Multimodal
Auch: Multimodale KI, Multimodalität
Definition
Multimodale KI verarbeitet und erzeugt mehrere Datenarten wie Text, Bild, Audio und Video in einem Modell.
Mit multimodalen Modellen kannst du etwa ein Foto einer Rechnung, einen Screenshot oder eine Sprachnachricht direkt auswerten lassen. Daraus ergeben sich Anwendungen wie Belegerfassung oder Qualitätsprüfung per Foto. Die großen Assistenten sind inzwischen alle multimodal, unterscheiden sich aber im Umfang.