zurück

Generative AI Foundations

Hersteller
Certiport
Prüfungsdauer
50 Minuten
Anzahl der Fragen
40–45 Fragen
Prüfungssprachen
Englisch und andere Sprachen

Über diese Prüfung

Diese Prüfung weist nach, dass die Kandidatin oder der Kandidat ein grundlegendes Verständnis der generativen KI hat, ihrer Verwendung im privaten und beruflichen Zusammenhang sowie des verantwortungsvollen und ethischen Umgangs mit dieser Technik.

Zielgruppe

Wer die Prüfung besteht, verfügt nicht nur über die technischen Fähigkeiten, die für den Umgang mit Werkzeugen der generativen KI nötig sind, sondern kann auch einen tragfähigen ethischen Rahmen für die Nutzung von KI-Technik darlegen, darunter: die Folgen für den Datenschutz verstehen; Voreingenommenheit erkennen; Fragen rund um Rechte am geistigen Eigentum berücksichtigen. Von den Kandidatinnen und Kandidaten werden 150 Stunden aus Unterricht und praktischer Erfahrung im Umgang mit Werkzeugen der generativen KI erwartet. Sie sollten mit Büroanwendungen wie Microsoft 365 oder Google Docs vertraut sein.

Kompetenzbereiche und Prüfungsziele

1Verfahren und Vorgehensweisen der generativen KI

  1. 1.1Generative KI bestimmen.
    • iGenerative KI mit vorhersagender KI, unterscheidender KI, analytischer KI und statistischer KI vergleichen und gegenüberstellen.
    • iiGenerative KI mit Suchmaschinen vergleichen und gegenüberstellen.
    • iiiGrundlegendes Verständnis von Diffusionsmodell, Transformer-Modell, Generative Adversarial Networks (GANs) und Variational Autoencoders (VAEs).
  2. 1.2Die grundlegenden Abläufe erläutern, mit denen generative KI eine Ausgabe erzeugt.
    • iVerstehen, dass jedes Modell anders trainiert wird.
      • Zu den Textmodellen gehören: OpenAI GPTx, Google Gemini, Anthropic Claude, Meta LLaMA
      • Zu den Bildmodellen gehören: DALL-E, Adobe Firefly
    • iiGroße Sprachmodelle (large language models, LLMs) benötigen eine große Menge an Trainingsdaten, um wirkungsvoll zu arbeiten.
    • iiiLLMs werden auf einem so gewaltigen Datenbestand trainiert, dass darin Meinungen und Sichtweisen enthalten sein werden.
    • ivBildmodelle werden auf Text-Bild-Paaren trainiert, die von Hand ausgezeichnet werden.
    • vDas Training eines Modells verbraucht viel Energie und erfordert leistungsfähige GPUs.
    • viModellarten: Diffusion, Transformer, Variational Autoencoders (VAEs), Generative Adversarial Networks (GANs)
    • viiZentrale Begriffe: neuronale Netze, faltendes neuronales Netz (convolutional neural network), Tokenisierung, Diffusion, Rauscherzeugung, Verfeinerungsalgorithmen, Hyperparameter, Datenbestand
  3. 1.3Die Eingabe- und Ausgabearten erkennen, die bei generativer KI vorkommen.
    • iMan kann mehrere Eingaben nutzen, um eine Ausgabe zu erhalten.
      • Zu den Eingaben gehören: Text, Audio, Video, Bilder
      • Zu den Ausgabearten gehören: erzeugter Text, erzeugtes Video, erzeugtes Bild, erzeugtes Audio
    • iiVerschiedene Werkzeuge lassen verschiedene Eingabearten zu, um eine Ausgabe zu erzeugen.
  4. 1.4Erkennen, dass sich Modelle der generativen KI anpassen lassen, um einzelne Aufgaben zu erledigen.
    • iIn sich geschlossene Anwendung, die eine Aufgabe für einen erledigt.
      • Beispiele: Custom GPT, Google Gems, Microsoft Copilots
  5. 1.5Ein passendes Werkzeug für eine bestimmte Aufgabe wählen.
    • iWerkzeuge: Microsoft Copilot, Google Gemini, MetaGPT, Adobe Express, Canva, Open AI ChatGPT, Claude, Microsoft Azure AI Studio, Stable Diffusion.
    • iiErwägungen bei der Wahl eines Werkzeugs: Zweck und Funktionsumfang, Bedienbarkeit, Kosten, Aktualisierungen und Unterstützung, Datenschutz, Sicherheit, Qualität, Anpassbarkeit, verfügbare Parameter zur Steuerung der Ausgabe.
  6. 1.6Die Grenzen der generativen KI beschreiben.
    • iDie Ausgabe ist nicht verlässlich.
    • iiDie Ausgabe kann Voreingenommenheit, Falschinformationen und Halluzinationen enthalten.
    • iiiBraucht Rechenleistung und Zugang zu den Daten (üblicherweise Internet).
    • ivUnterhaltungen werden zum Training verwendet, sofern man die Datenschutzeinstellungen nicht aktiviert.
    • vEs gibt keine allgemeingültigen Vorgaben dazu, wie sie verwendet werden sollte.
    • viGrenzen bei der Beständigkeit (zwei Uhren, jede zeigt eine andere Zeit).
    • viiSchnelle Veränderungen können frühere Arbeit überholt erscheinen lassen.

