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

Begriffe und Definitionen zum Thema Künstliche Intelligenz & Machine Learning

Natural Language Processing

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.

Definition:
Natural Language Processing ist ein interdisziplinäres Forschungsfeld an der Schnittstelle von Linguistik, Informatik und Künstlicher Intelligenz. Es umfasst Methoden und Algorithmen, mit denen Computer natürliche Sprache (gesprochen oder geschrieben) in strukturierte Informationen umwandeln, Bedeutung extrahieren oder selbst sprachliche Inhalte erzeugen können. NLP vereint klassische regelbasierte Verfahren mit modernen Machine- und Deep-Learning-Modellen.

Erklärung:
Sprache ist für Maschinen zunächst nur eine Zeichenfolge. NLP hilft dabei, diese Zeichen in semantisch verwertbare Einheiten zu übersetzen: Wörter, Sätze, Absichten, Stimmungen. Anwendungen reichen von einfachen Aufgaben wie Rechtschreibkorrektur bis zu komplexen Szenarien wie dem Generieren ganzer Texte.
Moderne NLP-Systeme verwenden häufig Transformer-Modelle (z. B. BERT, GPT), die kontextsensitiv arbeiten und sehr große Textmengen verarbeiten können.

Praxisbeispiele:

  • OpenAI ChatGPT (wie dieses Modell): Nutzt NLP, um natürliche Unterhaltungen zu führen, Texte zu verfassen und Fragen zu beantworten.

  • Google Translate: Übersetzt Texte automatisiert zwischen verschiedenen Sprachen mithilfe neuronaler maschineller Übersetzung.

  • SAP und Salesforce integrieren NLP in ihre Systeme, um automatisch Supportanfragen zu analysieren und zu priorisieren.

  • Deutsche Startups wie DeepL oder Retresco setzen NLP für hochwertige Übersetzungen bzw. automatisierte Textgenerierung ein.

Typische Teilaufgaben im NLP:

  • Tokenisierung (Zerlegung in Wörter)

  • Part-of-Speech-Tagging (grammatikalische Analyse)

  • Named Entity Recognition (Erkennung von Namen, Orten, Organisationen)

  • Sentimentanalyse (Bewertung von Meinungen/Stimmungen)

  • Textklassifikation (z. B. Spam-Erkennung)

  • Maschinelles Übersetzen & Textgenerierung

Für wen relevant?
NLP ist relevant für KI-Entwickler:innen, Linguist:innen, UX-Designer:innen, Data Scientists, Kommunikationsexpert:innen und Unternehmen, die große Mengen an Textdaten automatisiert analysieren oder verarbeiten möchten – etwa in Kundenservice, Recht, Medien oder Onlinehandel.

Alle Begriffe zum Thema Künstliche Intelligenz & Maschine Learning

Algorithmus

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

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

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

KI Ethik

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

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 Netze

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

Starke und schwache KI

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

Überwachtes und unüberwachtes Lernen

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

Digital Academy | A-Z