Multimodale KI
Definition
Multimodale KI verbindet Informationen aus verschiedenen Medienarten.
Der Oberbegriff umfasst Systeme, die etwa Text, Bild und Audio gemeinsam nutzen. Das kann durch ein einzelnes multimodales Modell oder mehrere verbundene Komponenten geschehen.
Einfach erklärt
Mehrere Sinne liefern zusammen ein vollständigeres Bild einer Aufgabe.
Warum das im Alltag wichtig ist
Anwendungen können Informationen nutzen, die in einem einzigen Medium fehlen.
Beispiel aus dem Mittelstand
Fiktiv: Ein Wartungsassistent kombiniert Fehlerbeschreibung und Maschinenfoto.
Grenzen und Fallstricke
- Unterschiedliche Medien können widersprüchlich sein. Datenschutz und Qualität betreffen jede Eingabeart.
Entstehung & Geschichte
Das Feld entwickelt sich aus Bild-, Sprach- und Textverarbeitung sowie deren Verbindung.
Anwendung im Mittelstand
- KMU können Medienbrüche in Dokumenten- oder Serviceprozessen reduzieren.
Häufige Fragen
Ist das identisch mit einem multimodalen Modell?
Nein, der Systembegriff umfasst auch Kombinationen mehrerer Modelle.
Quellen
- Gemini, A Family of Highly Capable Multimodal Models — · Google: Gemini, A Family of Highly Capable Multimodal Models —
Redaktionell geprüft am: