Generative KI
Zwischen Bots, Text- und Bilderstellung
Weiter
Worum geht es in dieser Station?
In dieser Station beschäftigen wir uns mit der faszinierenden Welt der Generativen KI: Wir entdecken, wie unterschiedliche Bots funktionieren, erleben, wie natürliche Sprachverarbeitung möglich wird, und lassen die KI beeindruckende Bilder erschaffen. Klicke auf die entsprechenden Buttons, um dich durch die Station zu navigieren. Beantworte dabei die Fragen und erledige die kleinen Herausforderungen.
Weiter
Zurück
Wann spricht man von GenAI?
Zurück
Was ist generative KI?
Generative KI kann realistische Inhalte erzeugen. Das können Texte und Bilder sein, aber auch Übersetzungen, Musikstücke und Audiodokumente, Videos etc. Die wohl bekannteste generative Anwendung ist ChatGPT. Dabei kann ChatGPT auch als ein KI-gestützter Chatbot bezeichnet werden. Bot bedeutet allgemein ein Programm, dass automatisch Aufgaben ausführt oder mit Menschen interagiert. Doch nicht jeder Bot ist generativ!
Weiter
Regelbasiert vs. generativ
Was zeichnet einen regelbasierten und was einen generativen Bot aus? Informiere dich auf den Karten (darauf klicken oder wischen).
Regelbasierter Bot
Generativer Bot
Sprachverstehen
Sprachverstehen
Lernfähigkeit
Antwortprinzip
Antwortprinzip
Flexibilität
Flexibilität
Kreativität
Kreativität
Lernfähigkeit
Title
Title
Analysieren Kontext und ganze Sätze, verstehen Zusammenhänge
Erkennen Schlüsselwörter, aber kein tiefes Sprachverständnis
Lernen aus großen Datenmengen und passen Antworten an Kontexte an
Use this side to give more information about a topic.
Use this side to give more information about a topic.
Use this side to give more information about a topic.
Use this side to give more information about a topic.
Use this side to give more information about a topic.
Use this side to give more information about a topic.
Use this side to give more information about a topic.
Use this side to give more information about a topic.
Use this side to give more information about a topic.
Use this side to give more information about a topic.
Use this side to give more information about a topic.
Use this side to give more information about a topic.
Hoch – können neue Ideen, Texte oder Bilder erschaffen
Keine - liefern nur, was vorher programmiert wurde
Sehr flexibel – können vielfältige Themen abdecken
Sehr eingeschränkt – nur auf bestimmte Fragen vorbereitet
Erzeugen neue, individuelle Antworten
Nutzen feste Regeln und vordefinierte Antworten
Müssen manuell angepasst werden
Subtitle
Subtitle
Weiter
Zurück
Regelbasiert vs. generativ
Was glaubst du - stammt die Antwort von einem regel-basierten oder generativen Bot?
Anfrage: "Ich möchte etwas von meiner Bestellung zurücksenden."
Botantwort: "Bitte gehen Sie in Ihr Kundenkonto und klicken Sie auf ‚Rücksendung beantragen‘. Dort finden Sie alle weiteren Schritte."
Zurück
Regelbasiert vs. generativ
Was glaubst du - stammt die Antwort von einem regel-basierten oder generativen Bot?
Anfrage: "Ich möchte etwas von meiner Bestellung zurücksenden."
Botantwort: "Sie können Ihre Bestellung innerhalb von 14 Tagen zurücksenden. Nutzen Sie dazu einfach das Rücksendeformular aus Ihrem Paket."
Regelbasiert vs. generativ
Was glaubst du - stammt die Antwort von einem regel-basierten oder generativen Bot?
Anfrage: "Ich möchte etwas von meiner Bestellung zurücksenden."
Botantwort: "Natürlich, ich helfe Ihnen gern dabei. Können Sie mir bitte Ihre Bestellnummer nennen? Dann erkläre ich Ihnen individuell für Ihre Bestellung Schritt für Schritt, wie Sie den Artikel zurücksenden können."
Regelbasiert vs. generativ
Das Tolle ist: Generative Bots können auch so tun, als seien sie regelbasiert. Das testen wir jetzt einmal aus! Gib ChatGPT (einem KI-Tool, das Texte erstellen kann) die Aufgabe, dass er auf jede Frage zweimal antworten soll - einmal als regelbasierter und einmal als generativer Bot. Tippe dafür in das Eingabefeld deinen entsprechenden Wunsch / Befehl ein. (Hinweis: Schreibe dazu, dass er maximal 3 Sätze pro Antwort verfassen soll.)
