Wie funktioniert eigentlich KI?

Wie funktioniert eigentlich ...?
  • 0.0 (0)
  • Education
  • Updated Weekly

„Wie funktioniert eigentlich KI?“ ist ein 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.

  1. 4d ago

    Wie funktioniert eigentlich ein Selbstfahrendes Auto?

    Autobahn-Stauassistenten und fahrerlose Taxis sind längst keine Zukunftsmusik mehr, sondern heute schon unterwegs – und mit ihnen die Frage, wie viel davon der Mensch am Ende noch selbst im Blick behalten muss. Was du in dieser Folge lernst: - Wie Kamera, Radar und Lidar zu einem einzigen Umgebungsbild verschmelzen (Sensorfusion) - Warum ein neuronales Netz und eine hochgenaue digitale Karte zusätzlich zur Sensorik nötig sind - Was die sechs Automatisierungsstufen (SAE-Level 0 bis 5) für Verantwortung und Haftung bedeuten - Warum Teslas „Autopilot“ trotz des Namens nur Stufe zwei ist - Was aktuelle Sicherheitsdaten von Robotaxi-Anbietern tatsächlich zeigen Kapitel: [00:00] Intro [00:18] Alltagsfrage [00:31] Vergleich [00:56] Grundidee [01:20] Technische Erklärung [05:16] Praxisbeispiel [06:14] Missverständnisse [07:20] Zusammenfassung [07:59] Ausblick Begriffe aus dieser Folge: - Neuronales Netz: Ein Programm aus vielen einfachen Recheneinheiten in Schichten, das aus Beispielen lernt, Muster zu erkennen. - Sensorfusion: Die Zusammenführung der Signale mehrerer Sensoren zu einem einzigen, verlässlichen Umgebungsbild. - Lidar: Ein Sensor, der die Umgebung mit Laserpulsen abtastet und aus der Laufzeit bis zur Reflexion ein genaues räumliches Abbild berechnet. - Automatisierungsstufe (SAE-Level): Die genormte Skala von Stufe null bis fünf, die festlegt, wie viel Verantwortung beim Fahrsystem und wie viel beim Menschen liegt. Verwandte Episoden: - Folge 11 — Empfehlungsalgorithmus — Wie Plattformen aus deinem Verhalten vorhersagen, was dir als Nächstes gefällt. - Folge 12 — Transformer — Die Architektur hinter modernen Sprachmodellen und was Self-Attention bedeutet. 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 wie.funktioniert.podcast@proton.me Alle Folgen auch auf YouTube: youtube.com/@wie-funktioniert-podcast Wenn dir die Folge weiterhilft: abonnieren und bewerten — das hilft anderen, den Podcast zu finden.

    Wie funktioniert eigentlich ein Selbstfahrendes Auto?

  2. Jul 14

    Wie funktioniert eigentlich ein Deepfake?

    Ein gefälschtes Video oder ein Betrugsanruf mit geklonter Stimme wirkt oft täuschend echt — und trifft längst nicht nur Prominente, sondern auch Unternehmen und ihre Mitarbeitenden. Was du in dieser Folge lernst: - Wie ein Deepfake aus vielen echten Aufnahmen lernt, ein Gesicht oder eine Stimme nachzubilden - Was ein Generative Adversarial Network (GAN) ist und wie Generator und Diskriminator sich gegenseitig verbessern - Wie ein Autoencoder beim Gesichtertausch Merkmale zerlegt und neu kombiniert - Warum schon wenige Sekunden Audiomaterial für Voice Cloning ausreichen können - Warum gute Deepfakes heute oft nicht mehr mit bloßem Auge erkennbar sind Kapitel: [00:00] Intro [00:17] Alltagsfrage [00:30] Vergleich [00:51] Grundidee [01:22] Technische Erklärung [03:53] Praxisbeispiel [04:55] Missverständnisse [06:59] Zusammenfassung [07:43] Ausblick Begriffe aus dieser Folge: - Deepfake: mit KI erzeugtes oder verändertes Bild-, Ton- oder Videomaterial, das eine Person Dinge sagen oder tun lässt, die so nie stattgefunden haben. - Generative Adversarial Network (GAN): ein Trainingsaufbau aus zwei gegeneinander arbeitenden neuronalen Netzen — einem Generator, der Fälschungen erzeugt, und einem Diskriminator, der sie von echtem Material unterscheiden soll. - Autoencoder: ein neuronales Netz, das ein Gesicht in seine wesentlichen Merkmale zerlegt und daraus wieder ein Bild rekonstruiert, kombiniert mit den Merkmalen einer anderen Person. - Voice Cloning: das Nachbilden einer bestimmten Stimme aus Audio-Trainingsmaterial, sodass damit beliebiger neuer Text in dieser Stimme gesprochen werden kann. Verwandte Episoden: - Folge 07 — Token — Die kleinen Bausteine, in die Sprachmodelle Text zerlegen — und warum sie auch die Kosten bestimmen. - Folge 08 — Prompting — Wie die Formulierung der Eingabe das Ergebnis prägt — und welche Strukturen zuverlässig wirken. 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 wie.funktioniert.podcast@proton.me Alle Folgen auch auf YouTube: youtube.com/@wie-funktioniert-podcast Wenn dir die Folge weiterhilft: abonnieren und bewerten — das hilft anderen, den Podcast zu finden.

