KI
Künstliche Intelligenz

Geschichte der Sanitär-, Heizungs-, Klima- und Solartechnik
Abkürzungen im SHK-Handwerk
Bosy-online-ABC

KI-Anfaenger
KI-Anfaenger
Ethische_Aspekte
KI-Arten
KI-Tool
KI-Tool
Energiebedarf
Gebaeudetechnik
Smart_Living
Gebaeudetechnik
Gebaeudetechnik
Gebaeudetechnik

Künstliche Intelligenz (KI, englisch: Artificial Intelligence) ist der Überbegriff für Anwendungen, bei denen Maschinen menschenähnliche Intelligenzleistungen erbringen. Darunter fallen das Machine Learning (maschinelle Lernen), das Verarbeiten natürlicher Sprache (NLP – Natural Language Processing) und Deep Learning (tiefes Lernen oder mehrschichtiges Lernen). Die Grundidee besteht darin, durch Maschinen eine Annäherung an wichtige Funktionen des menschlichen Gehirns zu schaffen – Lernen, Urteilen und Problemlösen.


Komponenten der KI

Was ist Künstliche Intelligenz und welche Arten von KI gibt es?
Alexandra Eger, Wix.com Ltd.

Die Künstliche Intelligenz (KI [engl. AI - artificial intelligence]) bzw. artifizielle Intelligenz (AI) ist ein Teilgebiet der Informatik, das sich mit dem maschinellen Lernen und der Automatisierung intelligenten Verhaltens befasst. Hier besteht aber erst einmal die Frage, was ist unter "Intelligenz" zu verstehen. Diese Technik wird schon in vielen Bereichen unseres Lebens eingesetzt, ohne dass wir es merken bzw. wissen.
Zur Zeit wird in der Automobilindustrie, im Gesundheitswesen, im Bank-, Finanz- und Versicherungsbereich, der Raumfahrt und im Immobiliensektor besonders aktiv gearbeitet.

Auch in Heizungsanlagen hat die Künstliche Intelligenz bereits Einzug gehalten. In Büro- und Einzelhandelsimmobilien und in Mehrfamilienhäusern werden heute schon Prognoseverfahren eingesetzt, um die Wärmeerzeugung besser an den Bedarf anzupassen. Hier muss das KI-System das Gebäude verstehen lernen. So z. B. wie dessen thermodynamische Eigenschaften sind (wie viel Wärme speichern Wände und Böden, wie verhält es sich bei der Sonneneinstrahlung) Dazu wird die Software mit einer Vielzahl von Daten gefüttert. Die Temperaturen und die Raumluftfeuchte in den einzelnen Räumen, mit Betriebsdaten der Heizung (z. B. Absenkzeiten) und Wetterdaten (Sonneneinstrahlung, Außentemperatur, Luftfeuchte). Anhand dieser Informationen erkennt sie Muster, aus denen sie dann ableiten kann, wann wie stark geheizt werden muss, damit die gewünschten Raumtemperaturen erreicht werden. Da die Außentemperatur und die Sonneneinstrahlung durch die Fenster dabei wichtige Faktoren sind, berücksichtigt sie auch Wetterprognosen. Zudem arbeiten die Systeme mit Feedbackschleifen, sodass die Steuerung stetig genauer wird.
Über die Höhe der Energieeinsparung, die mit dieser Künstlichen Intelligenz erreicht werden kann, wird unter Fachleuten heftig gestritten. Die Prognosen liegen zwischen 5 bis 30 %. Bei den höheren Prozentzahlen wird sicherlich ein schlechter Ausgangszustand der Anlagen bzw. der Gebäude angenommen.
Natürlich wird die KI auch in Einfamilienhäusern und Wohnungen über die Smart-Home-Technik und Smart Building zunehmend eingesetzt werden. Ob sich die Anwender über die Folgen der dieser Technik im Klaren sind, wage ich zu bezweifeln. Ohne eigenes fundiertes Fachwissen in dem jeweiligen Fachgebiet wird das angebotene Ergebnis der KI ein Rätselraten sein. Nach eigenen Versuchen habe ich festgestellt, dass die Antworten immer von der jeweiligen Fragestellung abhängen. Auch merkt die KI, welche Antworten ich gerne lesen möchte.
Ein wichtiger Punkt für die Akzeptanz bzw. der Einführung der Künstlichen Intelligenz ist, dass die Nutzer der Gebäude in Kauf nehmen müssen, dass die Software-Hersteller erfahren, wann und wie welche Räume genutzt werden. Die Daten lassen Rückschlüsse auf den Alltag der Haushalte bzw. der Nutzer zu. Es werden viele Menschen nicht bereitet sein, so viel Transparenz ihrer Privatsphäre zuzulassen.

Umfrage: "Produkte und Dienstleistungen, die Künstliche Intelligenz anwenden,
haben mehr Vorteile als Nachteile"

Statista GmbH

Methoden und Anwendungen der Künstlichen Intelligenz (KI) - Schema
Springer Fachmedien Wiesbaden GmbH

Künstliche Intelligenz in Deutschland
acatech - Deutsche Akademie der Technikwissenschaften e.V.

Die nationale KI-Strategie der Bundesregierung - Made in Germany
Bundesministerium für Bildung und Forschung - Referat Künstliche Intelligenz

Überblick - Künstliche Intelligenz
Wikimedia Foundation Inc.
Künstliche Intelligenz (KI)
.

 
 

Maschinelles Lernen


Arten von Machine Learning Algorithmen

Machine Learning: Definition, Algorithmen, Methoden, Beispiele und Erklärvideos
Laurenz Wuttke, Datasolut GmbH

Maschinelles Lernen (Machine Learning - ML) ist eine Anwendung der Künstlichen Intelligenz (KI). Computersysteme lernen automatisch Muster und Zusammenhänge aus Daten und verbessern sich selbst, ohne explizit programmiert zu werden. Machine Learning unterstützt uns seit vielen Jahren erfolgreich in Wirtschaft, Forschung und Entwicklung.
ML kann automatisiert Wissen generieren, Algorithmen trainieren, Zusammenhänge identifizieren und unbekannte Muster erkennen. Diese identifizierten Muster und Beziehungen können auf einen neuen, unbekannten Datensatz angewendet werden, um Vorhersagen zu treffen und Prozesse zu optimieren.

