====== 09. Berufliche Anwendung ======

Im beruflichen Alltag stehen heute verschiedene KI-Systeme zur Verfügung, die jeweils auf unterschiedliche Aufgaben spezialisiert sind. Sie lassen sich grob in vier Kategorien einteilen:

==== 1. Sprachmodelle (Text-KI) ====
Siehe auch: [[methoden:llm|Sprachmodelle]]\\ \\
Diese Systeme verstehen und erzeugen natürliche Sprache. Sie eignen sich besonders für:
  * **Texterstellung:** E-Mails, Blogbeiträge, Produkttexte, Zusammenfassungen
  * **Korrektur & Stilberatung:** Grammatikprüfung, Umformulierungen, Tonalitätsanpassung
  * **Informationsgewinnung:** Recherchen, Übersichten, FAQs
  * **Kommunikation:** Chatbots, Antworten auf Kundenanfragen
  * **Programmieren:** Erstellen und Erklären von Code, Dokumentation

**Beispiele:**  
  * ChatGPT (OpenAI)  
  * Claude (Anthropic)  
  * Gemini (Google)  
  * Microsoft Copilot (in Word, Excel, Outlook)

==== 2. Bild-KI ====
Siehe auch: [[praxis:bild|Bild-KI]]\\ \\
Diese Tools erzeugen Bilder aus Textbeschreibungen (Text-zu-Bild) oder verändern vorhandene Bilder (Bildbearbeitung mit KI).

Typische Anwendungsbereiche:
  * **Visuelle Ideenfindung:** Moodboards, Illustrationen, Werbemotive
  * **Content-Produktion:** Bilder für soziale Medien, Webseiten, Präsentationen
  * **Designunterstützung:** schnelle Mockups, Entwürfe

**Beispiele:**  
  * DALL·E (OpenAI)  
  * Midjourney  
  * Adobe Firefly  
  * Canva mit KI-Unterstützung

==== 3. Code-Assistenz & Entwickler-KI ====
Siehe auch: [[praxis:code|Code-Assistenz]]\\ \\
Diese Systeme helfen bei der Programmierung, indem sie Code vorschlagen, analysieren oder erklären.

Einsatzmöglichkeiten:
  * **Code-Vervollständigung und -korrektur**
  * **Fehlersuche (Debugging)**
  * **Dokumentation generieren**
  * **Automatisierung kleiner Aufgaben**

**Beispiele:**  
  * GitHub Copilot  
  * Amazon CodeWhisperer  
  * Cursor  
  * Replit Ghostwriter

==== 4. Datenanalyse- & Tabellen-KI ====
Siehe auch: [[praxis:datenanalyse|Datenanalyse]]\\ \\
KI-Systeme können auch große Datenmengen interpretieren und visuell aufbereiten. In Office-Programmen wie Excel oder Google Sheets sind KI-Funktionen bereits integriert.

Typische Aufgaben:
  * **Analyse von Tabellen**  
  * **Erkennen von Trends & Mustern**
  * **Visualisierung von Daten (Diagramme, Dashboards)**
  * **Automatische Berichte & Zusammenfassungen**

**Beispiele:**  
  * Microsoft Excel mit Copilot  
  * ChatGPT (Advanced Data Analysis)  
  * Tableau mit KI  
  * Notion AI

==== 5. Audio-KI ====
Siehe auch: [[praxis:audio|Audio-KI]]\\ \\
Diese Modelle verarbeiten oder erzeugen gesprochene Sprache oder Musik. Sie sind besonders nützlich für:
  * **Transkription von Gesprächen, Meetings und Podcasts**
  * **Text-to-Speech (TTS):** KI-generierte Stimmen für Videos, E-Learning, Telefonansagen
  * **Sprachsteuerung:** Integration in Assistenzsysteme
  * **Musikproduktion:** KI-generierte Melodien, Beats oder ganze Musikstücke

**Beispiele:**  
  * Whisper (OpenAI) – automatische Spracherkennung  
  * ElevenLabs – realistische Text-to-Speech-Stimmen  
  * Descript – Audio-/Video-Editing mit KI  
  * Soundraw, Aiva – KI-Musikkomposition

==== 6. Video-KI ====
Siehe auch: [[praxis:video|Video-KI]]\\ \\
KI kann heute Videos analysieren, verändern oder sogar vollständig generieren.

