Cisco AI Technical Practitioner

12:55

Geben Sie Ihren Namen und Ihre E-Mail-Adresse bitte korrekt ein, damit wir Ihnen Ihr Quiz-Ergebnis bequem per E-Mail zusenden können.

Name E-Mail Ergebnis per E-Mail

Nur mit den richtigen Angaben können wir Ihnen Ihr persönliches Ergebnis schnell und zuverlässig zusenden.

✨ Viel Erfolg und schauen Sie danach in Ihr E-Mail-Postfach!

Name

Was beschreibt ein Large Language Model (LLM) am besten?

Ein Modell, das ausschließlich Bilder erzeugt

Ein Modell, das Muster in Sprache verarbeitet und generiert

Ein Datenbankserver für Logdateien

Ein Verschlüsselungsalgorithmus

None

Welcher Anwendungsfall passt typischerweise gut zu einem LLM?

Paketweiterleitung auf Layer 3

Textzusammenfassung

Festplattenformatierung

VLAN-Tagging

None

Wofür sind Diffusionsmodelle besonders bekannt?

Für tabellarische Buchhaltung

Für Bildgenerierung

Für DHCP-Lease-Verwaltung

Für Routingtabellen

None

Was ist ein typischer Vorteil eines cloud-gehosteten Modells?

Es benötigt grundsätzlich keine Internetverbindung

Es bietet oft schnelle Skalierbarkeit

Es ist immer günstiger als jede lokale Lösung

Es verhindert alle Datenschutzrisiken

None

Was ist ein typischer Vorteil eines lokal gehosteten Modells?

Es braucht nie Hardware-Ressourcen

Es kann mehr Kontrolle über sensible Daten ermöglichen

Es ist automatisch leistungsfähiger als Cloud-Modelle

Es skaliert ohne Infrastrukturaufwand

None

Was ist eine typische Trade-off-Frage bei der Modellwahl?

Schriftart gegen Monitorhelligkeit

Kosten, Latenz, Datenschutz und Skalierbarkeit

DHCP gegen DNS

Druckertreiber gegen USB-Version

None

Was beschreibt ein Kontextfenster am besten?

Die Größe des Browserfensters

Die Menge an Eingabe- und Gesprächskontext, die das Modell gleichzeitig berücksichtigen kann

Die Bildschirmauflösung beim Prompten

Die Größe eines PDF-Exports

None

Was kann passieren, wenn ein Prompt mit Anhängen die Token-Grenze überschreitet?

Das Modell wird schneller

Teile des Kontexts müssen gekürzt oder ignoriert werden

Das Betriebssystem startet neu

Die Ausgabe wird automatisch genauer

None

Was ist mit „Token“ im Kontext generativer KI gemeint?

Ein physischer Sicherheitsschlüssel

Eine Verarbeitungseinheit von Text bzw. Daten für das Modell

Eine Art VPN-Paket

Ein BIOS-Passwort

None

10.

Warum ist Modellselektion wichtig?

Weil jedes Modell für jede Aufgabe gleich gut ist

Weil unterschiedliche Modelle auf unterschiedliche Use Cases optimiert sein können

Weil dadurch Passwörter ersetzt werden

Weil nur große Modelle multimodal sein können

None

11.

Was bedeutet „multimodal“ bei einem KI-Modell?

Es kann nur Text ausgeben

Es kann mehrere Datentypen wie Text und Bild verarbeiten

Es funktioniert nur in mehreren Rechenzentren

Es braucht zwingend fünf Datenbanken

None

12.

Was beschreibt ein Modell-Hub am besten?

Ein physischer Netzwerkswitch

Eine Plattform oder Sammlung, über die Modelle gefunden und verglichen werden können

Ein Dateiformat für Prompts

Ein Antivirus-Dienst

None

13.

Wofür wird RAG typischerweise eingesetzt?

Zum Reduzieren von Routerkosten

Zum Ergänzen von Modellantworten mit externem, relevantem Wissen

Zum Komprimieren von Bildern

Zum Erstellen von VLANs

None

14.

Welche Rolle haben Embeddings in RAG-Systemen?