Überwachtes Lernen (Supervised Learning)
Überwachtes maschinelles Lernen (Supervised Machine Learning) nutzt bekannte Daten, um Muster und Zusammenhänge zu erkennen. Der Algorithmus lernt die Muster anhand eines Trainingsdatensatzes (Beispieldaten). Beim überwachten Lernen wird immer in Bezug auf eine Zielvariable gelernt und der Algorithmus versucht, diese richtig vorherzusagen. Die Zielvariable kann eine Klasse (z. B. Kündigung ja/nein) oder ein numerischer Wert (z.B. Umsatz für den nächsten Monat) sein.
Anhand eines erfolgreichen Lernprozesses werden verlässliche Vorhersagen für zukünftige oder unbekannte Daten getroffen. Im Marketing wird überwachtes Lernen häufig für die Klassifikation von Kundendaten eingesetzt.

Vestärkendes Lernen (Reinforcement Learning)
Verstärkendes Lernen (Reinforcement Learning) oder auch bestärkendes Lernen ist eine besondere Form des maschinellen Lernens. Diese Algorithmen interagieren mit der Umgebung und werden durch eine Kostenfunktion oder ein Belohnungssystem bewertet, um so selbständig eine Strategie zur Lösung des Problems zu erlernen und die Belohnung zu maximieren.
Beim Reinforcement Learning wird dem Algorithmus nicht vorgegeben, welche Aktion oder Handlung in welcher Situation die Richtige ist, sondern der Algorithmus erhält über die Kostenfunktion eine positive oder negative Rückmeldung (Feedback). Anhand dieser wird dann abgeschätzt, welche Aktion zu welchem Zeitpunkt die richtige ist. Auf diese Weise lernt das System „bestärkend“, die Belohnungsfunktion durch Lob oder Bestrafung zu maximieren.
Der entscheidende Unterschied zwischen überwachtem und unüberwachtem Lernen ist, dass bestärkendes Lernen keine vorherigen Beispieldaten benötigt. Der Algorithmus kann hier seine eigene Strategie in vielen iterativen Schritten in einer Simulationsumgebung entwickeln.

Unüberwachtes Lernen
(Unsupervised Learning)
Beim unüberwachten maschinellen Lernen (Unsupervised Machine Learning) erhält der Algorithmus keine Beispieldaten, sondern Daten, aus denen der Algorithmus selbstständig interessante, verborgene Gruppen und Muster erkennen soll.
Bei dem Unsupervised Machine Learning geht es nicht darum, Vorhersagen für eine bekannte Zielvariable zu treffen, wie es beim Supervised Machine Learning der Fall ist. Stattdessen werden Muster und Strukturen in den Daten entdeckt, ohne dass es eine vorgegebene Antwort gibt. Machine Learning Algorithmen im Bereich des Unsupervised Learning werden genutzt, um Daten zu clustern oder zu segmentieren. Die Bewertung der Ergebnisse erfolgt durch den Data Scientist anhand "weicher" Faktoren, um zu beurteilen, wie gut die Ergebnisse zur Geschäftsanforderung passen. Solche Machine Learning Verfahren sind besonders nützlich, wenn man versteckte Muster in großen Datenmengen aufdecken möchte.

Teilüberwachtes Lernen (Semi-Supervised Learning)
Teilüberwachtes Lernen (Semi-supervised Machine Learning) nutzt sowohl Beispieldaten mit konkreten Zielvariablen, als auch unbekannte Daten und ist somit eine Mischung aus überwachtem und unüberwachtem Lernen. Die Einsatzgebiete von teilüberwachtem Lernen sind im Grunde die gleichen wie bei dem überwachten Lernen.
Der Unterschied besteht darin, dass für den Lernprozess nur eine kleine Datenmenge mit einer bekannten Zielvariablen verwendet wird und eine große Datenmenge, für die diese Zielvariable noch nicht vorliegt. Dies hat den Vorteil, dass bereits mit einer geringeren Menge bekannter Daten trainiert werden kann. Die Beschaffung von bekannten Beispieldaten ist oft sehr aufwendig und kostenintensiv, da diese Daten häufig durch Menschen in manuellen Prozessen erstellt werden müssen (z. B. manuelle Beschriftung von Bildern).
Machine Learning Verfahren wie Semi-Supervised Learning werden häufig in der Bild- oder Objekterkennung verwendet. Dabei erstellt man zunächst einen kleinen, gelabelten Datensatz, oft von Menschen. Danach wird ein künstliches neuronales Netz zur Klassifikation trainiert und auf die restlichen Daten angewendet. So können die unbekannten Daten schneller und effizienter korrekt gelabelt werden.


Maschinelles Lernen im Überblick

Quelle: Datasolut GmbH


Maschinelles Lernen nimmt Eingabedaten mit Beispielen und
lernt daraus, um Vorhersagen für die Zukunft zu treffen.

Ein Machine Learning Prozess in der Praxis sieht so aus:
1. Problemdefinition, Zieldefinition und Wissensaustausch. Die Ziele und der Einsatzzweck des maschinellen Lernens müssen im Vorfeld klar definiert werden. Was soll durch maschinelles Lernen optimiert werden?
2. Datenbeschaffung, Transformation und Merkmalsextraktion. Dies ist in der Regel der zeitaufwendigste Schritt, da es wichtig ist, qualitativ hochwertige Daten zu verwenden. Hier kann z.B. ein ML Feature Store hohe Effizienz bringen.
3. Lernphase. In diesem Schritt findet das maschinelle Lernen statt. Der maschinelle Lernalgorithmus wird trainiert.
4. Interpretation der Ergebnisse. Die Interpretation der Ergebnisse und des Modells ist für den Prozess essentiell. Ein wichtiger Schritt, um auch Akzeptanz für maschinelles Lernen im Fachbereich zu schaffen. Der Mensch will verstehen, was im Algorithmus passiert.
5. Produktiver Einsatz. Machine Learning nur in Innovation Labs zu entwickeln und dann nicht in realen Prozessen einzusetzen, bringt keinen Mehrwert. Die technischen Anforderungen an das maschinelle Lernen sind komplex, daher ist der produktive Einsatz nicht immer einfach.

