Geben sie die Erklärungen für die Englsichen Begriffe
Digitalization
Digitization
an und erklären sie wie man daraus den deutschen Begriff Digitalisierung ableiten kann.
„Digitalization“: Abläufe/Aufgabenerledigung/Geschäftsmodelle basieren verstärkt auf IT-Einsatz
„Digitization“ : Umwandlung analoger Signale/Werte in digitale Repräsentation.
—> z.B.: Papierbasierter Brief wird gescannt (Pixel) mit ggf. anschließenderTexterkennung
Die Deutsche Bedeutung bezieht sich weitgehend aud die “Digitalization”.
Digitalisierung kann so verstanden werden, dass sie…
Eine Effizienzsteigerung bewirkt (Automatisierung von bestehenden Prozessen)
Prozesse gänzlich verändert (Abläufe, Produkte,…)
—-> Weigehend wird darunter eine Digitale Transformation verstanden in allen möglichen Bereichen
—> Bsp.: Antragsformular in der BW jetzt häufig online,
Frage: Braucht man das überhaupt noch? (Budgetvergabe)
Digitalisierung in Deutschland:
Beispiel Bafög: Extrem schlecht: Anträge können zwar nun digital eingereicht werden, müssen aber dann im zuständigen Amt ausgedruvkt werden, um bearbeitet zu werden.
—> Drucker Staus, neue Arbeitskräfte nur zum Drucken, lange Wartezeiten
Was besagt das Onlinezugangsgesetz (OZG) von 2017?
Das Onlinezugangsgesetz ist gescheitert, da bis 2022 nur etwa 150 der geplanten 575 Vorgänge Online zugänglich waren.
Welches Gesetz ist daraus entstanden?
„Gesetz zur Änderung des Onlinezugangsgesetzes sowie weiterer Vorschriften zur Digitalisierung der Verwaltung“ (kurz OZG 2.0)
Es setzt verbindliche Standards für die Digitalisierung der Verwaltung.
Führt die DeutschlandID als einheitliches Identifikationsmittel ein.
Stärkt das Once-Only-Prinzip (Daten müssen nur einmal eingereicht werden).
Bürger erhalten nach vier Jahren einen Rechtsanspruch auf digitale Verwaltungsleistungen.
Was ist eine digitale Plattform?
Digitaler Marktplatz: Mehrere Anbieter und mehrere Nachfrager treffen Online aufeinander. (AirBnB, Uber,…)
—> Oft große Marktführerschaft in bestimmten Bereichen.
Was sind Vorteile von digitalen Plattformen?
Die digitale (häufig webbasierte) Umsetzung ermöglicht eine kontinuierliche Verbesserung („Kaizen“) durch fortwährende kontrollierte Experimente.
automatische A-B-Tests (ausprobieren Option A/Option B)
im Gegensatz zu langwierigen aufwändigen „Experimenten“ (Entwicklungszyklen) bei herkömmlichen (physischen) Produkten
Potenziale für das Marketing (vgl. Varian 2007)
Beispiele: Preisanpassungen, Layout-Anpassungen
Sogennate Human Intellignece Tasks (HIT), also vorallem Informationsverabeitung konnte lange Zeit nicht automatisiert werden.
Amazon erschuf sogar den Amazon Mechanical Turk: Mithilfe von Clickworkern wurde eine künstliche Intelligenz simuliert.
Heute kommt KI immer näher daran, eigenständig Sachverhalte zu analysieren und basierned darauf Entscheidungen zu treffen.
Wie funktioniert der sog. Turing Test?
Was soll er beweisen?
Der Turing-Test, entwickelt von Alan Turing (1950), prüft, ob eine Maschine menschliche Intelligenz nachahmen kann.
Ein Mensch (Interviewer) führt eine textbasierte Unterhaltung mit einem Menschen und einer KI.
Wenn der Interviewer nicht zuverlässig sagen kann, wer die Maschine ist, hat die KI den Test bestanden.
Erster Versuch Intelligenz zu imitieren von Josef Weizenbaum: Eliza (auf Englisch)
Wofür steht CAPTCHA?
“Completely automated public Turing test to tell computers and humans apart”
Grenzen sie Schwache und Starke KI kurz voneinander ab.
