Posts

In diesem Projekt habe ich einen KI-Agenten entwickelt, der automatisch Veranstaltungen aus dem Raum NRW analysiert und nach persönlichen Kriterien filtert. Ziel war es, aus einer großen Menge Events nur diejenigen herauszufiltern, die wirklich relevant sind – basierend auf einem individuell definierten Prompt. Dieses Bild zeigt die Liste von über 350 Events, die an einem einzigen Tag in Düsseldorf stattfinden. In ganz NRW sind es an einem Tag mehrere tausend Veranstaltungen. ...

Die Fragestellung war, ob aktuelle Large Language Models (LLMs) wie GPT-4 oder DeepSeek in der Lage sind, Musikstücke – speziell Salsa-Songs – anhand von Titel, Künstler, Songtext und Metadaten automatisch und zuverlässig in „Salsa Cubana“ oder „Salsa Línea“ zu klassifizieren. Es war bekannt, dass die Informationslage (Metadaten, Genre-Tags, Lyrics) lückenhaft und teilweise uneinheitlich ist. Der Test diente explizit dazu, die praktischen Grenzen heutiger LLMs in diesem Kontext zu ermitteln. ...

Was ist Omniverse? Omniverse ist eine Plattform von NVIDIA, mit der man virtuelle 3D-Welten erstellen, verbinden und simulieren kann – und das in Echtzeit. Omniverse ist eine offene Plattform für Entwickler, Designer, Ingenieure, Forscher und Kreative, um: 3D-Anwendungen miteinander zu verbinden (z. B. Blender, Maya, Unreal Engine) Gemeinsam in einer einzigen Szene zu arbeiten – live und gleichzeitig. Physikalisch realistische Simulationen und KI-gesteuerte Anwendungen zu erstellen. Wofür wird Omniverse verwendet? Design, Visualisierung & Simulation von Objekten wie beispielsweise Fahrzeugen in Echtzeit. ...

ComfyUI ist eine node-basierte Benutzeroberfläche zur Steuerung und Modifikation von KI-Modellen zur Bild- und Videoerstellung. Wan 2.1 ist ein Text-to-Video-Modell (T2V), das speziell für die Generierung von Videos auf Basis von Texteingaben entwickelt wurde. Diese Anleitung beschreibt Schritt für Schritt, wie ComfyUI mit Wan 2.1 lokal eingerichtet wird. Jeder Abschnitt erklärt die benötigten Komponenten, warum sie notwendig sind und wie sie korrekt installiert werden. Diese Anleitung setzt Python 10 und eine GPU mit CUDA-Support voraus. ...

KI-Modelle liefern oft unstrukturierte oder unpräzise Antworten. Wer bessere Ergebnisse möchte, muss seine Prompts entsprechend anpassen. Eine Möglichkeit, dies effizient zu tun, sind Prompt Decorators – klare Anweisungen am Anfang eines Prompts, die das Antwortverhalten der KI steuern. In diesem Beitrag zeige ich, wie man der KI beibringt, diese Decorators zu verstehen und wie man sie anschließend nutzt. Prompt Decorators der KI erklären Die KI erhält eine klare Definition der Decorators z.B. „+++StrukturierteAntwort“, damit sie deren Bedeutung versteht. Die Anweisung, sie in zukünftigen Antworten zu berücksichtigen, sorgt dafür, dass sie nicht nur für eine einzelne Frage gelten. Falls die KI keinen Langzeitspeicher hat, muss diese Einführung bei jeder neuen Sitzung wiederholt werden. ...

In diesem Projekt habe ich eine Thunderbird-Erweiterung entwickelt, die ChatGPT zur erweiterten Spam-Erkennung nutzt. Eingehende E-Mails werden automatisch analysiert und anhand verschiedener Kriterien klassifiziert. Ein lokaler Flask-Server übernimmt die Kommunikation mit ChatGPT und bewertet, ob eine Nachricht als Spam einzustufen ist. Die Umsetzung dient als Demo, um die Möglichkeiten einer KI-gestützten Filterung in Thunderbird zu erproben. Ablauf Sobald Thunderbird eine neue E-Mail empfängt, wird die Erweiterung aktiv. Die Nachricht wird abgefangen, bevor sie vom Nutzer gelesen wird. Die Erweiterung extrahiert den Betreff, den Absender und den E-Mail-Text. ...

Hier wurde Ollama mit NVIDIA-GPU-Unterstützung unter Docker auf einem Windows-11-System ausgeführt. Dabei kam OpenWebUI als benutzerfreundliche Oberfläche zum Einsatz, um lokal KI-Modelle zu betreiben. OpenWebUI bietet den Vorteil, dass Nutzer einfach zwischen verschiedenen Modellen wechseln, Anfragen verwalten und die Nutzung der KI komfortabel über eine grafische Oberfläche steuern können. Zudem ermöglicht es eine bessere Übersicht über laufende Instanzen und erleichtert das Testen unterschiedlicher Modelle ohne manuelle Konfigurationsänderungen. WSL 2 Installieren NVIDIA CUDA-Treiber installieren Damit Docker-Container auf die GPU zugreifen können, wird die NVIDIA Container Runtime benötigt. Dies ermöglicht eine schnellere und effizientere Berechnung von KI-Modellen, da rechenintensive Prozesse nicht von der CPU, sondern von der leistungsfähigeren GPU übernommen werden. https://developer.nvidia.com/cuda/wsl ...

Dieser Code zeigt, wie ein künstliches neuronales Netzwerk mit dem MNIST-Datensatz trainiert wird, um handgeschriebene Ziffern (0-9) zu klassifizieren. Ziel ist es, dass das Modell anhand der Bilddaten vorhersagen kann, welche Ziffer abgebildet ist. Dies wird erreicht durch: 1. Laden und Vorverarbeiten der MNIST-Bilddaten. 2. Erstellen eines neuronalen Netzwerks mit mehreren Schichten (Layers). 3. Trainieren des Netzwerks mit Trainingsdaten. 4. Evaluieren der Leistung des Modells auf Testdaten. 5. Testen des Modells auf neuen Beispieldaten. ...

Ollama LLM-Laufzeitumgebung downloaden und installieren. Nach der Installation kann der Server unter http://127.0.0.1:11434/ aufgerufen werden. 3. Liste der installierten Modelle anzeigen lassen. Die Liste sollte leer sein. ollama list 4. llama3.2 LLM und DeepSeekv3 (404 GB HD & 413GB RAM) downloaden. ollama pull llama3.2 ollama pull deepseek-v3 Auf der Webseite von Meta sind die aktuellen Versionen des LLMs zu finden. 5. llama3 starten. ollama run llama3.2 Das Sprachmodell lässt sich mit “Ctrl + d” oder mit dem Kommando “/bye” anhalten. ...

Frage via Spring AI an OpenAI senden und die Antwort anzeigen OpenAI Key erstellen https://platform.openai.com/settings/organization/api-keys Anschließend den Key als Umgebungsvariable setzen: OPENAI_API_KEY Neues Spring Boot Projekt erstellen: https://start.spring.io/ Innerhalb der Spring Boot Anwendung bzw. der “application.properties” Datei den OpenAI Key bzw. Umgebungsvariable (OPENAI_API_KEY) referenzieren. Nachdem wir das Interface und die Klassen erstellt haben, sollte die Projektstruktur wie folgt aussehen: Nachdem Ausführen des Unit-Tests, sollte auf die Frage “Who would win in a fight between Superman and Chuck Norris?” die Antwort angezeigt werden. In diesem Fall: ...