Sie verschlüsseln Benutzerdaten

Sie repräsentieren Inhalte numerisch für Ähnlichkeitssuche

Sie ersetzen Datenbanken vollständig

Sie erzeugen Audiodateien

None

15.

Wofür wird eine Vektordatenbank typischerweise genutzt?

Für E-Mail-Verschlüsselung

Für Ähnlichkeitssuche auf eingebetteten Inhalten

Für BIOS-Backups

Für Layer-2-Forwarding

None

16.

Welcher Anwendungsfall passt am besten zu RAG statt reinem Standard-Prompting?

Beantwortung interner Fragen auf Basis aktueller Unternehmensdokumente

Anzeige der CPU-Temperatur

Erstellen einer WLAN-SSID

Laden einer USB-Firmware

None

17.

Warum kann ein kleineres Modell manchmal sinnvoller sein als ein größeres?

Weil kleine Modelle immer genauer sind

Weil kleinere Modelle je nach Aufgabe kostengünstiger und schneller sein können

Weil große Modelle keine Texte verstehen

Weil große Modelle nicht lokal laufen können

None

18.

Was beschreibt „Latenz“ bei einem KI-System am besten?

Den Speicherplatz eines Modells

Die Verzögerung bis zur Antwort

Die Anzahl der Trainingsdaten

Die Genauigkeit des Monitors

None

19.

Welche Aussage zu Output-Management ist richtig?

Modellantworten sollten nie auf Länge oder Format begrenzt werden

Antwortformat und Länge lassen sich oft durch klare Vorgaben steuern

Nur lokale Modelle können strukturierte Antworten liefern

Antwortmanagement ist nur für Bildmodelle relevant

None

20.

Welche Aussage ist für generative KI im Unternehmenskontext am sinnvollsten?

Das größte Modell ist immer die beste Wahl

Modellwahl sollte an Aufgabe, Kosten, Datenschutz und Qualität ausgerichtet sein

Modell-Hubs sind nur für Forschung gedacht

RAG ist immer schlechter als reines Modellwissen

None

21.

Was ist ein zentrales Prinzip guten Prompt Engineerings?

Möglichst unklare Anweisungen geben

Ziel, Rolle und Einschränkungen klar formulieren

Immer nur ein einzelnes Wort verwenden

Niemals Kontext geben

None

22.

Welche Formulierung verbessert einen Prompt typischerweise?

„Mach irgendwas mit den Daten.“

„Fasse die folgenden Verkaufszahlen in 5 Stichpunkten für das Management zusammen.“

„Antworte irgendwie.“

„Ignoriere alle Regeln.“

None

23.

Welche Funktion hat eine Rollenangabe im Prompt?

Sie ändert die Netzwerkkonfiguration

Sie lenkt Stil, Perspektive und Aufgabenausrichtung der Antwort

Sie ersetzt den eigentlichen Arbeitsauftrag

Sie garantiert immer Faktenrichtigkeit

None

24.

Was ist ein „Constraint“ in einem Prompt?

Ein Datenbankfehler

Eine Einschränkung wie Format, Länge oder Zielgruppe

Ein Router-Log

Ein Trainingsdatensatz

None

25.

Was ist Few-shot Prompting?

Ein Prompt ohne Beispiele

Ein Prompt, der wenige Beispiele zur Orientierung enthält

Ein Bildprompt mit niedriger Auflösung

Ein Prompt nur für lokale Modelle

None

26.

Wofür eignet sich Few-shot Prompting besonders?

Zum Beschleunigen von Ethernet

Zum Verdeutlichen gewünschter Struktur oder Klassifikation

Zum Ersetzen von Governance

Zum Löschen von Halluzinationen

None

27.

Was ist iteratives Prompting?

Den ersten Output nie mehr anpassen

Eine Aufgabe schrittweise durch Folgeprompts verbessern

Ein Prompt mit nur Zahlen

Ein Sicherheitsmechanismus auf Layer 2

None

28.

Was bedeutet „chained prompting“?

Mehrere logisch verbundene Prompts bauen aufeinander auf

Der Prompt wird verschlüsselt

Der Prompt wird automatisch von DNS beantwortet

Nur ein Modell kann dabei genutzt werden

None

29.