Weiter
Bitte gehe auf die nächste Seite für die genaue Aufgabe!
Regelbasiert vs. generativ
Überlege dir nun verschiedene Fragen und beobachte, wie ChatGPT antwortet. - Definition: "Was ist ...?"
- Anleitung: "Wie mache ich ...?"
- Begründung: "Warum ...?"
- Meinung: "Was denkst du, wieso ..."?
Was war nochmal die genaue Aufgabe?
Wenn der Timer abgelaufen ist, mache bitte in der Präsentation weiter!
04:00
Weiter
Zurück
Regelbasiert vs. generativ
Du hast gemerkt:- Der regelbasierte Bot gibt eine feste Standardanweisung. Er sucht nach Schlüsselwörtern in den Eingaben, um daraufhin passende Antworten zu geben.
- Der generative Bot geht auf die Anfrage ein, fragt nach Details und bietet eine flexible, personalisierte Antwort.
Doch wie kann ein Bot "unsere Sprache lernen"? Da kommt oft ein Verfahren zum Einsatz, dass sich NLP nennt.
Weiter
Zurück
Was ist NLP?
Zurück
Natural Language Processing (NLP)
Um zu verstehen, wie KI-Systeme natürliche Sprache lernen und verstehen, ist es zunächst wichtig zu wissen, dass sie, wie andere Systeme des maschinellen Lernens auch, mit großen Datensätzen trainiert werden. Billionen von Textdokumenten, Videos, Bildern etc. bilden daher die Datenbasis. Um solche große Datenmengen zu erhalten, werden unter anderem Bücher genutzt oder Algorithmen verwendet, die Texte aus dem Internet sammeln und kopieren. Es gibt aber auch Datensätze, die kostenfrei oder zum Kauf angeboten werden.
Weiter
Natural Language Processing (NLP)
NLP umfasst drei zentrale Aufgabenbereiche: Vorverarbeitung (Aufbereitung und Bereinigung von Textdaten), Textverständnis (Analyse und Interpretation der Bedeutung von Texten) und Texterzeugung (automatische Erstellung von Texten).Jeder dieser Bereiche verfolgt ein eigenes Ziel und verwendet spezifische Methoden. In der praktischen Anwendung greifen sie jedoch häufig ineinander und bauen logisch aufeinander auf.
Weiter
Zurück
Natural Language Processing (NLP)
Wie versteht eine KI-Anwendung einen Text richtig und wie werden anschließend Texte produziert? Das schauen wir uns jetzt Schritt-für-Schritt in vereinfachter Form an.
Um Texte erstellen zu können, müssen Sprachmodelle als erstes den Text in eine Sprache überführen, die sie verstehen können. Ein Beispiel:
HAUSAUFGABEN AM WOCHENENDE MACHEN KEINEN SPAß.
Weiter
Zurück
Natural Language Processing (NLP)
Der Satz wird dafür zunächst in seine einzelnen Wörter zerlegt. Jedes Wort wird für sich betrachtet und erhält einen sogenannten Token.
Hausaufgaben am Wochenende machen keinen Spaß.
Weiter
Zurück
Natural Language Processing (NLP)
Zuerst lernt das Modell an riesigen Textmengen, wie die Wörter zusammenhängen. So erkennt es Muster: Welche Wörter häufig gemeinsam vorkommen und in welchem Zusammenhang sie stehen. Jedes Wort wird in eine Art Geheimcode umgewandelt – eine lange Zahlenreihe, die zeigt, wie das Wort mit anderen Wörtern verbunden ist. Solche Codierungen nennt man Vektoren. Dank dieser Zahlenrepräsentationen erkennt das Modell, welche Wörter ähnlich sind, welche zusammengehören und worum es im Text eigentlich geht.
Hausaufgaben =
Weiter
Zurück
Natural Language Processing (NLP)
Diese speziellen Werte (Vektoren oder Codes) helfen dann dem System, den Text zu "verstehen". Das bedeutet, es erkennt, wie Wörter in Beziehung zueinander stehen und kann im nächsten Schritt neue Texte erstellen.
