36. ERFA KI - Weltmodelle

Online

12.01.27

Anmeldung ab 1 Monat vorher möglich.

Gemeinschaftsveranstaltung von WJ Lüdenscheid & VDI Lenne BV.

Agenda

i.V.

34. ERFA KI - Roboter Trainingstools

Di, 13.10.26 : 17.00 - 19.00 Uhr, hybrid in Altena und online

Anmeldung am 8.7.26 möglich.

Gemeinschaftsveranstaltung von WJ Lüdenscheid & VDI Lenne BV.

Bild: Reinhold Berlin, erstellt mit ChatGPT, Image 2

Überblick

Wir sehen uns in der https://zukunftsschmiede-westfalen.de Trainings- und Simulationstools an, wie Nvidia ISAAK Sim & Lab oder Groot, Google Robotics, huggingface. 

ISAAK Sim & Lab ist auf der DGX Spark installiert, so dass wir uns den Funktionsumfang im Detail ansehen können.

Mit etwas Glück sehen wir vor Ort auch einen 'Humanoiden' bei der Arbeit.

Weitere Infos folgen

ERFA KI - Machine Learning

Online

Anmeldung ab 1 Monat vorher möglich.

Gemeinschaftsveranstaltung von WJ Lüdenscheid & VDI Lenne BV.

Agenda

- Einstieg & Motivation

- Grundidee von Machine Learning

- Hauptarten des Lernens

- Typischer ML-Prozess

- Beispiele aus der Praxis

- Chancen und Grenzen

Machine Learning (ML) ist ein Teilgebiet der Künstlichen Intelligenz, bei dem Computer aus Daten lernen, statt ausschließlich durch feste Regeln programmiert zu werden. Ziel ist es, Muster in Daten zu erkennen und daraus Vorhersagen, Entscheidungen oder Empfehlungen abzuleiten.

Ein typisches ML-System wird mit Beispieldaten trainiert. Aus diesen Daten berechnet es ein Modell, das später auf neue, unbekannte Daten angewendet wird. Beispiele sind Spam-Erkennung, Bilderkennung, Sprachverarbeitung, Produktempfehlungen, Betrugserkennung oder Qualitätskontrolle in der Industrie.

Es gibt drei zentrale Lernarten:

Überwachtes Lernen nutzt Daten mit bekannten Ergebnissen. Das Modell lernt zum Beispiel, ob eine E-Mail „Spam“ oder „kein Spam“ ist. Typische Aufgaben sind Klassifikation und Regression.

Unüberwachtes Lernen arbeitet mit Daten ohne vorgegebene Zielwerte. Das System sucht selbstständig Strukturen, etwa Kundengruppen oder ungewöhnliche Muster.

Bestärkendes Lernen basiert auf Belohnung und Bestrafung. Ein System lernt durch Ausprobieren, welche Handlungen langfristig zum besten Ergebnis führen, etwa bei Robotik oder Spielen.

Wichtige ML-Verfahren sind Entscheidungsbäume, Random Forests, Support Vector Machines, neuronale Netze und Deep Learning. Deep Learning ist eine spezielle Form des Machine Learning mit großen neuronalen Netzen, die besonders bei Bildern, Sprache und großen Datenmengen stark ist.

Die Qualität eines ML-Systems hängt stark von den Daten ab. Schlechte, verzerrte oder unvollständige Daten führen oft zu schlechten Ergebnissen. Außerdem besteht die Gefahr von Überanpassung: Das Modell lernt Trainingsdaten zu genau auswendig und funktioniert dann schlecht bei neuen Daten.

Machine Learning ist leistungsfähig, aber kein „magisches Denken“. Es erkennt statistische Zusammenhänge, versteht jedoch nicht automatisch Ursachen oder Bedeutung. Deshalb sind Datenqualität, Modellprüfung, Transparenz und menschliche Kontrolle entscheidend.

Quelle: GPT 5.5:

ERFA KI - (Autonome) Multi-Agentensysteme

Di, 01.09.26 : 17.00 - 19.00 Uhr, online

A N M E L D U N G

Gemeinschaftsveranstaltung von WJ Lüdenscheid & VDI Lenne BV.

Agenda

Seit Jan. 2026 haben Tools, wie OpenClaw oder Hermes eine extreme Aufmerksamkeit erhalten. Jeweils mehr als 100.000 Sterne auf GitHub. Tausende MAC-Minis wurden gekauft, um die autonomen Tools außerhalb des Produktiv-Rechners 24/7 'arbeiten' zu lassen. Nach einem guten halben Jahr sehen wir uns 2 davon im Detail an: 

- NemoClaw (OpenClaw in einer sicherren Nvidia Umgebung)

- Hermes in der Hostinger VPS und auf einem Linux-Laptop und/oder auf einem Raspi.

Die Tools kommen mit bescheidener Hardware aus, da die KI-Arbeit über angedockte LLM's wie Claude erfolgt. Im September können wir ggf. auch lokale LLM's im Tool betrachten.

Weitere Infos folgen.