Generative KI und Sprachmodelle
Multimodale KI
Multimodale KI kann verschiedene Arten von Daten (Text, Bild, Audio und Video) gleichzeitig verstehen und miteinander in Bezug setzen.
Für dein Unternehmen
Multimodale KI eröffnet dem Mittelstand Anwendungen jenseits reiner Textarbeit: etwa Fotos von Baustellen oder Maschinenschäden automatisch auswerten und verschriftlichen lassen, statt manuell Berichte zu tippen.
IT, Geschäftsführung, Marketing, Produktion
Ausführliche Definition
Multimodale KI-Systeme verarbeiten und verknüpfen mehrere Datenarten gleichzeitig: Sie können etwa ein Foto beschreiben, gesprochene Sprache verstehen und gleichzeitig mit Text antworten. Aktuelle Modelle wie GPT-5, Gemini oder Claude sind bereits standardmäßig multimodal. Das erschließt neue Einsatzfelder etwa in Qualitätskontrolle, medizinischer Dokumentation oder Sicherheitsüberwachung.
generative-ki; computer-vision; large-language-model
Prompt Textbooks Are All You Need | Gunasekar et al., Microsoft Research, 2023 (arXiv:2306.11644)
← Alle Begriffe im KI-Glossar


