Begriff · Wie Sprachmodelle arbeiten
Multimodal
Auch: multimodales Modell, Multimodalität
Ein multimodales Modell verarbeitet neben Text auch andere Formen wie Bilder, Tabellen als Screenshot, Audio oder PDF-Seiten.
Mehr zuWie Sprachmodelle arbeiten
Von Marcus · aktualisiert am
Viele aktuelle KI-Werkzeuge nehmen nicht nur Text an. Du kannst ein Foto eines Whiteboards hochladen, einen Screenshot einer Tabelle oder eine Sprachnotiz. Das Modell wandelt diese Eingaben intern so um, dass es mit ihnen wie mit Text arbeiten kann, und antwortet meist in Text.
Für die Arbeit gelten dieselben Regeln wie bei Text: Was auf dem Bild steht, landet im Kontextfenster, auch Vertrauliches im Hintergrund. Und was das Modell aus einem Bild „liest“, kann genauso falsch sein wie eine Angabe aus Text.
Beispiel aus dem Arbeitsalltag
Nach einem Workshop fotografierst du das Whiteboard und bittest um eine Liste der Ideen mit Verantwortlichen. Die Liste ist schnell da, zwei Namen sind aber falsch gelesen. Du gleichst die Liste mit dem Foto ab, bevor du sie verschickst.
Häufiges Missverständnis
„Ein Bild ist sicherer als Text, weil das Modell es nur anschaut.“ Ein Bild ist Eingabe wie jede andere. Kundennamen auf einem Screenshot sind genauso im Werkzeug wie in einem Textfeld.
So benutzt du den Begriff
„Das Werkzeug ist multimodal, du kannst den Screenshot der Tabelle direkt hochladen.“
„Vor dem Hochladen schneide ich das Foto so zu, dass nur das Flipchart zu sehen ist.“
In diesen Lektionen
Verwandte Begriffe
Weiter stöbern
- BegriffSprachmodellEin Sprachmodell ist ein Programm, das aus einem Text vorhersagt, welcher Text plausibel folgt, und so Antworten, Entwürfe und Zusammenfassungen schreibt.
- RatgeberSprachmodelle: Stärken, Grenzen, IrrtümerZum Danebenlegen: wo Sprachmodelle in der KI-Landkarte stehen, wofür sie sich lohnen, wo sie zuverlässig scheitern, welche drei Irrtümer teuer werden, welche drei Modellklassen und der Thinking-Modus Qualität, Zeit und Kosten gegeneinander verschieben und was du vor dem Einsatz prüfst.
- BegriffTokenEin Token ist ein Textstück von etwa einer Silbe bis einem Wort; in Tokens misst ein Sprachmodell, wie viel Text es liest und schreibt.
Der Kurs
Das lernst du im Kurs Schritt für Schritt
Modul 1 (Wie KI funktioniert) behandelt das in der Einheit „Was KI ist und was ein Sprachmodell ist“.
Versteh in 7 Lektionen, wie KI arbeitet
Kostenlos: eine kurze Lektion pro Tag, jede mit einem Bild aus dem Alltag und einer Kleinigkeit für deine eigene Arbeit. Sie kommt in dein Postfach, ohne Konto, jederzeit abbestellbar.
Oder mach das Gratis-Quiz, oder sieh dir den Kurs an: 199 € einmalig · 30 Tage Geld-zurück-Garantie.