Alle Themen
A
Adversarial AttackWas eine Adversarial Attack ist: Evasion, Poisoning, Privacy und Prompt Injection, Beispiele vom Stoppschild bis zum LLM-Jailbreak und wirksame Abwehr. Advisor AgentAdvisor Agent erklärt: ein Arbeits-Agent fragt bei Bedarf ein stärkeres Modell, Unterschied zum Supervisor und wie wir verhindern, dass Advisors handeln. Agent as CodeAgent as Code erklärt: Agenten in versionierten Dateien definieren, damit Änderungen geprüft und zurückgerollt werden, und was die Dateien enthalten. Agent RecoveryAgent Recovery bringt einen AI-Workflow nach einem Absturz in einen sicheren Zustand: prüfen, Zustand wiederherstellen, dann wiederholen oder eskalieren. Agent-TrajektorieAgent-Trajektorie erklärt: die geordnete Aufzeichnung der Nachrichten und Tool-Aufrufe eines AI-Agenten, wie man sie bewertet und was wir selbst prüfen. Agenten-SimulationWas AI-Agenten-Simulationen sind, was eine brauchbare Simulation enthält und wie wir Tool-Ausfälle simulieren, bevor ein Agent produktiv geht. Agentic LoopWie ein Agentic Loop Turn für Turn abläuft, was der Reasoning-Schritt tut und welche Abbruchbedingungen die SDKs von OpenAI, Claude und LangGraph setzen. Agentic SearchAgentic Search erklärt: wie ein AI-Agent seine Suchen plant, prüft und wiederholt, Unterschied zu einstufiger AI-Suche und unsere Regeln dafür. AI-BenchmarkWas ein AI-Benchmark misst, welche LLM-Benchmarks Modellvergleiche zitieren, warum Scores sättigen und durchsickern und wie man Anbietertabellen liest. AI-ScribeEin AI-Scribe hört Gespräche mit und entwirft Notizen. Wie er funktioniert, was er spart, wo er irrt und was Sie vor dem Kauf prüfen sollten. Attention-MechanismusDer Attention-Mechanismus erklärt: die Formel der Scaled Dot-Product Attention, ein Rechenbeispiel, Varianten bis Grouped-Query Attention, Grenzen.
B
Batch-GrößeDie Batch-Größe gibt an, wie viele Trainingsbeispiele ein Modell pro Gewichts-Update sieht. Kleine und große Batches, Epochen, Iterationen und die Wahl. Brain FryAI Brain Fry erklärt: Herkunft des Begriffs, was die Studie fand und wie Führungskräfte die kognitive Last der AI-Aufsicht senken.
C
Client ID Metadata DocumentsClient ID Metadata Documents erklärt: wie MCP-Clients eine HTTPS-URL als OAuth-Client-ID nutzen und wie CIMD die Dynamic Client Registration ablöst. Collaborative FilteringCollaborative Filtering empfiehlt Artikel danach, was ähnliche Nutzer mochten. Nutzer- und artikelbasierte Verfahren, Rechenbeispiel, Cold-Start-Problem.
E
Early StoppingEarly Stopping erklärt: wie Patience und min_delta wirken, die Standardwerte in Keras, PyTorch Lightning, Hugging Face und XGBoost und wann es sich lohnt. Edge AIEdge AI erklärt: wie Modelle auf Geräten statt in der Cloud laufen, welche Runtimes sie ausführen und wann Edge AI der Cloud-AI überlegen ist. Emergentes VerhaltenEmergentes Verhalten in der AI erklärt: was es bei LLMs und Agenten bedeutet, ob emergente Fähigkeiten echt sind und wie man im Betrieb darauf testet. Ensemble LearningEnsemble Learning erklärt: Bagging, Boosting, Stacking und Voting im Vergleich, die passenden scikit-learn-Klassen und wo Ensembles bei LLMs helfen. EvaluierungsmetrikenEvaluierungsmetriken bewerten ein AI-Modell: Accuracy, Precision, Recall, F1, AUC, BLEU und LLM-Judge-Quoten. So wählen Sie die zu Ihren Kosten passende.
F
F1-ScoreF1-Score erklärt: Precision, Recall und die F1-Formel mit Rechenbeispiel, F1 vs. Accuracy, was ein guter Wert ist und Macro vs. Micro F1 in sklearn. Fast ModeWas Claude Fast Mode ist, was er kostet, welche Modelle ihn unterstützen und wann sich der Aufpreis für bis zu 2,5-fach schnellere Ausgabe lohnt. Fireworks AIFireworks AI erklärt: verwaltete Infrastruktur, um generative Modelle bereitzustellen, anzupassen und zu skalieren.
G
I
K
K-Nearest NeighborsK-Nearest Neighbors erklärt mit Rechenbeispiel: Wahl von k und der Distanzmetrik, die Standardwerte in scikit-learn und der Bezug von KNN zur Vektorsuche. Kreuzentropie-VerlustKreuzentropie-Verlust erklärt: die Formel, ein Softmax-Rechenbeispiel, binär vs. kategorisch, Logits in PyTorch und Keras und wann Focal Loss passt.
