{"id":1251,"date":"2024-01-24T10:11:00","date_gmt":"2024-01-24T10:11:00","guid":{"rendered":"https:\/\/mivia.io\/?p=1251"},"modified":"2024-06-26T10:21:28","modified_gmt":"2024-06-26T10:21:28","slug":"ki-bildauswertung-vs-manuelle-mikrostrukturanalyse-vor-und-nachteile","status":"publish","type":"post","link":"https:\/\/mivia.ai\/en\/2024\/01\/ki-bildauswertung-vs-manuelle-mikrostrukturanalyse-vor-und-nachteile\/","title":{"rendered":"AI image evaluation vs. manual microstructure analysis - advantages and disadvantages"},"content":{"rendered":"<style>.kb-row-layout-id1251_b3f2d2-1c > .kt-row-column-wrap{align-content:start;}:where(.kb-row-layout-id1251_b3f2d2-1c > .kt-row-column-wrap) > .wp-block-kadence-column{justify-content:start;}.kb-row-layout-id1251_b3f2d2-1c > .kt-row-column-wrap{column-gap:var(--global-kb-gap-md, 2rem);row-gap:var(--global-kb-gap-md, 2rem);padding-top:var(--global-kb-spacing-sm, 1.5rem);padding-bottom:var(--global-kb-spacing-sm, 1.5rem);grid-template-columns:minmax(0, 1fr) minmax(0, 2fr);}.kb-row-layout-id1251_b3f2d2-1c > .kt-row-layout-overlay{opacity:0.30;}@media all and (max-width: 1024px){.kb-row-layout-id1251_b3f2d2-1c > .kt-row-column-wrap{grid-template-columns:minmax(0, 1fr) minmax(0, 2fr);}}@media all and (max-width: 767px){.kb-row-layout-id1251_b3f2d2-1c > .kt-row-column-wrap{grid-template-columns:minmax(0, 1fr);}}<\/style><div class=\"kb-row-layout-wrap kb-row-layout-id1251_b3f2d2-1c alignnone wp-block-kadence-rowlayout\"><div class=\"kt-row-column-wrap kt-has-2-columns kt-row-layout-right-golden kt-tab-layout-inherit kt-mobile-layout-row kt-row-valign-top\">\n<style>#wrapper.site{overflow:clip;}.kadence-column1251_d35a0b-69{--kb-section-setting-offset:120px;}.kadence-column1251_d35a0b-69 > .kt-inside-inner-col,.kadence-column1251_d35a0b-69 > .kt-inside-inner-col:before{border-top-left-radius:0px;border-top-right-radius:0px;border-bottom-right-radius:0px;border-bottom-left-radius:0px;}.kadence-column1251_d35a0b-69 > .kt-inside-inner-col{column-gap:var(--global-kb-gap-sm, 1rem);}.kadence-column1251_d35a0b-69 > .kt-inside-inner-col{flex-direction:column;}.kadence-column1251_d35a0b-69 > .kt-inside-inner-col > .aligncenter{width:100%;}.kadence-column1251_d35a0b-69 > .kt-inside-inner-col:before{opacity:0.3;}.kadence-column1251_d35a0b-69{position:relative;}@media all and (max-width: 1024px){.kadence-column1251_d35a0b-69 > .kt-inside-inner-col{flex-direction:column;justify-content:center;}}@media all and (max-width: 767px){.kadence-column1251_d35a0b-69 > .kt-inside-inner-col{flex-direction:column;justify-content:center;}}<\/style>\n<div class=\"wp-block-kadence-column kadence-column1251_d35a0b-69 kb-section-is-sticky\"><div class=\"kt-inside-inner-col\"><style>.wp-block-kadence-advancedheading.kt-adv-heading1251_555e6e-be, .wp-block-kadence-advancedheading.kt-adv-heading1251_555e6e-be[data-kb-block=\"kb-adv-heading1251_555e6e-be\"]{font-style:normal;}.wp-block-kadence-advancedheading.kt-adv-heading1251_555e6e-be mark.kt-highlight, .wp-block-kadence-advancedheading.kt-adv-heading1251_555e6e-be[data-kb-block=\"kb-adv-heading1251_555e6e-be\"] mark.kt-highlight{font-style:normal;color:#f76a0c;-webkit-box-decoration-break:clone;box-decoration-break:clone;padding-top:0px;padding-right:0px;padding-bottom:0px;padding-left:0px;}.wp-block-kadence-advancedheading.kt-adv-heading1251_555e6e-be