PDF als Download (KI-Basics)
Über diese Seite Werk
Gründet auf dem Werk „KI-Revolution“ Arnold Oberleiter
25. Oktober 2024 n. Chr. hrsg.
AI mit Arnie
Starte hier Onboarding
Überarbeitung Liste Werke von Klaus Feldmann
Abschrift
5. Dezember 2024 n. Chr. erst.
7:10 Uhr Ausgabe 00
Ausgabe 00
veröffentlicht
geprüft
↑ Erklärung Begrüßungsgeschenk (Prompting GPT)
→ PDF als Download (KI-Basics)
Seite wegen json-Fehler PagePorperty neu angelegt 20250908
PDF als Download
Hier ist eine kleine PDF, die unser Klaus aus der Community erstellt hat (nochmal danke an dieser Stelle).
Sie bietet einen kurzen schriftlichen Überblick zu KI.
Viel Spaß!
Resources
KI-Basics
Grundwissen in Sachen künstliche Intelligenz und deren Anwendung
Aktuell ist der Begriff „künstliche Intelligenz“ quasi in aller Munde. Dies soll eine kleine Einleitung zum Thema sein, damit man weiß, was es überhaupt bedeutet und wie man es für sich selbst nutzen kann.
Wie kam es zu KI und was ist es:
Die Geschichte der künstlichen Intelligenz begann eigentlich schon in der Antike, als Philosophen wie Aristoteles darüber nachdachten, wie Menschen logisch denken und Entscheidungen treffen. Die moderne KI entwickelte sich jedoch ab den 1940er-Jahren mit der Erfindung des Computers. Forscher wie Alan Turing erkannten, dass Maschinen mathematische Probleme lösen können, die normalerweise menschliches Denken erfordern.
1956 wurde auf der Dartmouth-Konferenz der Begriff „künstliche Intelligenz“ geprägt, was den Startschuss für die KI-Forschung gab. Seitdem hat sich KI rasant weiterentwickelt – von einfachen Algorithmen hin zu komplexen Systemen wie ChatGPT.
Was ist ein LLM (Large Language Model)?
Ein Large Language Model ist eine Art KI, die trainiert wird, Sprache zu verstehen und zu generieren. Es verwendet riesige Datenmengen, um Muster in Sprache zu erkennen. Dadurch kann ein LLM Texte schreiben, Fragen beantworten und sogar kreativ arbeiten. Beispiele sind ChatGPT oder Google s Bard oder Gemini, Anthropic s Claude und viele mehr.
Diese Modelle basieren oft auf neuronalen Netzen, die ähnlich wie das menschliche Gehirn Informationen verarbeiten. Dabei wurden diese sogenannten „neuronalen Netze“ den menschlichen Gehirnneuronen nachempfunden. Trainiert wurden diese dann mit Milliarden von Informationen aus der Historie des menschlichen Wissens über quasi alle Themenbereiche hinweg. Von Geschichte über Mathematik bis hin zu Sprachkenntnissen und dem selbständigen Erstellen von Programmcode in allen erdenklichen Programmiersprachen.
Auch das Erkennen und Malen von Bildern bis hin zur Fotoqualität gehört zu diesen „Trainingsdaten“. Allerdings je nach LLM und dessen Anwendungsbereich. Nicht jedes Llm ist für jede Anwendung gemacht.
Warum braucht KI eine Host-Software?
Eine Host-Software stellt die Umgebung bereit, in der KI-Modelle (sogenannte LLM = Large
Language Model) ausgeführt werden können. Sie ermöglicht:
● Rechenkapazität: KI benötigt starke Prozessoren, um komplexe Berechnungen
durchzuführen.
● Datenintegration: Die Host-Software verbindet KI mit externen Datenquellen.
● Benutzerinteraktion: Sie schafft die Schnittstelle, über die Nutzer mit der KI
kommunizieren können (z.B. Apps oder Webseiten oder sog. API-Terminals).
Dies bedeutet: Mit einem LLM alleine kann man noch nichts anfangen. Man benötigt Programme wie Ollama, LmStudio, GPT4All oder ähnliche dafür, damit diese Modelle quasi darin „gehostet“ werden. Diese bringen die LLM erst zum Arbeiten. Erst dadurch wird es möglich, mit ihnen zu kommunizieren. Diese Art der Kommunikation nennt man „Prompten“
(siehe weiter unten erklärt).
Welche Arten von KI gibt es?