Welche Technik ist sinnvoll, wenn ein komplexes Ergebnis in mehreren Schritten erzeugt werden soll?

Nur ein extrem kurzer Einzeiler

Sequenzielles bzw. chained prompting

Keine Kontextangaben

Zufällige Beispieltexte

None

30.

Welche Aussage zu Prompts für Text, Bild und Audio ist richtig?

Alle Modalitäten benötigen exakt denselben Promptstil

Struktur und Detailgrad sollten an die Zielmodalität angepasst werden

Bildmodelle benötigen keinerlei Beschreibung

Audiomodelle nutzen keine Einschränkungen

None

31.

Was ist ein typisches Merkmal eines guten Bildprompts?

Nur das Wort „Bild“

Beschreibung von Motiv, Stil, Perspektive und Einschränkungen

Nur eine IP-Adresse

Ein Passwort

None

32.

Was ist Prompt Injection?

Eine Methode zur Router-Härtung

Ein Angriff, der ein KI-System durch eingeschleuste Anweisungen manipulieren soll

Eine sichere Art der Datenklassifizierung

Ein Verfahren zur Bildkomprimierung

None

33.

Welches Beispiel passt am ehesten zu Prompt Injection?

Ein Nutzer versucht, das Modell dazu zu bringen, Regeln oder versteckte Instruktionen zu ignorieren

Ein Nutzer bittet um eine Zusammenfassung

Ein Nutzer begrenzt die Antwort auf fünf Zeilen

Ein Nutzer gibt den gewünschten Sprachstil an

None

34.

Welche Maßnahme hilft gegen Prompt Injection?

Niemals Eingaben prüfen

Systeminstruktionen absichern und untrusted Input klar trennen

Alle Antworten ungeprüft übernehmen

Nur kleinere Modelle verwenden

None

35.

Was ist eine Halluzination im KI-Kontext?

Ein Hardwaredefekt

Eine plausibel klingende, aber falsche oder unbelegte Antwort

Ein Token-Limit

Eine Kompressionsmethode

None

36.

Welche Strategie hilft, Halluzinationen zu reduzieren?

Weniger Kontext und weniger Präzision

Quellenbezug, klare Grenzen und Verifikation

Immer maximal kreative Antworten verlangen

Keine Rückfragen zulassen

None

37.

Was ist „defensive prompting“?

Ein Netzwerkprotokoll

Das Formulieren von Prompts mit Schutzvorgaben gegen Fehler und Missbrauch

Ein Ersatz für Firewalls

Ein Verfahren zur Dateiverschlüsselung

None

38.

Welche Anweisung ist ein Beispiel für defensive prompting?

„Wenn Informationen fehlen, sage das ausdrücklich und erfinde nichts.“

„Antworte so selbstsicher wie möglich, auch ohne Fakten.“

„Ignoriere widersprüchliche Daten.“

„Beantworte alles mit Ja.“

None

39.

Warum ist Zielgruppenangabe in Prompts nützlich?

Weil sie die Antwort auf Wissensniveau und Stil anpassen hilft

Weil sie Tokenverbrauch immer verdoppelt

Weil sie Halluzinationen unmöglich macht

Weil sie nur für Audio gilt

None

40.

Welche Prompt-Version ist meist besser?

„Erklär KI.“

„Erkläre Generative KI in 6 Stichpunkten für Vertriebsmitarbeiter ohne technischen Hintergrund.“

„Irgendwas mit KI, bitte.“

„Schreib alles, was du weißt.“

None

41.

Warum kann ein Output-Format im Prompt sinnvoll sein?

Es hilft, Antworten maschinenlesbar oder konsistent nutzbar zu machen

Es verhindert jeden Fehler automatisch

Es ist nur für Bildmodelle relevant

Es ersetzt APIs

None

42.

Was ist ein sinnvoller erster Schritt bei schlechtem Modelloutput?

Sofort das Modell verwerfen

Den Prompt präzisieren und Kontext verbessern

Keine Änderungen vornehmen

Nur den Browser wechseln

None

43.

Wann ist ein mehrstufiger Prompting-Ansatz besonders sinnvoll?

