengen, die mit traditionellen Methoden schwer zu verarbeiten sind. Diese Daten können aus verschiedenen Quellen stammen, wie Social Media, Sensoren und mehr. Beispiel: Die Analyse von Millionen von Posts auf Instagram, um Trends zu erkennen.

Bias (Verzerrung)

Bias beschreibt eine Tendenz oder Vorurteil in den Ergebnissen eines KI-Systems, die auf unausgewogenen oder fehlerhaften Trainingsdaten basiert. Beispiel: Ein KI-System, das aufgrund von Daten nur auf männliche Bewerber optimiert ist, kann weibliche Bewerber benachteiligen.

C

Chatbot

Ein Chatbot ist ein Computerprogramm, das in der Lage ist, Gespräche mit Menschen zu führen. Beispiel: Chatbots auf Shopping-Webseiten helfen Kunden dabei, Produkte zu finden oder Bestellungen aufzugeben.

Computer Vision (Maschinelles Sehen)

Computer Vision ist ein Bereich der KI, bei dem Computer lernen, Bilder oder Videos zu verstehen und zu analysieren. Beispiel: Gesichtserkennung auf Smartphones nutzt Computer Vision, um das Gesicht des Benutzers zu identifizieren.

D

Deep Learning

Deep Learning ist ein Teilbereich des maschinellen Lernens, bei dem neuronale Netze verwendet werden, um Daten zu analysieren und zu verstehen. Beispiel: Deep Learning kann genutzt werden, um Katzen von Hunden auf Bildern zu unterscheiden.

Datenschutz

Datenschutz bezieht sich auf den Schutz persönlicher Daten und die Vertraulichkeit von Informationen, die von KI-Systemen verarbeitet werden. Beispiel: Soziale Medien müssen den Datenschutz berücksichtigen, um die Daten ihrer Nutzer zu schützen.

E

Ethik in der KI

Die Ethik der KI bezieht sich auf moralische Überlegungen bei der Entwicklung und Nutzung von KI-Technologien. Beispiel: Der Einsatz von Gesichtserkennungstechnologie kann ethische Fragen zum Schutz der Privatsphäre aufwerfen.

Expertensystem

Ein Expertensystem ist ein Computerprogramm, das Wissen und Regeln verwendet, um Entscheidungen wie ein menschlicher Experte zu treffen. Beispiel: Ein medizinisches Expertensystem kann Ärzten helfen, Diagnosen zu stellen.

F

Fuzzy Logic

Fuzzy Logic ist eine Methode, um mit ungenauen oder unscharfen Informationen zu arbeiten. Anstatt nur „Ja“ oder „Nein“ zu sagen, kann sie auch Abstufungen dazwischen erkennen. Beispiel: Eine Waschmaschine könnte Fuzzy Logic verwenden, um die optimale Waschdauer zu bestimmen.

Feature Extraction (Merkmalextraktion)

Feature Extraction bedeutet, wichtige Informationen aus großen Datenmengen zu extrahieren, um sie für KI-Modelle nutzbar zu machen. Beispiel: In der Gesichtserkennung werden markante Gesichtszüge als „Merkmale“ extrahiert.

G

Generative KI

Generative KI bezeichnet Systeme, die in der Lage sind, neue Inhalte wie Texte, Bilder oder Musik zu erzeugen. Beispiel: Ein KI-System, das auf Basis von Trainingsdaten neue Musikstücke komponiert.

Gradient Descent (Gradientenabstieg)

Gradient Descent ist eine mathematische Methode, die verwendet wird, um die optimale Lösung für ein maschinelles Lernproblem zu finden. Beispiel: Ein KI-Modell passt seine Parameter mit Gradient Descent an, um Fehler zu minimieren.

H

Hyperparameter

Hyperparameter sind Einstellungen, die vor dem Training eines KI-Modells festgelegt werden müssen und nicht aus den Daten gelernt werden. Beispiel: Die Anzahl der Schichten in einem neuronalen Netz ist ein Hyperparameter.

Hybrid-KI

Hybrid-KI kombiniert verschiedene Arten von KI-Methoden, um bessere Ergebnisse zu erzielen. Beispiel: Ein KI-System, das maschinelles Lernen und regelbasierte Entscheidungen kombiniert.

I

Internet der Dinge (IoT)

Das Internet der Dinge (IoT) bezeichnet Geräte, die miteinander vernetzt sind und Informationen austauschen können. Beispiel: Ein Kühlschrank, der merkt, wenn die Milch leer ist, und automatisch eine Bestellung auslöst.

Intelligente Agenten

Intelligente Agenten sind Programme, die eigenständig Aufgaben erledigen, Entscheidungen treffen und ihre Umgebung wahrnehmen können. Beispiel: Ein Roboterstaubsauger, der eigenständig durch ein Zimmer navigiert.

J

Jupyter Notebook

Jupyter Notebook ist eine Software, die häufig zur Erstellung und Ausführung von KI- und Datenanalyseprogrammen verwendet wird. Beispiel: Programmierer nutzen Jupyter Notebooks, um Code, Diagramme und Texte zusammen zu integrieren.

K

K-Means

K-Means ist ein Clustering-Verfahren, das Daten in Gruppen (Cluster) einteilt. Beispiel: K-Means kann verwendet werden, um Kunden in einem Online-Shop in Gruppen nach Kaufverhalten zu unterteilen.

