Modul 1

Zusammenfassung

Geprüft am 20.11.2026

KI

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

Parameter anpassen, bis der Fehler klein ist; Hyperparameter gibt der Mensch vor.

Aufteilung

Training, Validierung, Test – Testdaten bleiben verschlossen.

Regression / Klassifikation

Zahl vorhersagen / Kategorie vorhersagen.

Lernarten

Überwacht (Labels), unüberwacht (ohne Labels), bestärkend (Belohnung), selbstüberwacht.

Einsatz

Inferenz als Batch, Echtzeit oder Edge; Überwachung gegen Drift.

Glossar Modul 1

BegriffErklärung
AgentHandelndes System beim bestärkenden Lernen
Data LeakageInformationen aus Test- oder Zukunftsdaten gelangen ins Training
DriftDaten oder Zusammenhänge ändern sich nach dem Training
Foundation ModelGroßes, breit vortrainiertes Basismodell
HyperparameterVor dem Training festgelegte Einstellung
InferenzAnwenden des fertigen Modells auf neue Daten
LabelBekannte richtige Antwort eines Trainingsbeispiels
Merkmal (Feature)Eingabeinformation eines Beispiels
OverfittingAuswendiglernen statt Verallgemeinern
ParameterVom Modell gelernte Stellschraube
PolicyGelernte Handlungsstrategie eines Agenten

Weiter mit Modul 2: Umgang mit Daten – Datenbanken, SQL, Datenqualität, Statistik und Datenschutz.

Hinweise für Lehrende

Reihum erklärt jede Person eine Karte in einem Satz. Ausblick auf Modul 2: Ohne gute Daten kein gutes Modell.