Anwendungen:
  * **Videozusammenfassungen** (z. B. aus Meetings oder Vorträgen)  
  * **Skript-zu-Video:** Automatisierte Erstellung kurzer Clips  
  * **Gesichts- & Sprachanimation** (z. B. für virtuelle Sprecher:innen)
  * **Bearbeitung & Schnitt:** automatisch Highlights erkennen, Szenen schneiden

**Beispiele:**  
  * Synthesia – KI-generierte Avatare & Videos  
  * Runway ML – Video-Editing & KI-Effekte  
  * Pictory – Videos aus Texten erzeugen  
  * Opus Clip – automatische Kurzvideos aus langen Inhalten

==== 7. KI für Synthetic Data ====
Siehe auch: [[praxis:synthetic_data|KI für Synthetic Data]]\\ \\
Diese Systeme erzeugen realitätsnahe, aber künstlich generierte Daten – besonders wichtig für das Training von KI-Modellen, bei Datenschutzauflagen oder zur Simulation.

Einsatzfelder:
  * **Testdaten für Software und Datenbanken**
  * **Training von Machine-Learning-Modellen ohne echte Nutzerdaten**
  * **Simulation von Nutzungsverhalten, Szenarien, Sensordaten**

**Beispiele:**  
  * MOSTLY AI  
  * Gretel.ai  
  * Synthea (für Gesundheitsdaten)

==== 8. 3D-Modellierung mit KI ====
Siehe auch: [[praxis:3d_modellierung|3D-Modellierung]]\\ \\
Diese Systeme erstellen oder verändern 3D-Objekte und virtuelle Welten – hilfreich z. B. in Architektur, Gaming, Industrie oder Design.

Typische Anwendungen:
  * **3D-Objekterstellung aus Text oder Skizzen**
  * **Automatische Optimierung von Modellen**
  * **Design-Vorschläge und Ideenskizzen**

**Beispiele:**  
  * Kaedim – Text-zu-3D  
  * Luma AI – 3D-Modelle aus Fotos (NeRF-Technologie)  
  * NVIDIA Omniverse mit KI-Tools  
  * Meshy.ai – Text-zu-3D-Meshes

==== 9. Robotik-KI ====
Siehe auch: [[praxis:robotik|Robotik-KI]]\\ \\
In der Robotik wird KI eingesetzt, um Maschinen autonom handeln oder auf ihre Umgebung reagieren zu lassen. Dabei kommt oft ein Mix aus Computer Vision, Planung und maschinellem Lernen zum Einsatz.

Anwendungen:
  * **Autonome Fahrzeuge & Drohnen**  
  * **Lager- und Logistikroboter**  
  * **Industrielle Fertigung & Qualitätskontrolle**  
  * **Assistenzsysteme in Pflege & Service**

**Beispiele:**  
  * Boston Dynamics – KI-gesteuerte Bewegungsplanung  
  * NVIDIA Isaac – Plattform für [[praxis:robotik|Robotik-KI]]  
  * Tesla Autopilot (FSD)  
  * Amazon Robotics (Lagerlogistik)

=== Hinweis ===
Viele moderne Tools kombinieren mehrere dieser Technologien – z. B. Sprache, Video und [[praxis:datenanalyse|Datenanalyse]] – in einer Anwendung. Prompting spielt dabei fast immer eine zentrale Rolle, insbesondere bei Text- und Multimodellen (z. B. ChatGPT, Gemini).

Dieses Handbuch konzentriert sich daher auf textbasierte Strategien, bindet aber auch andere Modalitäten ein, wo es sinnvoll ist.