2Grundlagen des Prompt Engineering

  1. 2.1Passende Prompts bestimmen, um Textinformationen zu erhalten.
    • iInhalte zusammentragen.
    • iiZusammenfassen.
    • iiiInhalte erstellen und Ideen entwickeln.
  2. 2.2Passende Prompts bestimmen, um Inhalte umzuwandeln.
    • iInhalte umformatieren, um eine Anforderung zu erfüllen.
    • iiDokumente bearbeiten und Korrektur lesen.
    • iiiEine Visualisierung von Inhalten bereitstellen.
    • ivInhalte in eine andere Medienart umwandeln.
    • vInhalte in eine andere Sprache übersetzen.
    • viInhalte persönlich zuschneiden und anpassen, um Lernen und Verständnis zu erleichtern.
  3. 2.3Passende Prompts bestimmen, um Bilder zu erzeugen und umzuwandeln.
    • iEin Bild für einen bestimmten Zweck erzeugen.
    • iiKünstlerische Ideen erkunden.
    • iiiEin Bild umwandeln.
    • ivDen Inhalt von Bildern beschreiben.
  4. 2.4Passende Prompts bestimmen, um Videos zu erzeugen und umzuwandeln.
    • iBildern Bewegung hinzufügen.
    • iiZwischen Bildern interpolieren.
    • iiiEinen Schwarzweißfilm einfärben.
    • ivAus einem Prompt ein Video erzeugen.
    • vEinen Avatar erzeugen, der ein Skript vorliest.
    • viObjekte in einem Video hinzufügen und entfernen.
    • viiAutomatische Untertitelung.

3Prompts verfeinern

  1. 3.1Zu einem gegebenen ersten Prompt und seiner Ausgabe beurteilen, wie sich der Prompt verbessern lässt, um eine gezieltere Ausgabe zu erhalten.
    • iInhalt
      • Einen Prompt mit dem richtigen Maß an Genauigkeit formulieren.
      • Prompts formulieren, die klar und nicht abgekürzt sind.
      • Nicht annehmen, dass die KI „weiß“, wovon man spricht.
    • iiStil
      • Angaben zu Stil und Tonfall der Ausgabe mitgeben.
      • Eine Gestaltungsrichtlinie mitgeben.
    • iiiPersona
      • Der KI eine Persona oder Rolle geben.
    • ivZusammenhang
      • Die KI muss den Zusammenhang dessen kennen, worum sie gebeten wird; sie ist eine Maschine und kann ihn nicht von selbst erschließen.
  2. 3.2Zu einem gegebenen ersten Prompt und seiner Ausgabe weitere Eingaben bestimmen, mit denen sich eine gezieltere Ausgabe erreichen lässt.
    • iBeispiele (Few-Shot-Prompting).
    • iiGlossar für die Übersetzung.
    • iiiVorlagen.
    • ivDokumente, die für die Recherche verwendet werden.
    • vFrühere Unterhaltung im selben Gesprächsstrang
  3. 3.3Gängige Verfahren des Promptens erkennen.
    • iZero-Shot, Few-Shot, Chain-of-Thought, Self-Consistency, Generate Knowledge, Prompt Chaining.
  4. 3.4Verfahren des umgekehrten Promptens einsetzen, um ein Ergebnis zu erreichen.
  5. 3.5Zu einer gegebenen KI-Ausgabe erläutern, wie sich ihre Richtigkeit überprüfen lässt.
    • iGeschichtliche Tatsachen.
    • iiAktuelle Tatsachen.
    • iiiZahlenangaben.