Weiter
Zurück
Natural Language Processing (NLP)
Die KI-Anwendung kann nun auf der Grundlage der Informationen neue, wahrscheinliche Kombinationen von Wörtern erstellen und eine Antwort generieren. Damit diese für uns Menschen lesbar ist, werden die Ergebnisse wieder in Sprache (Wortfolgen) umgewandelt und ausgegeben.
Weiter
Zurück
Natural Language Processing (NLP)
Klicke auf die Wörter in der richtigen Reihenfolge im Lückentext.
Zurück
Natural Language Processing (NLP)
Der zuvor beschriebene Ablauf war eine vereinfachte Darstellung. In Wirklichkeit passiert dieser Prozess in komplexen neuronalen Netzen. Schaue dir dazu die einzelnen Schritte eines Modells an, das die italienische Sprache verstehen soll.
Weiter
Zurück
Natural Language Processing (NLP)
Vereinfacht gesagt:Das Netz probiert verschiedene Wege aus, verstärkt die wahrscheinlichen Verbindungen und wählt am Ende das Wort, das am besten passt. Mit jedem Training wird es darin besser.
Weiter
Zurück
Natural Language Processing (NLP)
Zurück
Probleme bei generativen Sprachmodellen
Beim Training von Sprachmodellen können viele Probleme auftreten. Nehmen wir unseren Beispielsatz: "Hausaufgaben am Wochenende machen keinen Spaß." Es sind drei Gewichtungen des Wortes "keinen" möglich:
Das neuronale Netz erkennt, dass „keinen“ die Bedeutung stark beeinflusst. Es wird daher mit einem hohen Gewicht an das Wort „Spaß“ gekoppelt. → Ergebnis: Das Modell versteht, dass Hausaufgaben am Wochenende nicht angenehm sind.
Wenn „keinen“ nur eine niedrige Gewichtung bekommt, könnte das Netz die Verneinung übersehen. → Ergebnis: Das Modell versteht: „Hausaufgaben am Wochenende machen Spaß“ – also genau das Gegenteil.
Falsche Gewichtung (zu schwach)
Bekommt „keinen“ ein übermäßig hohes Gewicht, könnte das Modell es in falschen Kontexten zu stark betonen. → Ergebnis: Sätze werden unnötig verneint oder ins Negative verzerrt.
Falsche Gewichtung (zu stark)
Richtige Gewichtung
Title
Title
Title
Use this side to give more information about a topic.
Use this side to give more information about a topic.
Use this side to give more information about a topic.
Subtitle
Subtitle
Subtitle
Klicke auf die Karten, um die verschiedenen Gewichtungen zu analysieren.
Weiter
Probleme bei generativen Sprachmodellen
Gewichte steuern im neuronalen Netz, wie stark Wörter miteinander verbunden sind. Sie entscheiden darüber, ob eine KI den Sinn eines Satzes richtig versteht oder durcheinanderbringt. Damit seht ihr: Sprachmodelle müssen Bedeutungen sehr genau erkennen. Doch wie gut gelingt das, wenn Sprache nicht ernst gemeint ist? Probieren wir es aus, indem wir ChatGPT Scherzfragen stellen und seine Antworten untersuchen.
Weiter
Zurück
Scherzfragen mit ChatGPT
Wechsle nun wieder auf ChatGPT und öffne einen neuen Chat. Stelle dem Sprachmodell ein paar Scherzfragen.
Brauchst du Ideen?
Diskutiert dann über die Fragen:
- Verständnis: Hat ChatGPT die Fragen richtig als Scherz erkannt oder sie ernst genommen?
- Kreativität: Waren die Antworten witzig, überraschend oder eher langweilig?
- Grenzen: Wo merkt ihr, dass ein Sprachmodell Humor nicht so gut versteht wie Menschen?
- Bedeutung: Was sagt euch das über die Art, wie KI Sprache „versteht“?
04:00
Weiter
Zurück
Scherzfragen mit ChatGPT
Sprachmodelle können überraschen: Sie schaffen es oft, Scherzfragen zu verstehen und passende Antworten zu geben. Gleichzeitig darf man nicht zu viel erwarten – im Kern erzeugen sie nur die wahrscheinlichste Antwort, auch wenn sie dafür viele Sprachmuster und riesige Datenmengen nutzen.
Doch manchmal erfinden Sprachmodelle auch Dinge, die gar nicht stimmen...