img.kb-inline-image, .wp-block-kadence-advancedheading.kt-adv-heading1251_555e6e-be[data-kb-block=\"kb-adv-heading1251_555e6e-be\"] img.kb-inline-image{width:150px;vertical-align:baseline;}<\/style>\n<h5 class=\"kt-adv-heading1251_555e6e-be wp-block-kadence-advancedheading has-theme-palette-2-color has-text-color\" data-kb-block=\"kb-adv-heading1251_555e6e-be\">Navigation<\/h5>\n\n\n<style>.kb-table-of-content-nav.kb-table-of-content-id1251_84b33d-4b .kb-table-of-content-wrap{padding-top:var(--global-kb-spacing-sm, 1.5rem);padding-right:var(--global-kb-spacing-sm, 1.5rem);padding-bottom:var(--global-kb-spacing-sm, 1.5rem);padding-left:var(--global-kb-spacing-sm, 1.5rem);}.kb-table-of-content-nav.kb-table-of-content-id1251_84b33d-4b .kb-table-of-contents-title-wrap{padding-top:0px;padding-right:0px;padding-bottom:0px;padding-left:0px;}.kb-table-of-content-nav.kb-table-of-content-id1251_84b33d-4b .kb-table-of-contents-title{font-weight:regular;font-style:normal;}.kb-table-of-content-nav.kb-table-of-content-id1251_84b33d-4b .kb-table-of-content-wrap .kb-table-of-content-list{font-weight:regular;font-style:normal;margin-top:var(--global-kb-spacing-sm, 1.5rem);margin-right:0px;margin-bottom:0px;margin-left:0px;}.kb-table-of-content-nav.kb-table-of-content-id1251_84b33d-4b .kb-table-of-content-wrap .kb-table-of-content-list .active > .kb-table-of-contents__entry{color:var(--global-palette2, #2B6CB0);}.kb-table-of-content-nav.kb-table-of-content-id1251_84b33d-4b .kb-table-of-content-list li{margin-bottom:13px;}.kb-table-of-content-nav.kb-table-of-content-id1251_84b33d-4b .kb-table-of-content-list li .kb-table-of-contents-list-sub{margin-top:13px;}<\/style><\/div><\/div>\n\n\n<style>.kadence-column1251_ce0226-ac > .kt-inside-inner-col,.kadence-column1251_ce0226-ac > .kt-inside-inner-col:before{border-top-left-radius:0px;border-top-right-radius:0px;border-bottom-right-radius:0px;border-bottom-left-radius:0px;}.kadence-column1251_ce0226-ac > .kt-inside-inner-col{column-gap:var(--global-kb-gap-sm, 1rem);}.kadence-column1251_ce0226-ac > .kt-inside-inner-col{flex-direction:column;}.kadence-column1251_ce0226-ac > .kt-inside-inner-col > .aligncenter{width:100%;}.kadence-column1251_ce0226-ac > .kt-inside-inner-col:before{opacity:0.3;}.kadence-column1251_ce0226-ac{position:relative;}@media all and (max-width: 1024px){.kadence-column1251_ce0226-ac > .kt-inside-inner-col{flex-direction:column;justify-content:center;}}@media all and (max-width: 767px){.kadence-column1251_ce0226-ac > .kt-inside-inner-col{flex-direction:column;justify-content:center;}}<\/style>\n<div class=\"wp-block-kadence-column kadence-column1251_ce0226-ac\"><div class=\"kt-inside-inner-col\">\n<p>Mit der zunehmenden Integration von Technologie und k\u00fcnstlicher Intelligenz (KI) in unseren Alltag, stellt sich h\u00e4ufig die Frage, wie diese Entwicklungen im Vergleich zu traditionellen Methoden abschneiden. Ein besonders interessantes Feld ist die Bildauswertung, wo KI-Systeme zunehmend eingesetzt werden.