ISTQB CT-AI
Einführung in KI
Grundlagen der KI
- Wie entsteht bei den meisten KI-basierten Systemen, insbesondere bei ML-Systemen, das Verhalten gegenüber neuen Eingaben? Einfach
- Welche Eigenschaft haben konventionelle, imperativ programmierte Systeme typischerweise? Einfach
- Warum gelten viele Deep-Learning-Modelle als „Blackbox“? Einfach
- Was bedeutet die Anpassungsfähigkeit selbstlernender KI-basierter Systeme für ihren Betrieb? Einfach
- Welche Art von KI umfasst alle heute im Einsatz befindlichen KI-Systeme? Einfach
- Welcher Begriff ist ein anderer Name für allgemeine KI (General AI)? Einfach
- Wie bezeichnet man den Punkt, an dem KI-basierte Systeme von allgemeiner KI zu Super-KI übergehen würden? Einfach
- Welche Art des maschinellen Lernens arbeitet mit gekennzeichneten (gelabelten) Daten, etwa für Vorhersage und Klassifikation? Einfach
- Wie lernt ein intelligenter Agent beim bestärkenden Lernen (Reinforcement Learning)? Einfach
- Für welche Aufgabe sind Convolutional Neural Networks (CNN) besonders gut geeignet? Einfach
- Welche KI-Technologie dient dem Schließen unter Unsicherheit? Einfach
- Was zeichnet generative KI (GenAI) vor allem aus? Einfach
- Welche Technologie liegt großen Sprachmodellen (LLM) zugrunde? Einfach
- Worauf basieren die meisten praktisch genutzten GenAI-Werkzeuge heute? Einfach
Technik und Betrieb
Regulierung
Grundlagen der KI
- Auf welche Verfahren stützen sich viele KI-basierte Systeme bei der Problemlösung? Mittel
- In welchen Bereichen ist die fehlende Erklärbarkeit von KI-Entscheidungen besonders kritisch? Mittel
- Wie lässt sich Frontier-KI einordnen? Mittel
- Ein KI-System erkennt Gesichter mit sehr hoher Trefferquote. Kann es ohne Weiteres auch Texte übersetzen? Mittel
- Welche Aussagen zu Super-KI treffen zu? Mittel
- Welche Aufgabe übernehmen Recurrent Neural Networks (RNN) typischerweise? Mittel
- Welche Techniken zählen zu den zentralen ML-Technologien? Mittel
- Was beschreibt der Begriff agentische KI? Mittel
- Wie erzeugen Generative Adversarial Networks (GAN) realistische synthetische Daten? Mittel
- Welche gesellschaftlichen und ethischen Bedenken gibt es bei GenAI? Mittel
Technik und Betrieb
- Welche Hardware-Eigenschaften kommen ML typischerweise zugute? Mittel
- Wofür eignet sich KI-spezifische Hardware wie ASICs und System-on-a-Chip-Bausteine am besten? Mittel
- Was unterscheidet neuromorphe Prozessoren von herkömmlichen Prozessoren? Mittel
- Welche Vorteile bieten Public Clouds bei der Entwicklung von KI-Modellen? Mittel
- Welche Vor- und Nachteile hat das lokale Hosting kleinerer Modelle auf PCs oder Smartphones? Mittel
- Welche Funktionen bieten ML-Entwicklungs-Frameworks typischerweise? Mittel
- Was ist der typische Unterschied zwischen einem ML-Framework mit Low-Level-API und einem mit High-Level-API? Mittel
- Welche Beispiele für hybride Ansätze bei der KI-Entwicklung gibt es? Mittel
Regulierung
Grundlagen der KI
- Ein Team migriert eine regelbasierte Kreditprüfung auf ein ML-Modell. Welche Folgen für das Testen ergeben sich aus den Unterschieden zwischen beiden Systemarten? Schwer
- Eine Behörde will ein KI-System für medizinische Diagnosen zulassen und verlangt, dass jede Entscheidung begründet werden kann. Welcher Unterschied zu konventionellen Systemen ist hier das Hauptproblem? Schwer
- Ein Anbieter bewirbt sein neues großes Sprachmodell als „allgemeine KI“, weil es Texte schreibt, programmiert und Bilder beschreibt. Wie ist das einzuordnen? Schwer
- Welche Aussagen zu allgemeiner KI (General AI) treffen zu? Schwer
- Ein Onlineshop will Kunden ohne vorhandene Kategorien automatisch in Gruppen mit ähnlichem Kaufverhalten einteilen. Welche Art des ML passt? Schwer
- Welche Zuordnungen von Technologie und Einsatzgebiet treffen zu? Schwer
- Ein ML-System wurde einmal trainiert und läuft seitdem unverändert. Neue Produktkategorien erkennt es nicht. Wie ist das zu bewerten? Schwer
- Ein Team braucht fotorealistische synthetische Bilder als Testdaten. Welche generativen Technologien eignen sich für solche Inhalte? Schwer
- Eine Agentur will GenAI für Marketingtexte einführen. Welche Aussagen über Chancen und Risiken treffen zu? Schwer
Technik und Betrieb
- Ein Spracherkennungsmodell soll auf günstigen Smartphones laufen. Welche Aussage trifft zu? Schwer
- Welche Vorteile hat die Quantisierung (Rechnen mit weniger Bits)? Schwer
- Ein Start-up will ein kleines ML-Projekt beginnen und zögert zwischen einem Rechner mit schneller CPU und einem mit GPU. Was ist zu empfehlen? Schwer
- Eine Klinik will ein KI-Modell mit Patientendaten betreiben, hat stark schwankende Last und begrenztes Budget. Welche Überlegungen sind zutreffend? Schwer
- Ein Unternehmen will ein großes Modell vollständig lokal trainieren. Welche Folgen hat das? Schwer
- Welche Vor- und Nachteile haben KI-Systeme von Drittanbietern im Vergleich zu privat entwickelten? Schwer
- Ein Team will ein Modell für ein eingebettetes Gerät mit wenig Speicher bauen und hat wenig ML-Erfahrung. Welche Kriterien für die Framework-Auswahl sind hier besonders relevant? Schwer
- Welche Aussagen zur Evaluierungs- und Bereitstellungsfunktion von ML-Frameworks treffen zu? Schwer
Regulierung
- Welche Rolle spielen technische Normen von ISO und IEEE neben Gesetzen wie dem EU AI Act? Schwer
- Welche Aussagen zur KI-Regulierung außerhalb der EU und zur Weiterentwicklung von Regeln treffen zu? Schwer
- Ein Hersteller eines Hochrisiko-KI-Systems für die EU hält umfangreiche Tests für optional, weil „Strafen ohnehin nur pauschal und gering“ seien. Was ist dem zu entgegnen? Schwer