Each category is a question people ask about a technology, and its elements are the answers. Choose a category, then an element, to see its icon and what it means. New to the terms? Read the concepts.
Welcher Algorithmus oder welches Modell verarbeitet die Daten?
Was die Eingabe verarbeitet – die Algorithmenfamilie, die Modellklasse oder das Verfahren, mit dem aus Eingaben Ergebnisse werden.
Welcher Algorithmus oder welches Modell verarbeitet die Daten?
Was die Eingabe verarbeitet – die Algorithmenfamilie, die Modellklasse oder das Verfahren, mit dem aus Eingaben Ergebnisse werden.
Stimmungs- und EmotionsanalyseVerfahren, die aus Text, Sprache, Gesichtsausdrücken oder körperlichen Signalen auf Gefühlszustand, Stimmung oder Haltung schließen. Sie werden eingesetzt, um die Stimmung in Menschenmengen einzuschätzen, Serviceerlebnisse zu bewerten oder Anzeichen von Notlagen zu erkennen. Wie genau und kulturell fair solche Rückschlüsse sind, ist umstritten, und in manchen Rechtsräumen ist ihr Einsatz am Arbeitsplatz und bei öffentlichen Dienstleistungen eingeschränkt.
AnomalieerkennungVerfahren, die ungewöhnliche Ereignisse, Muster oder Werte melden, die von einem erlernten Normalzustand abweichen. Sie werden eingesetzt, um Geräteausfälle vorherzusagen, Betrug aufzuspüren, Eindringversuche zu erkennen, Wasserlecks zu überwachen und vor ungewöhnlichen Bewegungen von Menschenmengen zu warnen. Die Ergebnisse sind in der Regel Punktwerte mit Schwellenwert, keine direkten Entscheidungen.
Biometrische ErkennungVerfahren, die eine bestimmte Person anhand biologischer Merkmale identifizieren oder ihre Identität überprüfen – Gesicht, Fingerabdruck, Stimme, Iris oder Gang. Anders als allgemeines maschinelles Sehen, weil das Ergebnis an eine namentlich bekannte Person geknüpft ist. In vielen Rechtsräumen ist biometrische Erkennung in öffentlich zugänglichen Räumen eingeschränkt oder verboten.
Klassifizierung und VorhersageVerfahren, die einer Eingabe eine Kategorie zuordnen oder einen Zahlenwert schätzen – darunter Klassifikatoren (Spam oder kein Spam, Risikostufe), Regressionsmodelle (vorhergesagte Nachfrage, erwartete Wartezeit) und Zeitreihenprognosen (Fahrgastzahlen der nächsten Stunde, Energielast). Sie werden mit statistischen Modellen oder maschinellem Lernen aus gekennzeichneten historischen Daten erstellt.
Clustering und SegmentierungVerfahren, die Personen, Orte oder Ereignisse nach Ähnlichkeit in Cluster gruppieren, ohne vorgegebene Kategorien zu verwenden. Sie werden eingesetzt, um Zielgruppen, Mobilitätsmuster, Energieverbrauchsprofile oder Zonen mit unterschiedlichem Bedarf an Dienstleistungen voneinander abzugrenzen. Die Ergebnisse sind Cluster-Zuordnungen, die nachgelagerte Systeme wie Kategorien behandeln können – obwohl Cluster abgeleitet und nicht bewusst festgelegt sind.
Maschinelles SehenVerfahren, die Bilder oder Videos auswerten – Personen zählen, Objekte erkennen, Text in Bildern lesen, Bewegungen verfolgen oder Szenen in Bereiche aufteilen. Verbreitet bei der Belegungserfassung, der Überwachung von Verkehr und Menschenmengen, bei Hilfen zur Barrierefreiheit und der Prüfung von Beschilderung. Im Unterschied zur biometrischen Erkennung, die bestimmte Einzelpersonen identifiziert.
SprachmodelleModelle, die menschliche Sprache lesen, schreiben, zusammenfassen und übersetzen oder Gespräche führen. Dazu gehören große Sprachmodelle (LLMs), Chatbots und Systeme, die Text generieren. Sie funktionieren, indem sie aus der Eingabe und dem bisherigen Kontext die wahrscheinlichsten nächsten Wortbausteine (Tokens) vorhersagen.
OptimierungVerfahren, die unter vorgegebenen Bedingungen nach der besten Zuordnung, Route, Zeitplanung oder Verteilung suchen. Dazu gehören Tourenplanung für Fahrzeuge, Ampelschaltungen für den Nahverkehr, Zeitpläne für Energie, Heizung und Lüftung, Dienstplanung und Ressourcenverteilung. Sie funktionieren, indem sie Möglichkeiten durchspielen, um ein festgelegtes Ziel wie Kosten, Zeit oder Emissionen zu maximieren oder zu minimieren.
Datenschutzwahrende UmwandlungVerfahren, deren Hauptaufgabe es ist, Eingabedaten so umzuwandeln, dass identifizierende Details vor jeder weiteren Nutzung entfernt, unkenntlich gemacht oder ersetzt werden. Dazu gehören das Verpixeln von Gesichtern, das Unkenntlichmachen von Kennzeichen, Tokenisierung, k-Anonymisierung, Differential Privacy und die Erzeugung synthetischer Daten. Die Umwandlung wirkt als Barriere zwischen den erhobenen Rohdaten und den Daten, die für Auswertungen oder Entscheidungen genutzt werden.
Empfehlung und RangfolgeVerfahren, die einer Person Dinge vorschlagen oder für sie sortieren – Dienstleistungen, Angebote, Nachrichten, Wegoptionen – auf Grundlage von Vorlieben, Verhalten oder Ähnlichkeit zu anderen Personen. Dazu gehören kollaboratives Filtern, inhaltsbasierte Empfehlungssysteme und gelernte Rangfolgen. Sie personalisieren, was jede Person aus demselben zugrunde liegenden Katalog zu sehen bekommt.
Suche und AbrufVerfahren, die als Antwort auf eine Anfrage relevante Inhalte aus einem Bestand an Dokumenten, Datensätzen oder Medien finden und anzeigen. Dazu gehören semantische Suche, Vektorsuche und RAG-Verfahren (Retrieval-Augmented Generation), die passende Textstellen an ein Sprachmodell weitergeben. Eingesetzt bei Fragen zu Dokumenten, bei der Abfrage öffentlicher Register und bei der Suche in Bibliotheken oder Archiven.
Sprache und AudioVerfahren, die gesprochene Worte in andere Formate umwandeln und umgekehrt oder Geräusche einordnen, die keine Sprache sind. Dazu gehören Sprache-zu-Text (Transkription), Text-zu-Sprache (synthetische Stimme), das Erkennen von Schlüsselwörtern und das Erkennen von Geräuschereignissen. Die Stimme als Identitätsmerkmal (erkennen, wer spricht) gehört zu „Biometrische Erkennung“.Verfahren, deren Hauptaufgabe es ist, Eingabedaten so umzuwandeln, dass identifizierende Details vor jeder weiteren Nutzung entfernt, unkenntlich gemacht oder ersetzt werden. Dazu gehören das Verpixeln von Gesichtern, das Unkenntlichmachen von Kennzeichen, Tokenisierung, k-Anonymisierung, Differential Privacy und die Erzeugung synthetischer Daten. Die Umwandlung wirkt als Barriere zwischen den erhobenen Rohdaten und den Daten, die für Auswertungen oder Entscheidungen genutzt werden.