<\/p>\n\n\n\n<p>Die Metallografie ist ein entscheidender Bereich in der Materialwissenschaft und hat sich durch den Einsatz von K\u00fcnstlicher Intelligenz (KI) signifikant weiterentwickelt. Traditionell basierte die Analyse von Mikrostrukturen auf manuellen Techniken, die von erfahrenen Fachleuten durchgef\u00fchrt wurden. Mit dem Aufkommen der KI-Technologie in der Bildanalyse stellt sich nun die Frage: Wie ver\u00e4ndert die&nbsp;KI-Auswertung die Metallografie&nbsp;im Vergleich zur manuellen Auswertung von Mikroskopbildern? In diesem Blogbeitrag beleuchten wir die Vor- und Nachteile beider Methoden.<\/p>\n\n\n\n<h3 class=\"wp-block-heading has-large-font-size\" id=\"kibildauswertung\">KI-Bildauswertung<\/h3>\n\n\n\n<h4 class=\"wp-block-heading has-large-font-size\" id=\"vorteile\">Vorteile:<\/h4>\n\n\n\n<h5 class=\"wp-block-heading has-medium-font-size\">Zeitersparnis \u2013 F\u00f6rderung der Produktivit\u00e4t in der Metallografie:<\/h5>\n\n\n\n<p>KI-Systeme k\u00f6nnen gro\u00dfe Mengen von Bildmaterial in k\u00fcrzester Zeit verarbeiten, was bei manueller Analyse unm\u00f6glich w\u00e4re. Dieser Vorteil kann sich auch in der Metallografie zu Nutze gemacht werden, wo eine schnelle und effiziente Auswertung von Mikrostrukturen entscheidend ist.&nbsp;Solche Systeme&nbsp;k\u00f6nnen dabei helfen, gro\u00dfe Mengen an Bilddaten in k\u00fcrzester Zeit zu verarbeiten, was f\u00fcr die Qualit\u00e4tskontrolle und Materialforschung von gro\u00dfer Bedeutung ist.<\/p>\n\n\n\n<h5 class=\"wp-block-heading has-medium-font-size\">Konsistenz &#8211; Sicherstellung gleichbleibender Bildanalysequalit\u00e4t<\/h5>\n\n\n\n<p>Im Gegensatz zu Menschen, die m\u00fcde werden oder deren Aufmerksamkeit nachl\u00e4sst, bleibt die Leistung einer KI konstant. Dies f\u00fchrt zu einer gleichbleibenden Qualit\u00e4t der Bildanalyse, unabh\u00e4ngig von der Tageszeit oder der Anzahl der bereits analysierten Bilder.<\/p>\n\n\n\n<h5 class=\"wp-block-heading has-medium-font-size\">Erkennung komplexer Muster \u2013 Aufdeckung verborgener Details in Bildern<\/h5>\n\n\n\n<p>Moderne KI-Algorithmen k\u00f6nnen Muster und Details erkennen, die f\u00fcr das menschliche Auge schwer zu identifizieren sind. Diese fortschrittlichen Systeme sind speziell darauf trainiert, subtile Muster, feine Strukturen und sogar geringf\u00fcgige Abweichungen in Bildern zu identifizieren, die oft \u00fcber das Erkennungsverm\u00f6gen des menschlichen Auges hinausgehen.<\/p>\n\n\n\n<h5 class=\"wp-block-heading has-medium-font-size\">Lernf\u00e4higkeit \u2013 Steigerung der Analysegenauigkeit \u00fcber die Zeit<\/h5>\n\n\n\n<p>Moderne KI-Systeme, insbesondere solche, die auf maschinellem Lernen basieren, k\u00f6nnen aus jedem analysierten Bild lernen und ihre Genauigkeit im Laufe der Zeit verbessern. Dies erm\u00f6glicht es ihnen, auch komplexe Muster zu erkennen, die f\u00fcr das menschliche Auge schwer zu identifizieren sind.<\/p>\n\n\n\n<h5 class=\"wp-block-heading has-medium-font-size\">Automatisierte Dokumentation \u2013 Unterst\u00fctzung best\u00e4ndiger Archivierungsprozesse<\/h5>\n\n\n\n<p>Die Ergebnisse werden automatisch dokumentiert, was eine nachhaltige Datenarchivierung erm\u00f6glicht. Es wird sichergestellt, dass alle relevanten Informationen systematisch und konsistent archiviert werden. Dies ist besonders wichtig in Bereichen, in denen die R\u00fcckverfolgbarkeit und langfristige Verf\u00fcgbarkeit von Daten von entscheidender Bedeutung sind oder f\u00fcr die kontinuierliche Verbesserung von Produkten und Prozessen eingesetzt werden.