    Wie funktioniert eigentlich ein Deepfake?

  3. Jul 7

    Wie funktioniert eigentlich ein Transformer?

    Chatbots, Übersetzer, Bildgeneratoren — auffällig viele KI-Werkzeuge wurden etwa zur gleichen Zeit besser. Der Grund ist eine gemeinsame Bauart aus dem Jahr 2017: der Transformer. Was du in dieser Folge lernst: - Warum ein Transformer alle Wörter eines Abschnitts gleichzeitig betrachtet statt eines nach dem anderen - Was Self-Attention ist und wie ein Wort seine Bedeutung aus seinen Nachbarn bekommt - Warum eine Positionscodierung nötig ist, damit „Hund beißt Mann“ nicht wie „Mann beißt Hund“ wirkt - Worin der Unterschied liegt zwischen einer Bauart wie dem Transformer und einem konkreten Modell wie ChatGPT - Warum dieselbe Bauart heute auch in Bildgeneratoren und Spracherkennung steckt Kapitel: [00:00] Intro [00:10] Alltagsfrage [00:30] Vergleich [01:00] Grundidee [01:30] Technische Erklärung [04:40] Praxisbeispiel [06:55] Missverständnisse [07:35] Zusammenfassung [08:05] Ausblick Begriffe aus dieser Folge: - Transformer: die Architektur hinter modernen Sprachmodellen; sie verarbeitet alle Wörter eines Abschnitts gleichzeitig und entscheidet, welche zusammengehören. - Self-Attention: der Rechenschritt, bei dem jedes Wort gewichtet, wie stark jedes andere Wort dazugehört, und die wichtigen in seine Bedeutung einmischt. - Token: die kleinste Texteinheit, mit der ein Sprachmodell rechnet — meist ein kurzes Wortstück. - Multi-Head-Attention: mehrere parallele Aufmerksamkeits-Durchgänge, von denen jeder auf eine andere Art von Beziehung zwischen den Wörtern achtet. - Positionscodierung: eine Positionsmarke pro Wort, die dem Modell die Reihenfolge mitgibt, weil die Aufmerksamkeit sie von sich aus ignoriert. Verwandte Episoden: - Folge 04 — Machine Learning — Wie Maschinen aus Beispielen lernen, statt explizit programmiert zu werden. - Folge 05 — Neuronales Netz — Wie Schichten aus künstlichen Neuronen aus rohen Eingaben Muster erkennen. 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 wie.funktioniert.podcast@proton.me. Alle Folgen auch auf YouTube: youtube.com/@wie-funktioniert-podcast Wenn dir die Folge weiterhilft: abonnieren und bewerten — das hilft anderen, den Podcast zu finden.

    Wie funktioniert eigentlich ein Transformer?

  4. Jun 30

    Wie funktioniert eigentlich ein Empfehlungsalgorithmus?

