1. Erkläre die Begriffe „Künstliche Intelligenz“, „Maschinelles Lernen“, „Neuronale Netzwerke“
2. Welche grundlegenden Prinzipien und Abläufe liegen der prozeduralen Programmierung, der objektorientierten Programmierung und neuronalen Netzwerken zugrunde, und worin unterscheiden sie sich? Erkläre an einem konkreten Beispiel.
3. Wie funktionieren Neuronale Netzwerke und Maschinelles Lernen konkret? Erkläre die Begriffe:
   1. Neuronen, Gewichte (weights), Bias (Schwellwert)
   2. Schichten (Layers)
   3. Kostenfunktion
   4. Backpropagation
   5. Aktivierungsfunktion (z.B. Sigmoid)
4. LLMs
   1. Erkläre grob, was ein LLM ist und wie es funktioniert
   2. Inwieweit kann man ein LLM als eine Mathematische Funktion bezeichnen?
   3. Was versteht man unter Pre-Training und RLHF (Reinforcement Learning from Human Feedback)?
   4. Warum brachte die Transformer-Architektur einen gewaltigen Vorteil gegenüber herkömmlichen Verfahren und worin besteht sie grob gesagt?
   5. Wie werden Wörter codiert? Was versteht man unter dem „Attention-Mechanismus“

Neuronale Netzwerke: Deep Learning (3Blue1Brown)

Backpropagation (3Blue1Brown)

LLMs kurz erklärt (3Blue1Brown)

Stell dir vor, du schreibst „ein futuristisches Zürich bei Nacht“, und eine KI erzeugt daraus in wenigen Sekunden ein realistisches Bild oder sogar ein Video.

Genau das machen moderne Bild und Videogeneratoren.

Diese Seite erklärt, wie solche Systeme funktionieren, von den Grundbegriffen über die technischen Hintergründe bis zu den wichtigsten gesellschaftlichen Fragen.

Normale KI erkennt Dinge, zum Beispiel ob auf einem Bild eine Katze zu sehen ist.

Generative KI geht einen Schritt weiter: Sie erzeugt neue Inhalte, die es vorher noch nicht gab.

Das Modell lernt aus sehr vielen Beispielen. Es erkennt dabei Muster, also wie typische Bilder, Texte oder Videos aussehen, und kann daraus neue Inhalte erzeugen, die ähnlich wirken.¹⁾

Bild und Videogeneratoren gehören zu dieser Art von KI. Man gibt eine Beschreibung, den sogenannten Prompt, ein und das Modell erzeugt daraus ein passendes Bild oder Video.

Ein guter Prompt beschreibt möglichst genau:

• Was im Bild zu sehen sein soll
• Wie es aussehen soll, zum Beispiel Stil oder Licht
• Optional die Perspektive oder Kamera

Damit ein Modell Bilder erzeugen kann, braucht es sehr viele Beispiele.

Beim Training sieht es Millionen von Bildern zusammen mit passenden Textbeschreibungen.

So lernt das Modell, was Begriffe wie „Hund“ oder „Sonnenuntergang“ visuell bedeuten.²⁾

Ein neuronales Netz ist ein Computerprogramm, das grob vom menschlichen Gehirn inspiriert ist.

Es besteht aus vielen kleinen Recheneinheiten, die miteinander verbunden sind.

Beim Training werden diese Verbindungen so angepasst, dass das Netz sinnvolle Ergebnisse erzeugt, in diesem Fall neue Bilder.³⁾

Transformer sind eine spezielle Art von neuronalen Netzen. Sie sind besonders gut darin, Zusammenhänge zu erkennen.

Zum Beispiel versteht das Modell, dass „sonnige Wiese“ bestimmte Farben, Lichtverhältnisse und Objekte bedeutet.

Der Mechanismus dahinter heisst Attention. Das Modell lernt dabei, welche Teile der Eingabe besonders wichtig sind.⁴⁾

Viele Bildgeneratoren verwenden eine Struktur namens U Net.

Das Modell vereinfacht das Bild zuerst und baut es danach wieder auf.

So kann es Bilder schrittweise verbessern und Details hinzufügen.⁵⁾

Ein VAE besteht aus zwei Teilen:

1. Encoder: Wandelt ein Bild in eine kompakte Darstellung um
2. Decoder: Baut aus dieser Darstellung wieder ein Bild auf

Dadurch muss das Modell nicht direkt mit allen Pixeln rechnen, sondern mit einer vereinfachten Version.⁶⁾

Diffusionsmodelle sind das Herz moderner Bildgeneratoren.

