Wie funktioniert eigentlich KI?

Machine Learning steckt im Spam-Filter, in der Spracheingabe und in den Empfehlungen im Online-Shop — und keines dieser Systeme folgt einer fest programmierten Wenn-dann-Regel. Sie leiten Muster aus Beispielen ab.

Was du in dieser Folge lernst:

- Wie ein Programm aus Beispielen mit der richtigen Antwort eine Regel selbst herausarbeitet — statt sie einprogrammiert zu bekommen

- Was Trainingsdaten, Modell und Parameter sind und wie die drei in der Lernschleife ineinandergreifen

- Warum die Stellschrauben pro Beispiel nur ein winziges Stück verstellt werden — und warum das Programm dieselben Daten oft Dutzende Male durchläuft

- Was Überanpassung bedeutet und warum man ein Modell mit zurückgehaltenen Testdaten prüft

- Warum Machine Learning nicht dasselbe ist wie Künstliche Intelligenz, sondern ihr heute wichtigster Baustein

Wenn du der Reihe folgst, ist die nächste Folge automatisch da.

Kapitel:

(00:00) Niemand hat ihm gesagt, woran man es erkennt

(01:13) Was am Ende in der Modell-Datei steht

(02:18) Das Modell ist eine lange Reihe von Zahlen

(03:17) Winzige Schritte, Dutzende Durchläufe

(04:11) Überanpassung, und wie man sie merkt

(04:44) Dasselbe Prinzip im Shop und am Handy

(06:00) Machine Learning ist ein Teil der KI

(06:31) Vom Raten zur zuverlässigen Sortierung

Begriffe aus dieser Folge:

- Trainingsdaten: Sammlung von Beispielen mit der jeweils richtigen Antwort daneben, aus denen das Modell während des Trainings Muster ableitet.

- Modell: Die Datei, in der die gelernte Mustererkennung steckt; sie wendet die Muster auf neue, ungesehene Eingaben an.

- Parameter: Die internen Stellschrauben des Modells; viele kleine Zahlen, die im Training Schritt für Schritt verstellt werden, bis die Antworten passen.

- Überanpassung: Fall, in dem ein Modell die Trainingsbeispiele zu eng nachbaut und bei neuen Eingaben wieder rät, statt die dahinterliegende Regel anzuwenden.

- Testdaten: Vor dem Training zurückgehaltene Beispiele, die das Modell während des Lernens nie sieht; an ihnen wird am Ende geprüft, ob es wirklich Muster gelernt hat.

Verwandte Episoden:

- Folge 05 — Neuronales Netz — Wie Schichten aus künstlichen Neuronen aus rohen Eingaben Muster erkennen.

- Folge 21 — Spam-Filter — Wie ein Postfach lernt, Werbung von echter Post zu unterscheiden.

Über den Podcast

„Wie funktioniert eigentlich KI?“ ist ein Podcast, der komplexe Themen rund um künstliche Intelligenz einfach erklärt — von Chatbots über Bildgeneratoren bis zu Sprachmodellen. In jeder Folge nehmen wir ein KI-Thema auseinander: verständlich, kompakt und ohne unnötigen Fachjargon. So einfach erklärt, dass du es danach selbst weitergeben kannst.

Transparenzhinweis

Dieser Podcast wird mit Unterstützung von künstlicher Intelligenz produziert. Die inhaltliche Verantwortung liegt beim Herausgeber.

Feedback und Themenwünsche

Schreib uns an [email protected]

Alle Folgen auch auf YouTube: youtube.com/@wie-funktioniert-podcast

Wenn dir die Folge weiterhilft: bewerten und teilen — das hilft anderen, den Podcast zu finden.

Bei der Bildgenerierung mit KI entsteht das Motiv aus reinem Rauschen, Schritt für Schritt herausgerechnet und vom Textsatz gesteuert. Deshalb liefert dieselbe Eingabe nie zweimal dasselbe Bild.

Was du in dieser Folge lernst:

- Wie eine Bild-KI aus reinem Rauschen Schritt für Schritt ein Motiv herausrechnet — und warum nicht in einem Rutsch

- Wie der Textsatz, der Prompt, das Modell während jedes Entrausch-Schritts steuert

- Was ein Diffusionsmodell ist und warum es im Training mit dem Hinzufügen von Rauschen geübt hat

- Was ein Seed ist und warum derselbe Prompt jedes Mal ein anderes Bild liefert

- Warum die KI keine Bilddatenbank durchsucht und keine „Vorstellung“ davon hat, was eine Katze ist

Wenn du der Reihe folgst, ist die nächste Folge automatisch da.

Kapitel:

(00:00) Eine rote Katze auf dem Sofa, aus einem Satz

(01:04) Am Anfang steht nur Geflimmer

(01:47) Zwanzig bis fünfzig kleine Schritte

(02:29) Gelernt wurde das Entrauschen, nicht das Malen

(03:50) Warum derselbe Satz zwei Bilder ergibt

(04:30) Den Mülleimer wegradieren — dieselbe Technik

(05:18) Sechs Finger: kein Verstehen, nur Muster

(06:13) Aus Rauschen wird ein Bild

Begriffe aus dieser Folge:

- Diffusionsmodell: Modell, das in vielen kleinen Schritten Rauschen aus einem Bild herausrechnet — und so aus puren Zufallspixeln ein Motiv entstehen lässt.