Weiter
Zurück
Scherzfragen mit ChatGPT
Zurück
Halluzinationen und Kreativität
LLMs können halluzinieren, indem sie aufgrund von Mustern in den Trainingsdaten möglicherweise inkorrekte Informationen generieren, die zwar plausibel erscheinen, aber nicht auf Fakten basieren.
Doch wie erkennt man Halluzinationen?
Weiter
Halluzinationen und Kreativität
Zurück
Halluzinationen und Kreativität
Wir haben gesehen: Sprachmodelle können Fakten korrekt wiedergeben, aber manchmal auch Unsinn erfinden. Doch neben Fakten und Fehlern stellt sich noch eine weitere spannende Frage: Wie steht es eigentlich mit der Kreativität von KI? Kreativität bedeutet, etwas Neues oder Originelles zu schaffen, das auch nützlich oder sinnvoll ist – eine Fähigkeit, die wir normalerweise mit Menschen verbinden. Doch inzwischen können KI-Modelle Bilder im Stil von Rembrandt malen, Gedichte wie Shakespeare schreiben oder sogar Musik von Beethoven vollenden. Daher fragen wir uns: Können solche Systeme kreativ sein?
Weiter
Halluzinationen und Kreativität
Eine bekannte Sichtweise unterscheidet verschiedene Arten von Kreativität - finde die zusammengehörigen Paare (Art der Kreativität & Erklärung)!
Zurück
Halluzinationen und Kreativität
Was war nochmal was?
Halluzinationen und Kreativität
Expert:innen gehen davon aus, dass KI keine transformative Kreativität erreichen kann, da sie an Regeln, Daten und Vorgaben der Programmierung gebunden bleibt. Auch wenn Algorithmen sich selbst verbessern können, arbeiten sie nicht völlig ergebnisoffen – und bleiben damit weit von echter, regelbrechender Kreativität entfernt.
Sind KI-Systeme denn nun kreativ?
Weiter
Bildgenerierung mit KI
KI kann nicht nur Texte erzeugen, sondern auch Bilder erschaffen – doch ist dabei immer sofort erkennbar, dass sie künstlich sind?
Zurück
Bildgenerierung mit KI
KI kann nicht nur Texte erzeugen, sondern auch Bilder erschaffen – doch ist dabei immer sofort erkennbar, dass sie künstlich sind?
Bildgenerierung mit KI
KI kann nicht nur Texte erzeugen, sondern auch Bilder erschaffen – doch ist dabei immer sofort erkennbar, dass sie künstlich sind?
Bildgenerierung mit KI
Ganz gleich, ob ein Bild von einer KI oder einem Menschen stammt – sobald es um Urheberrechte geht, wird die Frage spannend: Wem gehört eigentlich ein Werk, das von einer KI erzeugt wurde? KI-generierte Kunst wirft rechtliche Fragen auf, da unklar ist, ob das geistige Eigentum den Entwickler:innen, den Nutzer:innen oder überhaupt der KI zugeschrieben werden kann. Nach deutschem Recht gilt jedoch eindeutig: Nur Menschen können als Urheber:innen anerkannt werden.
Weiter
Bildgenerierung mit KI
Zurück
Bildgenerierung mit KI
Ein zentrales Problem ist, dass KI-Modelle immer besser werden – dadurch wird es zunehmend schwieriger, KI-generierte Bilder zuverlässig von menschlich geschaffenen zu unterscheiden. Gleichzeitig gilt: Um hochwertige Ergebnisse zu erzielen, sei es bei Bildern oder Texten, braucht es klare und präzise Anweisungen an das Modell.
Was ist ein guter Prompt?
Prompts sind sozusagen die Schnittstelle zwischen dem Menschen und der KI-Anwendung. Doch was macht einen guten Prompt aus? Informiere dich auf den Karten.
Formuliere deine Anweisung so klar und konkret wie möglich, um ein genaues Ergebnis zu erhalten (z. B. definiere Gegenstände, benutze Adjektive).
Ergänze relevante Details oder Kontext, damit die KI besser versteht, was du dir wünschst (z.B. Epoche, Zeitalter, Stilrichtungen)
Hintergrund-informationen
Beschreibe auch, was du ausdrücklich nicht im Ergebnis haben möchtest, um Fehler zu vermeiden.
Negativ- Prompts
Title
Title
Title
Use this side to give more information about a topic.
Use this side to give more information about a topic.
Präzision
Use this side to give more information about a topic.
