Modelle
Multimodale KI
Modelle, die mehrere Modalitäten wie Text, Bild, Audio und Video gleichzeitig verarbeiten.
Ausführliche Erklärung
Multimodale Modelle (z. B. GPT-4o, Gemini) können Bilder beschreiben, Sprache transkribieren oder Tabellen aus Screenshots extrahieren – nützlich für Belegerfassung, Wartungsdokumentation und Barrierefreiheit.