Was verstehen Sie unter künstlicher Intelligenz?
Computer, die Aufgaben lösen, die menschliche Intelligenz benötigen.
Was ist Intelligenz / intelligentes Verhalten?
Lernen, Problemlösen, Planen, Wahrnehmen, Sprache verstehen.
Was ist Autonomie / autonomes Verhalten?
Selbstständiges Handeln ohne direkte Steuerung.
Welche Fähigkeiten zählen dazu?
Wahrnehmung, Schlussfolgern, Lernen, Planen, Kommunikation.
Wie funktioniert der Turingtest?
Ein Mensch beurteilt, ob sein Gesprächspartner Maschine oder Mensch ist.
Was ist generative KI?
Modelle erzeugen neue Inhalte wie Text, Bilder oder Audio.
Was ist der Aufmerksamkeitsmechanismus / wie funktioniert ein Transformer?
Er fokussiert relevante Eingabeteile; parallele Verarbeitung über Attention.
Unterschiede menschliches Gehirn vs. LLM
Gehirn biologisch und lernt kontinuierlich; LLM statistische Modelle.
Was sind Risiken generativer KI?
Fehlinformationen, Bias, Missbrauch, Abhängigkeit.
Was versteht man unter Halluzination und woher kommt diese?
Falschaussagen durch statistische Muster ohne Faktenbasis.
Welche Rolle spielte der Mensch beim Training von ChatGPT?
Er gab Feedback, annotierte Daten und bewertete Antworten.
Welche Gefahren sehen Sie bei ChatGPT?
Falschinfos, Datenschutzrisiken, Manipulation.
Wovon ist die Qualität der Antwort maßgeblich abhängig?
Vom Prompt, Kontext und den Trainingsdaten.
In welchen Fällen sollten Sie ChatGPT nicht verwenden?
Medizinische Diagnosen, Recht, sicherheitskritische Entscheidungen.
Was unterscheidet ChatGPT 3.5 von ChatGPT 4?
GPT‑4 ist leistungsfähiger, genauer und kann multimodal arbeiten.
Benennen Sie die Komponenten eines wissensbasierten Systems!
Wissensbasis, Inferenzmaschine, Benutzeroberfläche.
Unterschied WBS vs. Expertensysteme?
Expertensystem = praktische Anwendung eines WBS.
Nutzen von Expertensystemen / Bedingungen?
Digitalisierung von Expertise; benötigt gute, konsistente Wissensbasis.
Forderungen an ein WBS?
Vollständigkeit, Konsistenz, Erweiterbarkeit.
Aus welchen Komponenten besteht ein WBS?
Faktenbasis, Regeln, Inferenzmaschine, Benutzeroberfläche.
Welche Wissensarten gibt es?
Fakten-, Klassen-, Regel- und Metawissen.
Fakten- vs. Klassenwissen?
Fakten = konkrete Instanzen; Klassen = Kategorien.
Beispieltripel je Wissensart?
Hund – ist_ein – Tier.
Nachteile regelbasierter Repräsentation?
Starr, unübersichtlich, schwer skalierbar.
Was ist Inferenz?
Ableitung neuen Wissens aus vorhandenem Wissen.
Benennen Sie die Inferenzarten!
Vorwärts- und Rückwärtsverkettung.
Wie arbeitet eine Inferenzmaschine?
Sie wendet passende Regeln auf Fakten an.
Wie funktionieren die Suchstrategien?
BFS, DFS, heuristisch (z. B. A*).
Was sind Regeln und welche Form haben sie?
Wenn-Dann-Strukturen.
Anwendungsbeispiele regelbasierter Systeme?
Diagnose, Konfiguration, Beratung.
Regeln für ein Studienberatungs-Expertensystem?
Wenn Mathe gut → Empfehlung Ingenieurwesen.
Probleme in einer Regelbasis?
Widersprüche, Redundanzen, Lücken.
Ontologie vs. Taxonomie?
Ontologie beschreibt Relationen; Taxonomie nur Hierarchien.
Welche Bestandteile standardisiert OWL?
Klassen, Properties, Individuen, Axiome.
Grundaufbau OWL?
Klassen, Eigenschaften, Restriktionen.
Unterschiede RDF, RDFS, OWL?
RDF Datenmodell; RDFS Schemata; OWL Logik und Regeln.
Object vs. Data Property?
Objekt = Beziehung zwischen Individuen; Data = zu Datentypen.
Domain und Range?
Definitions- und Wertebereich einer Property.
