Diese E-Mail-Adresse ist vor Spambots geschützt! Zur Anzeige muss JavaScript eingeschaltet sein.

Begriffe und Definitionen zum Thema Künstliche Intelligenz & Machine Learning

Computer Vision

Computer Vision ist ein zentrales Anwendungsfeld der Künstlichen Intelligenz. Ziel ist es, Maschinen das „Sehen“ beizubringen – also die Fähigkeit, visuelle Informationen wie Bilder und Videos zu analysieren, zu interpretieren und darauf zu reagieren.

Definition:
Computer Vision (deutsch: maschinelles Sehen) bezeichnet ein Teilgebiet der Künstlichen Intelligenz, das sich mit der automatisierten Verarbeitung und Interpretation visueller Daten beschäftigt. Mithilfe komplexer Algorithmen – oft basierend auf Deep-Learning-Architekturen – erkennt ein System Muster, Objekte, Bewegungen oder Zusammenhänge in Bildern oder Videostreams. Dabei werden verschiedene Aufgaben wie Bilderkennung, Objekterkennung, Segmentierung, Klassifikation oder Verfolgung von Bewegungen durchgeführt.

Erklärung:
Ein Computer-Vision-System funktioniert ähnlich wie das menschliche Sehen – jedoch digital: Die Kamera dient als Auge, der Algorithmus als Gehirn. Während ein Mensch intuitiv ein Auto auf der Straße erkennt, muss ein Computer trainiert werden, um solche Objekte sicher zu identifizieren – z. B. durch zehntausende Beispielbilder. Moderne Computer-Vision-Modelle verwenden neuronale Netzwerke, um Strukturen in Bildern zu erkennen, Gesichter zu unterscheiden oder komplexe Umgebungen zu analysieren.
Diese Technologie ist essenziell für Anwendungen, bei denen visuelle Daten die zentrale Informationsquelle sind.

Praxisbeispiele:

  • Tesla und BMW nutzen Computer Vision in ihren Fahrerassistenzsystemen und autonomen Fahrzeugen zur Erkennung von Verkehrsteilnehmern, Straßenschildern und Fahrspuren.

  • Amazon Go betreibt kassenlose Supermärkte, in denen Computer-Vision-Systeme überwachen, welche Produkte Kund:innen aus dem Regal nehmen.

  • Instagram verwendet Computer Vision zur automatisierten Erkennung von Bildinhalten für Empfehlungen, Werbung oder zum Erkennen unerwünschter Inhalte.

  • Zalando analysiert Produktfotos mittels Computer Vision, um Outfits zu erkennen, Stil-Empfehlungen zu geben oder visuelle Suchfunktionen bereitzustellen.

Für wen relevant?
Computer Vision ist besonders relevant für KI-Entwickler:innen, Data Scientists, Robotik-Ingenieur:innen, Bildverarbeitungsspezialist:innen, aber auch für Fachkräfte in Bereichen wie E-Commerce, Automotive, Sicherheits- und Überwachungstechnologie, Medizintechnik oder Marketing.

Alle Begriffe zum Thema Künstliche Intelligenz & Maschine Learning

Algorithmen sind das Fundament aller computerbasierten Problemlösungen – sie strukturieren Denkprozesse in einer Form, die Maschinen verstehen und ausführen können. In der Künstlichen Intelligenz sind sie das zentrale Werkzeug, um lernfähige und automatisierte Systeme zu realisieren.

Weiterlesen

Computer Vision ist ein zentrales Anwendungsfeld der Künstlichen Intelligenz. Ziel ist es, Maschinen das „Sehen“ beizubringen – also die Fähigkeit, visuelle Informationen wie Bilder und Videos zu analysieren, zu interpretieren und darauf zu reagieren.

Weiterlesen

Deep Learning gehört zu den Schlüsseltechnologien der digitalen Wirtschaft. Es bildet die Grundlage für viele moderne Anwendungen im Bereich der Künstlichen Intelligenz – von personalisierten Empfehlungen bis hin zu autonomen Fahrzeugen.

Weiterlesen

Mit dem rasanten Fortschritt in der Entwicklung und Anwendung von Künstlicher Intelligenz wächst auch die Verantwortung, deren Auswirkungen auf Individuen, Gesellschaft und Demokratie ethisch zu reflektieren und zu gestalten. Die Ethik der KI beschäftigt sich mit der Frage, wie KI-Systeme menschenwürdig, gerecht und verantwortungsvoll entwickelt und eingesetzt werden können.

Weiterlesen

Natural Language Processing (kurz: NLP) ermöglicht es Maschinen, menschliche Sprache zu verstehen, zu analysieren, zu generieren und darauf zu reagieren. Damit steht NLP im Zentrum vieler moderner Anwendungen der KI – von Chatbots bis hin zu automatischer Übersetzung und Textanalyse.

Weiterlesen

Neuronale Netzwerke bilden das Herzstück moderner KI-Systeme. Inspiriert vom menschlichen Gehirn, ermöglichen sie Maschinen das "Lernen" aus Daten – eine Grundlage für viele Anwendungen der digitalen Transformation.

Weiterlesen

Die Begriffe starke KI und schwache KI dienen der grundlegenden Unterscheidung zwischen gegenwärtig realisierbaren KI-Anwendungen und hypothetischen, menschenähnlichen Intelligenzen. Diese Unterscheidung ist zentral für die Bewertung des Entwicklungsstands und der ethischen Implikationen von KI-Systemen.

Weiterlesen

Maschinelles Lernen – das Herzstück moderner KI – basiert auf verschiedenen Lernmethoden. Die beiden wichtigsten Ansätze sind das überwachte (supervised) und das unüberwachte (unsupervised) Lernen. Sie unterscheiden sich grundlegend darin, wie mit Daten gearbeitet wird – insbesondere im Hinblick auf die Verfügbarkeit von Zielinformationen.

Weiterlesen