Modul 1: Grundbegriffe von KI und Maschinellem Lernen

Dieses Modul legt das Fundament für den ganzen Kurs zum Bachelor Professional in KI und Maschinellem Lernen. Sie brauchen kein Vorwissen: Jeder Begriff kommt zuerst mit einem Bild aus dem Alltag und danach mit der genauen Erklärung, wie Sie sie in der Prüfung brauchen. Am Ende können Sie KI-Vorhaben im Betrieb richtig einordnen – die wichtigste Grundlage, um später Projekte zu planen, zu bewerten und zu führen.

  1. EinführungGrundbegriffe: Was KI ist, wie eine Maschine lernt und wofür man sie einsetzt Dieses Modul legt das Fundament für den ganzen Kurs zum Bachelor Professional in KI und Maschinellem Lernen. Sie brauchen kein Vorwissen: Jeder Begriff kommt zuerst mit einem Bild aus dem Alltag und danach mit der genauen Erklärung, wie Sie sie in der Prüfung brauchen. Am Ende können Sie KI-Vorhaben im Betrieb richtig ei
  2. ÜbungenTragen Sie Ihre Antworten direkt in die Felder unter jeder Aufgabe ein. Auswahlfelder und Zahlen prüft die Seite sofort. Freitext-Antworten bewertet auf Knopfdruck die KI wie ein IHK-Prüfer, mit Punkten und Begründung. Öffnen Sie die Musterlösung erst danach.
  3. Abschlussquiz20 Fragen im Stil der schriftlichen Prüfung, jeweils eine richtige Antwort. Ab 14 richtigen Antworten (70 %) sind Sie gut vorbereitet. Auswerten Neu beginnen
  4. ZusammenfassungKI Oberbegriff für Systeme, die Denkaufgaben übernehmen – auch regelbasiert. Maschinelles Lernen Regeln werden aus Beispielen gelernt statt programmiert. Deep Learning ML mit vielschichtigen neuronalen Netzen; stark bei Bild, Ton, Text. Generative KI Erzeugt neue Inhalte; beruht auf selbstüberwacht trainierten Basismodellen. Daten Beispiele (Zeilen), Merkmale (Spalten), Label (Zielgröße). Training

Teil A · Was ist KI?

  1. Lektion 1: KI im Alltag und im BetriebWo ein Computer aus vielen früheren Beispielen eine Einschätzung für einen neuen Fall ableitet, steckt fast immer maschinelles Lernen.
  2. Lektion 2: Was ist KI?KI = Systeme, die Denkaufgaben übernehmen. Nicht jede KI lernt – aber die moderne KI fast immer.
  3. Lektion 3: Die vier EbenenJedes Deep Learning ist maschinelles Lernen, und jedes maschinelle Lernen ist KI – aber nicht umgekehrt.
  4. Lektion 4: Daten als WissenEin Modell weiß nur, was in seinen Daten steckt. Fehlt ein wichtiger Einfluss in den Daten, kann es ihn nicht lernen.

Teil B · Wie Maschinen lernen

  1. Lektion 5: Wie eine Maschine lerntLernen heißt: Parameter so lange verstellen, bis die Vorhersagen auf den Trainingsbeispielen möglichst wenig falsch sind.
  2. Lektion 6: Training, Validierung, TestTestdaten sind wie die echte Prüfung: Sie bleiben bis zum Schluss verschlossen – sonst ist das Ergebnis geschönt.
  3. Lektion 7: RegressionRegression = Vorhersage einer Zahl.
  4. Lektion 8: KlassifikationKlassifikation = Vorhersage einer Kategorie. Die Wahrscheinlichkeit dahinter wird über eine Schwelle zur Entscheidung.

Teil C · Arten des maschinellen Lernens

  1. Lektion 9: Überwachtes LernenÜberwacht = mit Labels. Ergebnis: eine Zahl (Regression) oder eine Kategorie (Klassifikation).
  2. Lektion 10: Unüberwachtes LernenUnüberwacht = ohne Labels. Das Verfahren findet Gruppen, Ausreißer oder Vereinfachungen; die Bedeutung legt ein Mensch fest.
  3. Lektion 11: Bestärkendes LernenBestärkend = ein Agent lernt durch Ausprobieren, welche Handlungen sich langfristig lohnen.
  4. Lektion 12: Selbstüberwachtes LernenSelbstüberwacht = die Daten liefern ihre Aufgaben selbst. So entstehen große Basismodelle, die man danach anpasst.

Teil D · KI im Einsatz

  1. Lektion 13: Algorithmen im ÜberblickEs gibt nicht „den besten“ Algorithmus. Gewählt wird nach Datenart, Datenmenge, geforderter Genauigkeit und Erklärbarkeit.
  2. Lektion 14: Einsatz von KI-ModellenTraining ist einmalig, Inferenz läuft täglich – und Überwachung hört nie auf.
  3. Lektion 15: Beispielanwendungen nach BranchenEin KI-Anwendungsfall ist erst dann gut beschrieben, wenn klar ist, welche Entscheidung besser wird und woran man das misst.
  4. Lektion 16: Die richtige Lernart wählenErst fragen: Handeln mit Belohnung? Dann: Gibt es Labels? Dann: Zahl oder Kategorie?
  5. Lektion 17: Geschichte in MeilensteinenDrei Dinge haben den Durchbruch gebracht: viele Daten, viel Rechenleistung (GPUs) und bessere Verfahren (Backpropagation, Transformer).