L

Lernen (Supervised, Unsupervised, Reinforcement Learning)

• Supervised Learning (Überwachtes Lernen): Ein Modell lernt anhand von Beispieldaten mit der richtigen Lösung. Beispiel: Ein Modell lernt, Katzen von Hunden zu unterscheiden, indem es viele Bilder mit Beschriftungen sieht.
• Unsupervised Learning (Unüberwachtes Lernen): Ein Modell lernt Muster in Daten, ohne dass die Daten beschriftet sind. Beispiel: Eine KI kann ähnliche Kundenprofile finden, ohne dass man vorgibt, welche Eigenschaften wichtig sind.
• Reinforcement Learning (Bestärkendes Lernen): Ein Modell lernt durch Belohnung und Bestrafung, was die beste Entscheidung ist. Beispiel: Ein Roboter lernt, ein Labyrinth zu durchqueren, indem er für richtige Schritte belohnt wird.

M

Maschinelles Lernen

Maschinelles Lernen ist ein Bereich der KI, bei dem Computer aus Daten lernen, ohne explizit programmiert zu werden. Beispiel: Ein Modell, das auf Basis vieler E-Mails lernt, Spam von wichtigen Nachrichten zu unterscheiden.

N

Neuronales Netz

Ein neuronales Netz ist ein Computermodell, das ähnlich wie das menschliche Gehirn arbeitet und aus vielen verknüpften „Neuronen“ besteht. Beispiel: Neuronale Netze werden verwendet, um Bilder zu erkennen oder Sprache zu verstehen.

O

Optimierung

Optimierung bezieht sich auf den Prozess, ein KI-Modell so anzupassen, dass es die bestmögliche Leistung erbringt. Beispiel: Die Anpassung der Parameter eines neuronalen Netzes zur Verbesserung der Vorhersagegenauigkeit.

P

Predictive Analytics (Vorhersageanalytik)

Predictive Analytics ist die Anwendung von Datenanalyse-Techniken, um zukünftige Ereignisse oder Verhaltensweisen vorherzusagen. Beispiel: Ein Onlineshop kann vorhersagen, welche Produkte ein Kunde wahrscheinlich kaufen wird.

Q

Q-Learning

Q-Learning ist eine Technik des Reinforcement Learnings, bei der ein Agent lernt, welche Aktionen die besten Belohnungen erzielen. Beispiel: Ein Roboter lernt, wie er Hindernisse vermeiden kann, um ein Ziel zu erreichen.

R

Robotik

Robotik bezieht sich auf die Entwicklung von Robotern, die Aufgaben automatisiert ausführen können. Beispiel: Ein Industrieroboter, der Autos zusammenbaut.

S

Spracherkennung

Spracherkennung ist die Fähigkeit eines Computers, gesprochene Sprache zu verstehen und darauf zu reagieren. Beispiel: Sprachassistenten wie Siri oder Alexa verstehen Sprachbefehle.

T

Turing-Test

Der Turing-Test ist ein Test, um festzustellen, ob eine Maschine menschliches Verhalten so gut nachahmen kann, dass sie nicht von einem Menschen zu unterscheiden ist. Beispiel: Ein Chatbot besteht den Turing-Test, wenn Menschen ihn für einen echten Menschen halten.

U

Überfitting

Überfitting tritt auf, wenn ein Modell so stark an die Trainingsdaten angepasst ist, dass es bei neuen Daten schlechtere Ergebnisse liefert. Beispiel: Ein Modell, das Katzenbilder perfekt erkennt, aber scheitert, wenn es neue Katzenbilder sieht.

V

Verstärkendes Lernen

Verstärkendes Lernen ist eine Methode des maschinellen Lernens, bei der ein Modell durch Belohnungen und Bestrafungen lernt. Beispiel: Ein autonomes Auto lernt, sicher zu fahren, indem es für gute Entscheidungen „belohnt“ wird.

W

Wissensrepräsentation

Wissensrepräsentation ist die Art und Weise, wie Informationen in einer KI gespeichert und organisiert werden. Beispiel: Eine KI, die Rezepte enthält und Empfehlungen basierend auf Zutaten gibt, die man zu Hause hat.

X

XOR-Problem

Das XOR-Problem ist ein klassisches Problem der KI, das zeigt, dass einfache neuronale Netze bestimmte Muster nicht lernen können. Beispiel: Ein einfaches neuronales Netz kann nicht lernen, wann zwei Schalter gleichzeitig an sind.

Y

YOLO (You Only Look Once)

YOLO ist ein Echtzeit-Algorithmus zur Objekterkennung, der Objekte auf Bildern sehr schnell erkennen kann. Beispiel: Ein selbstfahrendes Auto verwendet YOLO, um Fußgänger und andere Fahrzeuge zu erkennen.

Z

Zufallsskala (Random Scale)

Zufallsskala ist ein Konzept, das häufig in stochastischen (zufallsbasierten) Algorithmen verwendet wird, um zufällige Variationen in den Ergebnissen zu erzeugen. Beispiel: Zufallsskalen werden bei der Optimierung von KI-Modellen eingesetzt, um robustere Ergebnisse zu erzielen.