    Startseiten, Shops und Feeds zeigen dir längst nicht alles, sondern eine kleine, auf dich zugeschnittene Auswahl. Dahinter steckt fast immer ein Empfehlungsalgorithmus, der aus deinem Verhalten schließt, was dir als Nächstes gefällt. Was du in dieser Folge lernst: - Wie ein Empfehlungsalgorithmus aus deinem bisherigen Verhalten eine Vorhersage macht - Was explizites von implizitem Feedback unterscheidet — und warum Klicks oft mehr zählen als Sternebewertungen - Wie kollaboratives und inhaltsbasiertes Filtern zusammenspielen - Was das Cold-Start-Problem ist und wie der zweite Weg dabei aushilft - Warum ein Spitzenplatz in der Liste Passung zu dir bedeutet, nicht objektive Qualität Kapitel: [00:00] Intro [00:10] Alltagsfrage [00:30] Vergleich [00:40] Grundidee [01:10] Technische Erklärung [04:20] Praxisbeispiel [05:20] Missverständnisse [06:25] Zusammenfassung [07:05] Ausblick Begriffe aus dieser Folge: - Empfehlungsalgorithmus: Ein Verfahren, das aus dem bisherigen Verhalten einer Person vorhersagt, welche Inhalte ihr als Nächstes gefallen, und sie danach sortiert. - explizites und implizites Feedback: Explizit ist eine ausdrücklich vergebene Bewertung, implizit das stille Verhalten wie Klicks oder Ansehdauer. - kollaboratives Filtern: Eine Methode, die Personen mit ähnlichem Verhalten vergleicht und empfiehlt, was die einen mochten, den anderen. - inhaltsbasiertes Filtern: Eine Methode, die die Merkmale der Inhalte selbst vergleicht und Ähnliches zu bereits Gemochtem vorschlägt. - Cold-Start-Problem: Die Schwierigkeit, für neue Nutzer oder neue Inhalte ohne Verhaltensdaten gute Empfehlungen zu erzeugen. Verwandte Episoden: - Folge #10 — RAG-System — Wie ein Sprachmodell mit externem Wissen (z. B. aus einer Datenbank) antwortet. - Folge #12 — Transformer — Die Architektur hinter modernen Sprachmodellen und was Self-Attention bedeutet. 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 wie.funktioniert.podcast@proton.me. Alle Folgen auch auf YouTube: youtube.com/@wie-funktioniert-podcast Wenn dir die Folge weiterhilft: abonnieren und bewerten — das hilft anderen, den Podcast zu finden.

    Wie funktioniert eigentlich ein Empfehlungsalgorithmus?

  5. Jun 23

    Wie funktioniert eigentlich ein RAG-System?

    Immer mehr Assistenten antworten nicht mehr aus dem Gedächtnis, sondern schlagen vorher in echten Dokumenten nach — und nennen die Quelle gleich dazu. Genau dieses Nachschlagen steckt hinter dem Kürzel RAG. Was du in dieser Folge lernst: - Was „Retrieval-Augmented Generation“ bedeutet — erst suchen, dann antworten - Wie aus Dokumenten Chunks, Embeddings und eine Vektordatenbank werden - Warum die semantische Suche nach Bedeutung statt nach Stichwort sucht - Wieso das Modell dabei nicht nachtrainiert wird und trotzdem auf neues Wissen zugreift - Woran eine RAG-Antwort scheitert, wenn die Suche den falschen Abschnitt holt Kapitel: [00:00] Intro [00:18] Alltagsfrage [00:37] Vergleich [01:17] Grundidee [02:01] Technische Erklärung [04:40] Praxisbeispiel [05:31] Missverständnisse [06:49] Zusammenfassung [07:24] Ausblick Begriffe aus dieser Folge: - RAG-System: Ein RAG-System ergänzt ein Sprachmodell mit einer Suche in externem Wissen, sodass das Modell beim Antworten auf aktuelle oder spezifische Quellen zugreifen kann. (Siehe Glossar) - Embedding: Eine Zahlenfolge, die einen Text, ein Bild oder einen Ton so darstellt, dass ähnliche Inhalte nah beieinanderliegen. (Siehe Glossar) - Chunk: Ein kurzer Textabschnitt, in den ein Dokument vorab zerteilt wird, damit später gezielt die passende Stelle gefunden werden kann. - Vektordatenbank: Ein Speicher, der Texte als Zahlenfolgen hält und zu einer Frage die inhaltlich nächstgelegenen Abschnitte findet — nicht nach Stichwort, sondern nach Nähe. - semantische Suche: Eine Suche, die nach Bedeutung statt nach genauer Wortübereinstimmung arbeitet und so auch passende Stellen ohne gemeinsame Wörter findet. Verwandte Episoden: - Folge #09 — KI-Agent — Was einen Agenten ausmacht: Ziel, Werkzeuge, Handlungsspielraum. 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 wie.funktioniert.podcast@proton.me. Alle Folgen auch auf YouTube: youtube.com/@wie-funktioniert-podcast Wenn dir die Folge weiterhilft: abonnieren und bewerten — das hilft anderen, den Podcast zu finden.

