01
DIREKTLINK
Nutze diesen QR-Code, um die Präsentation direkt auf mobilen Geräten zu öffnen, mitzugehen oder den Foliensatz zu teilen.
02
VOM FEUER ZUR KI
Seit dem Auftreten des Homo Sapiens (vor ca. 300.000 Jahren) vergingen Jahrtausende zwischen Erfindungen (Feuer, Steinwerkzeug, Rad). Heute jagt eine Revolution die nächste.
ÜBERSCHÄTZUNG VS. UNTERSCHÄTZUNG
Amaras Gesetz besagt: Wir überschätzen die Wirkung einer neuen Technologie kurzfristig (Hype), unterschätzen sie aber langfristig dramatisch (Integration).
DIE FÜNF EPOCHEN DER KI
Die Geschichte der KI verläuft in Phasen steigender Komplexität. Aus mathematischen Abstraktionen wurden Systeme, die Ziele eigenständig verfolgen.
DAS PRINZIP MUSTERERKENNUNG
Klassische Software führt feste Anweisungen aus. KI hingegen analysiert Daten, sucht Muster und leitet daraus statistische Regeln ab.
DAS BIOLOGISCHE VORBILD
Unsere künstlichen Netze sind stark vereinfachte Modelle der Natur. Jede menschliche Nervenzelle verarbeitet elektrische Signale:
BIO-GEWICHTUNG DER INFORMATION
An den Spalten zwischen Neuronen wird bestimmt, wie stark Signale übertragen werden – die biologische Entsprechung künstlicher „Gewichte“:
WHAT FIRES TOGETHER, WIRES TOGETHER
Lernen hinterlässt physische Pfade. Je häufiger ein Signalweg aktiviert wird, desto leichter fällt der Stromfluss künftig:
WORT-FÜR-WORT STATISTIK
Ein LLM versteht keine inhaltliche Bedeutung. Es sagt basierend auf gelernten Mustern voraus, welches Wortteil (Token) als nächstes folgt.
DAS GILT FÜR ALGORITHMEN UND STUDENTEN
Ob ein Modell (oder ein Student) eine Regel wirklich verstanden hat, zeigt sich erst bei einer völlig neuen Aufgabe:
DREI PHASEN DES LERNENS
Ein Modell wird in mehreren Stufen trainiert, bevor es für uns nützlich wird:
DER EFFIZIENZ-KLASMUR
Das biologische Netz ist ein Meisterwerk der Energieeinsparung. Künstliche Intelligenz imitiert die Struktur, benötigt aber riesige Energiemengen:
DIE GRÖSSE DER SYSTEME
Die KI-Landschaft teilt sich auf. Neben gigantischen Frontier-Modellen in der Cloud gewinnen kompakte, lokale Spezialisten an Bedeutung.
DIE EVOLUTION DER NUTZUNG
Die Art, wie wir mit KI arbeiten, verändert sich fundamental von passiver Beantwortung zu proaktiver Problemlösung:
DAS ZIEL IST PLAUSIBILITÄT
Das Modell berechnet statistische Wahrscheinlichkeiten. Fehlt ihm Information, füllt es diese Lücke mit plausibel klingendem Text auf.
DER ARBEITSSPEICHER DER KI
Das Kontextfenster bestimmt, wie viele Informationen das Modell gleichzeitig im „Kopf“ behalten kann. Zu große Dokumente führen zu Fehlern.
DIE ENGLISCH-DOMINANZ
Über 50% der Trainingsdaten sind englischsprachig. Deutsch macht oft nur etwa 2% aus. Dies führt zu kulturellen Verzerrungen und Übersetzungsfehlern.
RETRIEVAL-AUGMENTED GENERATION
Anstatt sich auf das gelernte, statische Weltwissen zu verlassen, sucht ein RAG-System relevante Abschnitte in Dokumenten und gibt diese an das Modell weiter.
WIE RAG ERKLÄRT WIRD
Vergessen Sie Programmierdetails. Die Koch-Metapher teilt die RAG-Architektur in drei verständliche Teile auf:
KI MIT WERKZEUGEN
Über Schnittstellen greifen Modelle auf externe Programme zu, um Daten zu erheben, Berechnungen durchzuführen oder Aufgaben zu lösen.
