Keywords/ Schlüsselworte:
#KI #AI #Training #Halluzination #Mustererkennnung #Entrepreneurship #Nutzungsmuster
#Immobilienmanager #Immobilienbeirat #PropTec #Gebäudetechnik #SmartHome #Factfish #AranaAI #BigData #Handwerk #KMU
Meinen Artikel habe ich insbesondere für folgende Personen und Gewerke geschrieben:
- Studierende ab 1. Semester, Gymnasium mit IT Fokus, ebenso wie für interessierte Haus-, Wohungsbesitzer.
- Immobilienmanager, Immobilienbeiräte, Facility Manager, Gebäudetechniker, Prop-Tec Startups.
- In der Praxis haben wir dies bei den Entwicklungen unserer Startups Factfish GmbH, AranaAI UG und anderen Projekten durchgeführt..
- Dieses Dokument wurde zudem mit der Hilfe von ChatGPT bearbeitet.
Einführung:
Künstliche Intelligenz (KI) ist ein Werkzeug, das aus Beispielen lernt und auf dieser Basis in der Lage ist, Vorhersagen und Entscheidungen abzuleiten. Beim Training einer KI wird schrittweise gezeigt, welche Situationen relevant sind und welche Ergebnisse gewünscht werden.
Zunächst wird die Lernaufgabe eindeutig festgelegt, etwa das Erkennen von ineffizientem Energieverbrauch im Haus und in der Wohnung. Im nächsten Schritt werden reale Daten gesammelt, zum Beispiel Verbrauchswerte, Zeitpunkte oder Nutzungsmuster. Diese Daten werden bewertet, damit die KI-Unterschiede zwischen sinnvoller und problematischer Nutzung erkennen kann.
Durch wiederholtes Lernen verbessert die KI ihre Entscheidungen und reduziert Fehler (KI-Halluzinationen).
So lässt sich nachvollziehen, wie aus Daten ein lernfähiges System entsteht, das sowohl im Alltag als auch im Studium praktisch einsetzbar ist.
Der Weg zum Ziel:
Einem Computer viele Beispiele zeigen, damit dieser selbst Muster erkennt und daraus lernt.
Ähnlich wie beim Menschen:
- Ein Kind sieht viele Hunde → es erkennt irgendwann selbst einen Hund.
- Eine KI sieht viele Beispiele → sie erkennt Regeln und Zusammenhänge.
Das Grundprinzip in 5 einfachen Schritten
1️⃣ Ziel klären: Was soll die KI können?
Beispiele:
- Stromverbrauch vorhersagen
- Fotos erkennen
- Texte zusammenfassen
- Kundenanfragen beantworten
Ohne klar formulierte Ziele ist kein qualitativ, hochwertiges Training möglich.
2️⃣ Beispiele sammeln (Daten)
Daten sind Lernbeispiele, nicht „Big Data Zauberei“.
Beispiele:
- Stromverbrauch + Uhrzeit + Außentemperatur
- Bilder von Katzen und Nicht-Katzen
- E-Mails mit „Spam / Kein Spam“
Wichtig: Die KI lernt nur aus dem, was man ihr präzise zeigt.
3️⃣ Beispiele richtig beschriften (Lernen ermöglichen)
Wichtig: Die KI braucht präzise Rückmeldungen:
| Beispiele | Bedeutung |
| Verbrauch: hoch | „Ineffizient“ |
| Verbrauch: niedrig | „Effizient“ |
| Bild: Katze | „Katze“ |
| „Spam“ |
Bewertung: „Richtig / Falsch“.
4️⃣ Lernen lassen (das eigentliche Training)
Jetzt passiert das „Magische“ – technisch, aber logisch:
- Die KI sucht Muster
- Sie probiert Zusammenhänge
- Sie macht Fehler
- Sie verbessert sich Schritt für Schritt
Wichtig: Die KI versteht nichts, sie rechnet Wahrscheinlichkeiten.
5️⃣ Testen: Kann die KI-Neues richtig einschätzen?
Man gibt der KI neue, unbekannte Beispiele:
- Neue Häuser
- Wohnungen
- Neue Bilder, Video’s
- Gesetzestexte
- Gerichtsurteile
- Praxiserfahrungen (Interviews)
- Erfahrungen der Beiräte und Berater
Trifft die KI gute Entscheidungen?
Dann war das Training erfolgreich.
Ein Alltagsbeispiel (ohne Technik)
Du willst jemandem beibringen, gute Äpfel zu erkennen:
1 Du sagst, was ein guter Apfel ist
2 Du zeigst viele gute und schlechte Äpfel
3 Du erklärst, warum sie gut oder schlecht sind
4 Die Person merkt sich Muster (Farbe, Druckstellen, Geruch)
5 Sie erkennt neue Äpfel selbstständig
Genau das macht KI – nur mit Zahlen statt Augen.
Was viele Einsteiger falsch denken (und was stimmt)
❌ „KI denkt wie ein Mensch“ ✅ KI erkennt Muster – kein Bewusstsein
❌ „Man braucht riesige Datenmengen“ ✅ Oft reichen saubere, relevante Daten
❌ „KI ist objektiv“ ✅ KI übernimmt Vorurteile aus den Daten
Die 3 wichtigsten Merksätze für Einsteiger
1️⃣ KI ist ein sehr schneller Mustererkenner
2️⃣ Die Qualität der Daten bestimmt die Qualität der KI
3️⃣ KI lernt durch Beispiele, nicht durch Erklärungen
Bezug zu deinem Kontext (Smart Home / Energieeffizienz)
Zur Kontrolle der Energieeffizienz in Smart Homes ist dies ideal für:
- Verbrauchsdaten
- Einflüsse von Wetter
- Nutzerverhalten
- Geräte-Zustände
➡️ KI lernt:
„Wann wird Energie verschwendet – und wie kann man sie sparen?“
@BrunoMueller