Quelle: Laurenz Wuttke, Datasolut GmbH

Kann KI eigenständig lernen?
Baitech Data GmbH
Was ist maschinelles Lernen?
IBM Deutschland GmbH.
Künstliche Intelligenz (KI) und maschinelles Lernen
Das Fraunhofer-Institut für Kognitive Systeme IKS
Maschinelles Lernen einfach erklärt: Methoden und Beispiele
Yasmin Altmann, OMQ GmbH

 
 

KI für Anfänger

Es sind keine technischen Vorkenntnisse erforderlich, um KI zu lernen. Ein Computer, ein Internetzugang und eigenes Interesse genügen. Anfänger sollten mit einfachen Tools beginnen und sich Schritt für Schritt an komplexere Anwendungen herantasten, um fundiertes Wissen aufzubauen.
Das Lernen von KI ist für Anfänger nicht kompliziert, wenn ein strukturierter Ansatz verfolgt wird. Mit den richtigen Tools und klar definierten Anwendungsfällen können Einsteiger schnell erste Erfolge erzielen. Praktische Übungen sind entscheidend, um ein grundlegendes Verständnis aufzubauen.
Anfänger sollten mit etablierten Tools wie ChatGPT, Googles Gemini oder Perplexity AI starten. Diese Anwendungen bieten intuitive Benutzeroberflächen und ermöglichen erste Erfolge in der Text- und Bildgenerierung. Durch kostenfreie Optionen können diese Tools auch von Anfängern getestet werden. Mit grundlegende Fähigkeiten im Bereich der generativen Künstlichen Intelligenz lassen sich in wenigen Tagen durch regelmäßige Übungen erwerben. Für spezifische Anwendungen, wie Programmierung oder Datenanalysen, sind mehrere Wochen bzw. Monate notwendig.

Wer heute als Anfänger den Umgang mit KI lernt, verschafft sich zukünftig nicht nur einen Wettbewerbsvorteil, sondern eröffnet sich selbst auch neue kreative Möglichkeiten sowohl im privaten als auch beruflichen Leben.
Um sich als Anfänger das Lernen zu erleichtern, sind diese 7 Schritte entscheidend:
• Überblick über KI-Tools verschaffen
• Zwei bis drei Anwendungen auswählen
• Konkrete Anwendungsfälle definieren
• Tools praktisch testen und optimieren
• Prompt-Engineering lernen
• KI in den Alltag integrieren
• Auf dem neuesten Stand bleiben

Für Einsteiger in das Thema KI, die keine oder nur geringe Vorkenntnissen haben, gibt es viele Anbieter für Schulungen, die eine Einführung in das Thema und Informationen zum sinnvollen Einsatz anbieten. Ziel ist, das Verständnis von Künstlicher Intelligenz kennenzulernen und zu erweitern sowie den Teilnehmenden die Werkzeuge zu geben, um eigene Anwendungen zu entwickeln. Berufsverbände (Handwerkskammer, Industrie- und Handelskammer) bieten kostenlose KI-Kurse an.

Die riesigen "Gehirne" von künstlichen Intelligenzmodellen können endlose Regelnlisten auswendig lernen. Das ist nützlich, aber nicht, wie Menschen Probleme lösen.

Künstliche Intelligenz (KI) ist längst kein Zukunftsthema mehr, sondern beeinflusst bereits viele Bereiche unseres privaten Alltags sowie das Berufsleben.
Die KI hat längst den Sprung aus der akademischen Forschung in unseren Alltag und die verschiedensten Wirtschaftsbereiche geschafft. KI wird dabei häufig als Allzwecktechnologie (General Purpose Technology) bezeichnet, die so vielseitig einsetzbar ist, dass sie die Art und Weise, wie wir arbeiten und leben in einem Ausmaß verändern kann, wie es die Elektrifizierung oder das Internet in der Vergangenheit gemacht haben.
So wird diese Allzwecktechnologie z. B. bei Google Maps eingesetzt, um schnell die beste Route zu finden und Alexa Fragen beantworten kann. Diese Systeme verwenden spezialisierte KI (Narrow AI), um spezifische Aufgaben effizient und intelligent zu erledigen. KI ist mittlerweile fast überall präsent und erleichtert uns viele Alltagsaufgaben durch smarte Automatisierung. Auch in der Geschäftswelt ist KI nicht mehr wegzudenken.

KI für Anfänger: Künstliche Intelligenz einfach erklärt
Tech Career Teams, StartSteps - StartSteps Digital Education GmbH
Ki lernen für Anfänger – 7 kostenlose Schritte für Beginner
Lukas Fischer - Webdesign
Künstliche Intelligenz (KI) für Einsteiger
Studyflix GmbH
Kostenfreie KI-Kurse im Überblick
Unidigital.news - Matthias Kindt
Let’s Rock KI – Künstliche Intelligenz (KI) für Einsteiger
Martina Kuhlmann, WissensPiloten GmbH

 
 

Verantwortungsvolle KI (Responsible AI)

.
Komponenten, die den Umgang mit der
Verantwortungsvoller KI (Responsible AI) ausmachen

Während KI-Tools eine Reihe neuer Funktionen für Unternehmen bieten, wirft der Einsatz von künstlicher Intelligenz auch ethische Fragen auf, da ein KI-System im Guten wie im Schlechten das verstärkt, was es bereits gelernt hat.
Der Einsatz von künstlicher Intelligenz verlangt Standards der Ethik. Datenschutz und Transparenz sind wichtig, um Missbrauch, Manipulation und Diskriminierung zu verhindern und eine ethisch vertretbare Nutzung von KI zu gewährleisten.
Nur durch eine bewusste Auseinandersetzung mit den ethischen Aspekten der künstlichen Intelligenz können wir sicherstellen, dass sie zum Wohl der Gesellschaft eingesetzt wird und ihr Potenzial voll entfalten kann. Es liegt an allen, die Verantwortung zu übernehmen und eine ethische Orientierung in der Nutzung von KI zu gewährleisten
(Verantwortungsvolle KI [Responsible AI]).

Ethik ist eine Reihe moralischer Grundsätze, die helfen, zwischen richtig und falsch zu unterscheiden. KI-Ethik ist ein multidisziplinäres Fachgebiet, das untersucht, wie die positiven Auswirkungen von Künstlicher Intelligenz (KI) optimiert und gleichzeitig Risiken und negative Folgen reduziert werden können.

.
Prinzipien für eine ethische KI

Verantwortungsvolle KI für die Digitale Wirtschaft
Bundesverband Digitale Wirtschaft (BVDW) e.V.