    Wie funktioniert eigentlich ein RAG-System?

  6. Jun 16

    Wie funktioniert eigentlich ein KI-Agent?

    Aus dem reinen Antwort-Geben wird in vielen Anwendungen ein Erledigen über mehrere Schritte hinweg — Software, die Werkzeuge aufruft, Ergebnisse liest und selbst entscheidet, was als Nächstes dran ist. Was du in dieser Folge lernst: - Was einen KI-Agenten von einem reinen Chatbot unterscheidet — und warum nicht die Antwortlänge, sondern das Handeln zwischen den Antworten zählt - Aus welchen Teilen ein Agent besteht: Ziel, Sprachmodell, Werkzeuge mit kurzer Beschreibung — und welche Rolle die Agenten-Schleife spielt - Was eine Abbruchbedingung ist und warum produktive Agenten eine maximale Schrittzahl pro Aufgabe haben - Warum mehr Werkzeuge nicht automatisch einen besseren Agenten ergeben - Wo ein Agent selbst handelt — und wo in der Praxis eine ausdrückliche Rückfrage davor steht Kapitel: [00:00] Intro [00:10] Alltagsfrage [00:35] Vergleich [01:00] Grundidee [01:40] Technische Erklärung [03:40] Praxisbeispiel [04:50] Missverständnisse [06:35] Zusammenfassung [07:20] Ausblick Begriffe aus dieser Folge: - KI-Agent: Ein Programm, das mit einem Sprachmodell ein Ziel verfolgt, dafür Werkzeuge benutzt und seine nächsten Schritte selbst entscheidet. (Siehe Glossar) - Werkzeug: Ein Programm oder eine Schnittstelle, die der Agent aufrufen darf — etwa eine Websuche, ein Kalender, eine Datenbank oder ein Skript, das Code ausführt. - Agenten-Schleife: Der wiederholte Ablauf aus drei Teilen: das Modell überlegt, ruft ein Werkzeug auf und nimmt das Ergebnis als Beobachtung entgegen. - Abbruchbedingung: Eine Vorgabe, wann der Agent aufhört — typischerweise eine maximale Schrittzahl pro Aufgabe. Verwandte Episoden: - Folge #08 — Prompting — Wie die Formulierung der Eingabe das Ergebnis prägt — und welche Strukturen zuverlässig wirken. - Folge #10 — RAG-System — Wie ein Sprachmodell mit externem Wissen (z. B. aus einer Datenbank) antwortet. 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 wie.funktioniert.podcast@proton.me. Alle Folgen auch auf YouTube: youtube.com/@wie-funktioniert-podcast Wenn dir die Folge weiterhilft: abonnieren und bewerten — das hilft anderen, den Podcast zu finden.

    Wie funktioniert eigentlich ein KI-Agent?

  7. Jun 9

    Wie funktioniert eigentlich Prompting?

    Jede Frage an einen Chatbot ist ein Prompt — und die Antwort hängt fast immer mehr an der Formulierung als am gewählten Modell. Was du in dieser Folge lernst: - Was ein Prompt ist und warum ein Sprachmodell ihn nicht ausführt, sondern Wort für Wort statistisch fortsetzt - Welche drei Stellschrauben — Anweisung, Kontext, Format — jede gute Eingabe ausmachen - Was System-Prompt, Few-Shot-Prompting und Chain-of-Thought sind und wann sie helfen - Warum längere Prompts nicht automatisch bessere Antworten liefern Kapitel: [00:00] Intro [00:10] Alltagsfrage [00:25] Vergleich [00:55] Grundidee [01:35] Technische Erklärung [04:30] Praxisbeispiel [05:45] Missverständnisse [06:40] Zusammenfassung [07:30] Ausblick Begriffe aus dieser Folge: - Prompt: Die gesamte Texteingabe, die ein Sprachmodell vor seiner Antwort verarbeitet — Nutzertext plus den System-Prompt der Anwendung. - System-Prompt: Ein Stück Text, das der Entwickler einer Anwendung vor jeder Nutzerfrage automatisch einfügt und in dem Rolle, Stil und Grenzen des Modells festgelegt werden. - Few-Shot-Prompting: Das Mitgeben einiger Beispielpaare aus Eingabe und gewünschter Ausgabe direkt im Prompt, damit das Modell das Format für die eigentliche Anfrage übernimmt. - Chain-of-Thought: Die Aufforderung an das Modell, vor der eigentlichen Antwort die Überlegungsschritte zu nennen — was die Genauigkeit bei mehrschrittigen Aufgaben verbessert. Verwandte Episoden: - Folge #07 — Token — Die kleinen Bausteine, in die Sprachmodelle Text zerlegen — und warum sie auch die Kosten bestimmen. - Folge #09 — KI-Agent — Was einen Agenten ausmacht: Ziel, Werkzeuge, Handlungsspielraum. 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 wie.funktioniert.podcast@proton.me. Alle Folgen auch auf YouTube: youtube.com/@wie-funktioniert-podcast Wenn dir die Folge weiterhilft: abonnieren und bewerten — das hilft anderen, den Podcast zu finden.