Subtitle
Subtitle
Subtitle
Probiere verschiedene Formulierungen aus, um unterschiedliche Ergebnisse zu vergleichen und das Beste auszuwählen.
Arbeite gemeinsam in der Gruppe an Prompts, denn verschiedene Blickwinkel führen oft zu besseren und kreativeren Ergebnissen.
Title
Title
Use this side to give more information about a topic.
Use this side to give more information about a topic.
Variation
Kollaboration
Subtitle
Subtitle
Weiter
Zurück
Herausforderung: Triff das Bild!
Ihr seht auf der nächsten Folie ein von einer KI erstelltes Bild. Versucht nun gemeinsam einen Prompt so zu formulieren, dass die KI möglichst genau dieses Bild erzeugen würde. Diskutiert anschließend, welche Elemente im Prompt besonders wichtig waren, um dem vorgegebenen Bild nahe zu kommen.
Modelle, mit denen Bilder erstellt werden können:
DALL E mini
Stable Diffusion
ChatGPT
Weiter
Zurück
04:00
Herausforderung: Triff das Bild!
Ihr seht ein von einer KI erstelltes Bild. Versucht nun gemeinsam einen Prompt so zu formulieren, dass die KI möglichst genau dieses Bild erzeugen würde. Diskutiert anschließend, welche Elemente im Prompt besonders wichtig waren, um dem vorgegebenen Bild nahe zu kommen.
Stable Diffusion
ChatGPT
Stable Diffusion
ChatGPT
Weiter
Welcher Prompt war es?
Zurück
Herausforderung: Triff das Bild!
Zurück
Zusammenfassung
In dieser Station haben wir gesehen, wie Sprachmodelle funktionieren, wie sie Texte verstehen, Bilder generieren und warum Begriffe wie Token, Vektoren und Gewichtungen wichtig sind. Wir haben erlebt, dass KI manchmal überraschend kreativ wirken kann, aber auch Fehler oder Halluzinationen produziert. Ebenso wurde deutlich, dass rechtliche und ethische Fragen, etwa beim Urheberrecht oder der Zuschreibung von Kreativität, eine Rolle spielen. Für den Umgang mit KI gilt daher: Ergebnisse sollten immer kritisch geprüft, mit einem Faktencheck abgesichert und im Team reflektiert werden – denn KI ist ein mächtiges Werkzeug, aber kein Ersatz für menschliches Denken und Kreativität.
Weiter
Noch Zeit?
Stable Diffusion
ChatGPT
Noch Zeit?
Hier hast du einige Ideen, die du weiter ausprobieren kannst: - Lasse dir von dem Sprachmodell einen Witz schreiben. Ist er witzig? Mit welchen Prompts könntest du Humor rauskitzeln?
- Versuche, ein berühmtes Gemälde / eine berühmte Figur in einem KI-Modell zu generieren (z. B. Mona Lisa). Wie wird das Ergebnis? Erstellt das Modell einfach so eine Kopie des Originals?
Zurück
Ja, aber die Fähigkeit von KI-Systemen, Kunstwerke zu schaffen oder musikalische Kompositionen zu generieren, basiert auf erlernten Regeln und Datensätzen, während menschliche Kreativität oft durch emotionale und soziale Intelligenz, Erfahrung und die Fähigkeit, abstrakt zu denken, geprägt ist.
Häufig begegnet man auch dem Begriff "Large Language Models" (LLMs). Dabei handelt es sich um eine Art NLP-Modell, das auf das Verstehen und Generieren natürlicher Sprache spezialisiert ist, aber aufgrund seiner Größe und seines Trainingsumfangs besonders leistungsfähig und vielseitig ist. ChatGPT ist ein Beispiel dafür.
Hier sind ein paar Ideen für Scherzfragen:- Was ist das Gegenteil einer Kichererbse?
- Was steht auf dem Grabstein eines Mathelehrers?
- Womit endet die Unendlichkeit?
- Was ist ein Schokoladenkeks unter einem Baum?
Gen AI - KI-Thementag
MINT_Bildung
Created on August 29, 2025
Start designing with a free template
Discover more than 1500 professional designs like these:
View
Magazine dossier
View
Momentum: Onboarding Escape Game
View
Momentum: Manager Guide
View
Wizardry Letter
View
Search Bar Card
View
Piñata
View
Microlearning: When to Use Chat, Meetings or Email
Explore all templates
Transcript
Generative KI
Zwischen Bots, Text- und Bilderstellung
Weiter
Worum geht es in dieser Station?
