Grenzen der KI: Berechenbarkeit, Komplexität und was Modelle nie können werden

Grenzen der KI: Berechenbarkeit, Komplexität und was Modelle nie können werden.

MODUL 01: BERECHENBARKEIT

• Turing-Maschine und Berechenbarkeit
• Das Halteproblem und Unentscheidbarkeit
• Was das für KI bedeutet
• Live-Demo: ein Problem, das prinzipiell unlösbar ist
• Ihre Ausgangslage: Wo ziehen Sie die Grenze?

MODUL 02: KOMPLEXITÄT

• P, NP und praktische Grenzen
• Warum manche Probleme unlösbar bleiben
• Approximation als Ausweg
• Übung: Sie ordnen Probleme nach Schwierigkeit ein
• Der Aha-Moment: manche Rechnung dauert länger als das Universum

MODUL 03: GRENZEN LERNENDER SYSTEME

• No-Free-Lunch-Theorem
• Was aus Daten prinzipiell nicht lernbar ist
• Halluzination als strukturelles Phänomen
• Übung: Sie identifizieren Grenzen an Beispielen
• Warum kein Modell alles kann

MODUL 04: EINORDNUNG

• Hype versus fundierte Erwartung
• Was bleibt dem Menschen?
• Diskussion: Grenzen und Chancen
• Realistische Erwartungen entwickeln
• Der Aha-Moment: klare Sicht statt Marketingversprechen

MODUL 05: KONSEQUENZEN

• Was diese Grenzen für Projekte bedeuten
• Fallstudie: eine überzogene Erwartung entzaubern
• Chancen realistisch nutzen
• Souverän mitreden
• Ihr Fahrplan zur realistischen KI-Einschätzung