Teachable Machine

Über Teachable Machine

Was ist eine lehrfähige Maschine?

Teachable Machine ist ein webbasiertes Tool von Google, mit dem Nutzer eigene Modelle für maschinelles Lernen erstellen können — ganz ohne Programmierkenntnisse oder technisches Vorwissen. Mit wenigen Klicks können Sie einem Computer beibringen, Bilder, Töne oder Posen zu erkennen und diese benutzerdefinierten Modelle auf Websites, in Apps oder sogar auf physischen Geräten einzusetzen.

Barrierefreie KI für alle

Die Plattform wurde entwickelt, um maschinelles Lernen zugänglich und intuitiv zu gestalten. Sie nutzt einen einfachen Workflow: Beispiele sammeln, das Modell trainieren und es für die praktische Anwendung exportieren. Ob Student, Dozent, Hobbyist oder Entwickler — Teachable Machine bietet eine praxisnahe Möglichkeit, die Funktionsweise von KI zu erkunden.

Wie eine lernfähige Maschine funktioniert

Schritt 1: Beispiele sammeln

Nutzer beginnen damit, Beispiele zu sammeln und in verschiedene Kategorien einzuordnen. Diese Beispiele können Bilder, Audioaufnahmen oder Körperhaltungen sein. Sie können Dateien hochladen oder Live-Aufnahmen mit Ihrer Webcam oder Ihrem Mikrofon machen.

Schritt 2: Trainieren Sie Ihr Modell

Sobald Sie Ihre Daten organisiert haben, können Sie mit Teachable Machine Ihr Modell sofort trainieren. Während des Trainings lernt es, die Muster in Ihren Beispielen zu erkennen und bereitet sich darauf vor, neue Eingaben auf Grundlage des Gelernten zu klassifizieren.

Schritt 3: Exportieren und Verwenden

Nach dem Training ist Ihr Modell einsatzbereit. Sie können es herunterladen, online hosten oder in Tools wie TensorFlow.js integrieren. Es ist mit einer Vielzahl von Plattformen kompatibel, darunter JavaScript-Anwendungen, Arduino-Geräte und Edge-Computing-Tools wie Coral.

Modelltypen, die Sie erstellen können

Bildklassifizierung

Trainieren Sie Ihr Modell, Bilder mithilfe hochgeladener Dateien oder Ihrer Webcam zu erkennen. Dies kann für Objekterkennung, visuelle Sortierung oder sogar interaktive Kunstprojekte verwendet werden.

Schallklassifizierung

Verwenden Sie kurze Audioclips, um Ihrem Modell beizubringen, verschiedene Geräusche zu erkennen. Dies eignet sich perfekt für audiobasierte Interaktionen oder Barrierefreiheitsfunktionen.

Posenklassifizierung

Erstellen Sie Modelle, die Körperbewegungen oder Gesten über Ihre Webcam erkennen. Das eignet sich hervorragend für Spiele, Tanzinteraktionen oder als Hilfsmittel in der Physiotherapie.

Lernen und Lehren mit Teachable Machine

Für Bildungszwecke entwickelt

Teachable Machine wird weltweit in Klassenzimmern eingesetzt, um Konzepte wie Klassifizierung, Verzerrung und verantwortungsvolles KI-Design zu vermitteln. Die Lektionen reichen von einfachen technischen Demonstrationen bis hin zu tiefergehenden Auseinandersetzungen mit algorithmischer Ethik.

Praxisprojekte

Beispiele hierfür sind interaktive Tanzerlebnisse, Kommunikationsgeräte mit Gesichtsausdrücken und Do-it-yourself-Robotikprojekte. Diese zeigen, wie flexibel und kreativ Teachable Machine in verschiedenen Lernumgebungen und auf unterschiedlichen Kompetenzniveaus eingesetzt werden kann.

Integrations- und Exportoptionen

Flexible Modellformate

Ihre trainierten Modelle sind mit einer Reihe von Tools kompatibel. Entwickler können sie in JavaScript-Projekten über TensorFlow.js verwenden oder für den Einsatz in Physical-Computing-Projekten mit Arduino und Coral exportieren.

Datenschutz auf dem Gerät

Teachable Machine respektiert die Privatsphäre der Nutzer. Die Software kann vollständig lokal auf dem Gerät verwendet werden, d. h. es müssen keine Webcam- oder Mikrofondaten an externe Server gesendet werden. Dadurch ist sie eine sicherere Wahl für den Einsatz im Unterricht und bei privaten Projekten.

Beliebte Nutzungen und Gemeinschaftsprojekte

Kreatives Programmieren

Künstler und Entwickler haben Teachable Machine zusammen mit Plattformen wie P5.js, Node.js und OBS genutzt, um interaktive Kunst, erweiterte Videoanrufe und Browserspiele zu erstellen.

Assistive Technologien

Innovatoren haben Werkzeuge entwickelt, um die Kommunikation zu unterstützen, wie z. B. das Auslösen von akustischen Reaktionen durch Gesichtsausdrücke oder das Erkennen von Kopfbewegungen zur Gerätesteuerung.