1. Sprachverarbeitung (NLP): Verstehen und Generieren von Text (z. B. Chatbots, Übersetzungen).
2. Bildverarbeitung: Erkennen und Analysieren von Bildern (z. B. Gesichtserkennung, medizinische Bilddiagnose).
3. Robotersteuerung: KI, die physische Geräte steuert.
4. Generative KI: Erstellen neuer Inhalte wie Bilder, Musik oder Code.
Warum ist RAG (Retrieval-Augmented Generation) wichtig?
Von Haus aus hat eine KI (das LLM) nur das ihm anfangs antrainierte Wissen. Es kann sich auch nur verhältnismäßig wenig innerhalb eines Gesprächs mit ihm merken (abhängig von der sogenannten Token-Zahl des Modells).
RAG kombiniert daher KI mit externem Wissen. Während ein LLM nur auf Basis seiner Trainingsdaten arbeitet, ermöglicht RAG den Zugriff auf aktuelle Informationen, etwa aus einer Datenbank, eigenen Texten oder dem eventuell verbundenen Internet. Das macht die KI vielseitiger und genauer. Außerdem wird erst damit ermöglicht, persönliche/individuelle Daten in die Fragen und Verarbeitungen mit einzubeziehen.
Derartige RAG-Systeme arbeiten aber nicht mit einfachen Texten, sondern die Inhalte müssen zuerst „KI-gerecht“ aufbereitet werden. Dies geschieht durch Zerlegung in sogenannte „Tokens“. Dies erledigt Spezialsoftware, die eigens dafür entwickelt wurde. Was dort exakt geschieht, wird den normalen User bereits überfordern und ist eher etwas für Leute, die tiefer in die Thematik einsteigen wollen. Hier aber soll es um die „Basics“ gehen, also die Grundlagen, die der normale KI-Anwender wissen sollte.
Warum muss man prompten lernen? Woher kommt der Begriff überhaupt?
Früher, in den Anfängen der Computerei, war der „Prompt“ in Computersystemen einfach das Eingabefeld oder ein Symbol (z. B. „>“), das anzeigt, dass das System bereit für Befehle war.
Heute bezeichnet der Prompt in der KI eine komplexe Anweisung, die die Qualität und Richtung der generierten Antworten bestimmt. Es ist also die Eingabe des Benutzers, sozusagen die Anweisung an die KI.
„Prompting“ bedeutet also, klare und gezielte Anfragen an die KI zu stellen. Gut durchdachte Prompts sorgen dafür, dass die KI:
● präzisere Antworten liefert,
● kreativer auf Probleme eingeht,
● und besser versteht, was der Nutzer wirklich möchte.
Mit Übung kann man die KI optimal nutzen und ihre Fähigkeiten voll ausschöpfen. Wenn es sehr ausgefeilt sein soll, dann spricht man von „Prompt Engineering“. Dies bezeichnet eine Technik, die oft sehr ausgefeilt ist, um exakt die Antwort oder das Muster der Antwort zu bekommen, welches einer ganz spezifischen Aufgabe entspricht.
Was unterscheidet öffentliche Sprachmodelle wie ChatGPT oder Claude von lokalen Lösungen?
Öffentliche Sprachmodelle wie ChatGPT oder Claude sind leistungsstarke cloudbasierte Lösungen, die auf umfangreichen Datenbanken trainiert sind und durch kontinuierliche Updates flexibel und vielseitig einsetzbar sind. Lokale Modelle hingegen bieten durch den Betrieb auf eigenen Geräten die volle Kontrolle über Daten, aber oft weniger Rechenleistung und Infrastruktur.
Warum bedeuten lokale Lösungen Datensicherheit?
Lokale Modelle speichern und verarbeiten Daten ausschließlich auf dem eigenen Computer, was das Risiko von Datenlecks durch externe Server minimiert. Da keine Daten an Drittanbieter übertragen werden, behalten Nutzer die volle Kontrolle über ihre sensiblen Informationen, was besonders in sicherheitskritischen Bereichen von Vorteil ist.
Nachteil: Man benötigt ein gewisses Grundwissen, um lokale Lösungen einzurichten, und man benötigt eine minimale Leistungsfähigkeit der Rechner, auf denen diese Programme arbeiten sollen.
Ein gewisser Mindeststandard ist hierbei u.a. eine Grafikkarte mit einem sogenannten VRAM von 12-16 Gigabyte (Milliarden Byte).
Darunter werden derartige Hardwarelösungen oft unerträglich langsam. Am besten geeignet sind aktuell Grafikkarten von NVIDIA, wie zum Beispiel RTX 4060, RTX 4070, RTX 4080 oder gar RTX 4090. Zwar ist NVIDIA aktuell noch Marktführer, jedoch kommen nach und nach auch andere Hersteller wie AMD ins Spiel.