Eines der drängendsten Probleme im Zusammenhang mit KI ist das Potenzial für Vorurteile und Diskriminierung. KI-Systeme sind nur so objektiv wie die Daten, auf denen sie trainiert werden. Wenn diese Daten gesellschaftliche Vorurteile widerspiegeln, wird die KI diese Vorurteile erlernen und beibehalten.
Eine weitere ethische Sorge im Zusammenhang mit KI ist die mögliche Verdrängung von Arbeitsplätzen. Da die KI immer ausgefeilter wird, hat sie das Potenzial, menschliche Arbeitskräfte in bestimmten Branchen zu ersetzen. Dies könnte verheerende Folgen für diejenigen haben, die ihren Arbeitsplatz verlieren, und es ist wichtig, darüber nachzudenken, wie Arbeitnehmer, die von KI-bedingten Arbeitsplatzverlusten betroffen sind, unterstützt und umgeschult werden können..

Der Datenschutz ist ein weiteres Problem, das sich beim Einsatz von KI stellt. KI-Systeme können grosse Mengen an Daten über Einzelpersonen sammeln, und es ist wichtig sicherzustellen, dass diese Daten auf ethische Weise gesammelt und verwendet werden. Das bedeutet, dass transparent sein muss, welche Daten gesammelt werden, wie sie verwendet werden und dass der Einzelne die Kontrolle über seine Daten behält.
Mit diesen komplexen und schwierigen Aspekten muss man sich auseinanderzusetzen, um sicherzustellen, dass KI in einer Weise entwickelt und eingesetzt wird, die der Gesellschaft nützt. Es ist von entscheidender Bedeutung, offene und ehrliche Gespräche über die ethischen und moralischen Implikationen der KI zu führen und Richtlinien und Vorschriften festzulegen, um sicherzustellen, dass KI ethisch und verantwortungsvoll eingesetzt wird. Wenn man dies ernst nimmt und gemeinsam nach Lösungen sucht, kann sichergestellt werden, dass KI in einer Weise entwickelt und eingesetzt wird, die der Gesellschaft nützt und das Gemeinwohl fördert

Was ist KI-Ethik?
IBM Deutschland GmbH
Was ist Künstliche Intelligenz und welche Arten von KI gibt es?
Alexandra Eger, Wix.com Ltd.
Verantwortungsvolle KI
Alexander S. Gillis, Cameron Hashemi-Pour, TechTarget, Inc.
ETHIK UND KÜNSTLICHE INTELLIGENZ:
Was können technische Normen und Standards leisten?

DIN e. V.
Mensch und Maschine – Herausforderungen durch Künstliche Intelligenz
Deutscher Ethikrat

 
 

KI-Kategorien

Künstliche Intelligenz (KI) lässt sich anhand ihrer Fähigkeiten und Funktionalitäten in verschiedene KI-Typen bzw. KI-Arten unterteilen.


Kategorien der KI

Fähigkeiten der KI - AI
Artificial Narrow Intelligence (ANI): Auch bekannt als Narrow (Schwache) KI, ist diese Form darauf spezialisiert, spezifische Aufgaben unter einem begrenzten Set von Bedingungen zu erfüllen. ANI besitzt nicht das breite Spektrum an Fähigkeiten, das Menschen aufweisen. Die meisten aktuellen KI-Systeme, wie z. B. Apples Siri, Amazons Alexa, IBM watsonx™ und selbstfahrende Fahrzeuge, gehören zu dieser Kategorie.
Artificial General Intelligence (AGI): Die Künstliche allgemeine Intelligenz hätte die Fähigkeit, Wissen zu verstehen, zu lernen und auf verschiedene Domänen anzuwenden. Sie wäre fähig zu Ich-Bewusstsein, logischem Denken und emotionalem Verständnis. Derzeit ist AGI jedoch größtenteils ein theoretisches Konzept und noch nicht verwirklicht.
Artificial Super Intelligence (ASI): Künstliche Superintelligenz (Super-KI) gilt als die fortschrittlichste, leistungsstärkste und intelligenteste Art von KI, die die Intelligenz einiger der klügsten Köpfe übertrifft. Eine fortgeschrittene Form der KI, die menschliche Intelligenz in nahezu allen Bereichen übertreffen würde, einschließlich Kreativität und sozialer Intelligenz. ASI mag noch völlig theoretisch und ohne praktische Beispiele sein, aber das bedeutet nicht, dass KI-Forscher nicht auch an ihrer Entwicklung arbeiten. 

KI für Anfänger: Künstliche Intelligenz einfach erklärt
Tech Career Teams, StartSteps - StartSteps Digital Education GmbH

 
 

KI-Arten


Arten der Künstlichen Intelligenz (artifiziellen Intelligenz)

In der Forschung wird zwischen vier unterschiedlichen KI-Arten (AI-Arten) unterschieden. Die Aufteilung beruht auf den grundlegenden Fähigkeiten, die man Künstlicher Intelligenz zuspricht. Die erste Stufe beschreibt einfache Formen von KI, während die vierte Stufe eine Künstliche Intelligenz mit einem eigenen Bewusstsein umfasst – also die höchste Form dessen, was KI sein kann.

Die vier Arten von KI - AI sind:
Reagierende KI (Reactive AI)
KI mit eingeschränkter Speicherkapazität (Limited Memory AI)
KI, die eine Art Bewusstsein vortäuschen kann (Theory of Mind AI)
KI mit einem Bewusstsein über sich selbst (Self-Aware AI)