Schwache KI: Löst spezifische Probleme in begrenzten Bereichen, oft mit maschinellem Lernen. (Bsp.: Schach, Bilderkennung, FIFA…)
Starke KI (Artificial Gneral Intelligence): Allgemeine Intelligenz, die menschenähnlich denkt und neue Probleme kreativ löst.
(Bsp.: fraglich, starke Entwicklung in den letzten Jahren)
—> Mögliche Super Intelligence, die besser denkt, als der Mensch
Problem: Schwammige Definition von Intelligenz und Denken
Was sind künstliche neuronale Netze?
Künstliche neuronale Netze (KNN) sind mathematische Modelle, die von der Struktur und Funktionsweise des menschlichen Gehirns inspiriert sind. Sie bestehen aus Schichten von Neuronen, die Daten verarbeiten und Muster erkennen.
Stellen sie die Tabelle Grafisch dar.
Man kann eine lineare Trennung erkennen.
Zeichnen sie ein einfaches Perzeptron nach Rosenblatt.
Wie funktionieren künstliche neuronale Netze?
Auf Basis von supervised learning werden Trainigsdaten auf ein Perzeptron mit x Eingabewerten angewandt.
—> Es wird eine Art Regel definiert, für die Alle Werte passen.
Diese Regel ist genauer, desto mehr Trainigsdaten man hat.
—> Für komplexere Muster kann man Neuronen hinzufügen, um bessere Ergebnisse zu erzeugen.
Zahlen laufen durch das Perzeptron, werden über einfache mathematische Operationen verabeitet, und daraus werden Prognosen abgeleitet.
Seit 2010 gibt es extreme Fortschritte bei künstlichen Neuronalen Netzen. Beispielsweise die Ampelerkennung funktioniert mittlerweile sehr zuverlässig, und die Bilderelennung vom Handy.
Was ist supervised learning bei künstlichen neuronalen Netzen?
Überwachtes Lernen: Die Trainigsdaten haben bereits ein Label. Sind richtig zugeordnet —> Auf dieser Basis sollen dann neue Daten bearbeitet werden.
Was ist generative KI?
Generative KI ist eine Art von künstlicher Intelligenz, die neue Inhalte erzeugt, anstatt nur vorhandene Daten zu analysieren. Sie kann Texte, Bilder, Musik, Code oder sogar Videos generieren/umwandeln.
Generative KI besteht aus großen neuronalen Netzen.
Gehören LLMs zur generativen KI? Wenn ja, wie funktionieren sie? Was ist ein Beispiel für ein LLM?
Ein LLM (Large Language Model) ist eine generative KI, die auf großen Mengen von Textdaten trainiert wurde, um menschenähnlichen Text zu verstehen und zu erzeugen.
Sie bestehen weil sie eine generative KI sind aus großen künstlichen neuronalen Netzen.
—> basieren auf einfachen Rechenoperationen, Wortbestandteile “Token” werden durch Zahlen repräsentiert, es sind keine Regeln oder Expertenwissen hinterlegt
Bsp.: GPT: generative pre-trained transformer
Obwohl man früher schon wusste, wozu neuronale Netze fähig sind, wurden sie erst in den letzten 15 Jahren für generative KI genutzt. Woran liegt das?
Datenverfügbarkeit (Internet) und Rechenleistung erst heute ausreichend, um KI gut genug zu trainieren.
Die Worte werden durch Zahlen Repräsentiert. Sie “fließen” durch das Neuronale Netz und erzeugen zunächst andere Zahlen, die dann wieder in Wörter umgewandelt werden können.
Würde Chat GPT den Touring Test in seiner ursprünglichen Ausführung bestehen?
Ja.
Warum kann nicht jeder seine eigene KI starten?
Der Anfang, ein neuronales Netz zu bauen und zu trainiern ist sehr aufwendig und kostenspielig.
Seit GPT 4o hält Open AI die genaue Funktionsweise und die gewichtungen ihres neuronalen Netzes/ihrer KI geheim.
Anders ist es bei “Meta Llama” diese KI ist offengelegt, und jeder kann auf dieser Basis weiter forschen.