In dieser Station beschäftigen wir uns mit der faszinierenden Welt der Generativen KI: Wir entdecken, wie unterschiedliche Bots funktionieren, erleben, wie natürliche Sprachverarbeitung möglich wird, und lassen die KI beeindruckende Bilder erschaffen. Klicke auf die entsprechenden Buttons, um dich durch die Station zu navigieren. Beantworte dabei die Fragen und erledige die kleinen Herausforderungen.
Weiter
Zurück
Wann spricht man von GenAI?
Zurück
Was ist generative KI?
Generative KI kann realistische Inhalte erzeugen. Das können Texte und Bilder sein, aber auch Übersetzungen, Musikstücke und Audiodokumente, Videos etc. Die wohl bekannteste generative Anwendung ist ChatGPT. Dabei kann ChatGPT auch als ein KI-gestützter Chatbot bezeichnet werden. Bot bedeutet allgemein ein Programm, dass automatisch Aufgaben ausführt oder mit Menschen interagiert. Doch nicht jeder Bot ist generativ!
Weiter
Regelbasiert vs. generativ
Was zeichnet einen regelbasierten und was einen generativen Bot aus? Informiere dich auf den Karten (darauf klicken oder wischen).
Regelbasierter Bot
Generativer Bot
Sprachverstehen
Sprachverstehen
Lernfähigkeit
Antwortprinzip
Antwortprinzip
Flexibilität
Flexibilität
Kreativität
Kreativität
Lernfähigkeit
Title
Title
Analysieren Kontext und ganze Sätze, verstehen Zusammenhänge
Erkennen Schlüsselwörter, aber kein tiefes Sprachverständnis
Lernen aus großen Datenmengen und passen Antworten an Kontexte an
Use this side to give more information about a topic.
Use this side to give more information about a topic.
Use this side to give more information about a topic.
Use this side to give more information about a topic.
Use this side to give more information about a topic.
Use this side to give more information about a topic.
Use this side to give more information about a topic.
Use this side to give more information about a topic.
Use this side to give more information about a topic.
Use this side to give more information about a topic.
Use this side to give more information about a topic.
Use this side to give more information about a topic.
Hoch – können neue Ideen, Texte oder Bilder erschaffen
Keine - liefern nur, was vorher programmiert wurde
Sehr flexibel – können vielfältige Themen abdecken
Sehr eingeschränkt – nur auf bestimmte Fragen vorbereitet
Erzeugen neue, individuelle Antworten
Nutzen feste Regeln und vordefinierte Antworten
Müssen manuell angepasst werden
Subtitle
Subtitle
Weiter
Zurück
Regelbasiert vs. generativ
Was glaubst du - stammt die Antwort von einem regel-basierten oder generativen Bot?
Anfrage: "Ich möchte etwas von meiner Bestellung zurücksenden."
Botantwort: "Bitte gehen Sie in Ihr Kundenkonto und klicken Sie auf ‚Rücksendung beantragen‘. Dort finden Sie alle weiteren Schritte."
Zurück
Regelbasiert vs. generativ
Was glaubst du - stammt die Antwort von einem regel-basierten oder generativen Bot?
Anfrage: "Ich möchte etwas von meiner Bestellung zurücksenden."
Botantwort: "Sie können Ihre Bestellung innerhalb von 14 Tagen zurücksenden. Nutzen Sie dazu einfach das Rücksendeformular aus Ihrem Paket."
Regelbasiert vs. generativ
Was glaubst du - stammt die Antwort von einem regel-basierten oder generativen Bot?
Anfrage: "Ich möchte etwas von meiner Bestellung zurücksenden."
Botantwort: "Natürlich, ich helfe Ihnen gern dabei. Können Sie mir bitte Ihre Bestellnummer nennen? Dann erkläre ich Ihnen individuell für Ihre Bestellung Schritt für Schritt, wie Sie den Artikel zurücksenden können."
Regelbasiert vs. generativ
Das Tolle ist: Generative Bots können auch so tun, als seien sie regelbasiert. Das testen wir jetzt einmal aus! Gib ChatGPT (einem KI-Tool, das Texte erstellen kann) die Aufgabe, dass er auf jede Frage zweimal antworten soll - einmal als regelbasierter und einmal als generativer Bot. Tippe dafür in das Eingabefeld deinen entsprechenden Wunsch / Befehl ein. (Hinweis: Schreibe dazu, dass er maximal 3 Sätze pro Antwort verfassen soll.)
