D-Book-Wiki · Ereignisartikel

Foundation Models

Große vortrainierte Modelle werden als neue Basisschicht vieler KI-Anwendungen beschrieben.

Kernsatz

Das Ereignis ist wichtig, weil es den Übergang von einzelnen KI-Anwendungen zu einer Plattform- und Infrastrukturperspektive markiert. Modelle werden nicht nur als Produkte verstanden, sondern als technische Grundlage weiterer Systeme, Dienste und Lernumgebungen.

Kurzüberblick

Große vortrainierte Modelle werden als neue Basisschicht vieler KI-Anwendungen beschrieben.

Überblick

Der Begriff Foundation Model wird 2021 prominent verwendet, um große Modelle zu beschreiben, die auf breiten Datenmengen trainiert und anschließend für viele unterschiedliche Aufgaben angepasst werden können. Damit verschiebt sich KI von stark spezialisierten Einzelsystemen zu allgemeinen Basismodellen, die Text, Bild, Code, Sprache und andere Modalitäten als gemeinsame Modellierungsräume behandeln können.

Abgrenzung

Aus dem bestehenden Ereigniskern materialisierte Standardfassung. Relationen, Quellen und didaktische Vertiefung werden separat geprüft.

Sachanalyse

Überblick

Diagramm der Transformer-Modellarchitektur mit Encoder- und Decoder-Blöcken.
Die Transformer-Architektur veranschaulicht die Modellstruktur, die für viele moderne Sprach- und Foundation-Modelle zentral wurde.Lilian Weng / Wikimedia Commons | CC BY-SA 3.0 | Wikimedia Commons | Transformer-ArchitekturBildquelle | Lizenz

Große vortrainierte Modelle werden als neue Basisschicht vieler KI-Anwendungen beschrieben.

Historischer und fachlicher Prozess

Der Begriff Foundation Model wird 2021 prominent verwendet, um große Modelle zu beschreiben, die auf breiten Datenmengen trainiert und anschließend für viele unterschiedliche Aufgaben angepasst werden können. Damit verschiebt sich KI von stark spezialisierten Einzelsystemen zu allgemeinen Basismodellen, die Text, Bild, Code, Sprache und andere Modalitäten als gemeinsame Modellierungsräume behandeln können.

Bedeutung

Das Ereignis ist wichtig, weil es den Übergang von einzelnen KI-Anwendungen zu einer Plattform- und Infrastrukturperspektive markiert. Modelle werden nicht nur als Produkte verstanden, sondern als technische Grundlage weiterer Systeme, Dienste und Lernumgebungen.

Quellen

Weitere Quellen

Bedeutungsschichten im D-BookLineages, Concepts, Ort und Statistik als nachgeordnete Kontextdimensionen.4 Bezüge

Bedeutungsschichten im D-Book

Einordnung

Foundation Models entstehen im Kontext großer Trainingsdaten, skalierter Recheninfrastruktur, Cloud-Plattformen und wachsender gesellschaftlicher Debatten über Bias, Kontrolle, Urheberrecht und Zugang. Synchronoptisch verbinden sie Wissenschaft, Wirtschaft, Softwareentwicklung, Bildung und Regulierung: Ein Modell wird zur vermittelnden Schicht zwischen Daten, Anwendungen und gesellschaftlicher Wirkung.

Verbindungen im D-Book

Die folgenden Fachbegriffe ordnen das Ereignis relational in das D-Book-Wissensnetz ein. Die Beziehungsbeschreibungen stammen aus den kuratierten Concept-Zuordnungen des Ereignisdatensatzes.

Fachliche Concepts

Concepts binden das Ereignis an den fachlichen Begriffskern und fuehren bei vorhandenen Ankern ins Glossar.

Concept-Artikel | Kontext

Modell

Basismodelle als KI-Infrastruktur

Concept-Artikel | Kontext

Daten

Training auf breiten Datenmengen

Räumliche Verortung

Die folgenden Orte und Institutionen sind ausdrücklich und fachlich geprüft mit diesem Geschichtsereignis verbunden.

Geografischer Kontext

Orte markieren raeumliche Entstehungs-, Institutions- oder Infrastrukturbezuege und fuehren weiter zum GeoAsset.

Ort | university | Kalifornien | US | Anker

Stanford University

[history-event-place-stanford-curation-v1-2026-07-20] Institutionalisierung der Foundation-Model-Forschung an der Stanford University: Eine Forschungscommunity an der Stanford University prägte 2021 den Begriff und die systematische Forschungsagenda zu Foundation Models und institutionalisierte sie im Stanford Center for Research on Foundation Models.

Medien und ZusatzassetsPrimärmedium, Atlas-Preview, Statistikansichten und kuratierte Asset-Abschnitte.2 Assets

Medien und Zusatzassets

Atlas-/Geo-AssetStanford UniversityInstitutionalisierung der Foundation-Model-Forschung an der Stanford Universityuniversity | Kalifornien | US | site
Datenpfad und RelationenRelationale Vorlinien, Fortsetzungen und Kontextpfade aus den History-Daten.3 Relationen

Relationspfade

Vorlinien

  1. Transformer-Architektur2017setzt fort

    Foundation Models bauen auf skalierbaren Modellarchitekturen wie Transformern auf.

  2. BERT und vortrainierte Sprachmodelle2018bereitet vor

    Vortraining großer Sprachmodelle bereitet Foundation-Model-Denken vor.

Fortsetzungen

  1. Generative KI2022bereitet vor

    Foundation Models bilden eine konzeptionelle Grundlage vieler generativer KI-Systeme.