01
KI-Grundlagen
Verstehen Sie, was KI ist, wie Systeme lernen, wo sie versagen und wie Sie Ansprüche ohne Aufregung beurteilen können.
Kostenlose KI-Bibliothek
Lernen Sie KI.Für immer kostenlos.
1019 Leitfäden in einfachem Englisch, strukturierte Lernpfade und eine offene Bibliothek – erstellt von einer unabhängigen gemeinnützigen Organisation 501(c)(3), damit jeder moderne KI verstehen kann.
1019Kostenlose Reiseführer
9Themenspuren
~2 minPro Reiseführer
~34hLesezeit
Beginnen Sie hier
Fünf ergebnisorientierte Kurse
Jeder Kurs umfasst explizite Ergebnisse, abgebildete Kompetenzen, Übungsaktivitäten und einen angewandten Schlussstein.
02
Verantwortlicher KI-Benutzer
Nutzen Sie KI produktiv und schützen Sie gleichzeitig die Privatsphäre, überprüfen Sie die Ergebnisse und wahren Sie die menschliche Verantwortung.
03
KI bei der Arbeit
Bewerten Sie Anwendungsfälle am Arbeitsplatz, führen Sie sichere Pilotprojekte durch, messen Sie den Wert und kommunizieren Sie Änderungen verantwortungsbewusst.
04
KI-Politik und Gesellschaft
Analysieren Sie KI-Systeme anhand von Rechten, Gerechtigkeit, Governance, Sicherheit und Ergebnissen im öffentlichen Interesse.
05
Bauen mit KI-Systemen
Verstehen Sie Sprachmodelle, Abruf, Agenten, Bewertung, Kosten und Bereitstellungsschutz durch praktisches Systemdesign.
Themenspuren
Nach Titel durchsuchen
Springen Sie in den Bereich, der Ihnen am Herzen liegt. Zu jedem Titel gibt es mehrere leicht verständliche Anleitungen.
GrundlagenKernkonzepte: Wie KI auf hohem Niveau funktioniert.84 Führer Sprach-KILLMs, NLP, ChatGPT, Eingabeaufforderung und Textverständnis.155 Führer Visuelle KIBilderzeugung, Computer Vision, Video und Design.133 Führer Audio-KIStimme, Musik, Podcasting und Audio-First-KI.117 Führer UnternehmenProfile von OpenAI, Anthropic, Google, Meta und mehr.121 Führer AnwendungenWie KI in Codierung, Suche, Agenten und im täglichen Leben zum Ausdruck kommt.111 Führer BranchenKI in den Bereichen Gesundheitswesen, Finanzen, Bildung, Energie und mehr.91 Führer TechnischChips, Feinabstimmung, RAG, Vektoren und KI-Infrastruktur.177 Führer GesellschaftVoreingenommenheit, Privatsphäre, Urheberrecht, Sicherheit und die Zukunft der KI.30 Führer
Vollständige Bibliothek
Alle Führer
1019 von 1019 Anleitungen angezeigt. Filtern Sie nach Titel oder suchen Sie oben.
Technisch
Wissensdestillation
Die Wissensdestillation trainiert ein kleines „Schüler“-Modell, um ein großes, genaues „Lehrer“-Modell zu imitieren.
TechnischMischung aus Experten
Mixture of Experts (MoE) ist ein Modelldesign, das ein Netzwerk in viele spezialisierte Subnetzwerke aufteilt und nur wenige pro Eingabe aktiviert.
GrundlagenEinbettungen
Durch Einbettungen werden Wörter, Bilder oder andere Daten in Zahlenlisten (Vektoren) umgewandelt, sodass ähnliche Dinge in einem hochdimensionalen Raum nahe beieinander landen.
GrundlagenTokenisierung
Bei der Tokenisierung handelt es sich um den Schritt, bei dem Text in kleinere Teile, sogenannte Token, zerlegt wird. Dabei handelt es sich um die Einheiten, die ein Sprachmodell tatsächlich liest und vorhersagt.
GrundlagenFeature-Engineering
Beim Feature-Engineering handelt es sich um die Kunst, Rohdaten in informative Eingaben (Features) umzuwandeln, die einem Modell beim Lernen helfen.
TechnischModellquantisierung
Durch die Modellquantisierung wird ein neuronales Netzwerk verkleinert, indem seine Zahlen in weniger Bits gespeichert werden, sodass dasselbe Modell schneller und auf kleinerer Hardware läuft.
TechnischFöderiertes Lernen
Föderiertes Lernen trainiert ein gemeinsames Modell über viele Geräte oder Organisationen hinweg, ohne deren Rohdaten an einem Ort zu sammeln.
GrundlagenEntscheidungsbäume und Zufallswälder
Ein Entscheidungsbaum trifft Vorhersagen, indem er eine Reihe einfacher Ja/Nein-Fragen stellt, ähnlich einem Flussdiagramm.
GrundlagenUnterstützen Sie Vektormaschinen
Eine Support Vector Machine (SVM) ist ein klassischer Algorithmus, der zwei Gruppen trennt, indem er eine möglichst breite Grenze zwischen ihnen zieht.
GrundlagenDimensionsreduktion
Durch die Dimensionsreduktion werden Daten aus vielen Spalten (Features) auf wenige reduziert, während die wichtige Struktur erhalten bleibt.
GrundlagenTransferlernen
Beim Transferlernen wird ein bereits anhand eines großen Datensatzes trainiertes Modell wiederverwendet und an eine neue, verwandte Aufgabe angepasst.
GrundlagenSelbstüberwachtes Lernen
Beim selbstüberwachten Lernen werden Modelle anhand unbeschrifteter Daten trainiert, indem eine Aufgabe erfunden wird, deren Antwort in den Daten selbst verborgen ist.
Mit dem Lesen fertig? Beweisen Sie es.
Überprüfen Sie anhand von Themenquiz, was Sie gelernt haben, und erkunden Sie anschließend unsere strukturierten Kurse und aktuellen Zertifizierungsanforderungen. Die wichtigsten Leitfäden bleiben weiterhin frei lesbar.