Dein Lernpfad
Strukturiertes Wissen von den absoluten Grundlagen bis zur aktuellen Forschung. In deinem Tempo.
Geschichte der AI, Definitionen, der Unterschied zwischen AI, Machine Learning und Deep Learning.
Wie ChatGPT, Claude und Co. funktionieren — die Intuition hinter Sprachmodellen, ohne Mathematik.
Die Grundbegriffe, die jeder LLM-Nutzer kennen sollte. Was passiert unter der Haube?
Die Kunst, AI-Modelle effektiv anzuleiten: Rollen, Kontext, Few-Shot Beispiele, Chain-of-Thought.
Anthropics Terminal-AI: Installation, CLAUDE.md, Plan Mode, Slash Commands, Agent Teams, MCP-Server.
Open-Source AI-Agent fuer Telegram, WhatsApp, Discord. Setup, Skills, Memory, ClawHub.
LLMs auf dem eigenen Rechner: Ollama, Open WebUI, LM Studio. Datenschutz und volle Kontrolle.
Das Standardprotokoll fuer AI-Tool-Integration. Wie Claude Code mit externen Diensten spricht.
Cursor, Windsurf, GitHub Copilot — KI-gestuetzte Editoren im Vergleich.
AI mit eigenen Daten: Embeddings, Vektor-Datenbanken, Chunking-Strategien, Agentic RAG.
Die wichtigsten Frameworks zum Bauen von LLM-Anwendungen: Chains, Agents, Memory.
Autonome Systeme mit Tool Use, LangGraph, Agent Loops. Von einfach bis Swarm.
Eigene Apps mit Claude bauen: API-Calls, Tool Use, Streaming, Batch Processing.
Eigene Modelle trainieren mit wenig GPU — wann und wie es sich lohnt.
Self-Attention, Multi-Head Attention, Positional Encoding — das Herzstueck moderner AI.
Pre-Training, SFT, RLHF, DPO — der vollstaendige Weg vom Rohmodell zum fertigen Assistenten.
Containerisierung, Auto-Scaling, Monitoring, Kosten-Optimierung fuer AI-Systeme.
AI-Systeme testen: Evals schreiben, Red Teaming, Safety-Metriken, Halluzinations-Erkennung.
Das Transformer-Paper von 2017 — Vaswani et al. Das Fundament der modernen AI.
Warum groessere Modelle besser sind — die mathematischen Gesetze und ihre Grenzen.
Anthropics Ansatz: Wie Claude seine Werte bekommt. RLHF vs. RLAIF, Harmlessness Training.
Wie moderne Modelle effizient skalieren: Sparse Expert Routing, Mixtral, Switch Transformer.
Vision-Language-Modelle: Wie GPT-4V, Claude Vision und Gemini Text, Bild und Audio vereinen.
Die groesste Herausforderung: Sicherstellen, dass superintelligente Systeme menschlichen Werten folgen.
Mediathek
Kuratierte Videos — vom ersten Kontakt bis zur Forschungsfront
Alle
Grundlagen
Praxis
Fortgeschritten
Experte
Empfehlung der Redaktion
Andrej Karpathy
Der umfassendste Einstieg in die Welt der Sprachmodelle. 3,5 Stunden von einem der brillantesten Koepfe der AI-Branche — verstaendlich fuer jeden, tiefgruendig genug fuer Experten.
3:31:00
Grundlagen
Pflicht-Video
YouTube-Channels zum Folgen
AK
Andrej Karpathy
Ex-Tesla AI Director, Ex-OpenAI. Die besten Deep-Dive-Videos im gesamten AI-YouTube.
Deep Dives
From Scratch
LLMs
3B
3Blue1Brown
Mathematische Visualisierungen — Neural Networks und Transformer so erklaert, wie sie noch nie erklaert wurden.
Visualisierung
Mathematik
Transformer
YK
Yannic Kilcher
Paper Reviews und tiefe technische Analysen der neuesten Forschung.
Paper Reviews
Research
Akademisch
SQ
StatQuest
Josh Starmer erklaert ML-Konzepte mit Humor und kristallklaren Visualisierungen.
ML Basics
Statistik
Einsteiger
AN
DeepLearning.AI
Andrew Ngs Plattform — strukturierte Kurse vom Stanford-Professor und AI-Legende.
Kurse
Stanford
Strukturiert
2M
Two Minute Papers
Kurze, unterhaltsame Zusammenfassungen neuer AI-Forschung. Perfekt fuer den taeglichen Ueberblick.
Kurz
Forschung
Unterhaltsam
AE
AI Explained
Aktuelle Entwicklungen, praktische Workflows und AI-Automationen im Alltag.
Aktuell
Workflows
Praxis
Lern-Roadmap 2026
Der empfohlene Weg vom Einsteiger zum AI Engineer — Monat fuer Monat
1
Monat 1-2: Fundament
Python, Grundbegriffe, Erste Schritte
Python Basics
Was ist AI/ML
Prompt Engineering
ChatGPT/Claude nutzen
Erste API-Calls
2
Monat 3-4: Tools & Workflows
AI-Tools produktiv einsetzen
Claude Code
OpenClaw Setup
Ollama lokal
MCP Protocol
Git + AI Workflow
3
Monat 5-6: Eigene Apps bauen
RAG, APIs, erste Projekte
RAG System bauen
LangChain
Vector Databases
Claude API
Erstes AI-Projekt
4
Monat 7-8: Agents & Systeme
Autonome AI-Systeme entwerfen
AI Agents
Multi-Agent Systems
LangGraph
Tool Use
Agent Evaluation
5
Monat 9-10: Deep Tech
Unter die Haube schauen
Transformer Architektur
Fine-Tuning / LoRA
Training Pipeline
Deployment
Benchmarking
6
Monat 11-12: Forschung & Spezialisierung
Die Grenze des Wissens erreichen
Research Papers
AI Safety
Scaling Laws
MoE / Architektur
Eigene Forschung
