Hi! Ich bin HerrKI 👋
Dein persönlicher KI-Lehrer
KI ist keine Magie – sondern eine Technologie, die du verstehen und selbst bauen kannst! Ich zeige dir Schritt für Schritt, wie Machine Learning wirklich funktioniert: nicht nur konsumieren, sondern verstehen, nachbauen und eigene KI-Anwendungen entwickeln. Komplett kostenlos, ohne Anmeldung – für alle im deutschsprachigen Raum! 🇩🇪🇦🇹🇨🇭
Deine Lernpfade
Grundlagen
Tensoren & Datenrepräsentation
Praxis
Neuronale Netze trainieren
Fortgeschritten
Deep Learning & Production
Aktuell
Was die KI-Welt gerade bewegt
Interaktiv
Deine Daten, dein Browser — KI zum Selbermachen
Alle Kapitel
📦 Grundlagen
Was heißt eigentlich „Lernen“?
Regeln schreiben vs. Beispiele zeigen: Erlebe den Kreislauf raten → messen → nachjustieren einmal komplett — ohne eine einzige Formel.
2 ✓Was sind Tensoren?
Skalare, Vektoren, Matrizen — die fundamentale Datenstruktur hinter jeder KI.
3 ✓Bilder als Tensoren
Wie RGB-Bilder zu Zahlen werden und warum alle Bilder gleich groß sein müssen.
4 ✓Excel/CSV → Tensoren
Tabellendaten in Tensoren umwandeln: Input-Features, Output-Labels, Normalisierung.
5 ✓Text & LLMs
Tokenization, Word Embeddings — wie Sprachmodelle Text als Tensoren verarbeiten.
6 ✓Wie LLMs Fragen beantworten
Von der Frage zur Antwort: Transformer, Wahrscheinlichkeiten, Token-Generierung.
7 ✓Tensor-Operationen
Rechnen mit Tensoren: Addition, Multiplikation, Reshape, Flatten — die Basis für alles.
🧠 Praxis
Was ist ein Neuronales Netz?
Neuronen, Gewichte, Bias und Aktivierungsfunktionen — interaktiv erklärt.
2 ✓Wie falsch ist falsch? (Loss)
Bevor ein Modell besser werden kann, muss „schlecht“ eine Zahl sein: Ziehe eine Gerade durch die Punktwolke, sieh jeden Fehler als Balken — und drücke den Loss unter 5.
3 ✓Gradient Descent zum Anfassen
Im Nebel den Berg hinab: Lernrate einstellen, Schritt für Schritt ins Tal — und einmal zusehen, wie eine zu große Schrittweite die Kugel aus dem Bild schleudert.
4 ✓Einfache Lineare Regression
Dein erstes echtes Training mit TensorFlow.js.
5 ✓Multiple Lineare Regression
Mehrere Eingaben gleichzeitig verarbeiten — Wohnungspreise vorhersagen.
6 ✓Alles auf eine Skala (Normalisierung)
Wohnfläche 350, Zimmerzahl 4 — warum so ungleiche Zahlen ein Training kippen lassen, und wie Min-Max und Z-Score das reparieren. Mit Live-Beweis: zwei Trainings im Direktvergleich.
7 ✓Polynomiale Regression
Wie neuronale Netze nicht-lineare Funktionen lernen.
8 ✓Warum eine Gerade nicht reicht (Aktivierungsfunktionen)
Zehn Schichten ohne Aktivierung sind immer noch eine Gerade. Erlebe live, wie erst der ReLU-Knick ein Netz mächtig macht — und baue aus drei Knicken selbst eine Kurve.
🚀 Fortgeschritten
Exponentielle Regression
Tiefe Netze approximieren komplexe exponentielle Zusammenhänge.
2 ✓Binäre Klassifikation
Ja/Nein-Entscheidungen lernen: Sigmoid, Entscheidungsgrenzen, Genauigkeit.
3 ✓Multi-Class Klassifikation
Mehrere Kategorien unterscheiden: Softmax und One-Hot-Encoding.
4 ✓Trainieren, prüfen, bestehen
Warum man ein Modell nie mit seinen Übungsaufgaben prüft: Teile die Daten selbst auf, trainiere live — und erlebe, was der „Schummeln“-Knopf wirklich kostet.
5 ✓Overfitting & Regularisierung
Wenn Netze auswendig lernen — und was Dropout & Co. dagegen tun.
🔥 Aktuell
Latent Space — die geheime Landkarte der KI
Der verborgene Raum, in dem Bedeutung zu Koordinaten wird: Nachbarschaft, Vektor-Rechnung und Interpolation zum Anfassen — die Grundlage von LLMs und Bild-KIs.
2 ✓Worauf schaut die KI gerade? (Attention)
Jedes Wort fragt alle anderen: „Wie wichtig bist du für mich?“ — Erlebe an der doppeldeutigen „Bank“, wie Attention Bedeutung aus dem Kontext baut. Der Kernmechanismus aller modernen KI-Modelle.
3 ✓Embeddings in der Praxis: Semantische Suche & RAG
Warum die KI „Fahrzeug“ findet, wenn du „Auto“ tippst: Durchsuche ein Firmen-Handbuch einmal mit Stichwörtern und einmal mit Bedeutungs-Vektoren — und sieh, wie RAG daraus Antworten baut.