<\/p>\n\n\n\n<h4 class=\"wp-block-heading\" id=\"nachteile\">Nachteile:<\/h4>\n\n\n\n<h5 class=\"wp-block-heading has-medium-font-size\"><strong>Kosten-Nutzen-Abw\u00e4gung \u2013 Bewertung der Wirtschaftlichkeit von KI-Systemen<\/strong><\/h5>\n\n\n\n<p>Die Entwicklung und Implementierung von KI-Systemen f\u00fcr die Bildauswertung kann teuer sein, insbesondere in Bezug auf die erforderliche Hardware und Software sowie die Expertise, die f\u00fcr das Training der Systeme ben\u00f6tigt wird.<\/p>\n\n\n\n<p>Vorteilhaft kann daher die Nutzung fertig trainierter Analysemodule sein. Diese werden beispielsweise von&nbsp;MiViA&nbsp;angeboten.<\/p>\n\n\n\n<h5 class=\"wp-block-heading has-medium-font-size\"><strong>Datenqualit\u00e4t und Verzerrungsrisiken \u2013 Sicherstellung zuverl\u00e4ssiger KI-Ergebnisse<\/strong>:<\/h5>\n\n\n\n<p>KI-Modelle, insbesondere im Bereich des maschinellen Lernens, lernen aus den Daten, mit denen sie trainiert werden. Wenn diese Trainingsdaten unvollst\u00e4ndig, veraltet oder voreingenommen sind, kann das Modell irref\u00fchrende, ungenaue oder verzerrte Ergebnisse liefern. Beispielsweise kann ein Bilderkennungssystem, das nur mit Bildern bestimmter Werkstoffe trainiert wurde, Schwierigkeiten haben, Mikrostrukturen anderer Werkstoffe zu erkennen.<\/p>\n\n\n\n<h5 class=\"wp-block-heading has-medium-font-size\"><strong>Fehlende menschliche Intuition \u2013 Grenzen der KI in komplexen Analysekontexten<\/strong><\/h5>\n\n\n\n<p>KI-Systeme sind in der Regel sehr gut darin, Muster in Daten zu erkennen und zu klassifizieren, aber es fehlt Ihnen an menschlicher Intuition und Verst\u00e4ndnis. In Situationen, in denen Kontext oder allgemeines Wissen eine Rolle spielen, k\u00f6nnen KI-Systeme Schwierigkeiten haben, angemessene Entscheidungen zu treffen.<\/p>\n\n\n\n<h5 class=\"wp-block-heading has-medium-font-size\"><strong>Einschr\u00e4nkungen der Nachvollziehbarkeit \u2013 Das Black-Box-Problem<\/strong><\/h5>\n\n\n\n<p>Viele fortschrittliche KI-Modelle, insbesondere tiefe neuronale Netze, sind in ihrer Funktionsweise sehr komplex und f\u00fcr Menschen schwer zu interpretieren. Dies f\u00fchrt zum sogenannten Black-Box-Problem, bei dem es schwierig ist zu verstehen, wie und warum das KI-System zu einem bestimmten Ergebnis gekommen ist. Dies kann das Vertrauen in die KI-Entscheidungen beeintr\u00e4chtigen.<\/p>\n\n\n\n<h5 class=\"wp-block-heading has-medium-font-size\"><strong>Anf\u00e4lligkeit f\u00fcr Ausrei\u00dfer \u2013 Herausforderungen bei untypischen Daten in KI-Systemen<\/strong><\/h5>\n\n\n\n<p>KI-Systeme k\u00f6nnen empfindlich auf Daten reagieren, die stark von ihren Trainingsdaten abweichen. Solche Ausrei\u00dfer k\u00f6nnen zu unerwarteten oder fehlerhaften Ergebnissen f\u00fchren. Die Herausforderung besteht daher darin, KI-Modelle zu entwickeln, die robust genug sind, um mit der inh\u00e4renten Variabilit\u00e4t und den seltenen, aber bedeutenden Merkmalen in Mikrostrukturdaten umzugehen, ohne dabei an Genauigkeit zu verlieren<\/p>\n\n\n\n<h3 class=\"wp-block-heading\" id=\"manuelle-bildauswertung\">Manuelle Bildauswertung<\/h3>\n\n\n\n<h4 class=\"wp-block-heading has-large-font-size\" id=\"vorteile-hd-667beaf8cec13\">Vorteile:<\/h4>\n\n\n\n<h5 