Themenbereich 1 von 4
Grundlagen
Die Begriffe, auf denen alles aufbaut: was Programm und Modell trennt und was hinter Wahrscheinlichkeiten, Vektoren, Hardware und neuronalen Netzen steckt.
Worum es hier geht
Hier entsteht das gemeinsame Vokabular für alles, was später folgt. Die Bausteine beginnen bei vertrauten Computerprogrammen und führen Schritt für Schritt zu den Zahlenstrukturen, Wahrscheinlichkeiten und technischen Voraussetzungen moderner KI-Modelle.
Du kannst jeden Baustein einzeln lesen. Die angezeigte Reihenfolge ist trotzdem bewusst gewählt: Neue Begriffe bauen auf bereits erklärten Ideen auf, ohne dass daraus ein starrer Kurs wird.
Themenbereich 1 von 4
Die Bausteine in diesem Themenbereich
Jeder Baustein funktioniert für sich. In dieser Reihenfolge greifen die Begriffe besonders sauber ineinander.
Programm, Algorithmus, Modell im Vergleich
Wie unterscheiden sich Programm, Algorithmus und Modell? Klassische Software folgt Regeln, die ein Mensch aufschreibt. Ein KI-Modell besteht aus einem festen Rechenweg und Zahlen, die im Training eingestellt wurden.
Gelesen≈ 15 Min.Input und Output: Was ein Modell aus einer Eingabe macht
Was bekommt ein KI-Modell hinein, und was kommt heraus? Vom Spamfilter bis zum Chatbot: Oft kommt eine Liste von Bewertungen heraus.
Gelesen≈ 13 Min.Tokenizer: Wie Text in Tokens zerfällt
Zeigt, wie ein Tokenizer Text in Stücke zerlegt, die er vorher durch Zählen gelernt hat, und warum die Zahl der Tokens nicht die Zahl der Wörter ist.
Gelesen≈ 15 Min.Token-IDs: Was eine Nummer bedeutet
Zeigt, was eine Token-ID ist: eine Nummer, die nur im Vokabular ihres Tokenizers gilt. Außerdem erklärt der Baustein, warum jedes Modell genau zu dem Tokenizer passt, mit dem es trainiert wurde, und warum die Nummer selbst nichts über das Stück verrät.
Gelesen≈ 7 Min.Skalar, Vektor, Matrix, Tensor: die Bausteine der Zahlen
Von der Wetter-App zum Chatbot: wie Zahl, Liste, Tabelle und Tabellenstapel zusammenhängen und warum dein Chat für ein Modell genau so ein Zahlenblock ist.
Gelesen≈ 13 Min.Wahrscheinlichkeit und Softmax: Wie ein Modell sich entscheidet
Wie ein Sprachmodell aus seinen Scores Anteile macht, warum es mal das Naheliegende und mal etwas anderes wählt und was die Temperatur daran ändert.
Gelesen≈ 16 Min.Parameter, Training und Benutzen: Wie ein Modell lernt
Was in einer Modelldatei steckt, was Menschen vor dem Training festlegen, wie das Training aus dem Fehler ableitet, in welche Richtung jeder Regler bewegt werden muss und warum Lernen teurer ist als Benutzen.
Gelesen≈ 16 Min.Modellgröße und Hardware: Wo ein Modell Platz findet
Wie viel Speicher ein KI-Modell braucht, warum zuerst der Platz und nicht das Tempo entscheidet, wie Quantisierung Modelle verkleinert und warum Training noch viel mehr Speicher braucht.
Gelesen≈ 13 Min.Das künstliche Neuron: Wie aus einer Summe eine Ausgabe wird
Was ein künstliches Neuron ausrechnet: Gewichte, Grundregler und Untergrenze. Mit dem Spamfilter aus dem ersten Baustein lässt sich alles von Hand nachrechnen.
Gelesen≈ 7 Min.
Zum Nachschlagen
Begriffe aus diesem Themenbereich
Kurze Erklärungen zu den Fachbegriffen, die in den bereits lesbaren Bausteinen vorkommen.
- Aktivierungsfunktion
- Algorithmus
- Byte Pair Encoding (BPE)
- Expertensysteme
- Grafikspeicher
- Grundregler
- Hyperparameter
- Inferenz
- Input
- KI (Künstliche Intelligenz)
- Kontextfenster
- Label (Target)
- Lernrate
- Maschinelles Lernen
- Matrix
- Modell
- Neuron
- Output
- Parameter
- Programm
- Prompt
- Quantisierung
- Sampling
- Schicht
- Score
- SentencePiece
- Skalar
- Softmax
- Sprachmodell
- Subword-Token
- Temperatur
- Tensor
- Token
- Token-ID
- Tokenizer
- Trainingsalgorithmus
- Vektor
- Vokabular
- Wahrscheinlichkeit
- Zwischenwert