- Rauschen: Bild aus rein zufälligen Pixeln, vergleichbar mit dem alten Fernsehbild ohne Empfang — Ausgangspunkt jeder KI-Bildgenerierung.

- Prompt: Der Textsatz, der das Modell während des Entrauschens steuert; beschreibt das gewünschte Motiv und seine Eigenschaften.

- Seed: Die Zufallszahl, mit der das Start-Rauschen erzeugt wird — bei festem Seed und gleichem Prompt entsteht zweimal dasselbe Bild.

- Neuronales Netz: Programm aus vielen einfachen Recheneinheiten in Schichten, das aus Beispielen lernt, Muster zu erkennen — Bauart hinter dem Diffusionsmodell.

Verwandte Episoden:

- Folge 18 — Videogenerierung — Wie aus einem Text bewegte Szenen Bild für Bild entstehen.

- Folge 19 — Generative KI — Was Text-, Bild- und Video-Generatoren im Kern verbindet.

Über den Podcast

„Wie funktioniert eigentlich KI?“ ist ein Podcast, der komplexe Themen rund um künstliche Intelligenz einfach erklärt — von Chatbots über Bildgeneratoren bis zu Sprachmodellen. In jeder Folge nehmen wir ein KI-Thema auseinander: verständlich, kompakt und ohne unnötigen Fachjargon. So einfach erklärt, dass du es danach selbst weitergeben kannst.

Transparenzhinweis

Dieser Podcast wird mit Unterstützung von künstlicher Intelligenz produziert. Die inhaltliche Verantwortung liegt beim Herausgeber.

Feedback und Themenwünsche

Schreib uns an [email protected]

Alle Folgen auch auf YouTube: youtube.com/@wie-funktioniert-podcast

Wenn dir die Folge weiterhilft: bewerten und teilen — das hilft anderen, den Podcast zu finden.

Ein Chatbot setzt seine Antwort Wort für Wort aus Wahrscheinlichkeiten zusammen — er prüft nichts, er schreibt fort. Deshalb formuliert er stark, und Zahlen, Namen oder Quellen solltest du trotzdem gegenprüfen.

Was du in dieser Folge lernst:

- Wie ein Chatbot eine Antwort Wort für Wort — beziehungsweise Token für Token — aus Wahrscheinlichkeiten zusammensetzt

- Was ein großes Sprachmodell ist und warum man es „groß“ nennt

- Was Prompt, Token und Kontext bedeuten — und warum das Modell selbst zwischen zwei Anfragen kein Gedächtnis hat

- Warum ein Chatbot keine Wahrheit prüft, sondern Wörter fortsetzt — und was Halluzination dabei meint

- Warum Chatbots stark beim Formulieren sind, aber bei Zahlen, Namen oder Quellen gegengecheckt werden sollten

Wenn du der Reihe folgst, ist die nächste Folge automatisch da.

Kapitel:

(00:00) Als würde jemand mittippen

(01:11) Er kennt das Ende des Satzes nicht

(02:05) Was ein Sprachmodell groß macht

(02:40) Wortstücke statt ganzer Wörter

(04:10) Kein Gedächtnis — der Verlauf wird mitgeschickt

(05:01) Der Chatbot auf der Firmen-Webseite

(05:35) Erfundene Quellen klingen wie echte

(06:30) Token für Token zur fertigen Antwort

Begriffe aus dieser Folge:

- Sprachmodell: Programm, das auf riesigen Textmengen trainiert wurde, jeweils das nächste Wort vorherzusagen — der Motor hinter modernen Chatbots.

- Token: Kleinste Texteinheit, mit der ein Sprachmodell rechnet — meist ein kurzes Wortstück.

- Prompt: Die Eingabe, die an das Sprachmodell geschickt wird; oft eine Mischung aus Nutzereingabe und einer unsichtbaren Vor-Anweisung der Anwendung.

- Kontext: Der bisherige Gesprächsverlauf, den die Anwendung bei jeder neuen Anfrage zusammen mit der Eingabe ans Modell mitschickt — denn das Modell selbst hat kein Gedächtnis.

- Halluzination: Flüssig klingende, aber sachlich falsche Aussage eines Sprachmodells — entsteht, weil das Modell Wahrscheinlichkeiten fortsetzt und keine Wahrheitsprüfung kennt.

Verwandte Episoden:

- Folge 06 — Sprachmodell — Wie ein Modell auf riesigen Textmengen trainiert wird und jeweils das nächste Wort vorhersagt.

- Folge 15 — KI-Halluzination — Warum ein Sprachmodell überzeugend klingt und trotzdem Dinge erfindet.

