KI-Basics
Künstliche Intelligenz - Was ist das eigentlich genau?
Wenn heute von künstlicher Intelligenz gesprochen wird, ist meist generative KI gemeint. Generative KI kann aus gelernten Mustern neue Inhalte wie Text, Bilder, oder Videos erzeugen. Trainiert wird generative KI durch das sogenannte maschinelle Lernen.
Der KI-Campus erklärt in 2 Minuten, was generative KI ist:
Weiterlesen?
Für eine Einführung in die Themen künstliche Intelligenz, generative KI und maschinelles Lernen empfehlen wir Kapitel 2.1 und Kapitel 2.2 von Lang, Fabian. 2025. Künstliche Intelligenz in Seminar- und Abschlussarbeiten. Ein Praxisleitfaden für Studierende mit Handlungsempfehlungen, Prompt-Beispielen und kritischer Einordnung. Hannover: Springer Vieweg. https://doi.org/10.1007/978-3-662-71542-0
Grundbegriffe
Maschinelles Lernen
Maschinelles Lernen ist ein Teilbereich der Künstlichen Intelligenz. Hierbei lernen Systeme, Muster und Zusammenhänge in großen Datensätzen zu erkennen, um darauf basierend Vorhersagen oder Entscheidungen treffen zu können. Dabei kommt häufig das sogenannte Deep Learning zum Einsatz, eine spezielle Form des maschinellen Lernens, die auf künstlichen neuronalen Netzen mit teilweise verdeckten Neuronen-Schichten basiert.
Weiterlesen: Für eine Einführung in die Themen künstliche Intelligenz, generative KI und maschinelles Lernen empfehlen wir Kapitel 2.1 und Kapitel 2.2 von Lang, Fabian. 2025. Künstliche Intelligenz in Seminar- und Abschlussarbeiten. Ein Praxisleitfaden für Studierende mit Handlungsempfehlungen, Prompt-Beispielen und kritischer Einordnung. Hannover: Springer Vieweg. https://doi.org/10.1007/978-3-662-71542-0
Large Language Modell (LLM)
Large Language Modells (LLMs) sind Deep-Learning-Modelle, die auf Basis statistischer Berechnungen die Wahrscheinlichkeitsverteilung von Sprache ermitteln. Sie bilden die technische Grundlage für KI zur Generierung von Sprachoutput wie ChatGPT, Claude oder Copilot.
Weiterlesen: Die grundlegenden Funktionsweisen von LLMs werden beschrieben in Kapitel 2.3 von Lang, Fabian. 2025. Künstliche Intelligenz in Seminar- und Abschlussarbeiten. Ein Praxisleitfaden für Studierende mit Handlungsempfehlungen, Prompt-Beispielen und kritischer Einordnung. Hannover: Springer Vieweg. https://doi.org/10.1007/978-3-662-71542-0
Allgemeine Empfehlungen für den Umgang mit KI
Kritische Reflexion
Die Ergebnisse von KI-Systemen sollten grundsätzlich kritisch bewertet werden. Generative KI basiert auf statistischen Modellen, die Muster, häufige Aussagen und vorherrschende Perspektiven aus zuvor genutzten Trainingsdaten nachbilden. Enthalten diese Daten Verzerrungen oder einseitige Darstellungen (Biases), spiegeln sich diese entsprechend auch in den erzeugten Ergebnissen wider. Abhängig vom jeweiligen Fachgebiet und der konkreten Fragestellung können die Resultate daher entweder sehr hilfreich und zutreffend oder fehlerhaft und irreführend sein.
Datenschutz
Verzichten Sie bei der Nutzung von KI-Tools auf die Eingabe personenbezogener oder sensibler Daten. Der Unternehmenssitz der meisten Anbieter befindet sich derzeit noch in den USA, sodass nicht transparent nachvollzogen werden kann, wie die eingegebenen Informationen verarbeitet oder weiterverwendet werden.
Geistiges Eigentum
Generative KI-Systeme erzeugen Inhalte auf Grundlage bereits vorhandener Daten, wodurch Fragen des geistigen Eigentums von besonderer Bedeutung sind. In den Trainingsdaten einer KI können sich beispielsweise urheberrechtlich geschützte Werke befinden, was dazu führen kann, dass auch die generierten Inhalte rechtlich problematisch sind. Ebenso können Materialien, die Sie selbst zur Analyse oder Überprüfung in eine KI einspeisen, dem Urheberrecht unterliegen.