class=\"wp-block-heading\">Flexibilit\u00e4t und Anpassungsf\u00e4higkeit \u2013 St\u00e4rken der manuellen Analyse<\/h5>\n\n\n\n<p>Menschen besitzen die einzigartige F\u00e4higkeit, sich schnell an neue und unerwartete Situationen anzupassen. Im Gegensatz zu KI-Systemen, die auf ihren Trainingsdaten basieren, k\u00f6nnen menschliche Analysten Bilder im Kontext interpretieren und auf unvorhergesehene Ver\u00e4nderungen oder Anomalien reagieren. Diese Flexibilit\u00e4t ist besonders in Bereichen wichtig, in denen die Daten variabel sind oder sich die Analysebedingungen h\u00e4ufig \u00e4ndern.<\/p>\n\n\n\n<h5 class=\"wp-block-heading\"><strong>Erfahrung und Kontextverst\u00e4ndnis \u2013 Schl\u00fcsselkomponenten manueller Analysen<\/strong><\/h5>\n\n\n\n<p>Menschliche Experten bringen ihre Erfahrung und ihr tiefes Verst\u00e4ndnis f\u00fcr den Rahmen, in dem die Bilder analysiert werden, mit. Sie k\u00f6nnen subtile Nuancen erkennen und die Bedeutung von Bildinhalten in einem breiteren Kontext verstehen. Diese F\u00e4higkeit erm\u00f6glicht es ihnen, unerwartete Einsichten zu gewinnen und die Ergebnisse kritisch zu bewerten, was besonders in komplexen oder spezialisierten Anwendungen und der wissenschaftlichen Forschung von Bedeutung ist.<\/p>\n\n\n\n<h5 class=\"wp-block-heading\"><strong>Unabh\u00e4ngigkeit von Trainingsdaten \u2013 Direkte Analysef\u00e4higkeit ohne Vorbedingungen<\/strong><\/h5>\n\n\n\n<p>Ein weiterer Vorteil der manuellen Bildanalyse ist, dass sie nicht von umfangreichen Datens\u00e4tzen f\u00fcr das Training abh\u00e4ngig ist. W\u00e4hrend KI-Systeme umfangreiche und oft spezialisierte Trainingsdaten ben\u00f6tigen, um effektiv zu funktionieren, k\u00f6nnen menschliche Analysten Bilder ohne solche Vorbedingungen direkt interpretieren. Dies macht die manuelle Analyse flexibler und in Situationen einsetzbar, in denen keine umfangreichen historischen Daten verf\u00fcgbar sind oder wo die Daten zu einzigartig sind, um effektiv von einer KI analysiert zu werden.<\/p>\n\n\n\n<h4 class=\"wp-block-heading\" id=\"nachteile-hd-667beaf8cec67\">Nachteile:<\/h4>\n\n\n\n<h5 class=\"wp-block-heading\"><strong>Zeitaufwand und Effizienzgrenzen \u2013 Herausforderungen der manuellen Analyse<\/strong><\/h5>\n\n\n\n<p>Die manuelle Bildanalyse ist zeitaufwendig und kann bei gro\u00dfen Datenmengen unpraktisch sein. Zudem kann bei langwierigen Analyseprozessen die menschliche Aufmerksamkeit nachlassen, was zu Fehlern f\u00fchren kann. Erm\u00fcdung und Monotonie k\u00f6nnen die Genauigkeit und Zuverl\u00e4ssigkeit der Analyse beeintr\u00e4chtigen, insbesondere bei sich wiederholenden oder detailintensiven Aufgaben. &nbsp;<\/p>\n\n\n\n<h5 class=\"wp-block-heading\">Subjektivit\u00e4t und Inkonsistenz \u2013 Schw\u00e4chen menschlicher Auswertungen<\/h5>\n\n\n\n<p>Die Interpretation von Bildern durch Menschen ist naturgem\u00e4\u00df subjektiv. Verschiedene Analysten k\u00f6nnen dieselben Bilder unterschiedlich interpretieren, was zu inkonsistenten Ergebnissen f\u00fchren kann. Die Qualit\u00e4t der manuellen Bildanalyse kann variieren, abh\u00e4ngig von Faktoren wie der Erfahrung des Analysten, dessen momentanem Zustand und der spezifischen Situation.