Transitive/symmetrische Property + Beispiel?
transitiv: Teil_von; symmetrisch: verheiratet_mit.
Anforderungen an eine Ontologie?
Zweck, Umfang, Konsistenz.
T-Box und A-Box?
T‑Box = Klassen/Relationen; A‑Box = Individuen/Fakten.
Was ist ein Tripel?
Subjekt – Prädikat – Objekt.
Beispieltripel?
Produkt_A – produziert_von – Maschine_B.
Einfache Ontologie für Prozesse?
Produkt_A produziert_von Maschine_B mittels Fräsen.
Graphdatenbank vs. Protégé?
DB für Abfragen; Protégé für Modellierung.
SPARQL-Abfrage für Prozesse?
SELECT ?x WHERE { ?x rdf:type Prozess }.
Grenzen wissensbasierter Systeme?
Hoher Modellierungsaufwand; wenig lernfähig.
Was ist Fuzzy-Logik?
Logik mit Graduierung statt true/false.
Was ist eine unscharfe Menge?
Elemente haben Zugehörigkeitsgrade.
Menge nahe 9?
µ(x) hoch für Werte um 9.
Zugehörigkeitsfunktion?
Abbildung von Elementen auf 0–1.
Linguistische Variablen + Beispiel?
Temperatur: kalt, warm, heiß.
Unscharfe Operationen?
UND=min, ODER=max, NICHT=1−x.
Fuzzy-Relation?
Beziehung zweier unscharfer Mengen.
Wichtigste Fuzzy-Relation?
Max-Min-Komposition.
Defuzzifizierung + Methoden?
Schwerpunkt, Maximum, Mittelwert.
Wann Fuzzy-Regler?
Nichtlineare, unklare Systeme.
Struktur eines Fuzzy-Reglers?
Fuzzifizierung → Regelbasis → Defuzzifizierung.
Vorgehen beim Erstellen eines Fuzzy‑Reglers?
Variablen festlegen, Regeln definieren, testen.
Beispiele Fuzzy‑Regler?
Spurführung, Stab balancieren.
Was sind autonome Agenten?
Selbstständige, proaktive Softwareeinheiten.
Agentenarten?
Reaktiv, deliberativ, hybrid.
Unterschied Agenten vs. OO?
Agenten proaktiv; OO reaktiv-passiv.
Synchrone/Asynchrone Kommunikation?
Gleichzeitig vs. über Nachrichtenpuffer.
Gestaltung der Agentenkommunikation?
Nachrichten, ACL, Protokolle.
Briefkastenprinzip?
Asynchrone Nachrichtenwarteschlange.
Sequenzdiagramm Aufbau?
Abläufe zwischen Objekten/Akteuren.
FIPA ACL Felder?
Sender, Empfänger, Inhalt, Performativ, Sprache, Ontologie.
Wie funktioniert Contract Net?
Ausschreibung → Angebote → Auswahl.
Keine Angebote im Contract Net?
Erneute Ausschreibung, Parameter ändern.
Worauf achten bei unternehmensübergreifenden Agenten?
Sicherheit, Standards, Vertrauen.
Phasen Methoden Agentensysteme?
Analyse, Design, Implementierung, Test.
Wann Methoden, wann Plattformen?
Methoden am Anfang; Plattform in Implementierung.
Wobei Agenten sinnvoll?
Logistik, Fertigung, Energiemanagement.
Rollen/Ziele/Interaktionen Produktionslinie?
Rollen: Maschinen/Planer; Ziele: Produktion; Interaktion: Koordination.
Vorteile Agentensysteme bei Komplexität?
Dezentral, skalierbar, robust.
Kooperativ vs. kompetitiv?
Gemeinsam vs. Wettbewerb; z. B. Planung vs. Auktionen.
Kommunikation als Engpass?
Hohe Last → Latenz; Optimierung nötig.
Welche Eigenschaften fehlten in Node‑RED Agenten?
Autonomie, Lernen, komplexe Ziele.
Wissensbasis in Node‑RED?
Statische Regeln; wenig flexibel.
Warum Verhalten schwer vorhersagbar?
Emergente Effekte durch Interaktion.
Globale Leistung trotz lokaler Infos?
Anreizmechanismen, Koordination, Verträge.
Was ist ein Blackboard?
Gemeinsamer Informationsbereich.
Gefangenendilemma?
Kooperation vs. Defektion mit Anreizen zum Betrug.
Nash-Gleichgewicht vs. Pareto‑Optimum?
Nash = stabil; Pareto = gesamtoptimal.
Zuletzt geändertvor einem Monat