KI - kurz und informativ, Klartext "to Go" in unter 5 Minuten

Heute gehen wir einen Schritt weiter und bauen auf die letzte Folge über AI Agents auf. Was bedeutet Agentic AI im Vergleich dazu? Wo kann man es Einsetzen und was sind die Risiken? Diesen Fragen widmen wir uns heute. Wie immer anhand von praktischen Beispielen. Basierend auf dieser Folge wird es eine Folge über das Model Context Protocol (MCP) geben. Link zum angesprochenen Agent-to-Agent-Protokoll (A2A): https://a2a-protocol.org/latest/ Vielen Dank fürs Einschalten! :)

Heute geht es um AI Agents, also KI-Agenten. Keine Geheimagenten, sondern Software-Einheiten, die selbstständig Aktionen ausführen können. Wir klären, was eigentlich der Unterschied zwischen Large Language Models (LLMs) und AI Agents ist und warum das in der Praxis doch eine große Rolle spielen kann. Ein sehr interessantes Paper zur Abgrenzung von LLMs, AI Agents und Agentic AI (worum es in der nächsten Folge gehen wird) findet ihr hier: https://doi.org/10.48550/arXiv.2505.10468 AI Agents bringen Küsntliche Intelligenz nochmal auf ein neues Level und bringen Sprachverarbeitung wirklich in die Praxis. Habt ihr bereits Agents bei euch im Einsatz? Schreibt es gerne in die Kommentare! Vielen Dank fürs Zuhören. Bleibt neugierig und kritisch! :)

Was haben Albanien, Nepal und Donald Trump gemeinsam? Sie haben mich auf die Idee eines internationalen KI-Streitrichters gebracht. Heute wage ich mich etwas aus dem üblichen Themenbereich hinaus und stelle mit einem kleinen Gedankenexperiment die Frage: Ist ein internationaler KI-Streitrichter möglich? Was wäre das überhaupt? Können wir uns Menschen überhaupt von einer KI "richten lassen"? Und welche Voraussetzungen müssten theoretisch dafür erfüllt sein? Zur Abwechslung etwas anderes. In der nächsten Folge gibt es wieder technisches Wissen zu Künstlicher Intelligenz, Machine Learning und Co. Viel Spaß beim Zuhören!

Im Anschluss an die letzte Folge über die KI-Wertschöpfungskette, schauen wir uns heute typische KI-Rollen an: Was ist eigentlich der Unterschied zwischen Data Scientist, Data Analyst, Data Engineer, Business Analyst und Machine Learning Engineer? Oft werden diese Rollen verwechselt und Stellenausschreibungen suchen ein andere Profil als der Titel eigentlich vermuten lässt. Um hier etwas Licht ins Dunkle zu bringen, habe ich diese Folge aufgenommen. Wir schauen uns an, was der Hauptfokus bzw. die Hauptverantwortung jeder Rolle in der Theorie ist und welchen Platz das entsprechend in der Wertschöpfungskette einnimmt. Viel Spaß beim Zuhören! :)