<\/p>\n\n\n\n<h5 class=\"wp-block-heading\"><strong>Skalierungsprobleme \u2013 Begrenzte Kapazit\u00e4ten in der manuellen Datenverarbeitung<\/strong><\/h5>\n\n\n\n<p>Ein Mensch kann nur eine begrenzte Menge an Bildmaterial in einer realistischen Zeitspanne bearbeiten. Im Gegensatz zu automatisierten Systemen, wie KI-basierten Analysen, ist die manuelle Bildanalyse schwer skalierbar. Die Analyse gro\u00dfer Datenmengen erfordert einen proportionalen Anstieg an Personal und Ressourcen, was sowohl logistisch als auch finanziell herausfordernd sein kann.<\/p>\n\n\n\n<h5 class=\"wp-block-heading\"><strong>Fehleranf\u00e4lligkeit: Risiken menschlicher Irrt\u00fcmer in der Analyse<\/strong><\/h5>\n\n\n\n<p>Trotz der unbestreitbaren Vorteile, die menschliche Expertise und Intuition mit sich bringen, bleibt die Fehleranf\u00e4lligkeit ein kritischer Punkt. Metallografen sind nicht immun gegen Irrt\u00fcmer, die durch eine Vielzahl von Faktoren wie Erm\u00fcdung, Ablenkung oder subjektive Voreingenommenheit verursacht werden k\u00f6nnen. Diese Fehler k\u00f6nnen sich in Form von \u00dcbersehen wichtiger Details, Fehlinterpretationen von Daten oder inkonsistenten Ergebnissen bei wiederholten Analysen manifestieren.<\/p>\n\n\n\n<p>In Bereichen, in denen Pr\u00e4zision von gr\u00f6\u00dfter Bedeutung ist, k\u00f6nnen solche Fehler weitreichende Konsequenzen haben. Daher ist es entscheidend, die Grenzen der menschlichen Analysef\u00e4higkeit zu erkennen und Strategien zu entwickeln, um die Risiken menschlicher Irrt\u00fcmer zu minimieren, sei es durch erg\u00e4nzende KI-Unterst\u00fctzung oder durch verbesserte Schulungs- und \u00dcberpr\u00fcfungsprozesse.<\/p>\n\n\n\n<h4 class=\"wp-block-heading\" id=\"fazit\">Fazit<\/h4>\n\n\n\n<p>Sowohl KI-Bildauswertung als auch manuelle Analyse haben ihre spezifischen St\u00e4rken und Schw\u00e4chen. In vielen F\u00e4llen bietet sich eine Kombination beider Methoden an, um die Vorteile zu maximieren und die Nachteile zu minimieren. W\u00e4hrend KI-Systeme die Effizienz und Geschwindigkeit der Bildanalyse verbessern k\u00f6nnen, bleibt die menschliche Intuition und Flexibilit\u00e4t unersetzlich, insbesondere in komplexen oder unvorhergesehenen Situationen. Die Zukunft der Bildanalyse k\u00f6nnte in einer synergetischen Zusammenarbeit zwischen Mensch und Maschine liegen, wobei jede Methode ihre einzigartigen St\u00e4rken in den Prozess einbringt.<\/p>\n\n\n\n<p class=\"has--font-size\">Gern stehen wir Ihnen f\u00fcr ein Beratungsgespr\u00e4ch zur Verf\u00fcgung, in dem wir gemeinsam herausfinden, ob eine KI-Bildanalyse f\u00fcr Ihre Bed\u00fcrfnisse geeignet ist.<\/p>\n<\/div><\/div>\n\n<\/div><\/div>","protected":false},"excerpt":{"rendered":"<p>Discover how artificial intelligence is transforming metallography: An in-depth comparison between traditional manual image analysis and modern AI-powered methods in materials science. Learn more about the pros and cons of both approaches in our latest blog post.