Was steckt eigentlich hinter künstlicher Intelligenz und wie verändert sie unseren Alltag, unsere Arbeit und unsere Gesellschaft? "Künstlich Klug" ist der KI-Podcast von Christoph Henkelmann und Andreas Fritz. Ohne Buzzwords oder Panikmache. Dafür mit fundiertem Wissen, praktischen Beispielen und einer guten Portion Humor.
Ob Grundlagen wie „Wie funktionieren Large Language Models?“, praxisnahe Tipps zum Einsatz von Chatbots, Einblicke in Phänomene wie Schatten-KI im Unternehmensalltag oder tiefere Themen wie Embeddings: Jede Folge liefert euch verständlich aufbereitete Fakten, spannende Hintergründe und Inspiration für den souveränen Umgang mit künstlicher Intelligenz.
Künstlich Klug - der KI-Podcast
Christoph Henkelmann, Andreas Fritz
Beschreibung
Podmon Kategorien
Darüber wird in diesem Podcast anteilig gesprochen.
Anzahl Kategorien
Upgrade dein Konto, um kontextuelle Kategorien zu sehen!
Veröffentlichungshistorie
Episodenübersicht
90% Daten, 10% Magie: Wie ML-Projekte wirklich laufen
25.03.2026
Einblick in Machine Learning-Projekte
In der heutigen Episode wird der Prozess hinter Machine Learning (ML)-Projekten beleuchtet. Es wird betont, dass 90% der Arbeit im Datenputzen liegen, während nur 5% für das Trainieren von Modellen und weitere 5% für die Erklärung von Gründen, warum 95% Genauigkeit nicht ausreichen, verwendet werden. Die Hosts teilen ihre Erfahrungen und überraschen mit wertvollen Ratschlägen für Unternehmen, die ein ML-Projekt starten möchten.
Die Grundlagen der Künstlichen Intelligenz
Künstliche Intelligenz (KI) wird als Teilgebiet der Informatik beschrieben, das darauf abzielt, intelligente Systeme zu entwickeln. Insbesondere wird der Unterschied zwischen herkömmlicher Programmierung und maschinellem Lernen hervorgehoben, bei dem Algorithmen aus Daten lernen, anstatt manuell programmiert zu werden.
Wichtigkeit der Daten
Daten sind der Schlüssel zu erfolgreichen ML-Projekten. Es wird empfohlen, die Qualität und Quantität der Daten sorgfältig zu prüfen, da sie oft bis zu 95% des Projektaufwands ausmachen können. Die Hosts warnen vor häufigen Fehlern in der Datenvorbereitung, die zu Rückschlägen führen können.
Prozessüberblick
Der Prozess eines ML-Projekts umfasst mehrere Schritte: Zieldefinition, Datensammlung, Datenannotation und schließlich das Modelltraining. Der iterative Prozess erfordert häufig Anpassungen und Tests, um die besten Ergebnisse zu erzielen.
Tipps für Unternehmen
Unternehmen sollten darauf achten, dass sie über die erforderlichen Daten und das nötige Verständnis für die zugrunde liegenden Probleme verfügen. Zudem ist eine enge Zusammenarbeit zwischen Fachleuten und ML-Experten entscheidend für den Projekterfolg. Es wird geraten, die Grundlagen des maschinellen Lernens zu lernen, um realistische Erwartungen zu setzen.
Schlussfolgerungen und Empfehlungen
Die Episode schließt mit der Erkenntnis, dass ML-Projekte weniger magisch sind als oft angenommen. Die Hosts ermutigen Zuhörer, ihre Fragen und Anregungen zu teilen, um weitere Einblicke in spezifische Aspekte von ML-Projekten zu erhalten.
KI Potpourri: Fakten, Meinungen, Zukunft
09.02.2026
Einführung in die Thesen-Tombola
Die Episode behandelt eine besondere Form des Austauschs über KI-Thesen, bei der Christoph und Andreas abwechselnd Thesen vorlesen und die Meinung des anderen respektieren müssen, ohne sich zu äußern oder zu korrigieren. Dies führt zu einem spannenden Experiment über Meinungen zur Zukunft der KI.
Newsletter Empfehlungen
Die Moderatoren teilen ihre Lieblingsnewsletter über KI, darunter Alpha Signal und Algorithmic Bridge, und diskutieren deren Inhalte und den Informationswert für die Zuhörer.
Diskussion über verschiedene Thesen
Im Laufe des Podcasts ziehen Christoph und Andreas Thesen und teilen ihre Ansichten dazu. Themen sind unter anderem die Zuverlässigkeit von KI, der Einfluss sozialer Netzwerke und die Bedeutung emotionaler Bildung im Vergleich zu KI-Wissen.
Philosophische Überlegungen
Die Diskussion beleuchtet auch tiefere philosophische Fragen wie die Natur der Intelligenz und die Suche nach Frieden im Kontext von technologischen Fortschritten.
Abschluss und Zuhörerinteraktion
Die Episode endet mit einem Aufruf an die Zuhörer, ihre Meinungen zu den diskutierten Thesen zu teilen und sich auf zukünftige Folgen zu freuen.
Lokale Modelle: Deine eigene KI
26.01.2026
Lokale KI-Modelle betreiben
Die Episode zeigt, wie man mit Tools wie O-Lama und Modellen wie Lama 3 oder QEM eine eigene KI lokal auf dem Laptop betreiben kann. Diese Modelle bieten eine gute Leistung, auch wenn sie nicht ganz mit den neuesten Cloud-Modellen mithalten können. Der Vorteil liegt in der Kontrolle über persönliche Daten und der Vermeidung von laufenden Kosten.
Hardware-Anforderungen
Die Sprechenden erläutern, dass viele Menschen nicht wissen, dass es möglich ist, KI-Modelle auf einem normalen Laptop auszuführen. Die Größe des Modells bestimmt, welche Hardware notwendig ist. Mit einer geeigneten GPU und genügend Arbeitsspeicher können auch größere Modelle effizient laufen.
Open-Source-Modelle und deren Entwicklung
Es wird erklärt, dass Open-Source-Modelle wie O-Lama und Lama in verschiedenen Größen verfügbar sind und dass die Entwicklung kleinerer Modelle oft durch Techniken wie Destillation erfolgt. Diese kleineren Modelle sind überraschend leistungsfähig und können als kostengünstige Alternative zu teuren Cloud-Services dienen.
Anwendungen und Vorteile
Die Episode betont die Vorteile, die lokale KI-Modelle bieten, wie Datenschutz und Kosteneffizienz. Insbesondere für Unternehmen oder in Bereichen mit sensiblen Daten kann die lokale Nutzung von KI-Modellen vorteilhaft sein. Zudem wird auf die Qualität der Open-Source-Modelle eingegangen, die mittlerweile mit kommerziellen Modellen konkurrieren können.