Glossarbegriff
Verzerrung in KI (Bias)
Systematische Ungerechtigkeit in den Ausgaben eines Modells, oft weil die Trainingsdaten bestimmte Gruppen unterrepräsentieren oder verzerren. Bias zu adressieren ist wichtig für KI, die dem Globalen Süden dient.
Warum es zählt
Verzerrung in KI (Bias) gehört zum Vokabular, das darüber entscheidet, wer an der KI-Wirtschaft teilnehmen kann. Im Globalen Süden, wo Zugang zu Rechenleistung, Geräten und Training ungleich verteilt ist, ist dieses Vokabular nicht akademisch — es entscheidet, ob man den KI-Wandel nur beobachtet oder mitgestaltet.
Im Kontext
Verzerrung in KI (Bias) begegnet uns im Bereich AI & Machine Learning. Studierende lernen den Begriff in Workshops kennen, Mentor:innen nutzen ihn beim Review von Projekten, und Partner finden ihn im Reporting nach jedem Programm wieder. Eine klare Definition sorgt dafür, dass Erstsemester und Ministeriumsvertretung dasselbe Gespräch führen können.
So nutzt Tembi Labs den Begriff
Verzerrung in KI (Bias) bleibt bei uns nicht auf einer Folie. Unsere KI-Hackathons bringen Konzepte innerhalb von Stunden in die Anwendung: Teams wählen ein lokales Problem, prototypen mit KI-Tools und zeigen bis Sonntag etwas Lauffähiges. Teams begegnen dem Begriff direkt, sobald sie ein Modell öffnen und loslegen — aus Theorie wird eine Einstellung, die sie selbst justieren.
Bei einem Tembi-Labs-Hackathon bedeutet ein Verständnis von Verzerrung in KI (Bias), dass Studierende an einem Wochenende von „Was ist das?" zu einem funktionierenden Prototyp kommen — mit Portfolio-Projekt, Mentoren-Netzwerk und einem glaubwürdigen Weg in die Tech-Branche.
Verzerrung in KI (Bias) live auf dem Campus sehen?
Buche ein Gespräch — wir zeigen dir, wie ein Tembi-Labs-KI-Hackathon oder Computerraum an deiner Universität funktioniert.