    Wie funktioniert eigentlich Prompting?

  8. Jun 2

    Wie funktioniert eigentlich ein Token?

    Wenn ein Chatbot dir sagt, dein Dokument sei zu lang, oder eine API-Rechnung höher ausfällt als gedacht, dann ist meist dieselbe Größe schuld: die Token-Zahl. Token sind die Einheit, in der die KI-Welt rund um Sprache zählt — und sie sind weder Wörter noch Zeichen. Was du in dieser Folge lernst: - Was ein Token ist und warum es meist kein ganzes Wort, sondern ein kürzeres Wortstück darstellt - Wie ein Tokenizer einen Text vor jeder Verarbeitung in eine Folge von Zahlen zerlegt - Warum derselbe Inhalt auf Deutsch fast immer mehr Token braucht als auf Englisch - Was das Kontextfenster ist und warum es die maximale Menge an Token pro Anfrage festlegt - Warum jedes Modell seinen eigenen Tokenizer hat und Token-Zahlen zwischen Anbietern nicht vergleichbar sind Kapitel: [00:00] Intro [00:10] Alltagsfrage [00:35] Vergleich [01:05] Grundidee [01:35] Technische Erklärung [04:25] Praxisbeispiel [05:25] Missverständnisse [06:35] Zusammenfassung [07:20] Ausblick Begriffe aus dieser Folge: - Token: Die kleinste Texteinheit, mit der ein Sprachmodell rechnet — meist ein kurzes Wortstück. (Siehe Glossar) - Tokenizer: Das Programm, das einen Eingabetext deterministisch in eine Folge von Token zerlegt, bevor das Modell ihn verarbeitet. - Vokabular: Die feste Liste aller Token, die ein bestimmtes Modell kennt — typischerweise einige zehntausend bis über hunderttausend Einträge. - Kontextfenster: Die maximale Menge an Token, die ein Sprachmodell in einer Anfrage gleichzeitig lesen und berücksichtigen kann. (Siehe Glossar) - Eingabe- und Ausgabe-Token: Die zwei Zählgrößen, nach denen kommerzielle Sprachmodell-Anbieter abrechnen — alles, was hineingeht, und alles, was das Modell erzeugt, wird getrennt gezählt. Verwandte Episoden: - Folge #06 — Sprachmodell — Wie ein Modell auf riesigen Textmengen trainiert wird und jeweils das nächste Wort vorhersagt. - Folge #08 — Prompting — Wie die Formulierung der Eingabe das Ergebnis prägt — und welche Strukturen zuverlässig wirken. 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 wie.funktioniert.podcast@proton.me. Alle Folgen auch auf YouTube: youtube.com/@wie-funktioniert-podcast Wenn dir die Folge weiterhilft: abonnieren und bewerten — das hilft anderen, den Podcast zu finden.

    Wie funktioniert eigentlich ein Token?
See All (15)

Trailer

About

„Wie funktioniert eigentlich KI?“ ist ein 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.

Information

  • Creator
    Wie funktioniert eigentlich ...?
  • Years Active
    2026
  • Episodes
    15
  • Rating
    Clean
  • Copyright
    © Wie funktioniert eigentlich ...?
  • Show Website
    Wie funktioniert eigentlich KI?