<\/p>","protected":false},"author":4,"featured_media":1349,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"_seopress_robots_primary_cat":"","_seopress_titles_title":"","_seopress_titles_desc":"","_seopress_robots_index":"","_kad_blocks_custom_css":"","_kad_blocks_head_custom_js":"","_kad_blocks_body_custom_js":"","_kad_blocks_footer_custom_js":"","_kadence_starter_templates_imported_post":false,"_kad_post_transparent":"","_kad_post_title":"","_kad_post_layout":"","_kad_post_sidebar_id":"","_kad_post_content_style":"","_kad_post_vertical_padding":"","_kad_post_feature":"","_kad_post_feature_position":"","_kad_post_header":false,"_kad_post_footer":false,"footnotes":""},"categories":[41],"tags":[10,15],"event_status":[37],"post_folder":[],"class_list":["post-1251","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-kuenstliche-intelligenz-blog","tag-blog","tag-homepage_spotlight","event_status-closed"],"acf":[],"taxonomy_info":{"category":[{"value":41,"label":"K\u00fcnstliche Intelligenz"}],"post_tag":[{"value":10,"label":"Blog"},{"value":15,"label":"Homepage_spotlight"}],"event_status":[{"value":37,"label":"In der Vergangenheit"}]},"featured_image_src_large":["https:\/\/mivia.ai\/wp-content\/uploads\/2024\/06\/599media_Mivia_Preview_PSD_6544-min-1024x683.jpeg",1024,683,true],"author_info":{"display_name":"Miriam Corcoran","author_link":"https:\/\/mivia.ai\/en\/author\/miriam-corcoran\/"},"comment_info":0,"category_info":[{"term_id":41,"name":"K\u00fcnstliche Intelligenz","slug":"kuenstliche-intelligenz-blog","term_group":0,"term_taxonomy_id":41,"taxonomy":"category","description":"","parent":12,"count":5,"filter":"raw","cat_ID":41,"category_count":5,"category_description":"","cat_name":"K\u00fcnstliche Intelligenz","category_nicename":"kuenstliche-intelligenz-blog","category_parent":12}],"tag_info":[{"term_id":10,"name":"Blog","slug":"blog","term_group":0,"term_taxonomy_id":10,"taxonomy":"post_tag","description":"","parent":0,"count":1,"filter":"raw"},{"term_id":15,"name":"Homepage_spotlight","slug":"homepage_spotlight","term_group":0,"term_taxonomy_id":15,"taxonomy":"post_tag","description":"","parent":0,"count":3,"filter":"raw"}],"publishpress_future_action":{"enabled":false,"date":"2026-04-18 00:49:29","action":"change-status","newStatus":"draft","terms":[],"taxonomy":"category","extraData":[]},"publishpress_future_workflow_manual_trigger":{"enabledWorkflows":[]},"_links":{"self":[{"href":"https:\/\/mivia.ai\/en\/wp-json\/wp\/v2\/posts\/1251","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/mivia.ai\/en\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/mivia.ai\/en\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/mivia.ai\/en\/wp-json\/wp\/v2\/users\/4"}],"replies":[{"embeddable":true,"href":"https:\/\/mivia.ai\/en\/wp-json\/wp\/v2\/comments?post=1251"}],"version-history":[{"count":10,"href":"https:\/\/mivia.ai\/en\/wp-json\/wp\/v2\/posts\/1251\/revisions"}],"predecessor-version":[{"id":1579,"href":"https:\/\/mivia.ai\/en\/wp-json\/wp\/v2\/posts\/1251\/revisions\/1579"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/mivia.ai\/en\/wp-json\/wp\/v2\/media\/1349"}],"wp:attachment":[{"href":"https:\/\/mivia.ai\/en\/wp-json\/wp\/v2\/media?parent=1251"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/mivia.ai\/en\/wp-json\/wp\/v2\/categories?post=1251"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/mivia.ai\/en\/wp-json\/wp\/v2\/tags?post=1251"},{"taxonomy":"event_status","embeddable":true,"href":"https:\/\/mivia.ai\/en\/wp-json\/wp\/v2\/event_status?post=1251"},{"taxonomy":"post_folder","embeddable":true,"href":"https:\/\/mivia.ai\/en\/wp-json\/wp\/v2\/post_folder?post=1251"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}