MAC-Rechner haben ihre eigenen Hardwarelösungen, die ebenfalls immer leistungsfähiger werden
Für Fortgeschrittene: WAS ist ein KI Agent und wie setzt man ihn um:
Ein KI-Agent ist ein intelligentes Computerprogramm, das selbstständig komplexe Aufgaben erledigt und dabei über einfaches Prompting hinausgeht. Im Gegensatz zu einer normalen KI mit Prompting bietet ein KI-Agent mehrere Vorteile:
1. Autonomes Handeln: KI-Agenten führen Aktionen eigenständig aus, während normale KIs nur auf direkte Prompts reagieren.
2. Gedächtnis: Agenten verfügen über Kurz- und Langzeitgedächtnis, wodurch sie Kontexte über längere Zeit behalten können.
3. Proaktive Zusammenarbeit: Sie können verschiedene Werkzeuge nutzen und mit anderen Agenten kooperieren, was weitreichende Automatisierungen ermöglicht
4. Selbstregulierung: KI-Agenten treffen eigenständige Entscheidungen basierend auf definierten Zielen, ohne ständige manuelle Eingaben zu benötigen.
5. Anpassungsfähigkeit: Sie können aus Erfahrungen lernen und ihre Leistung im Laufe der Zeit verbessern
Um einen KI-Agenten zu erstellen, definiert man zunächst seine Ziele und Fähigkeiten. Man implementiert dann Algorithmen für Entscheidungsfindung und Problemlösung, oft basierend auf einem großen Sprachmodell (LLM)
Schließlich testet und optimiert man den Agenten in seiner Einsatzumgebung, damit er seine Aufgaben effektiv erfüllen kann.
ComfyUI wird hierfür oft verwendet, weil es eine benutzerfreundliche Oberfläche bietet (GUI), die die Erstellung und Verwaltung komplexer KI-Workflows erheblich vereinfacht. Mit seiner knotenbasierten Struktur können auch Nutzer ohne Programmierkenntnisse effizient arbeiten und ihre Projekte schneller umsetzen.
Fazit:
Abschließend lässt sich sagen, dass die Grundlagen der künstlichen Intelligenz für jeden, der sich mit der Technologie auseinandersetzen möchte, von zentraler Bedeutung sind. Der Fortschritt in der KI hat es ermöglicht, dass heute nicht nur Texte und Bilder erzeugt, sondern auch komplexe Anwendungen wie RAG (Retrieval-Augmented Generation) und das gezielte „Prompten“ genutzt werden können, um das Potenzial der Modelle zu entfalten. Sowohl im privaten Bereich, aber nicht zuletzt bei der beruflichen Nutzung, wird es mehr und mehr darauf ankommen, sich mit den Grundlagen auseinanderzusetzen.
Während lokale Lösungen den Vorteil der Datensicherheit und Kontrolle bieten, benötigen sie eine gewisse technische Expertise und leistungsfähige Hardware. Die kontinuierliche Weiterentwicklung von KI und ihren Anwendungen wird es immer mehr Nutzern ermöglichen, diese mächtigen Tools effektiv und sicher zu verwenden.
Genau hier setzt die KI-Seite „AI mit Arnie“ an! Sie will allen Interessierten die Möglichkeit bieten, sich weiterzubilden und ihre persönlichen Fragen/Antworten mit Gleichgesinnten zu besprechen.
Die umfangreichen Onlineschulungen bieten hierfür ganz sicher eine solide, breit gefächerte Grundlage.
Nachstehend eine graphische Zusammenfassung: Links die besprochenen Arten der KI, rechts die technischen Zusammenhänge, von oben nach unten in ihrer grundlegenden Bedeutung bzw. technischen Entwicklung.
Aussichten:
Immer wieder hört man aktuell von einer AGI (Artificial General Intelligence), einer weiterentwickelten Stufe der KI, die menschliches kognitives Denken beherrschen und der menschlichen Intelligenz gleichzusetzen wäre. Noch ist dies nicht erreicht, und es gibt sehr differenzierte Meinungen darüber, ob und wann eine solche KI existieren wird. Die Entwicklung dahin bleibt spannend, und man hört fast wöchentlich neue Vorhersagen darüber. Warten wir es gemeinsam ab und versuchen bis dahin, die KI für unsere Zwecke so zu nutzen, wie wir es ihr vorgeben. In diesem Sinne: Viel Nutzen und gute Gespräche hier bei AI mit Arnie