KI - kurz und informativ, Klartext "to Go" in unter 5 Minuten

Heute, zum Abschluss der zweiten Staffel, gibt es wieder ein Quiz zu den Themen der letzten 19 Folgen. Bist du inzwischen ein KI-Experte?
Teste dein Wissen rund um Künstliche Intelligenz, Machine Learning und moderne KI-Konzepte.
Was steckt wirklich hinter dem Begriff Token und welche Aussage ist falsch?
Was ist Vibe Coding und warum spricht gerade alle Welt darüber?
Welche Schritte gehören zur klassischen KI/ML-Wertschöpfungskette und welcher nicht?
Was sind AI Agents?
Was bedeutet RAG und was kann man damit machen?
Was ist der Unterschied zwischen AI First und anderen KI-Prinzipien?
Was ist ein Embedding in der KI?
Wie funktionieren Diffusion Models?
Wie promptest du für Text-zu-Bild-Modelle richtig?

Schreibt gerne mal in die Kommentare, wie viele Fragen ihr richtig beantworten konntet!

Wer mit ChatGPT & Co. gute Ergebnisse erzielt, scheitert oft an Bildgeneratoren wie Midjourney oder Stable Diffusion ... und umgekehrt. Warum? Weil Text- und Bildmodelle grundlegend anders mit Prompts umgehen.
In dieser Folge erfahrt ihr die fünf wichtigsten Unterschiede zwischen Prompts für Sprachmodelle (LLMs) und Prompts für Bildgeneratoren. Ihr lernt, warum Bildmodelle auf Fachbegriffe aus Fotografie und Kunst reagieren, warum „ohne Menschen" oft das Gegenteil bewirkt und was es mit sogenannten Negativen Prompts auf sich hat.
Diese Folge ist besonders relevant für euch, wenn ihr KI-Tools im Arbeitsalltag einsetzt und verstehen wollt, warum dieselbe Eingabe je nach Modellfamilie völlig unterschiedliche Ergebnisse liefert.

Übung/Gewinnspiel:
Ich teile ein KI-generiertes Bild auf Instagram und eure Aufgabe ist es, mit dem Wissen aus dieser Folge, so nah wie möglich an den ursprünglichen Prompt zu kommen.
Den Original-Prompt werde ich anschliessend veröffentlichen und den Gewinner damit bekanntgeben.
Folgt mir dazu auf Instagram: marc.pyucation

Themen in dieser Folge: Prompt Engineering, Bildgenerierung, Diffusion Models, Negative Prompts, ChatGPT, Midjourney, Stable Diffusion, DALL-E, Künstliche Intelligenz im Alltag

In dieser Folge sprechen wir über Bildgenerierung mit sog. Diffusion Models. Mit Hilfe der statistischen Diffusion können wir Bilder künstlich "verrauschen" und ein Model diesen Prozess umkehren lassen.
Nach diesem Prinzip funktionieren heutzutage viele KI-Bildgeneratoren. Man muss dazu sagen, dass es mehrere Arten gibt, Bilder mit KI zu erzeugen. Diffusion Models ist eine Möglichkeit.
Erfahre in der Folge, wie man das nun nutzten kann, um Text-zu-Bild-Modelle (Text-to-Image Models) zu erstellen.

Enterprise AI könnte die nächste große Phase der Künstlichen Intelligenz sein: KI, die nicht nur punktuell eingesetzt wird, sondern tief in die Prozesse eines Unternehmens integriert ist.
Wie das konkret aussehen kann und welche Chancen sich daraus für Unternehmen ergeben, darüber spreche ich mit Axel Schultze und Christian Weh von der BlueCallom AG.
Axel Schultze ist einer der erfolgreichsten Startup Accelerators und hat mehrere Unternehmen aufgebaut. Christian Weh, ursprünglich Chemiker und heute CEO eines Unternehmens im Bereich Krebsforschung, arbeitet gemeinsam mit Axel an neuen Lösungen im Enterprise-AI-Bereich.
Doch Enterprise AI ist mehr als nur ein weiteres Software-Tool. Es geht um eine neue Form der Zusammenarbeit zwischen Menschen und intelligenten Systemen.
Was bedeutet das für Unternehmen?
Welche Rolle spielt der Mensch, wenn Produktivität immer stärker von KI geprägt wird?
Und welche Fähigkeiten werden in Zukunft wirklich wichtig?
Über diese und viele weitere Fragen sprechen wir in dieser Folge.

In dieser Folge sprechen wir unter anderem über:
was Enterprise AI eigentlich bedeutet

warum KI im Unternehmen mehr ist als Chatbots

welche Herausforderungen Unternehmen aktuell haben

welche Rolle der Mensch in einer KI-geprägten Arbeitswelt spielt

Heute sprechen wir im Anschluss an die Folge über Embeddings, wie ich die Ähnlichkeit zwischen Vektorembeddings berechnen kann (ganz einfach) und wie ich das nutze, um die Relevanz von Dokumenten zu bewerten.
Denn genau diese Methode nutzt eine Technik namens RAG (Retrieval Augmented Generation), die es uns erlaubt, mit unseren Dokumenten zu "chatten". D. h. Fragen zu eigenen Dokumenten zu stellen, ohne dass ein Sprachmodell darauf trainiert wurde.
Viele Unternehmen nutzen das bereits sehr ausgiebig in ihren Workflows und in dieser Folge lernt ihr, wie genau das Prinzip dahinter funktioniert.