Archiv

Wer ein KI-Modell auswählt, verlässt sich auf eine einfache Annahme: Das Modell mit der höchsten Accuracy auf dem Testset ist das beste Modell für den Produktionseinsatz. Eine Studie vom MIT zeigt, dass diese Annahme systematisch falsch sein kann — und zwar nicht aufgrund von Overfitting oder schlechter Architektur, sondern wegen eines

Die KI-Branche debattiert Modellarchitekturen, Parametergrößen und Trainingsverfahren während das eigentliche Problem systematisch übersehen wird: die Qualität der Inputdaten. Wer schlechte Daten in ein leistungsstarkes Modell eingibt, bekommt schlechte Ergebnisse zurück. Das ist kein neues Prinzip. Unter dem Begriff Garbage In, Garbage Out ist es seit Jahrzehnten bekannt. Aber im Zeitalter

Wer die Daten hält, verschiebt die Macht Die Debatte über Künstliche Intelligenz wird meist technisch geführt: Modellgrößen, Rechenleistung, Algorithmen. Das greift zu kurz. In der Praxis entscheidet eine andere Frage über wirtschaftlichen und gesellschaftlichen Einfluss: Wer hat Zugang zu guten Daten – und wer nicht? „Gut“ meint hier nicht viel, sondern

KI-Systeme sind produktiv, skalierbar — und angreifbar. Wer Large Language Models in Finanzprozessen einsetzt, schafft nicht nur Effizienz, sondern auch neue Angriffsflächen. Die OWASP hat die zehn kritischsten Schwachstellen klassifiziert. Was dahintersteckt und warum es für den Finanzsektor konkret relevant ist. Dieser Artikel ist Teil eines Workshops, die anderen Artikel findet

Nie war es leichter, perfekte Präsentationen zu bauen. Was passiert, wenn man dasselbe Thema zweimal schreiben lässt? Beide Versionen sind sauber strukturiert. Beide argumentieren klar. Beide könnten in einem professionellen Umfeld bestehen. Der Unterschied liegt nicht im Prompt. Er liegt im Kontext. Der erste Text ist das Ergebnis einer Zusammenarbeit

Wie man einen Masterprompt für jeden Agenten erstellt Dieser Artikel ist Teil eines Workshops, die anderen Artikel findet ihr hier. Eine Schicht-für-Schicht-Anleitung Sie haben KI bereits oft genutzt. Sie haben brauchbare Ergebnisse erzielt. Aber jede Sitzung beginnt von vorn — das Modell weiß nicht, was Sie brauchen, wie Sie denken oder