
Sign up to save your podcasts
Or


Was lernen wir von der kollektiven Intelligenz eines Bienenstocks für Künstliche Intelligenz? Was lernen wir über uns? Der Informatiker Tim Landgraf über die Chancen von KI für Kommunikation und unser Zusammenleben von morgen.
Tim Landgraf ist Professor für Künstliche und Kollektive Intelligenz am Dahlem Center for Machine Learning and Robotics der Freien Universität Berlin, wo er verschiedene Aspekte intelligenter Systeme lehrt und erforscht. In interdisziplinären Projekten untersucht sein Labor die individuelle und kollektive Intelligenz von Modellorganismen und entwickelt neue Werkzeuge und Algorithmen für maschinelles Lernen. Er ist zudem in der Start-up-Szene aktiv, betreut mehrere Berliner Start-ups als Mentor und berät Investoren in Technologiefragen.
Seinen Vortrag "Vom Bienenstock zu Skynet: Wie KI unsere kollektive Intelligenz verändert" hat er für den Hörsaal im Rahmen des Silbersalz Science & Media Festivals 2025 am 31. Oktober 2025 in Halle an der Saale gehalten.
**********
In dieser Folge mit:
Moderation: Katrin Ohlendorf
Vortragender: Tim Landgraf, Professor für Kollektive und Künstliche Intelligenz, Dahlem Center for Machine Learning und Robotics, Freie Universität Berlin
**********
Hörtipp
**********
Ihr hört in diesem Hörsaal:
1:49 - Beginn des Live-Hörsaals
3:15 - Vortragsbeginn
3:52 - Kollektive Intelligenz - Was ist das?
7:32 - Kollektive Intelligenz verstehen - Die Forschungsarbeit mit Bienen und Fischen im Landgraf Lab
12:45 - Die Ära des Internets und der Aufstieg algorithmischer Steuerung
16:00 - Das Zeitalter der KI und hybride Netzwerke
23:11 - Der wachsenden Einflusses algorithmischer Systeme
27:30 - Risiken und Gefahren - Chancen und Gestaltungsmöglichkeiten
33:30 - Fazit
34:42 - Q & A
54:06 - Hörtipp: Deutschlandfunk-Podcast "KI verstehen"
**********
Mehr zum Thema bei Deutschlandfunk Nova:
**********
Den Artikel zum Stück findet ihr hier.
**********
Ihr könnt uns auch auf diesen Kanälen folgen:
By Deutschlandfunk Nova4.1
1515 ratings
Was lernen wir von der kollektiven Intelligenz eines Bienenstocks für Künstliche Intelligenz? Was lernen wir über uns? Der Informatiker Tim Landgraf über die Chancen von KI für Kommunikation und unser Zusammenleben von morgen.
Tim Landgraf ist Professor für Künstliche und Kollektive Intelligenz am Dahlem Center for Machine Learning and Robotics der Freien Universität Berlin, wo er verschiedene Aspekte intelligenter Systeme lehrt und erforscht. In interdisziplinären Projekten untersucht sein Labor die individuelle und kollektive Intelligenz von Modellorganismen und entwickelt neue Werkzeuge und Algorithmen für maschinelles Lernen. Er ist zudem in der Start-up-Szene aktiv, betreut mehrere Berliner Start-ups als Mentor und berät Investoren in Technologiefragen.
Seinen Vortrag "Vom Bienenstock zu Skynet: Wie KI unsere kollektive Intelligenz verändert" hat er für den Hörsaal im Rahmen des Silbersalz Science & Media Festivals 2025 am 31. Oktober 2025 in Halle an der Saale gehalten.
**********
In dieser Folge mit:
Moderation: Katrin Ohlendorf
Vortragender: Tim Landgraf, Professor für Kollektive und Künstliche Intelligenz, Dahlem Center for Machine Learning und Robotics, Freie Universität Berlin
**********
Hörtipp
**********
Ihr hört in diesem Hörsaal:
1:49 - Beginn des Live-Hörsaals
3:15 - Vortragsbeginn
3:52 - Kollektive Intelligenz - Was ist das?
7:32 - Kollektive Intelligenz verstehen - Die Forschungsarbeit mit Bienen und Fischen im Landgraf Lab
12:45 - Die Ära des Internets und der Aufstieg algorithmischer Steuerung
16:00 - Das Zeitalter der KI und hybride Netzwerke
23:11 - Der wachsenden Einflusses algorithmischer Systeme
27:30 - Risiken und Gefahren - Chancen und Gestaltungsmöglichkeiten
33:30 - Fazit
34:42 - Q & A
54:06 - Hörtipp: Deutschlandfunk-Podcast "KI verstehen"
**********
Mehr zum Thema bei Deutschlandfunk Nova:
**********
Den Artikel zum Stück findet ihr hier.
**********
Ihr könnt uns auch auf diesen Kanälen folgen:

115 Listeners

58 Listeners

49 Listeners

20 Listeners

15 Listeners

116 Listeners

105 Listeners

45 Listeners

30 Listeners

10 Listeners

21 Listeners

11 Listeners

13 Listeners

6 Listeners

5 Listeners

62 Listeners

0 Listeners

8 Listeners

20 Listeners

0 Listeners

0 Listeners