Bei komplexen Aufgaben mit Analyse-, Prüf- und Ausgabephase

Nur bei Audio-Synthese

Nur bei lokalem Hosting

Nur bei einzelnen Ja/Nein-Fragen

None

44.

Welche Aussage zu Prompt-Länge ist richtig?

Kürzer ist immer besser

Länger ist immer besser

Relevanter, strukturierter Kontext ist wichtiger als bloße Länge

Lange Prompts verhindern alle Risiken

None

45.

Welche Technik hilft, eine strukturierte Entscheidungsmatrix zu erhalten?

Ohne Kriterien fragen

Kriterien und Tabellenformat explizit vorgeben

Nur eine Datei hochladen, ohne Anweisung

Das Modell ohne Zielgruppe arbeiten lassen

None

46.

Was beschreibt „Responsible AI“ am besten?

KI ohne Regeln

Der verantwortungsvolle Einsatz von KI unter Berücksichtigung von Fairness, Transparenz und Sicherheit

Nur schnelle Modellantworten

Ein bestimmtes Hardwareprodukt

None

47.

Welcher Begriff gehört typischerweise zu Responsible AI?

Bias-Mitigation

VLAN-Trunking

SMTP-Relay

RAID-Spiegelung

None

48.

Was bedeutet Fairness im KI-Kontext?

Alle Antworten müssen gleich lang sein

Modelle sollen Personen oder Gruppen nicht unangemessen benachteiligen

Modelle dürfen keine Rückfragen stellen

Nur Cloud-Modelle können fair sein

None

49.

Was ist Bias in einem KI-System?

Eine neutrale Antwortstruktur

Eine systematische Verzerrung in Daten oder Modellergebnissen

Eine GPU-Temperatur

Eine sichere Authentifizierungsmethode

None

50.

Warum ist Transparenz in KI-Anwendungen wichtig?

Damit Nutzer besser verstehen, wie Ergebnisse zustande kommen oder genutzt werden

Damit Modelle schneller rechnen

Damit keine Governance mehr nötig ist

Damit alle Trainingsdaten öffentlich werden

None

51.

Was bedeutet Accountability im KI-Kontext?

Niemand ist verantwortlich

Zuständigkeiten und Verantwortung für KI-Einsatz sind klar definiert

Nur das Modell trägt Verantwortung

Nur externe Anbieter entscheiden

None

52.

Welche Maßnahme schützt Unternehmensdaten in KI-Systemen am besten?

Vertrauliche Inhalte ungefiltert in öffentliche Tools kopieren

Datenklassifizierung, Zugriffskontrollen und sichere Nutzungsrichtlinien

Alle Daten per Default veröffentlichen

Nur kürzere Prompts verwenden

None

53.

Was ist ein typisches Datenschutzrisiko bei KI-Tools?

Zu wenig Bildschirmhelligkeit

Eingabe sensibler Daten in nicht freigegebene Systeme

Lokale Textverarbeitung

Nutzung von Tabellenformaten

None

54.

Warum ist Datenminimierung sinnvoll?

Weil das Modell sonst nicht antworten kann

Weil nur notwendige Daten verarbeitet werden sollten

Weil mehr Daten immer schlechtere Ergebnisse liefern

Weil Governance dadurch unnötig wird

None

55.

Was ist Misinformation im KI-Kontext?

Eine sichere RAG-Antwort

Falsche oder irreführende Information, die verbreitet wird

Ein Tokenfehler

Eine Datenbankabfrage

None

56.

Warum ist Desinformation besonders kritisch?

Weil sie absichtlich irreführend verbreitet wird

Weil sie immer zufällig entsteht

Weil sie nur Bilder betrifft

Weil sie nur im Offline-Betrieb vorkommt

None

57.

Welche Aussage zu Compliance ist richtig?

Compliance ist für KI-Anwendungen irrelevant

KI-Nutzung muss relevante gesetzliche und interne Vorgaben einhalten

Compliance ersetzt Security

Compliance betrifft nur Finanzabteilungen

None

58.

Was ist ein Beispiel für AI Governance?

