![\"Aufbau](\"https:\/\/blogs.zeiss.com\/digital-innovation\/de\/wp-content\/uploads\/sites\/2\/2020\/06\/201909_testing_KI_1-600x424.jpg\")
Wie hier im Bild gezeigt wird, gibt es die Eingangs- und die Ausgangsknoten. Die Eingangsknoten kann man beispielsweise mit den Augen des Menschen vergleichen. Sie reagieren auf einen Reiz und verarbeiten diesen in einem Hidden-Layer mit unterschiedlichen Algorithmen. Die Ausgangsknoten geben die Reaktion wieder, auf die der Mensch reagiert. Genauso verarbeitet eine Software, die auf KI basiert, die Informationen.<\/p>\n\n\n\n
Entsprechend der Aufgabe der KI muss die Anzahl der Eingangs- und Ausgangsknoten proportional steigen. Die Anzahl der Knoten und Ebenen im Hidden-Layer gibt die Komplexit\u00e4t des entstehenden Algorithmus an. Mit steigender Anzahl der Knoten steigt nat\u00fcrlich auch die hardwareseitig ben\u00f6tigte Rechenleistung. Nicht alle Knoten m\u00fcssen miteinander verbunden werden. Die Knoten kann man zu bestimmten Aufgaben b\u00fcndeln, indem nur eine gewisse Anzahl von Verbindungen zwischen den Knoten erstellt wird. So k\u00f6nnen z. B. die Algorithmen f\u00fcr das Sehen und das H\u00f6ren erst einmal separat implementiert und im Nachhinein miteinander verbunden werden. Anschlie\u00dfend gibt es eine Reaktion auf die eingehenden Reize.<\/p>\n\n\n\n Nun haben wir also ein neuronales Netz aufgebaut. Doch wie funktioniert dieses Netz? Ganz simpel gesprochen k\u00f6nnte man sagen, dass die Eingangsknoten mit jedem Reiz eine \u201e1\u201c signalisieren oder ohne Reiz eine \u201e0\u201c. Diese \u201e1\u201c oder \u201e0\u201c wird von jedem Knoten mit einem bestimmten Faktor multipliziert. Am Ende hat jeder Ausgangsknoten ein Ergebnis vorliegen und der Ausgangsknoten mit dem h\u00f6chsten Wert startet die gew\u00fcnschte Reaktion.<\/p>\n\n\n\n Aber woher kommen die Faktoren f\u00fcr die Knoten im Hidden-Layer? Hier kommt der Punkt ins Spiel, in welchem der Mensch nicht weggelassen werden kann. Eine durch KI gesteuerte Software kann zwar viele Vorgehensweisen und M\u00f6glichkeiten berechnen, doch wei\u00df sie nicht, was richtig oder falsch ist. W\u00fcrde ein Mensch einen Ball auf sich zufliegen sehen, w\u00fcrde er durch das, was er mit dem Auge sieht, sofort mit seinen Armen reagieren und den Ball fangen. Die KI k\u00f6nnte dies nat\u00fcrlich auch tun, aber sie k\u00f6nnte auch nichts tun, ausweichen, den Ball wegschlagen oder mit einer von vielen anderen M\u00f6glichkeiten auf den Reiz reagieren. Der Mensch selbst muss der KI erst einmal sagen, welche f\u00fcr die jeweilige Situation die richtige Reaktion ist. Daf\u00fcr geben wir der KI mehrere Situationen vor und sagen ihr, wie sie dabei reagieren soll. Die KI passt dementsprechend die Faktoren ihrer Knoten an, um einen Algorithmus zu entwickeln. Der n\u00e4chste Schritt w\u00e4re es, der KI Situationen vorzugeben, auf die sie selbst reagieren muss und der Mensch bewertet die Antwort der KI, um den Feinschliff des Algorithmus zu f\u00f6rdern. Erst ab diesem Punkt kann die KI allein arbeiten. Dieses Vorgehen nennt sich auch Deep-Learning, da die Tiefen des neuronalen Netzes geformt werden.<\/p>\n\n\n\n Hier kommt auch der Knackpunkt, warum das automatische Testen die manuellen Tester nicht komplett aus dem Verkehr ziehen kann. Jede KI muss auf die jeweilige Software erst einmal angepasst werden. Die KI selbst wei\u00df nicht, worum es sich bei der Software handelt oder welche Reaktionen richtig sind.<\/p>\n\n\n\n![\"B\u00fcndelung](\"https:\/\/blogs.zeiss.com\/digital-innovation\/de\/wp-content\/uploads\/sites\/2\/2020\/06\/201909_testing_KI_2-600x424.jpg\")
![\"Manuelle](\"https:\/\/blogs.zeiss.com\/digital-innovation\/de\/wp-content\/uploads\/sites\/2\/2020\/06\/201909_testing_KI_3-600x355.png\")