Generative AI — GPT, GANs, VAEs für Text- und Bildgenerierung

Generative KI ist die spannendste Tech-Entwicklung der letzten Jahre — ChatGPT, Midjourney, Stable Diffusion und Claude haben in 24 Monaten Branchen transformiert, die vorher als „KI-resistent" galten (Marketing, Design, Software-Entwicklung, Recht). Dieser Kurs vermittelt die Grundlagen und Anwendungen generativer Modelle. Block Generative AI-Übersicht: Diskriminative vs. Generative Modelle, Geschichte (von Markov-Ketten über LSTMs bis Transformer), aktuelle Anwendungsgebiete (Text, Bild, Audio, Video, Code, 3D), Hype vs. Realität, ChatGPT-Effekt und seine Folgen. Block Generative Pre-trained Transformer (GPT): Transformer-Architektur konzeptionell (Attention, Self-Attention, Multi-Head, Position Encoding), Pre-Training und Fine-Tuning, In-Context Learning, Few-Shot vs. Zero-Shot, RLHF (Reinforcement Learning from Human Feedback) als entscheidender GPT-3.5/4-Schritt. Modelle im Vergleich (GPT-3.5, GPT-4, GPT-4o, Claude 3.5, Claude 4, Gemini 1.5/2.0, Llama 3/4, Mistral). Block Praktische LLM-Nutzung: OpenAI API, Anthropic API, Google Gemini API — wie integriere ich LLMs in eigene Anwendungen? Prompt Engineering (System Prompts, Few-Shot Examples, Chain-of-Thought, Self-Consistency), Streaming, Function Calling / Tool Use, Token-Limits und Cost-Management. Block Retrieval Augmented Generation (RAG): Konzept (LLM + eigene Datenbank), Vector Embeddings (OpenAI ada-002, Cohere, Sentence-BERT), Vector-Databases (Pinecone, Weaviate, Chroma, Qdrant, pgvector), LangChain und LlamaIndex als Frameworks, Chunking-Strategien, Re-Ranking. Block Generative Adversarial Networks (GANs): Generator vs. Discriminator als „Spiel", Training-Dynamiken (Mode Collapse, Vanishing Gradient), Anwendungen (Bildgenerierung mit StyleGAN, Style Transfer, Image-to-Image-Translation mit Pix2Pix und CycleGAN, Super-Resolution). Block Variational Autoencoders (VAEs): Encoder-Decoder mit latentem Raum, Reparameterization Trick, generative Eigenschaften, Vergleich zu GANs (VAE: stabiler Training, GANs: schärfere Bilder). Block Diffusion-Modelle (modernste Bildgenerierung): Forward-Process (Noise hinzufügen), Reverse-Process (Lernmodell entrauscht), DALL·E, Midjourney, Stable Diffusion, ControlNet für Steuerung. Block Text-zu-Bild und Bild-zu-Bild: Prompt-Engineering für Bilder, Negative Prompts, Inpainting, Outpainting, Image-to-Image, LoRAs für Custom-Modelle. Block Ethische Überlegungen: Bias in Trainingsdaten, Urheberrecht (Trainingsdaten-Klagen), Deepfakes und Missbrauch, KI-Akt EU, verantwortungsvolle KI-Entwicklung.