Tag der offenen Tür am 27. November 2026 – komm vorbei und probier's selbst aus! Alle Infos
KI-Lab
Jede:r kann einen Prompt tippen. Aber wer versteht, wie KI lernt, Daten auswertet und wo ihre Grenzen liegen, gestaltet die Zukunft. Genau das lernst du in Software Engineering & KI an der HTL Perg.
Der Unterschied
KI begegnet dir heute fast überall. Besonders spannend wird es, wenn du sie nicht nur benutzt, sondern verstehst, entwickelst und in eigene Projekte einbaust. Genau dort setzt unsere Ausbildung an.
Was viele lernen
Was du an der HTL Perg lernst
Mitmachen
Setz blaue und lila Punkte auf die Fläche, wähl ein Modell und drück auf „Trainieren“. Neuronales Netz, lineares Modell und Entscheidungsbaum lernen live in deinem Browser, die beiden Gruppen zu trennen – jedes auf seine eigene Art. Probier mal einen Kreis in einem Kreis und schalt dann das Modell um.
Klick = Punkt setzen
Modell
Farbe der Punkte
Neuronales Netz: 2 Eingänge (x, y), 8 versteckte Neuronen, 1 Ausgang. Beim Training passt es mit Backpropagation Schritt für Schritt seine Gewichte an – der Hintergrund zeigt, was es gerade „glaubt“. Weil es viele Neuronen kombiniert, darf seine Grenze beliebig krumm werden: Kreise und Spiralen sind kein Problem.
Lineares Modell: nur drei Zahlen – ein Gewicht für x, eins für y, ein Schwellwert. Daraus entsteht genau eine Gerade (die weiße Linie), und alles auf der einen Seite wird blau, alles auf der anderen lila. Das ist blitzschnell und leicht zu erklären – reicht aber nur, wenn die Gruppen wirklich durch eine Gerade trennbar sind. Beim Kreis im Kreis scheitert es, egal wie lang du trainierst.
Entscheidungsbaum: eine Kette von Ja/Nein-Fragen der Form „ist x kleiner als …?“. Für jede Frage sucht er die Trennstelle, die die Farben am saubersten aufteilt (Gini-Maß), und fragt in jeder Hälfte weiter – die weißen Linien sind genau diese Fragen. Darum besteht seine Grenze immer aus waagrechten und senkrechten Stufen. Er trifft fast jeden Punkt, lernt dabei aber leicht Zufälligkeiten mit: Overfitting.
Bilderkennung
Mal mit Maus oder Finger eine Ziffer von 0 bis 9. Ein neuronales Netz, trainiert mit 60.000 handgeschriebenen Ziffern, erkennt sie live – und zeigt dir, wie sicher es sich ist.
Zeichne eine Ziffer 0–9
Die KI tippt auf?Noch nichts gezeichnet
Das Netz hat 784 Eingänge (ein Eingang pro Pixel), 128 versteckte Neuronen und 10 Ausgänge – einen pro Ziffer. Probier auch mal ein Herz oder einen Buchstaben: Die KI muss trotzdem eine Ziffer wählen. Genau solche Grenzen erkennen lernst du bei uns.
Sprachmodell
ChatGPT & Co. erzeugen Text Schritt für Schritt und berechnen dabei, was wahrscheinlich gut als Nächstes passt. Unser Mini-Sprachmodell hat dafür die Texte dieser Website gelesen. Wähl selbst das nächste Wort oder lass die KI schreiben.
Mögliche nächste Wörter – tipp eins an:
Zwei Modelle, dieselbe Frage: Welches Wort kommt als Nächstes? Die Zähltabelle hat dafür 600 Sätze dieser Website ausgezählt (2 130 verschiedene Wörter) und läuft direkt in deinem Browser. Das echte Sprachmodell läuft am Schulserver und hat aus viel mehr Text gelernt. Schalt um und vergleich die Prozente. Große Sprachmodelle nutzen ebenfalls gelernte Muster – arbeiten aber statt mit einer Zähltabelle mit riesigen neuronalen Netzen, sehr vielen Trainingsdaten und deutlich mehr Rechenleistung. Die Temperatur steuert, wie mutig gewählt wird: niedrig = vorhersehbar, hoch = kreativ bis chaotisch.
Vektoren & Attention
Für eine KI ist jedes Wort ein Punkt in einer Landkarte aus Zahlen: Wörter mit ähnlicher Bedeutung liegen nah beisammen. „Bank“ ist dort ein Problem – der Punkt liegt mitten zwischen Geld und Park, weil das Wort beides heißen kann. Jetzt bist du die Aufmerksamkeit: Tipp im Satz die Wörter an, auf die „Bank“ schauen soll, und sieh zu, wie der Punkt wandert.
