Was ist multimodale KI?
Multimodale KI kann verschiedene Arten von Inhalten gleichzeitig verarbeiten, etwa Text, Bilder, Sprache und Dokumente.

Multimodal heißt: Ich kann nicht nur lesen, sondern auch schauen und zuhören. Sie zeigen mir ein Foto vom Typenschild und fragen, welches Ersatzteil passt. Ich verstehe beides zusammen.
Ein Beispiel aus dem Alltag
Ein Servicetechniker fotografiert ein defektes Bauteil und spricht dazu eine kurze Nachricht ein. Die KI erkennt das Teil, schreibt einen Servicebericht und schlägt die passende Ersatzteilnummer vor.
Worauf es ankommt
Bilder und Tonaufnahmen enthalten oft mehr persönliche Daten, als man denkt, etwa Gesichter, Kennzeichen oder Stimmen. Klären Sie vorher, was verarbeitet werden darf. Und prüfen Sie Ergebnisse, gerade wenn die Bildqualität schlecht ist.
Weiterlesen
Passt dazu
Fragen
Lieber im Gespräch klären?.