4 ✓Aus Rauschen wird Bild (Diffusion)
Zerstöre ein Bild in 20 Rausch-Schritten — und sieh dann, wie ein Entrausch-Schritt, 20-mal angewendet, aus purem Grieß wieder ein Motiv formt. Plus: was der Prompt dabei wirklich tut.
5 ✓Warum KI überzeugend Unsinn erzählt (Halluzinationen)
Halluzinationen sind kein Defekt, sondern die Kehrseite des Funktionsprinzips: Sieh am Temperature-Regler, warum ein Modell auch bei erfundenen Fragen selbstbewusst antwortet — und lerne die Gegenmittel.
6 ✓Erst denken, dann reden — wie KI-Modelle „überlegen“
Warum dasselbe Modell eine Aufgabe falsch löst, wenn es sofort antworten muss, und richtig, wenn es zwischendurch schreiben darf: Chain-of-Thought, Denkbudget und die Reasoning-Modelle von heute.
7 ✓Denken im Verborgenen — Reasoning im Latent Space
Was passiert, wenn ein Modell seine Denkschritte gar nicht mehr in Worte fasst? Coconut, der Flaschenhals „ein Wort“ — und die ehrliche Debatte um Effizienz gegen Nachvollziehbarkeit.
8 ✓Prompt, Kontext oder Training?
Die drei Wege, ein KI-Modell an DEINE Aufgabe anzupassen — mit Entscheidungs-Assistent, ehrlichem Aufwands-Vergleich und der LoRA-Grafik, die zeigt, wie wenig „Training“ manchmal ist.
9 ✓Die KI, die sich selbst verbessert
Warum Training auf den eigenen Geschichten in die Echokammer führt (Model Collapse) — und wie Self-Play, unbestechliche Schiedsrichter und verifizierte Denkpfade echte Selbstverbesserung schaffen. Mit Selbstlern-Arena: Sieh einer KI beim Lernen zu und spiel dann gegen sie.
🧪 Interaktiv
Trainiere auf DEINEN Daten
Lade deine eigene CSV-Tabelle, wähle Eingaben und Zielspalte und trainiere live ein kleines Netz darauf — Stromverbrauch, Laufzeiten, Verkaufszahlen. Deine Datei verlässt dabei nie dein Gerät.
2 ✓Male eine Ziffer — dein erstes CNN
Trainiere in deinem Browser ein eigenes Convolutional Neural Network auf 65.000 echten Handschrift-Ziffern — und lass es danach die Ziffern erkennen, die du selbst malst.
3 ✓Was sieht die KI? (Objekterkennung)
Lade ein Foto hoch oder starte die Kamera: COCO-SSD zeichnet live beschriftete Rahmen um alles, was es erkennt — und zeigt dir die rohen Zahlen dahinter. Bild und Kamerabild bleiben dabei auf deinem Gerät.
4 ✓Dein Körper als Tensor (Pose)
Deine Kamera oder ein Foto — und du siehst live, was eine Pose-KI wirklich von dir sieht: 17 Punkte, 51 Zahlen, ein [17, 3]-Tensor. Mit Skelett-Overlay und einem Hampelmann-Zähler, der nur aus diesen Zahlen gebaut ist.
5 ✓Sprich mit deinem Browser (Audio)
Dein Browser hört zu — und versteht: Aus einer Sekunde Ton wird ein Spektrogramm, aus dem Spektrogramm ein Bild, aus dem Bild ein Wort. Steuere eine Spielfigur per Zuruf und trainiere dem Modell danach dein eigenes Wort an. Kein Ton verlässt dabei dein Gerät.
6 ✓Deine eigene Bild-KI (Transfer Learning)
Leg zwei bis vier eigene Klassen an, zeig der Kamera ein paar Beispiele — und dein Browser erkennt sie sofort. Das Prinzip hinter Googles Teachable Machine: ein eingefrorenes Riesennetz als Auge, ein winziges Gedächtnis als Lernteil.
7 ✓Semantische Suche in DEINEN Texten
Lade eigene Texte oder eine Beispiel-FAQ, verwandle jeden Satz im Browser in einen 512er-Vektor und lass die Bedeutungs-Suche live gegen die Stichwort-Suche antreten — inklusive der ehrlichen Antwort, warum das Modell auf Deutsch schwächelt.
8 ✓Dein Foto als Kunstwerk (Style Transfer)
Lade ein eigenes Foto, wähle einen Malstil — van Gogh, Hokusai, Munch, Kandinsky oder dein eigenes Bild — und sieh zu, wie zwei kleine Netze daraus ein Gemälde machen. Direkt im Browser, ohne Upload. Und du siehst das Erstaunlichste dabei: Ein kompletter Malstil passt in 100 Zahlen.
Fragen und Antworten
Brauche ich Vorwissen?
Nein — der Grundlagen-Pfad startet bei null. Nur Neugier und ein Browser.
Muss ich etwas installieren oder mich anmelden?
Nein. Alles läuft mit TensorFlow.js direkt in deinem Browser; dein Fortschritt bleibt lokal auf deinem Gerät.
Was kostet HerrKI?
Nichts. HerrKI ist ein kostenloses Bildungsprojekt von Terragon.de.