4Ethik, Recht und gesellschaftliche Wirkung

  1. 4.1Die Möglichkeit von Voreingenommenheit in der Ausgabe generativer KI bestimmen.
    • iKI kann die Voreingenommenheit widerspiegeln, die in ihren Trainingsdaten steckt.
    • iiVerschiedene Modelle können unterschiedliche Voreingenommenheiten haben.
    • iiiWer das Modell erstellt, bringt Voreingenommenheit ein, indem Leitplanken eingezogen werden.
      • Manche Werkzeuge lassen zu, ihre zusätzlichen Leitplanken ein- und auszuschalten (zum Beispiel Azure Open AI)
    • ivVoreingenommenheit kann über den Prompt eingebracht werden.
    • vZu den gängigen Voreingenommenheiten gehören Geschlecht, Herkunft, Behinderung, Alter, Religion, Kultur, Sprache, Staatsangehörigkeit und wirtschaftliche Lage.
    • viGenerative KI kann genutzt werden, um Voreingenommenheit zu verbreiten.
  2. 4.2Die möglichen rechtlichen Folgen der Nutzung generativer KI bestimmen.
    • iRechte am geistigen Eigentum achten
      • Die Rechtslage ist noch im Fluss, der beste Weg ist jedoch, sich an die Verfahren ohne KI zu halten und die Arbeit einer anderen Person nicht ohne Erlaubnis zu nutzen.
      • Bei manchen Modellen wurden urheberrechtlich geschützte Daten zum Training der KI verwendet.
    • iiRechtliche Folgen unsachgemäßer Nutzung erzeugter Inhalte bestimmen.
    • iiiNachvollziehbarkeit – den eigenen Arbeitsweg dokumentieren, wenn KI im beruflichen Umfeld eingesetzt wird.
  3. 4.3Die Bedeutung des Datenschutzes erläutern.
    • iPersönliche Angaben oder die vertraulichen Daten eines Unternehmens könnten zum Training verwendet werden.
    • iiIdentitätsdiebstahl kann eintreten, wenn personenbezogene Daten (personally identifiable information, PII) von generativer KI verwendet werden.
    • iiiIdentitätsdiebstahl kann zivil- und strafrechtliche Folgen haben.
    • ivUnternehmen führen innerbetriebliche Richtlinien ein, um zu verhindern, dass Beschäftigte Daten an öffentliche oder nicht freigegebene KI-Modelle abfließen lassen.
    • vVon Menschen erstellte Inhalte können zum Training des Modells verwendet werden, sofern man dem nicht widerspricht.
  4. 4.4Die Risiken bestimmen, die mit der Nutzung generativer KI verbunden sind.
    • iNotwendigkeit menschlicher Aufsicht, um die Verbreitung falscher oder schädlicher Informationen zu vermeiden, die einen selbst oder das Unternehmen finanziellen oder rechtlichen Folgen aussetzen.
    • iiVerstehen, dass man für das verantwortlich ist, was man erzeugt.
      • Davon absehen, Inhalte zu erzeugen, die schädlich sind oder zivil- oder strafrechtliche Folgen nach sich ziehen könnten (Mobbing, Hassverbrechen, Betrug, Nachstellung, Täuschung)
      • Generative KI kann für gefährliche Zwecke genutzt werden, darunter Deepfakes; es wird leichter, schädliche oder rechtswidrige Informationen zu erzeugen, die echt aussehen; Identitätsdiebstahl.
  5. 4.5Die Wirkungen generativer KI auf die Gesellschaft bestimmen.
    • iNegativ
      • Die Folgen des Rückgangs zwischenmenschlicher Begegnung erkennen
      • Erkennen, dass KI den menschlichen Kontakt nicht ersetzt
      • Die mögliche Wirkung übermäßigen Verlassens auf KI auf die menschliche Eigenmotivation erkennen
      • Den menschlichen Beweggrund erkennen, KI zur Beeinflussung der öffentlichen Meinung einzusetzen
      • Die Furcht, dass KI unsere Arbeitsplätze und unser Menschsein übernimmt
      • Sozioökonomische Faktoren – KI steht nicht allen gleichermaßen zur Verfügung
    • iiPositiv
      • Generative KI kann uns helfen, unsere Arbeit zügiger zu erledigen.
      • Hilft uns, besser zu verständigen, besonders über Sprachen hinweg.
      • Hilft uns, wirkungsvoller zu lernen.
      • Ideen erzeugen, um Kreativität anzustoßen; Ideenfindung.
      • Hilft uns, unsere Aufgaben im Alltag zügiger zu erledigen – Speisepläne, Rezepte, Einkaufsliste, lange Nachrichten von Freunden und Familie zusammenfassen
      • Muster auswerten und sie als Möglichkeiten darstellen
      • Arbeitsplätze schaffen – es werden einfach andere Arbeitsplätze sein