Reactive AI
Die einfachste und schwächste Form stellt die reaktive KI dar. Wie der Name schon sagt, reagiert diese Art der KI auf ihre Umgebung. Konkret geht es darum, eine bestimmte Aufgabe auf Basis von Informationen zu erfüllen. Technologien mit einer reaktiven KI haben kein Gedächtnis oder Verständnis für den Kontext und sind daher nicht in der Lage, Erfahrungen zu sammeln oder auf diese zurückzugreifen. Diese Art der KI produziert also auf der Grundlage der Eingabe vorhersehbare Ergebnisse..
Limited Memory AI
Die nächsthöhere Form ist die KI mit begrenzter Speicherkapazität. Sie repräsentiert den derzeit am weitesten verbreiteten Stand von KI. Dieser Typ unterscheidet sich von der reaktiven KI in der Fähigkeit, Erfahrungen zu sammeln und darauf basierend Entscheidungen zu treffen. Diese KI kann neue Informationen aufnehmen und sich auf Basis von Gelerntem weiterentwickeln. Technologien mit dieser Form der KI besitzen also eine Art Gedächtnis. Mithilfe von Machine Learning werden der KI Daten zugeführt, woraus sie weitere Daten und Vorgehensweisen entwickeln kann. Jedoch besteht auch bei dieser Form eine Einschränkung, da sie nur auf begrenzte Informationen zugreifen kann. In diesem Kontext ist die „begrenzte Speicherkapazität“ aber möglicherweise irreführend, da die KI dennoch eine große Menge an Daten aufnehmen und sich eigenständig trainieren und aktualisieren kann. Selbstfahrende Autos, Chatbots oder auch die robobrain® Technologie für KI-basierte, automatisierte Robotik-Prozesse stehen exemplarisch für diese Form der KI.
Theory of Mind AI
Der dritte Typ von KI ist die Theorie des Geistes. Kennzeichnend für diese Form ist die Fähigkeit, menschenähnliche Entscheidungen zu treffen sowie Emotionen wahrzunehmen und zu verstehen. Maschinen mit diesem KI-Typen werden in der Lage sein, ihr Verhalten an Emotionen anzupassen und sie werden ein Gedächtnis sowie eine Vorstellung von unserer Welt haben. Sie werden nicht nur Gefühle verstehen, sondern auch das Handeln der Menschen. Technologien mit der Theorie des Geistes werden sich dann wie Menschen in sozialen Interaktionen verhalten können..
Self-Aware AI
Aktuell befinden wir uns in der zweiten Entwicklungsstufe, einer KI mit begrenzter Speicherkapazität. KI kann lernen und sich auf Basis des Gelernten weiterentwickeln. Angesichts der rasanten Entwicklungen in diesem Bereich, ist es aber auch nur eine Frage der Zeit, wann die nächste Stufe erreicht wird, und KI Emotionen wahrnimmt oder sogar ein eigenes Bewusstsein entwickelt. Aber wie könnte unsere Zukunft dann aussehen? Selbstfahrende Autos, Roboter in der Pflege oder in der Chirurgie existieren bereits, sind aber noch nicht zuverlässig einsatzfähig. Doch mithilfe von Emotionen und einem Bewusstsein könnte dies gelingen. Das große Ziel bei der Weiterentwicklung ist eine KI mit menschenähnlichem Verstand zu erschaffen. Auf dem Weg dorthin werden aber noch einige technische Innovationen erforderlich sein.

.Quelle: Alexandra Schmidt, robominds GmbH

Das sind die vier Typen von Künstlicher Intelligenz
.Alexandra Schmidt, robominds GmbH
Die vier KI-Modelle verstehen

Tata Consultancy Services Deutschland GmbH
Die verschiedenen Arten von KI im Überblick – Das musst Du wissen
Sharon Geißler, Distart Education GmbH
Was ist Künstliche Intelligenz und welche Arten von KI gibt es?
Wix.com Ltd..
Künstliche Intelligenz
Philipp Schurr, mindsquare AG

 
 

KI-Tool

KI-Tools sind Softwareanwendungen, Programme oder Softwareanwendungen, die Künstliche Intelligenz (KI) nutzen oder integrieren, um bestimmte Aufgaben oder Probleme zu lösen. Dank intelligenter Algorithmen nehmen diese viel Arbeit ab und können die die Produktivität steigern.

Da die Vielzahl von Technologien oftmals nicht strikt voneinander abgrenzbar und spezifisch auf verschiedene Anwendungsfelder zugeschnitten ist, haben die Studienautoren eine Einteilung in "Werkzeuggruppen" vorgenommen. Hierzu zählen Text- und Sprachverarbeitung, Wissensrepräsentation und Semantik, Bild- und Tonverarbeitung, Aktionsplanung, Optimierung, Multidimensionale Mustererkennung sowie Emotionserkennung und Absichtsanalyse. In der Regel kommen Kombinationen dieser Gruppen für eine spezifische Lösung zum Einsatz, wodurch auch komplexe Probleme gelöst werden können. So kann ein Assistenzsystem in der Produktion z. B. über Spracheingaben gesteuert werden und die aufgenommenen Daten dann durch semantische Technologien zu einer Systemoptimierung verarbeiten.


KI-Werkzeuggruppen

KI-Technologien sind in vielen unterschiedlichen Unternehmensbereichen im Produktionsumfeld einsetzbar, von der Instandhaltung über die Logistik bis hin zur Produkt- und Prozessentwicklung oder Ressourcenplanung. Ein mit KI ausgestattetes Ressourcenmanagement kann beispielsweise kontinuierlich die Aufnahme und Verteilung von Ressourcen in der Fabrik analysieren und vorhersagen, um die Produktion dementsprechend anpassen und so Kosten optimieren zu können. Jedoch gibt es auch hier keine allgemeingültigen Lösungen. Vielmehr ist KI ein Werkzeug, welches zusammen mit anderen Möglichkeiten die besten Anwendungsergebnisse erzielt. Der erste und wichtige Schritt zur erfolgreichen Nutzung liegt in der Identifizierung des Problems oder Verbesserungspotenzials im Unternehmen und der Frage, ob und welche KI-Werkzeuge dementsprechend sinnvoll einsetzbar sind und welche Rolle der Mensch im Zusammenspiel mit KI spielt. Hierbei bietet die neue Studie des Frauenhofer IAOs Hilfestellung und gibt Unternehmen Orientierung.
Quelle: Fraunhofer IAO


Ki-Anwendungsfelder

KI in der Produktion – Grundlagen, Vorgehen, Einsatzfelder
Das Fraunhofer-Institut für Arbeitswirtschaft und Organisation IAO

KI-Tools sind längst in der Arbeitswelt angekommen und werden von immer mehr Unternehmen eingesetzt, um Arbeitsprozesse zu automatisieren und effizienter zu gestalten. Dennoch bleibt die Mehrheit der Firmen zurückhaltend. Laut einer Statista-Befragung nutzten im Jahr 2024 lediglich 27 Prozent der befragten Unternehmen Künstliche Intelligenz.
Das bietet Early Adoptern (Frühanwender) nach wie vor einen erheblichen Wettbewerbsvorteil. Der Autor William Gibson beschreibt diese Dynamik treffend: "Die Zukunft ist schon da – sie ist nur ungleich verteilt." Dieses Ungleichgewicht zeigt sich insbesondere bei der Nutzung von KI-Tools: Unternehmen, die frühzeitig auf diese Technologie setzen, verzeichnen bereits bedeutende Fortschritte. Andere hingegen zögern noch, das Potenzial für sich zu erschließen.

