Anwendungsbeispiele
Die Theorie ist kurz. Jetzt schauen wir uns an, wie KI-Systeme im Alltag aussehen — und dass viele von ihnen mehrere Ansätze gleichzeitig kombinieren.
KI-Systeme im Überblick
| System | diskriminativ / generativ | Art des ML | Beschreibung |
|---|---|---|---|
| Spam-Erkennung | diskriminativ | überwacht | Klassifiziert E-Mails als „Spam" oder „kein Spam" anhand gelabelter Trainingsdaten |
| Gesichtserkennung | diskriminativ | überwacht | Ordnet ein Gesicht einer Person zu, trainiert mit markierten Fotos |
| ChatGPT | generativ | bestärkend + überwacht | Erzeugt neue Texte; trainiert zunächst überwacht, dann durch menschliche Rückmeldung (RLHF) optimiert |
| Bildgenerierung | generativ | überwacht | Erzeugt neue Bilder aus Textbeschreibungen, trainiert mit Bild-Text-Paaren |
| Empfehlungssysteme | diskriminativ | unüberwacht / überwacht | Schlägt Produkte vor, basierend auf Mustern im Nutzerverhalten |
| Autonomes Fahren | Mischform | alle drei | Erkennt Objekte (diskriminativ), plant Routen (bestärkend), simuliert Szenarien (generativ) |
Viele echte KI-Systeme sind Mischformen. Sie kombinieren diskriminative und generative Anteile, überwachtes und unüberwachtes Lernen. Wenn du ein System in der Praxis analysierst, frage für jede Komponente einzeln: Was tut dieser Teil? Wie lernt er?
Spam-Erkennung im Detail
Jede E-Mail hat Merkmale: Wörter wie „gratis", „Angebot", „Klicken Sie hier". Der Spam-Filter wurde mit tausenden E-Mails trainiert, die als „Spam" oder „kein Spam" markiert waren. Bei einer neuen E-Mail entscheidet er: Spam oder nicht? Das ist diskriminativ und überwacht — eine Klassifikation mit gelabelten Daten.
ChatGPT im Detail
ChatGPT wurde in zwei Phasen trainiert:
- Überwachtes Lernen: Das Modell lernt, Texte fortzusetzen, anhand von Milliarden Textbeispielen.
- Bestärkendes Lernen durch menschliche Rückmeldung (RLHF): Menschen bewerten Antworten. Das Modell lernt, Antworten zu bevorzugen, die positive Bewertungen bekommen.
Das Ergebnis ist generativ — das Modell erzeugt neue Texte, die es in genau dieser Form noch nicht gab.
Autonomes Fahren: eine Mischform
Ein selbstfahrendes Auto nutzt:
- Diskriminative KI (überwacht): Erkennt Fußgänger, Autos, Ampeln — trainiert mit gelabelten Bildern.
- Bestärkende KI: Lernt, welche Fahrmanöver sicher sind, durch Simulation und Belohnung.
- Generative KI: Kann seltene Verkehrsszenarien simulieren, um das System zu trainieren, ohne echte Gefahr.
Klassifiziere selbst.
Ordne jedes der folgenden Systeme ein — diskriminativ oder generativ? Welche Art des ML passt?
a) Spracherkennung („Hey Siri") — wandelt gesprochene Sprache in Text um.
b) DeepL-Übersetzung — übersetzt einen deutschen Text ins Englische.
c) DALL-E — erzeugt ein Bild aus der Beschreibung „ein blauer Elefant im Weltraum".
d) Betrugserkennung bei Kreditkarten — markiert verdächtige Transaktionen.
e) Musikvorschläge bei Spotify — schlägt dir Lieder vor, die dir gefallen könnten.
Tipp
Stelle bei jedem System die zwei Fragen:
- Erzeugt es neue Daten (generativ) oder ordnet es vorhandene Daten ein (diskriminativ)?
- Hat es gelabelte Trainingsdaten (überwacht), nur rohe Daten (unüberwacht) oder lernt es durch Belohnung (bestärkend)?
Achtung: Bei der Übersetzung ist die Antwort nicht eindeutig — sie kann als diskriminativ (Quelle → Ziel-Kategorie) oder als generativ (neuen Text erzeugen) gesehen werden. Solche Grenzfälle sind in der Praxis normal.