Ziel von KI-entwicklern ist es, die KI so zu festalten, das sie weniger Gewichte braucht, also einfacher ist. Wie viele Gewichte hat ein durchschnittlich großes LLM?
Chat GPT hat Gewichten zufolge 1000 Milliarden Gewichte. (=1 Billionen)
Die Mistral AI (Mistral-7B) hat sogar 7 Billionen.
Weniger Gewichte —> billiger
Ab ca. 1 Mrd. Gewichten entstehen erste brauchbare LLMs.
Ab 10–30 Mrd. Parametern werden sie leistungsfähig.
Ab 100 Mrd. – 1 Billion+ sind sie nahezu menschenähnlich in vielen Aufgaben
(Nach heutiger Forschung —> Forscher arbeiten daran, mit weniger Gewichten bessere Ergebnisse zu erzeugen)
Was ist die Strategie des best practice beim Prompting?
Die Best-Practice-Strategie beim Prompting zielt darauf ab, möglichst klare, präzise und zielgerichtete Eingaben zu formulieren, um optimale Antworten von einem LLM zu erhalten.
“Versetze dich in die Rolle…”
“Tue so als ob…”
Rasante Entwicklung:
LLMs und generative KI werden leistungsfähiger, menschenähnliches Denken deutet sich an.
Produktivitätssteigerung, aber auch Risiken wie Kontrolle und Missbrauch.
Zukunft:
Fortschritt Richtung AGI, Bewusstsein, Superintelligenz?
KI in Alltagsobjekten (Ubiquitous Computing), aber Schwächen in Robotik & Planung.
Regulierung & Gesellschaft:
Balance zwischen Innovation und Sicherheit nötig.
Auswirkungen auf Arbeitsmarkt, Bildung, Ethik, Recht.
Mensch-KI-Zusammenspiel:
Augmented Intelligence: KI als Unterstützung, nicht Ersatz.
Kombination menschlicher Kreativität mit KI-Effizienz.
KI ist (noch) nicht gut in Robotik.
Was versteht man unter „Digitalisierung“?
Weitgefasst: Transformation von Abläufen, Produkten und Geschäftsmodellen durch IT.
Unterschiede:
Digitization → Analog zu Digital (z. B. Scannen von Dokumenten).
Digitalization → Nutzung von IT zur Prozessoptimierung.
Digitale Transformation → Neue Geschäftsmodelle durch Technologie.
Was sind digitale Plattformen und warum sind sie wirtschaftlich bedeutend?
Definition: IT-gestützte Vermittler zwischen Anbieter und Nachfrager.
Beispiele: Amazon, Uber, Airbnb.
Merkmale: Netzwerk- & Skaleneffekte, Monopolisierungstendenzen.
Was ist der Unterschied zwischen schwacher und starker KI?
Schwache KI: Spezialisiert auf bestimmte Aufgaben (z. B. Schach-KI, Bilderkennung).
Starke KI (AGI): Allgemeine Intelligenz, menschenähnliche Lern- und Denkfähigkeiten.
Wie funktioniert ein künstliches neuronales Netz?
Besteht aus Eingabe-, versteckten- und Ausgabeschichten.
Neuronen gewichten Eingaben, summieren Werte und nutzen Aktivierungsfunktionen (z. B. ReLU).
Lernen durch Training (z. B. Backpropagation).
Was sind Large Language Models (LLMs) und wofür werden sie verwendet?
Große neuronale Netze, die mit Textdaten trainiert wurden.
Beispiele: GPT-4, LLaMA, Claude.
Anwendungen: Textgenerierung, Code, Übersetzungen, Chatbots.
Welche Risiken birgt der Einsatz von KI, und warum ist Regulierung wichtig?
Risiken: Fehlinformationen, Bias, Datenschutz, Kontrolle durch große Konzerne.
Regulierung: Gesetze zum Schutz von Nutzern & Ethikrichtlinien für verantwortungsbewusste Nutzung.
Was versteht man unter „Augmented Intelligence“?
Mensch-KI-Zusammenarbeit, bei der KI den Menschen unterstützt, aber nicht ersetzt.
Beispiele: KI-gestützte Entscheidungsfindung in Medizin & Wirtschaft.
Last changeda day ago