Vorteile von KI-Tools
Der größte Vorteil von KI liegt in ihrer Fähigkeit, Aufgaben automatisiert, schnell und rund um die Uhr zu erledigen. Sie arbeitet einheitlich und zuverlässig, wobei potenzielle Schwächen wie das gelegentliche "Halluzinieren", also das Generieren falscher Antworten, durch kontinuierliche Weiterentwicklung zunehmend reduziert werden. Diese stetig steigende Präzision macht KI zu einem unverzichtbaren Werkzeug in der Geschäftswelt.
Unternehmen können heute aus einer Vielzahl von KI-Tools wählen. Dazu gehören ChatGPT, Claude und Perplexity, die jeweils unterschiedliche Schwerpunkte haben. ChatGPT überzeugt durch Vielseitigkeit und Kreativität. Perplexity bietet faktenbasierte Antworten mit Quellenangaben. Claude punktet mit einem starken Fokus auf Sicherheit und Ethik und ist ideal für sensible Bereiche.
KI-Chatbots sind nicht nur Werkzeuge für einzelne Aufgaben, sondern können von Mitarbeitern im Arbeitsalltag als Sparring-Partner genutzt werden. Sie unterstützen bei der Informationssuche, beim Brainstorming, bei der Argumentation sowie bei der Erstellung und Überarbeitung von Texten.
Zusätzlich können Unternehmen KI-Chatbots individuell anpassen, um passgenaue Lösungen für ihre Mitarbeiter bereitzustellen. Eigene Versionen von ChatGPT, sogenannte GPTs, können intern eingesetzt werden, um spezifische Anforderungen zu erfüllen. Darüber hinaus gibt es eine Vielzahl spezialisierter KI-gestützter Softwarelösungen, die gezielt für bestimmte Aufgabenbereiche entwickelt wurden wie der KI-Chatbot von Superchat.

Nachteile von KI-Tools
Trotz ihrer vielen Vorteile haben KI-Tools einige Schwächen, die Unternehmen berücksichtigen sollten, um sie verantwortungsvoll und effektiv einzusetzen.
Ein Beispiel sind Halluzinationen und falsche Antworten. KI-Tools wie Chatbots können gelegentlich ungenaue oder falsche Antworten liefern, die als "Halluzinationen" bezeichnet werden. Dies kommt durch die rasante Weiterentwicklung der Modelle jedoch immer weniger vor.
Ein weiteres wichtiges Thema ist Datenschutz und Sicherheit. KI-Tools benötigen oft Zugriff auf große Mengen an Daten, darunter auch sensible oder persönliche Informationen. Unternehmen müssen sicherstellen, dass alle Datenschutzrichtlinien eingehalten werden, insbesondere im Hinblick auf Vorschriften wie die DSGVO (Datenschutz-Grundverordnung). Dies ist entscheidend, um Missbrauch oder Datenlecks zu vermeiden.
Schließlich gibt es noch die begrenzten Fähigkeiten von KI. KI kann keine Aufgaben übernehmen, die emotionale Intelligenz, Kreativität oder ein tiefes Verständnis erfordern. Der größte Mehrwert liegt daher in der Zusammenarbeit zwischen Mensch und KI, bei der die Stärken beider kombiniert werden.

Quelle: Julian Gumny, SuperX GmbH

KI-Tools für Unternehmen: 8 wichtige Anwendungsfälle
Julian Gumny, SuperX GmbH
KI-Einsatz in Unternehmen in Deutschland
Strategische Ausrichtung und internationale Position

Bundesministerium für Wirtschaft und Klimaschutz (BMWK)
Die besten Künstliche-Intelligenz-Tools für deinen Alltag und dein Unternehmen
Slack-Team - Slack Technologies Limited

KI-gestützte Tools
So revolutionär ChatGPT auch ist – wenn es um Künstliche Intelligenz (KI) geht, sorgt nicht nur dieser einen Bot
* (Abkürzung für "Roboter" [KI-Chatbot] für Aufsehen. Stattdessen kamen im Lauf der letzten Jahre eine ganze Reihe von KI-gestützten Tools auf den Markt, die dank intelligenter Algorithmen viel Arbeit abnehmen und die Produktivität steigern können.
* Ein Bot (KI-Chatbot) nutzt eine natürliche Sprachverarbeitung (Natural Language Processing, NLP), um Anfragen zu verstehen, zu verarbeiten und zielführend und ebenfalls in natürlicher Sprache darauf zu antworten. Mithilfe maschinellen Lernens (ML; Deep Learning) lassen sich solche Bots trainieren.

KI-gestützte Tools, die dank intelligenter Algorithmen viel Arbeit abnehmen und die Produktivität steigern können.
ChatGPT: Ein Bot für alle Fälle
Dall-E 2: Einzigartige Bilder auf Knopfdruck
Beautiful.ai: Schnell zur perfekten Präsentation
genei.ai: Zusammenfassungen leicht gemacht
LanguageTool: Versteht alle deine Fehler
DeepL: Übersetzen (fast) wie ein:e Muttersprachler:in
Fireflies.ai: In der Kürze liegt die Würze
Murf: Natürliche Stimmen künstlich erzeugen
Brain.fm: Spiel dir dein eigenes Lied
Accountable Finanzamt-Brief: Post vom Finanzamt verständlich erklärt
Quelle: Sophia Merzbach, Accountable SA

hier ausführlicher >>>>> Die besten KI-Tools: So nutzt du künstliche Intelligenz im Beruf
Sophia Merzbach, Accountable SA

Alle KI-Tools auf einen Blick
Buzzmatic GmbH & Co. KG
Alle KI Tools und Apps - Verzeichnis für Künstliche Intelligenz
Tobias Hempel, Husum
Kostenlose KI-Tools: Diese Programme sparen hunderte Stunden Arbeit
Patrick Hannemann, chip.de, BurdaForward GmbH

 
 