Über den Podcast

„Wie funktioniert eigentlich KI?“ ist ein Podcast, der komplexe Themen rund um künstliche Intelligenz einfach erklärt — von Chatbots über Bildgeneratoren bis zu Sprachmodellen. In jeder Folge nehmen wir ein KI-Thema auseinander: verständlich, kompakt und ohne unnötigen Fachjargon. So einfach erklärt, dass du es danach selbst weitergeben kannst.

Transparenzhinweis

Dieser Podcast wird mit Unterstützung von künstlicher Intelligenz produziert. Die inhaltliche Verantwortung liegt beim Herausgeber.

Feedback und Themenwünsche

Schreib uns an [email protected]

Alle Folgen auch auf YouTube: youtube.com/@wie-funktioniert-podcast

Wenn dir die Folge weiterhilft: bewerten und teilen — das hilft anderen, den Podcast zu finden.

Spamfilter, Sprachdiktat, Übersetzer — überall steckt heute KI drin, ohne dass es jemand laut „KI“ nennt. Im Kern arbeiten alle nach demselben Prinzip: Beispiele rein, Muster raus, danach auf etwas Neues anwenden.

Was du in dieser Folge lernst:

- Was KI im Kern ist — Software, die aus Beispielen Muster lernt, statt feste Regeln vorgesetzt zu bekommen

- Welche vier Schritte hinter jedem KI-System stehen: Daten sammeln, Modell bauen, trainieren, anwenden

- Was ein neuronales Netz ist und welche Rolle die „Stellschrauben“ — fachlich Parameter — dabei spielen

- Warum eine KI nur so gut ist wie ihre Trainingsdaten und wo ihre blinden Flecken liegen

- Warum heutige KI weder ein Roboter ist noch im menschlichen Sinn „denkt“ oder „versteht“

Wenn du der Reihe folgst, ist die nächste Folge automatisch da.

Kapitel:

(00:00) Das Handy versteht dich — ist das schon KI?

(01:16) Beispiele mit der richtigen Antwort daneben

(02:02) Das Modell: ein Netz aus Recheneinheiten

(02:45) Niemand sagt ihr, worauf sie achten soll

(03:57) Woher die vielen Beispiele kommen

(04:43) Ob das Modell groß oder klein sein muss

(05:52) Wo man dem Modell trauen kann — und wo nicht

(06:36) Er denkt nicht nach, er rechnet

Begriffe aus dieser Folge:

- Künstliche Intelligenz: Software, die nicht nach festen Regeln arbeitet, sondern aus Beispielen Muster lernt und auf neue Eingaben anwendet.

- Maschinelles Lernen: Familie an Verfahren, in der ein Programm aus Beispielen ein Modell ableitet, statt explizite Regeln vorgesetzt zu bekommen.

- Trainingsdaten: Sammlung von Beispielen, jeweils mit der richtigen Antwort daneben, an denen das Modell lernt.

- Neuronales Netz: Programm aus vielen einfachen Recheneinheiten in Schichten, das aus Beispielen lernt, Muster zu erkennen.

- Inferenz: Die Anwendungsphase, in der das fertig trainierte Modell auf neue Eingaben angewendet wird, ohne sich weiter zu verändern.

Verwandte Episoden:

- Folge 02 — KI-Chatbot — Wie Systeme wie ChatGPT, Claude oder Gemini Antworten Wort für Wort aus Wahrscheinlichkeiten zusammensetzen.

- Folge 04 — Machine Learning — Wie Maschinen aus Beispielen lernen, statt explizit programmiert zu werden.

Über den Podcast

„Wie funktioniert eigentlich KI?“ ist ein Podcast, der komplexe Themen rund um künstliche Intelligenz einfach erklärt — von Chatbots über Bildgeneratoren bis zu Sprachmodellen. In jeder Folge nehmen wir ein KI-Thema auseinander: verständlich, kompakt und ohne unnötigen Fachjargon. So einfach erklärt, dass du es danach selbst weitergeben kannst.

Transparenzhinweis

Dieser Podcast wird mit Unterstützung von künstlicher Intelligenz produziert. Die inhaltliche Verantwortung liegt beim Herausgeber.

Feedback und Themenwünsche

Schreib uns an [email protected]

Alle Folgen auch auf YouTube: youtube.com/@wie-funktioniert-podcast

Wenn dir die Folge weiterhilft: bewerten und teilen — das hilft anderen, den Podcast zu finden.

Über den Podcast

„Wie funktioniert eigentlich …?“ ist ein KI-Podcast, der komplexe Themen rund um künstliche Intelligenz einfach erklärt.

Von Chatbots über Bildgeneratoren bis hin zu Sprachmodellen und Robotern — in jeder Folge nehmen wir ein KI-Thema auseinander: verständlich, kompakt und ohne unnötigen Fachjargon.

Wir erklären Schritt für Schritt, wie moderne KI funktioniert, wo sie im Alltag eingesetzt wird und warum gerade alle darüber sprechen.

So einfach erklärt, dass du es danach selbst weitergeben kannst.

Feedback und Themenwünsche

[email protected]

Transparenzhinweis

Dieser Podcast wird mit Unterstützung von Künstlicher Intelligenz produziert. Die inhaltliche Verantwortung liegt beim Herausgeber.