Klare Richtlinien, Freigabeprozesse und Risikobewertungen für KI-Nutzung

Nur ein neues WLAN-Passwort

Ein einzelner Bildprompt

Ein Monitor-Upgrade

None

59.

Warum sind Policies für KI-Nutzung im Unternehmen wichtig?

Weil Mitarbeitende dadurch wissen, was erlaubt, sensibel oder meldepflichtig ist

Weil dann keine Schulung mehr nötig ist

Weil Policies Outputqualität garantieren

Weil Policies Modelle trainieren

None

60.

Welche Aussage zu Sicherheitsbedrohungen durch KI ist zutreffend?

KI schafft keine neuen Risiken

KI kann für Phishing, Fakes oder Datenabfluss missbraucht werden

KI bedroht nur Bildverarbeitung

KI-Risiken sind ausschließlich theoretisch

None

61.

Was bedeutet EDA im Datenkontext?

Encrypted Data Access

Exploratory Data Analysis

External Device Authentication

Embedded Database Archive

None

62.

Was ist ein Ziel von EDA?

Router-Betriebssysteme zu aktualisieren

Muster, Ausreißer und Datenqualität früh zu verstehen

VLANs automatisch zu erzeugen

Backups zu verschlüsseln

None

63.

Wie kann KI bei EDA unterstützen?

Durch Vorschläge zu Mustern, Trends und ersten Hypothesen

Nur durch Druck von Tabellen

Ausschließlich durch Firewall-Regeln

Gar nicht, KI ist dafür ungeeignet

None

64.

Welche Aufgabe gehört typischerweise zur Datenbereinigung?

Unklare oder fehlende Werte identifizieren

Monitorauflösung erhöhen

DNS-Einträge löschen

Geräte inventarisieren

None

65.

Was ist ein Beispiel für Datenformatierung?

Spalten mit Datumswerten in ein einheitliches Format bringen

Ein WLAN umbenennen

Einen Laptop neu starten

Eine IP-Adresse pingen

None

66.

Warum sind Qualitätsprüfungen vor Analyse wichtig?

Weil Modelle schlechte Datenqualität ungefragt perfekt korrigieren

Weil fehlerhafte oder inkonsistente Daten zu schlechten Ergebnissen führen können

Weil saubere Daten nur bei Bildern wichtig sind

Weil Qualität die Kosten nie beeinflusst

None

67.

Was ist eine sinnvolle KI-gestützte Forschungsaufgabe?

Ideen und Quellenansätze für ein Thema strukturieren

Physische Kabel testen

BIOS aktualisieren

DHCP-Server ersetzen

None

68.

Welche Aussage zu KI-gestützter Ideation ist richtig?

KI kann hilfreich Vorschläge erzeugen, die fachlich geprüft werden sollten

KI-Ideen sind immer sofort umsetzbar

KI-Ideation ersetzt jede menschliche Bewertung

KI darf nicht für Brainstorming genutzt werden

None

69.

Was ist bei KI-gestütztem Content Drafting wichtig?

Den Entwurf ungeprüft veröffentlichen

Fakten, Tonalität und Vertraulichkeit prüfen

Immer personenbezogene Daten einfügen

Keine Zielgruppe definieren

None

70.

Welche ethische Frage ist bei KI-gestützter Datenanalyse besonders relevant?

Ob die Schriftgröße klein genug ist

Ob sensible Daten geschützt und zulässig verwendet werden

Ob der Laptop geladen ist

Ob der Browser im Dark Mode läuft

None

71.

Welche Kontrolle hilft, Datenexposition in Analyse-Workflows zu reduzieren?

Rollenbasierte Zugriffe und Freigaben

Öffentliche Freigabe für alle

Ungeschützte Tabellenlinks

Gemeinsame Passwörter im Team

None

72.

Was ist bei automatisch vorgeschlagenen Daten-Transformationen wichtig?

Sie immer blind übernehmen

Sie fachlich prüfen und dokumentieren

Nur manuell alles neu tippen

Den Datensatz löschen

None

73.

Welche Aussage über KI-gestützte Recherche ist am sinnvollsten?

Sie kann Recherche beschleunigen, ersetzt aber keine Quellenprüfung

Sie macht Quellen unnötig

Sie darf nur für Bilder verwendet werden

Sie funktioniert nie bei internen Themen

None

74.

