Anhand konkreter Beispiele aus Natur- und Lebenswissenschaften zeigen wir, wie Machine Learning Messdaten auswertet, Muster erkennt und Hypothesen unterstützt – inklusive Anforderungen an Datenqualität, Reproduzierbarkeit und Interpretierbarkeit.

Verständliche Einführung in Sprachmodelle, Prompting und typische Grenzen. Mit Beispielen zu Faktenprüfung, Quellenarbeit und sicherem Einsatz in Studium und Beruf

Termine und Arbeitseinheiten: Do, 05.03.2026, 10.00 – 13.00 Uhr in Präsenz Fr, 06.03.2026, 10.00 – 13.00 Uhr online Mo, 27.04.2026, 10.00 – 13.00 Uhr in Präsenz Mo, 18.05.2026, 10.00 – 11.30 Uhr online Mo, 08.06.2026, 10.00 – 13.00 Uhr in Präsenz Mo, 06.07.2026, 10.00 – 13.00 Uhr in Präsenz Anmeldung: Bitte melden Sie sich bis […]

Von Bildgenerierung bis Objekterkennung: Wir erklären Grundprinzipien, Qualitätskriterien und Risiken wie Deepfakes. Plus: Wie man Bild-KI sinnvoll evaluiert und verantwortungsvoll nutzt.

Genau zu diesem Zwecke erschaffen, immer im Schatten meines großen Bruders »Lorem Ipsum«, freue ich mich jedes Mal, wenn Sie ein paar Zeilen lesen. Denn esse est percipi - Sein ist wahrgenommen werden. Und weil Sie nun schon die Güte haben, mich ein paar weitere Sätze lang zu begleiten, möchte ich diese Gelegenheit nutzen, Ihnen […]

Welche Daten werden gesammelt, wie lässt sich KI datensparsam einsetzen und was bedeuten Anonymisierung, Differential Privacy oder Föderiertes Lernen? Mit praktischen Handlungsempfehlungen.