L
Logistische RegressionLogistische Regression sagt eine Ja-Nein-Wahrscheinlichkeit aus Merkmalen voraus. Sigmoid-Formel, Rechenbeispiel, Kostenfunktion und Grenzen erklärt. Long Short-Term MemoryLong Short-Term Memory (LSTM) ist ein rekurrentes Netz mit Gates, die Information behalten oder vergessen. Funktion, Vergleich mit RNN und Transformer.
M
Model DeploymentModel Deployment bringt ein AI-Modell in die Produktion. Batch-, Echtzeit- und Edge-Muster, Canary- und Shadow-Rollouts und die Schritte bis zum Go-live. Model MonitoringModel Monitoring überwacht Eingaben, Ausgaben, Qualität, Latenz und Kosten eines Live-Modells, um Drift und Ausfälle zu erkennen. Was messen, Alarme. Model VersioningModel Versioning hält fest, welches Modell, welche Daten, welcher Code und welche Einstellungen ein Ergebnis erzeugt haben. Was versionieren, Rollback. ModellparameterModellparameter sind die Gewichte und Biases, die ein Modell im Training lernt. Unterschied zu Hyperparametern und Einstellungen, was die Zahl aussagt.
N
Naive BayesNaive Bayes wendet den Satz von Bayes mit Unabhängigkeitsannahme an. Formel, Rechenbeispiel Spamfilter, die wichtigsten Varianten und wann es sich eignet. Narrow AINarrow AI erledigt eine klar umrissene Aufgabe gut, etwa Betrugsprüfung oder Rechnungslesen. Unterschied zu allgemeiner AI und Nutzen für Unternehmen. NeocloudNeocloud einfach erklärt: GPU-Cloud-Anbieter, der Unterschied zu Hyperscalern und die Risiken, die Käufer vor einem Vertrag einpreisen sollten.
O
ObjekterkennungObjekterkennung findet und benennt jedes Objekt im Bild mit einem Begrenzungsrahmen. Funktion, Bewertung mit IoU und mAP und wann sie sich eignet. OpenAI-kompatible APIWas eine OpenAI-kompatible API abdeckt, welche Anfragefelder Anbieter stillschweigend ignorieren und wie wir eine im Betrieb ohne SDK aufrufen.
P
Planner-Executor-PatternPlanner-Executor-Pattern erklärt: Ein Agent plant die Schritte, ein anderer führt sie aus, plus die Prüfungen, die wir auf jeden Plan anwenden. Policy as CodePolicy as Code erklärt: ein Rego-Beispiel für den Tool-Aufruf eines AI-Agenten, OPA, Sentinel, Cedar und Gatekeeper im Vergleich und unser eigenes Gate. Post-TrainingWas Post-Training in der AI ist: wie Fine-Tuning, Präferenzoptimierung und RL ein vortrainiertes Modell nützlich machen und was ein Unternehmen steuert. Programmatic Tool CallingProgrammatic Tool Calling: Das Modell schreibt Code, der Ihre Tools in einer Sandbox aufruft, sodass Agents mit weniger Roundtrips und Tokens verketten.
R
RauschunterdrückungRauschunterdrückung erklärt: was die Einstellung in Zoom, Teams und am iPhone bewirkt, warum sie Transkripten schaden kann und wie wir sie testen. Reasoning EffortReasoning Effort sagt einem Modell, wie lange es denken soll. Welche Stufen OpenAI und Anthropic akzeptieren, was sie kosten und wo sie versagen.
S
Sparse RetrievalWas Sparse Retrieval ist, wie BM25 und SPLADE Dokumente bewerten und welche stillen Fehltreffer wir erlebten, wenn Agents auf Schlüsselwortsuche setzen. Supervisor AgentSupervisor Agent erklärt: Wie ein Agent Arbeit an Worker verteilt, wann sich das Muster lohnt und welche Regeln wir in Multi-Agent-Läufen befolgen. System of ActionWas ein System of Action ist, wie es sich vom System of Record unterscheidet und was der Wandel für den Software-Stack im Mittelstand bedeutet.
T
Text-WatermarkingText-Watermarking versteckt ein Signal in AI-Texten. Wie Green-List- und SynthID-Verfahren funktionieren, wo sie scheitern und was Sie Anbieter fragen. Tool SearchDas Tool Search Tool von Anthropic lässt Claude Tools per defer_loading bei Bedarf finden und laden. Regex- und BM25-Suche, Grenzen und wann es sich lohnt. TrainingsdatenWas Trainingsdaten sind, mit Beispielen für Klassifikatoren und LLMs, der Unterschied zu Validierungs- und Testdaten und die Regeln des EU AI Act dazu.
U
UnderfittingUnderfitting im Machine Learning: wie man es an Lernkurven erkennt, ein Rechenbeispiel, Overfitting und Underfitting im Vergleich und wirksame Abhilfen. UnsicherheitsschätzungUnsicherheitsschätzung erklärt: Daten- und Modellunsicherheit, Konfidenzsignale, Validierung, Antwortverzicht und Eskalation an Menschen.
W
Keine Treffer