Die Idee ist einfach: Ein Bild wird zuerst immer stärker verrauscht, bis nur noch Zufall übrig bleibt. Das Modell lernt dann, diesen Prozess umzukehren.

1. Vorwärtsprozess: Bild wird schrittweise verrauscht
2. Rückwärtsprozess: Rauschen wird wieder in ein Bild umgewandelt
3. Anwendung: Man startet mit Zufall und erzeugt daraus ein Bild

Um schneller zu sein, wird die Diffusion nicht direkt auf dem Bild durchgeführt, sondern im latenten Raum.

Das spart viel Rechenleistung und macht moderne Modelle erst praktikabel.⁷⁾

Typischer Ablauf:

ControlNet erlaubt zusätzliche Kontrolle, zum Beispiel über Formen oder Posen.

Das Modell übernimmt die Struktur und kombiniert sie mit dem Stil aus dem Prompt.⁸⁾

Ein Video besteht aus vielen einzelnen Bildern, die zeitlich zusammenpassen müssen.

• Bewegung beschreiben
• Kamera angeben
• Szene nicht zu komplex machen

KI Bild und Videogeneratoren werden in vielen Bereichen eingesetzt. Um einen besseren Überblick zu behalten, kann man die Anwendungen in verschiedene Kategorien einteilen:

• Kunst und Design: Unterstützung bei Ideen, Entwürfen und Visualisierungen
• Film und Medien: Erstellung von Storyboards, visuellen Effekten und Konzeptbildern
• Spieleentwicklung: Generierung von Figuren, Landschaften und Texturen

• Architektur und Produktdesign: Realistische Visualisierung von Gebäuden und Objekten
• Marketing: Erstellung von Bildern und Videos für Werbung und soziale Medien
• Bildung: Veranschaulichung von komplexen Inhalten, z. B. historische Szenen oder wissenschaftliche Prozesse

• Forschung: Generierung von synthetischen Daten für das Training anderer KI Modelle
• Medizin: Simulationen und Visualisierungen, vor allem in Ausbildung und Forschung

• Private Nutzung: Erstellung von Bildern, Videos oder kreativen Projekten
• Social Media: Inhalte für Posts, Profile oder persönliche Projekte

Mit generativer KI lassen sich sehr realistische Bilder und Videos von Personen erzeugen, sogenannte Deepfakes.

Diese können gezielt eingesetzt werden, um falsche Informationen zu verbreiten oder Menschen Dinge in den Mund zu legen, die sie nie gesagt haben.

Das Problem ist, dass solche Inhalte für viele Menschen kaum von echten Aufnahmen zu unterscheiden sind.

Dadurch wird es schwieriger, zwischen Wahrheit und Manipulation zu unterscheiden.⁹⁾

Wenn immer mehr Inhalte künstlich erzeugt werden, kann das langfristig das Vertrauen in Medien schwächen.

Fotos und Videos galten früher oft als Beweis. Heute ist das nicht mehr selbstverständlich.

Das betrifft zum Beispiel Journalismus, soziale Medien und auch politische Kommunikation.

Ein zentrales Problem ist die Frage, wem ein KI erzeugtes Bild gehört.

In vielen Fällen gilt: Wenn kein Mensch kreativ beteiligt ist, gibt es kein klassisches Urheberrecht.

Schwierig wird es, wenn ein Mensch aktiv am Ergebnis mitarbeitet, zum Beispiel durch gezielte Prompts oder Nachbearbeitung.

Hier ist die Rechtslage noch nicht eindeutig geklärt.

KI Modelle lernen aus grossen Datenmengen aus dem Internet. Diese Daten enthalten oft unbewusste Verzerrungen.

Das kann dazu führen, dass bestimmte Gruppen stereotyp dargestellt werden oder weniger sichtbar sind.

Solche Verzerrungen nennt man Bias und sie spiegeln gesellschaftliche Ungleichheiten wider.

Neben Deepfakes gibt es weitere Risiken:

• Erstellung von Fake Bildern für Betrug
• Manipulation von Beweismaterial
• Automatisierte Propaganda

Dadurch entsteht ein neues Feld von digitalen Sicherheitsproblemen.

Das Training grosser Modelle benötigt viel Rechenleistung und Energie.

Das führt zu einem hohen Stromverbrauch und damit zu Umweltbelastung.

Neue Methoden versuchen, diese Kosten zu reduzieren, aber das Problem bleibt bestehen.