Was ist ein Hinweis auf schlechte Datenqualität?

Konsistente Formate und vollständige Werte

Doppelte, fehlende oder widersprüchliche Einträge

Klare Datendefinitionen

Dokumentierte Herkunft

None

75.

Warum ist Datenherkunft bzw. Provenance wichtig?

Weil nachvollziehbar bleiben sollte, woher Daten stammen und wie sie verarbeitet wurden

Weil sie nur für Audiosysteme relevant ist

Weil sie Tokenverbrauch reduziert

Weil sie Governance ersetzt

None

76.

In welcher Phase des Software-Lebenszyklus kann KI sinnvoll unterstützen?

Nur beim Deployment

In mehreren Phasen wie Anforderungen, Prototyping, Implementierung, Test und Dokumentation

Nur in der Budgetplanung

Nur bei Hardwaretausch

None

77.

Was ist ein realistischer Nutzen von KI bei der Anforderungsanalyse?

Anforderungen automatisch rechtlich genehmigen

Erste Strukturierung, Formulierung und Lückenanalyse unterstützen

Code direkt produktiv ausrollen

Firewalls konfigurieren

None

78.

Was beschreibt Rapid Prototyping mit KI am besten?

Ausschließlich langwierige manuelle Entwicklung

Schnelles Erstellen erster Entwürfe, Mockups oder Codeideen

Nur Hardware-Simulation

Vollständiger Ersatz für Tests

None

79.

Welche Aussage zu KI-gestützter Codegenerierung ist richtig?

Generierter Code sollte überprüft und getestet werden

Generierter Code ist immer fehlerfrei

KI kann nur Pseudocode erzeugen

KI-Code darf nicht dokumentiert werden

None

80.

Wie kann KI die Codequalität verbessern?

Durch Vorschläge zu Fehlersuche, Refactoring und Dokumentation

Nur durch längere Variablennamen

Nur durch mehr Kommentare ohne Inhalt

Durch das Entfernen aller Tests

None

81.

Welche Aufgabe passt gut zu KI-gestützter Debugging-Hilfe?

Analyse möglicher Ursachen einer Fehlermeldung

Austausch eines Akkus

Verkabelung eines Switches

Erstellen eines Patchpanels

None

82.

Warum bleibt menschliche Review bei KI-generiertem Code wichtig?

Weil KI keine Syntax erzeugen kann

Weil Logik-, Sicherheits- oder Kontextfehler geprüft werden müssen

Weil nur Menschen Code formatieren können

Weil KI nur mit Bildern arbeitet

None

83.

Was beschreibt Workflow-Automation im KI-Kontext am besten?

Nur das Starten eines Timers

Das Automatisieren mehrstufiger Aufgaben mit KI-Unterstützung

Nur die Erstellung von WLAN-Passwörtern

Nur Datenkompression

None

84.

Warum ist Monitoring in KI-Workflows wichtig?

Weil Workflows nach Inbetriebnahme nie beobachtet werden müssen

Weil Qualität, Kosten, Latenz und Fehlverhalten überwacht werden sollten

Weil Monitoring nur für Netzwerke gilt

Weil es ausschließlich die CPU-Auslastung misst

None

85.

Was ist ein typischer Kostenfaktor bei KI-Prototyping?

Nur die Monitorgröße

Tokenverbrauch und Modellnutzung

Nur die Anzahl an Mausbewegungen

Nur die Anzahl lokaler Dateien

None

86.

Wie beeinflussen Kontextfenster Prototyping-Kosten?

Gar nicht

Größere Kontexte können Antwortqualität verbessern, aber Kosten und Latenz erhöhen

Sie senken immer automatisch die Kosten

Sie sind nur für Audio relevant

None

87.

Welche Maßnahme hilft, KI-Workflow-Kosten zu kontrollieren?

Unnötig lange Prompts und mehrfach gleiche Anfragen senden

Modell passend wählen und Kontext gezielt begrenzen

Immer das teuerste Modell nehmen

Monitoring deaktivieren

None

88.