KI - Energiebedarf

Nicht nur der Energiebedarf der KI ist immens, sondern auch der Wasserverbrauch, um die IT-Infrastruktur zu kühlen, schlägt massiv zu Buche.
Die Künstliche Intelligenz (KI) bzw. artifizielle Intelligenz (AI [engl. AI - artificial intelligence]) hat das Potenzial, den Energiesektor im kommenden Jahrzehnt zu transformieren. Sie wird den Strombedarf von Rechenzentren weltweit sprunghaft ansteigen lassen und gleichzeitig erhebliche Möglichkeiten zur Kostensenkung, Steigerung der Wettbewerbsfähigkeit und Emissionsreduzierung eröffnen.
Der Strombedarf von Rechenzentren wird sich weltweit bis 2030 auf rund 945 Terawattstunden (TWh) mehr als verdoppeln. KI wird der wichtigste Treiber dieses Anstiegs sein. Der Strombedarf KI-optimierter Rechenzentren wird sich bis 2030 voraussichtlich mehr als vervierfachen. Die Auswirkungen werden in einigen Ländern besonders stark sein. So werden Rechenzentren in den USA voraussichtlich fast die Hälfte des wachsenden Strombedarfs ausmachen, in Japan mehr als die Hälfte und in Malaysia sogar ein Fünftel.
Ein weiteres Problem der Energiesicherheit betrifft die steigende Nachfrage nach kritischen Mineralien, die in der Ausrüstung der Rechenzentren verwendet werden, die KI betreiben. Die ersten Schätzungen ihrer Art zur Nachfrage von Rechenzentren nach kritischen Mineralien, deren globales Angebot heute hoch konzentriert ist. Der steigende Strombedarf von Rechenzentren wird zwar die Emissionen erhöhen, dieser Anstieg wird jedoch im Kontext des gesamten Energiesektors gering ausfallen und könnte möglicherweise durch Emissionsreduktionen durch KI ausgeglichen werden, sofern die Technologie flächendeckend eingesetzt wird.
Da KI wird zunehmend integraler Bestandteil wissenschaftlicher Entdeckungen und könnten Innovationen in Energietechnologien (Batterien und Photovoltaik) beschleunigen. Mit dem Aufstieg der KI steht der Energiesektor an der Spitze einer der wichtigsten technologischen Revolutionen unserer Zeit.
KI-Anwendungen brauchen nicht nur viel Energie, sondern sie können auch sehr viel Energie und Ressourcen einsparen.

.

KI und Energie: Wie viel Strom braucht künstliche Intelligenz?
Sabina Galbiati, ewz - Elektrizitätswerk der Stadt Zürich
.
.
KI und steigender Energiebedarf
Franklin Templeton International Services S.à r.l., Niederlassung Deutschland

 
 

KI in der Gebäudetechnik

Die Künstliche Intelligenz (KI [engl. AI - artificial intelligence]) bzw. artifizielle Intelligenz (AI) ist ein Teilgebiet der Informatik, das sich mit dem maschinellen Lernen und der Automatisierung intelligenten Verhaltens befasst. Diese Technik wird schon in vielen Bereichen der Gebäudetechnik eingesetzt, ohne dass wir es merken bzw. wissen.

.


Die KI steuert die Gebäudetechnik (Strom, Sanitär, Heizung, Klima)


Zukünftig wird KI in der Gebäudetechnik eine Schlüsseltechnologie sein,
um komplexe Systeme autonom und effizient zu steuern

Johannes Hauck - Deutsches Zentrum für Luft- und Raumfahrt e.V. (DLR) |
Die Zukunft der intelligenten Gebäudetechnik:
Wie Trends und Entwicklungen die Branchen verändern

Messe Frankfurt Exhibition GmbH
Künstliche Intelligenz im SHK-Handwerk
Margarete Rudzki, ZVSHK - Zentralverband Sanitär Heizung Klima
KI in Fernwärme
Deutsche Energie-Agentur GmbH (dena)
Künstliche Intelligenz macht Haustechnik effizienter
hausinfo - GVB Services AG
Künstliche Intelligenz in der Energiewirtschaft
Next Kraftwerke GmbH

 
 

Smart Living

Smart Living umfasst heute noch völlig getrennte Gewerke, die künftig in domänenübergreifenden bzw. bereichsübergreifenden Anwendungen zusammenspielen. Diese Anwendungen erfordern intelligente, situationsadaptive Gebäude, die sich nahtlos in übergreifende Strukturen einfügen. Smart Living gibt den Menschen die Möglichkeit, von neuen Lebensweisen zu profitieren. Dabei handelt es sich um originelle und innovative Lösungen, die das Leben effizienter, kontrollierbarer, wirtschaftlicher, produktiver, integrierter und nachhaltiger machen sollen.

Die Bauteile für das Smart-Living werden hauptsächlich für die Anwendungsfelder Heizung/Klima/Energie, Licht/Komfort/Entertainment, Sicherheit und Haushalt entwickelt. Neben Steuerungssystemen innerhalb der Wohnung können Heizung, Licht und Geräte zunehmend auch über mobile Endgeräte und so von außerhalb der Wohnung gesteuert werden. Dadurch steigt die Benutzerfreundlichkeit der Systeme und der Konfigurationsaufwand sinkt. Einen sehr einfachen Zugang bieten dabei KI-basierte Sprachassistenten und die dahinterstehenden zahlreichen Vernetzungsplattformen von Geräteherstellern und Cloud-Anbietern.
Damit das Smart-Living funktioniert, ist eine passende Infrastruktur für die Vernetzung erforderlich. Kabelgebundene Systeme sind aufwendig zu installieren und daher eher für Neubauten geeignet. Alternative Ansätze auf Funkbasis oder per Powerline (bei der die Stromleitungen für die Datenverbindung genutzt werden) gestatten ein aufwandarmes Nachrüsten von bereits bestehenden Gebäuden, da gibt es aber noch Schwächen bei Reichweite, Bandbreite und IT-Sicherheit.
Das Smart Living wird heute vor allem eingesetzt, um den Wohnkomfort und die Sicherheit zu steigern. Aber zunehmend sind Licht und Heizung die wichtigsten Einsatzgebiete, mit der Erwartung, Energie einzusparen. Das intelligente Zuhause ist in der Lage, die Wohn- und Lebenssituationen zu erkennen und die Umgebung an die Bedürfnisse der Bewohnerinnen und Bewohner anzupassen. Dazu gehören ein automatisches Lüften bei zu geringem Sauerstoffgehalt, Herunterfahren von Jalousien oder Rolläden bei starker Sonneneinstrahlung, Anpassen der Beleuchtung entsprechend der Lichtverhältnisse sowie der Heizleistung zur Regulierung der Raumtemperatur (was bei Fußbodenheizungen besonders schwierig ist).
Für die Hersteller von Haustechnikgeräten, für Handwerk, Handel und die Wohnungswirtschaft bietet das steigende Interesse an Smart Living interessante Marktperspektiven. Aber auch viele andere Dienstleister, etwa aus der Energieversorgung oder der Gesundheitswirtschaft, können es nutzen, um ihre Leistungen individuell auf den Bedarf ihrer Kundinnen und Kunden zuzuschneiden.
Quelle: BMWK