Eine Karte für alle Sätze
Satz 1 von 6: Auf welche Wörter soll … schauen?
Das ist Attention – der Trick hinter ChatGPT & Co.: Jedes Wort wird zu einer Liste von Zahlen, einem Vektor. Für ein unklares Wort vergleicht das Modell dann jedes andere Wort im Satz mit der Frage „Was sagst du mir über meine Bedeutung?“ (mathematisch ein Skalarprodukt), verteilt danach 100 % Aufmerksamkeit auf den Satz und mischt die Vektoren in genau diesem Verhältnis. Deshalb heißt dasselbe Wort an zwei Stellen etwas anderes.
Was hier vereinfacht ist: Echte Modelle rechnen mit tausenden Zahlen pro Wort statt mit zwei, und schicken den Satz viele Aufmerksamkeits-Runden hintereinander durch. Die Achsen unserer Karte haben darum auch keine Namen – wichtig ist nur, welche Wörter nah beisammen liegen. Und weil zwei Achsen für so viele Bedeutungen eng sind, landen hier manchmal Wörter nebeneinander, die wenig miteinander zu tun haben.
Lehrplan
Logik, Algorithmen und Programmiersprachen wie Python, Java und C# – das Fundament für jede KI.
Angewandte Mathematik: Funktionen, Statistik und Wahrscheinlichkeit – wichtige Grundlagen für KI und Data Science.
In Datenbanken & Informationssysteme lernst du, Daten zu modellieren, zu speichern und abzufragen.
Eigenes Pflichtfach: Daten aufbereiten, Big Data verarbeiten, visualisieren, Machine-Learning-Modelle verstehen und anwenden.
Wem gehören die Daten? Kann KI fair sein? Wir diskutieren, was KI mit unserer Gesellschaft macht.
Viele Themen für Projekte und Diplomarbeiten drehen sich um Daten und intelligente Systeme – vielleicht auch deins.
Mustererkennung
Klingt nach reinem Glück? Nicht ganz. Menschen sind schlecht darin, zufällig zu sein. Die KI merkt sich deine Züge, erkennt Muster und versucht, deinen nächsten Zug vorherzusagen.
Wähl deinen Zug – oder drück 1, 2, 3.
– Durchschaut-Quote: So oft hat die KI deinen Zug richtig vorhergesagt (Zufall = 33 %).
Das hat die KI für deinen letzten Zug erwartet:
Die KI nutzt mehrere kleine Vorhersage-Modelle (z. B. „Was spielst du nach einem Sieg?“) und vertraut dem, das zuletzt am besten lag. Reiner Zufall würde dich nur zu 33 % durchschauen.
Quiz
Teste dein KI-Wissen. Tippe auf „Mythos“ oder „Fakt“.
#1
Mythos! Sprachmodelle berechnen anhand gelernter Muster, welche Textbausteine wahrscheinlich als Nächstes passen. Das wirkt klug, ist aber kein menschliches Verstehen.
#2
Fakt! Schlechte oder einseitige Trainingsdaten führen zu schlechten oder unfairen Ergebnissen – „garbage in, garbage out“.
#3
Fakt! Tools helfen beim Einstieg, aber um Modelle zu bauen, zu verbessern und zu verstehen, brauchst du Programmierkenntnisse – z. B. in Python.
#4
Mythos! KI ist ein starkes Werkzeug. Aber Anforderungen verstehen, Systeme entwerfen, Qualität sichern und Verantwortung übernehmen – das bleibt Aufgabe von Menschen. Wer KI sinnvoll einsetzen und ihre Grenzen einschätzen kann, bringt wichtige Fähigkeiten für viele IT-Berufe mit.
#5
Fakt! Künstliche Neuronen sind stark vereinfachte mathematische Modelle echter Nervenzellen – verbunden in Schichten, deren Gewichte beim Training angepasst werden.
#6
Mythos! Kleine Modelle trainierst du auf jedem Laptop – sogar im Browser, wie im KI-Lab oben.
Zukunft
Baut und trainiert Modelle, die aus Daten lernen.
Findet Muster in riesigen Datenmengen und hilft Firmen, bessere Entscheidungen zu treffen.
Integriert KI in Apps, Webseiten und Unternehmenssoftware.
Setzt KI in Medizin und Gesundheit ein – Stichwort Medizin-Informatik.
Programmiert Gegner, Welten und NPCs, die sich clever verhalten.
Gestaltet KI-Anwendungen, die Menschen wirklich verstehen und gerne nutzen.
In Software Engineering & KI an der HTL Perg lernst du, wie es geht – mit Matura.