KI verstehen. Zusammenhänge erkennen.
Künstliche Intelligenz ist mehr als eine Sammlung neuer Tools. Hier erfährst du, wie KI-Modelle funktionieren, wie sie Informationen verarbeiten und wie du sie sinnvoll und sicher nutzt.
Vier Wege durch die KI-Welt
Wähle den Bereich, der dich interessiert. Jeder Themen-Pillar führt dich von den wichtigsten Begriffen zu passenden Vertiefungen.
Grundlagen verstehen
Was ist künstliche Intelligenz? Wie lernen Modelle, und was können Sprachmodelle tatsächlich? Hier beginnt dein Einstieg – ohne unnötiges Fachvokabular.
Themenbereich erkundenArchitektur & Daten
Entdecke, was hinter modernen KI-Systemen steckt: Transformer, Embeddings, Vektorsuche und die Verbindung von Sprachmodellen mit externem Wissen.
Themenbereich erkundenKI praktisch nutzen
Von guten Anweisungen bis zu automatisierten Abläufen: Erfahre, wie du KI sinnvoll für Recherche, Inhalte, Analyse und konkrete Arbeitsprozesse einsetzt.
Themenbereich erkundenSicherheit & Qualität
Lerne, Ergebnisse kritisch zu bewerten, Halluzinationen zu erkennen und Datenschutz, Quellenprüfung sowie technische Risiken einzuordnen.
Themenbereich erkundenDein Lernweg in drei Schritten
Du musst nicht alles auf einmal lernen. Mit dieser Reihenfolge erschließt du dir zuerst die Grundlagen, dann die Technik und schließlich die praktische Anwendung.
Grundlagen aufbauen
Beginne mit den grundlegenden Begriffen und verstehe, was ein KI-Modell von einer Anwendung unterscheidet.
Technik durchschauen
Erkenne, wie Transformer Informationen verarbeiten und wie semantische Suche und RAG zusammenarbeiten.
Wissen anwenden
Nutze das Gelernte für bessere KI-Anweisungen und verstehe, wann eine Modellanpassung sinnvoll ist.
Die Grundlagenartikel im Überblick
Neun ausführliche Fachbeiträge für einen fundierten Einstieg. Alle Artikel sind direkt verlinkt – ohne Umwege über eine Kategorieübersicht.
KI-Modelle
Was trainierte Modelle leisten und wie sie sich von KI-Anwendungen unterscheiden.
GrundlagenMachine Learning
Maschinelles Lernen, Deep Learning und die wichtigsten Lernverfahren.
GrundlagenLarge Language Models
Wie Sprachmodelle Texte verarbeiten, generieren und an Grenzen stoßen.
TechnikTransformer-Architektur
Self-Attention, Encoder, Decoder und moderne Modellarchitekturen.
TechnikEmbeddings
Wie Texte und Bilder zu mathematisch vergleichbaren Vektoren werden.
TechnikVektordatenbanken
Ähnlichkeitssuche, HNSW, Hybrid Search und Datenbanksysteme.
WissenssystemeRetrieval-Augmented Generation
Wie KI mit RAG gezielt Informationen aus externen Quellen nutzt.
PraxisPrompt Engineering
Anweisungen, Beispiele und Kontext für bessere Ergebnisse gestalten.
ModellanpassungFine-Tuning
Modelle gezielt anpassen und gegenüber RAG sinnvoll abgrenzen.
Drei Zusammenhänge, die du kennen solltest
Viele KI-Begriffe beschreiben unterschiedliche Ebenen desselben Systems. Diese drei Unterscheidungen helfen dir, neue Technologien schneller einzuordnen.
Modell ist nicht Anwendung
Ein KI-Modell führt Berechnungen aus. Eine KI-Anwendung ergänzt die Bedienoberfläche, Datenquellen und gegebenenfalls Werkzeuge.
Embedding ist nicht RAG
Embeddings machen Inhalte mathematisch vergleichbar. RAG organisiert den Abruf und stellt gefundene Informationen einem generativen Modell bereit.
Prompt ist nicht Fine-Tuning
Prompt Engineering steuert eine aktuelle Anfrage. Fine-Tuning passt ein Modell durch zusätzliches Training an.
Häufige Fragen zum KI-Wissen
Kurze Antworten, damit du den passenden Einstieg findest.
Wo beginne ich, wenn ich noch keine KI-Kenntnisse habe?
Brauche ich Programmierkenntnisse, um KI zu verstehen?
Was ist der Unterschied zwischen Wissen, Themenwelt und KI-Katalog?
Sind die Inhalte auch für Fortgeschrittene geeignet?
Wie finde ich eine Erklärung für einen unbekannten KI-Begriff?
Unser Anspruch: klare Erklärungen, technische Einordnung und nachvollziehbare Informationen. Mehr über KIRatgeber .