Smart Living
Bundesministerium für Wirtschaft und Klimaschutz

Die 8 Module des House of Smart Living
Zentralverband der Deutschen Elektro- und Informationstechnischen Handwerke (ZVEH)

Digitalisierte Lebensumgebungen - Smart Living - besser und nachhaltiger leben
Wirtschaftsinitiative Smart Living e.V.
Smart Living – digitalisierte Lebensumgebungen von Smart Home bis Smart City
Wirtschaftsinitiative Smart Living e.V.
Was bedeutet "echtes" Smart Living?
Amir Humanfar, HUM Systems GmbH
Wir erleichtern das tägliche Leben von Menschen mit Smart Living
HUM Systems GmbH

 
 

Erweiterte Intelligenz

Erweiterte Intelligenz (auch unterstützende Intelligenz [Augmented Intelligence AI]) ist die KI der nächsten Generation bei der der Einsatz der künstlicher Intelligenz, der sich auf die Rolle konzentriert, die KI bei der Verbesserung und Verbesserung der menschlichen Intelligenz und Entscheidungsfindung spielt. Der Begriff wird verwendet, um die Kombination von Menschen und künstlicher Intelligenz darzustellen, die zusammenarbeiten, um die Arbeitsweise der Menschen zu verbessern, nicht sie zu ersetzen. Der menschlichen Intelligenz kommt dabei die Hauptrolle zu, wenn sie maschinelles Lernen (Machine Learning) oder Deep Learning nutzt, um Zusammenhänge zu erkennen oder Probleme zu lösen.
Die Entscheidung zwischen Artificial Intelligence und Augmented Intelligence ist mehr als nur eine technische Frage. Es geht darum, wie wir Technologie nutzen wollen: zur Automatisierung oder zur Unterstützung menschlicher Fähigkeiten. Betrachten wir dafür die besonderen Stärken, welche die zwei Ansätze für ein Unternehmen mit sich bringen:
Artificial Intelligence im Unternehmen einsetzen
• Ideal für vollständig automatisierte Systeme (z. B. autonome Fahrzeuge, Chatbots, Robotik)
• Große Datenverarbeitungsaufgaben, welche menschliches Eingreifen nicht benötigen
• Projekte, bei denen Effizienz und Geschwindigkeit höchste Priorität haben und menschliches Qualitätsurteil vernachlässigt werden kann
Augmented Intelligence im Unternehmen einsetzen
• Ideal für komplexe Entscheidungen, die menschliches Urteilsvermögen erfordern (z. B. medizinische Diagnosen, Finanzplanung)
• Kreative oder komplexe Szenarien, in denen Empathie, Ethik und Innovationskraft wichtig sind
• Anwendungen und Tätigkeiten, die den Menschen in den Mittelpunkt stellen sollen (z. B. Human • Resources, Kundenservice, Bildung, Beratung)

Automatisierung oder zur Unterstützung menschlicher Fähigkeiten

Artificial Intelligence

Augmented Intelligence.

Maschine übernimmt Aufgaben

Maschine unterstützt Mensch

Trifft Entscheidungen

Empfiehlt Entscheidungen

Imitiert menschliches Denken

Imitiert Teile menschlichen Denkens

Automatisiert

Kollaborativ

Autonom

Arbeitet an der Seite des Menschen

Quelle: Katharina Rainer, ONTEC AG

Vorteile von Artificial Intelligence (Künstliche Intelligenz)
Künstliche Intelligenz kann eine Palette von Vorteilen für ein Unternehmen mit sich bringen:
Innovation: AI kann völlig neue Erkenntnisse liefern, z. B. durch Machine Learning und Deep Learning.
Effizienz: Große Datenmengen können schnell verarbeitet und analysiert werden.
Automatisierung: Maschinen können Aufgaben völlig unabhängig ausführen, was Zeit und Ressourcen spart.
Unabhängigkeit: Systeme funktionieren ohne menschliche Eingriffe, ideal für autonome Fahrzeuge, Robotik oder Predictive Analytics.


Vorteile von Artificial Intelligence und Augmented Intelligence

Was ist Augmented Intelligence?
Katharina Rainer, ONTEC AG

Vorteile von Augmented Intelligence (Erweiterte Intelligenz)
Genauso wie sich die Funktionsweise und Einsatz von Augmented Intelligence von Artificial Intelligence unterscheiden, so tun es auch seine Vorteile:
Synergie: Kombiniert maschinelle Präzision mit menschlicher Kreativität, Empathie und Intuition.
Zielgerichtet: Stärkt menschliche Kompetenzen, anstatt sie zu ersetzen – ideal für Ärzte, Ingenieure oder Berater.
Mensch im Mittelpunkt: Der Mensch bleibt in der Entscheidungsfindung aktiv beteiligt oder sogar entscheidend, was Transparenz und Kontrolle fördert.
Weniger ethische Risiken: Der Mensch bleibt in der Verantwortung, was Missbrauch und Fehlentscheidungen verringern kann.

Quelle: Katharina Rainer, ONTEC AG

Was ist erweiterte Intelligenz?
Augmentir, Inc.

Augmented Intelligence: KI der nächsten Generation
Roover GmbH

 
 
Hinweis! Schutzrechtsverletzung: Falls Sie meinen, dass von meiner Website aus Ihre Schutzrechte verletzt werden, bitte ich Sie, zur Vermeidung eines unnötigen Rechtsstreites, mich umgehend bereits im Vorfeld zu kontaktieren, damit zügig Abhilfe geschaffen werden kann. Bitte nehmen Sie zur Kenntnis: Das zeitaufwändigere Einschalten eines Anwaltes zur Erstellung einer für den Diensteanbieter kostenpflichtigen Abmahnung entspricht nicht dessen wirklichen oder mutmaßlichen Willen. Die Kostennote einer anwaltlichen Abmahnung ohne vorhergehende Kontaktaufnahme mit mir wird daher im Sinne der Schadensminderungspflicht als unbegründet zurückgewiesen.
das neue Videoportal von HaustechnikDialog mit vielen interessanten Informationen und Anleitungen aus der Haustechnik
Videos aus der SHK-Branche
SHK-Lexikon

Besucherzaehler