Definitionen Künstliche Intelligenz – KI Glossar, Lexikon & Begriffe

Einfach erklärt Markow‑Entscheidungsproblem (Markov Decision Process, MDP) Ein MDP beschreibt schrittweise Entscheidungen in einer unsicheren Umgebung. In jedem Schritt befindet sich ein System in einem Zustand, wählt eine Aktion, erhält eine Belohnung und gelangt mit einer gewissen Wahrscheinlichkeit in den nächsten Zustand. Ziel ist, eine Regel (Strategie) zu finden, die auf lange Sicht möglichst viel…

Einfach erklärt Meta‑Lernen heißt wörtlich „Lernen zu lernen“: Ein System übt nicht nur eine einzelne Aufgabe, sondern lernt wie man schnell und mit wenigen Beispielen neue, ähnliche Aufgaben lösen kann. Ganz einfache Beispiele: • Neues Tier nach wenigen Fotos: Das System hat schon viele Tieraufgaben geübt und kann sich rasch an eine neue Art anpassen.•…

Einfach erklärt Mikro‑Robotik beschäftigt sich mit winzigen Robotern – oft kleiner als 1 Millimeter. Diese Mini‑Roboter können sich bewegen, greifen, messen oder kleine Aufgaben erledigen. In dieser Mikro‑Welt gelten etwas andere Regeln als in unserer Alltagswelt: Beispiel 1 – Medizin (Arznei gezielt hinbringen): Ein magnetisch gesteuerter Mikro‑Schwimmer trägt Mikro‑Mengen eines Medikaments und wird per Magnetfeld zu einer…

Einfach erklärt Kleine Datenportion für einen Trainingsschritt. Ein Mini‑Batch ist eine kleine Gruppe von Beispielen, die das Modell in einem Schritt gemeinsam verarbeitet. So kann es stabilere Updates machen als mit einem einzelnen Beispiel und effizienter rechnen als mit dem ganzen Datensatz auf einmal. Kurz: Ein paar Beispiele bündeln → gemeinsam vorwärts/rückwärts rechnen → Gewichte…

Einfach erklärt Model Averaging bedeutet: Mehrere Modelle geben jeweils eine Vorhersage ab, und wir bilden daraus einen Durchschnitt (z. B. Mittelwert oder gewichteten Mittelwert). So gleichen sich Zufallsschwankungen und einzelne Fehler aus – die Gesamtaussage wird stabiler und oft genauer. Ganz einfache Beispiele: • Preisvorhersage: Drei Modelle schätzen einen Preis. Der Durchschnitt ist oft näher am…

Einfach erklärt Model Collapse bezeichnet einen degenerativen Prozess in generativen KI-Modellen, bei dem die Modellleistung nach und nach immer schlechter und einseitiger wird, wenn Modelle wiederholt auf von KI erzeugten Daten (synthetic data) trainiert werden – insbesondere auf ihren eigenen früheren Outputs. Mit jeder „Generation“ wird weniger echte Vielfalt aus der ursprünglichen Datenverteilung abgedeckt. Zuerst…

Einfach erklärt Model Compression bedeutet, ein KI‑Modell so kleiner, schneller und sparsamer zu machen, dass es weniger Speicher, weniger Rechenaufwand und weniger Energie braucht – bei möglichst gleicher Qualität. Das erreicht man durch Werte gröber speichern (Quantization), Überflüssiges entfernen (Pruning), Strukturen vereinfachen (Low‑Rank/Factorization) oder Wissen in kleinere Modelle übertragen (Distillation). Kurz: Überflüssiges weg → Zahlen…

Einfach erklärt Model Explainability (Erklärbarkeit) bedeutet: Das Modell muss sagen können, warum es so entschieden hat. Nicht nur das Ergebnis („Kredit abgelehnt“), sondern die nachvollziehbaren Gründe dafür („zu hohes Ausfallrisiko wegen Einkommen X und Schulden Y“). Ziel: Entscheidungen für Menschen prüfbar machen statt „Black Box sagt so“. Kurz: Ergebnis + Begründung, in menschlich verständlicher Form.…

Einfach erklärt Model Interpretability (Modellinterpretierbarkeit) bedeutet: Nachvollziehbar machen, warum ein KI-/ML-Modell so entscheidet, wie es entscheidet. Wir wollen verstehen, welche Eingabefaktoren (Features) zu welcher Vorhersage geführt haben – statt nur blind der „Black Box“ zu vertrauen. Kurz: Welche Teile der Eingabe haben wie stark zur Entscheidung beigetragen – und kann ein Mensch das verstehen? Ganz…

Einfach erklärt Mehrkopf‑Aufmerksamkeit bedeutet: Das Modell schaut gleichzeitig auf mehrere Arten nach wichtigen Stellen – so, als ob mehrere „Blicke“ parallel über den Text/Bild laufen. Jeder „Kopf“ achtet auf andere Beziehungen (z. B. Nähe, Fernbezug, Wortart). Am Ende werden die Ergebnisse kombiniert, damit die Vorhersage genauer wird. Ganz einfache Beispiele: • Satzbezug: Ein Kopf achtet auf…