Was ist ein sinnvoller Einsatz von KI für Dokumentation?

Rohentwürfe für README, Kommentare oder Zusammenfassungen erstellen

Jede Fachprüfung überspringen

Geheimdaten in öffentliche Prompts kopieren

Unit-Tests löschen

None

89.

Was ist ein Risiko bei ungeprüfter KI-Automatisierung?

Fehlentscheidungen oder fehlerhafte Outputs können skaliert werden

Es gibt kein Risiko

Nur die Tastatur wird langsamer

Automatisierung betrifft nie reale Prozesse

None

90.

Welche Aussage zu Testen in KI-unterstützten Entwicklungsprozessen ist richtig?

Tests sind weniger wichtig, weil KI beteiligt ist

Funktionale und sicherheitsrelevante Tests bleiben zentral

Nur manuelle Tests sind erlaubt

Nur UI-Tests sind nötig

None

91.

Was ist ein guter Anwendungsfall für KI in Workflow-Optimierung?

Wiederkehrende Text- und Analyseaufgaben vorstrukturieren

Stromkabel verlegen

Router physisch montieren

SSDs spiegeln

None

92.

Wann sollte ein KI-Workflow einen Human-in-the-loop enthalten?

Nie

Bei kritischen Entscheidungen, Freigaben oder unsicheren Ergebnissen

Nur bei Bildbearbeitung

Nur wenn keine Logs existieren

None

93.

Welche Aussage zu Prototypen ist sinnvoll?

Ein Prototyp muss sofort produktionsreif sein

Ein Prototyp dient oft zum schnellen Testen von Ideen und Annahmen

Prototypen benötigen keine Ziele

Prototypen dürfen nicht verändert werden

None

94.

Welche Kennzahl ist für KI-Workflows neben Qualität oft relevant?

Lackfarbe des Gehäuses

Antwortlatenz

Bildschirmdiagonale

Kabellänge des Monitors

None

95.

Warum ist Fehlermanagement in KI-Workflows wichtig?

Weil KI-Ausgaben fehlschlagen, unvollständig oder unbrauchbar sein können

Weil Fehler nur in Datenbanken auftreten

Weil Fehlermanagement nur für Hardware gilt

Weil Workflows nie Ausnahmen erzeugen

None

96.

Was unterscheidet Agentic AI am ehesten von klassischer generativer KI?

Agentic AI kann mehrstufige Ziele mit Werkzeugnutzung und Entscheidungen verfolgen

Agentic AI erzeugt nie Text

Agentic AI funktioniert nur offline

Agentic AI ersetzt jede Governance

None

97.

Was ist ein typisches Merkmal eines KI-Agenten?

Er reagiert nur passiv auf einen einzigen Prompt ohne weitere Schritte

Er kann Aufgaben planen, Tools aufrufen und Ergebnisse iterativ nutzen

Er hat keine Eingaben

Er ist nur ein Datenbankserver

None

98.

Was bedeutet Orchestrierung bei Agentic AI?

Nur die grafische Gestaltung des Dashboards

Das Koordinieren von Modellen, Tools und Schritten in einem Ablauf

Das Löschen alter Chatverläufe

Das Umbenennen von Dateien

None

99.

Warum ist Human-in-the-loop bei Agentic AI besonders wichtig?

Weil Agenten nie autonom arbeiten können

Weil Freigaben und Kontrolle bei sensiblen oder risikoreichen Aktionen nötig sein können

Weil Agenten keine Tools verwenden

Weil HITL nur für Audiodateien gilt

None

100.

Welche Aussage zum Model Context Protocol (MCP) passt am besten?

Es beschreibt Primitiven bzw. Bausteine, mit denen Modelle auf Tools und Kontext zugreifen können

Es ist ein Ersatz für JSON

Es ist ein WLAN-Verschlüsselungsstandard

Es ist nur für Switch-Management gedacht

None

Time's up

You cannot switch tabs while taking this quiz!

You are not allowed to switch tabs violation has been recorded.

you cannot minimize full screen mode!

You are not allowed to minimize full screen while taking this quiz, violation has been recorded.

Access denied! To begin the quiz, please grant this quiz access to your camera.

Time is Up!