WER ERFINDET, WER ENTSCHEIDET?
KI kann unzählige Varianten erzeugen (Divergenz). Aber nur der Mensch kann Sinnhaftigkeit, Ethik und Relevanz bewerten (Konvergenz).
KRAFT DER AUSWAHL
Wissenschaftliche und kreative Prozesse bestehen aus zwei gegensätzlichen Arbeitsschritten, die Mensch und Maschine neu aufteilen:
DIE NEUE MEDIENVIELFALT
Generative KI verarbeitet und erzeugt heute nicht nur Text, sondern nahtlos auch Bilder, Videos, Stimmen und Musik.
WIE BILDER AUS TEXT ENTSTEHEN
Ein Diffusionsmodell lernt nicht, Bilder abzuspeichern. Es lernt, zufälliges Bildrauschen schrittweise zu entfernen, gelenkt durch Textbegriffe:
DER NEUE WERKZEUGKASTEN
Wir nutzen heute eine Vielzahl unterschiedlicher Oberflächen, je nach wissenschaftlicher oder kreativer Anforderung:
DATENSCHUTZ UND LEISTUNG
Die Entscheidung, ob ein Modell in einer externen Cloud oder auf eigener Hardware läuft, hat weitreichende Konsequenzen:
STRUKTURIERTE ANWEISUNGEN
Einzeiler führen oft zu generischen Antworten. Ein professioneller Prompt liefert dem System den nötigen Rahmen:
DAS SYSTEMATISCHE TEMPLATE
Gute Prompts folgen einem klaren Schema. Verwenden Sie diesen Aufbau für komplexe universitäre Aufgabenstellungen:
DIE KÜCHENREGEL IM PROMPTING
„Mise en Place“ bedeutet in der Küche das Bereitstellen aller Zutaten vor dem Kochen. Im Prompting gilt dasselbe: Wer den Kontext strukturiert vorbereitet, führt die KI präzise.
DIREKTE UMSETZUNG OHNE SYNTAX
Vibe Coding betrifft jeden, der Ideen hat. Ein Controller kann sich nun ohne IT-Kenntnisse Daten aus diversen Quellen ziehen, um diese monatlich in einem Dashboard aufzubereiten.
TEAM AUS SPEZIALISTEN
Statt eine Aufgabe an ein einziges Modell zu senden, orchestrieren wir ein Team aus spezialisierten KI-Rollen mit klaren Schnittstellen:
ENTWICKELT VON VANESSA VÖHRINGER
Ein interaktiver Assistent, der anhand von Standort, Küche, Ernährungsweise und Budget den perfekten Codex-Prompt zur Restaurant-Suche generiert.
ENTWICKELT VON RAHEL WELDAI
Ein modulares Dashboard, das Studierende durch automatisierte Werkzeuge beim Lernen und bei der Prüfungsvorbereitung unterstützt.
ENTWICKELT VON BOJANA VUKALJEVIC
Ein Phasen-basiertes Dashboard, das den gesamten Prozess der Berufsfindung von der Orientierung bis zur Einarbeitung strukturiert.
ENTWICKELT VON ADELINA BERISHA
Ein spezialisierter Chatbot, der personalisierte Trainingspläne und Ernährungspläne (z. B. laktosefrei und vegetarisch) erstellt.
ENTWICKELT VON LABINOT BAHTIJARI
Ein interaktiver Termin- und Belegungsplaner für Friseursalons zur Optimierung der Mitarbeiter-Verwaltung und Zeiteinteilung.
Systeme, die durch Mustererkennung eigenständig statistische Regeln lernen, statt starr programmiert zu sein.
Großes Sprachmodell zur statistischen Wort-für-Wort-Vervollständigung basierend auf dem gelernten Kontext.
Methode, bei der die KI vor der Generierung relevante Abschnitte in externen, gesicherten Dokumenten nachschlägt.
Die ausführende Arbeitsumgebung (z.B. Editoren oder Terminal-Agenten), in der KI-Werkzeuge kontrolliert laufen.
KI-Systeme, die in Zyklen arbeiten: Sie setzen sich Teilziele, planen Schritte, nutzen Tools und bewerten Ergebnisse.
Die koordinierte Zusammenarbeit mehrerer spezialisierter Agenten zur Lösung komplexer Aufgabenstellungen.