Weiter
Bitte gehe auf die nächste Seite für die genaue Aufgabe!
Regelbasiert vs. generativ
Überlege dir nun verschiedene Fragen und beobachte, wie ChatGPT antwortet.- Definition: "Was ist ...?"
- Anleitung: "Wie mache ich ...?"
- Begründung: "Warum ...?"
- Meinung: "Was denkst du, wieso ..."?
Was war nochmal die genaue Aufgabe?
Wenn der Timer abgelaufen ist, mache bitte in der Präsentation weiter!
04:00
Weiter
Zurück
Regelbasiert vs. generativ
Du hast gemerkt:
- Der regelbasierte Bot gibt eine feste Standardanweisung. Er sucht nach Schlüsselwörtern in den Eingaben, um daraufhin passende Antworten zu geben.
- Der generative Bot geht auf die Anfrage ein, fragt nach Details und bietet eine flexible, personalisierte Antwort.
Doch wie kann ein Bot "unsere Sprache lernen"? Da kommt oft ein Verfahren zum Einsatz, dass sich NLP nennt.Weiter
Zurück
Was ist NLP?
Zurück
Natural Language Processing (NLP)
Um zu verstehen, wie KI-Systeme natürliche Sprache lernen und verstehen, ist es zunächst wichtig zu wissen, dass sie, wie andere Systeme des maschinellen Lernens auch, mit großen Datensätzen trainiert werden. Billionen von Textdokumenten, Videos, Bildern etc. bilden daher die Datenbasis. Um solche große Datenmengen zu erhalten, werden unter anderem Bücher genutzt oder Algorithmen verwendet, die Texte aus dem Internet sammeln und kopieren. Es gibt aber auch Datensätze, die kostenfrei oder zum Kauf angeboten werden.
Weiter
Natural Language Processing (NLP)
NLP umfasst drei zentrale Aufgabenbereiche: Vorverarbeitung (Aufbereitung und Bereinigung von Textdaten), Textverständnis (Analyse und Interpretation der Bedeutung von Texten) und Texterzeugung (automatische Erstellung von Texten).Jeder dieser Bereiche verfolgt ein eigenes Ziel und verwendet spezifische Methoden. In der praktischen Anwendung greifen sie jedoch häufig ineinander und bauen logisch aufeinander auf.
Weiter
Zurück
Natural Language Processing (NLP)
Wie versteht eine KI-Anwendung einen Text richtig und wie werden anschließend Texte produziert? Das schauen wir uns jetzt Schritt-für-Schritt in vereinfachter Form an.
Um Texte erstellen zu können, müssen Sprachmodelle als erstes den Text in eine Sprache überführen, die sie verstehen können. Ein Beispiel:
HAUSAUFGABEN AM WOCHENENDE MACHEN KEINEN SPAß.
Weiter
Zurück
Natural Language Processing (NLP)
Der Satz wird dafür zunächst in seine einzelnen Wörter zerlegt. Jedes Wort wird für sich betrachtet und erhält einen sogenannten Token.
Hausaufgaben am Wochenende machen keinen Spaß.
Weiter
Zurück
Natural Language Processing (NLP)
Zuerst lernt das Modell an riesigen Textmengen, wie die Wörter zusammenhängen. So erkennt es Muster: Welche Wörter häufig gemeinsam vorkommen und in welchem Zusammenhang sie stehen. Jedes Wort wird in eine Art Geheimcode umgewandelt – eine lange Zahlenreihe, die zeigt, wie das Wort mit anderen Wörtern verbunden ist. Solche Codierungen nennt man Vektoren. Dank dieser Zahlenrepräsentationen erkennt das Modell, welche Wörter ähnlich sind, welche zusammengehören und worum es im Text eigentlich geht.
Hausaufgaben =
Weiter
Zurück
Natural Language Processing (NLP)
Diese speziellen Werte (Vektoren oder Codes) helfen dann dem System, den Text zu "verstehen". Das bedeutet, es erkennt, wie Wörter in Beziehung zueinander stehen und kann im nächsten Schritt neue Texte erstellen.
Weiter
Zurück
Natural Language Processing (NLP)
Die KI-Anwendung kann nun auf der Grundlage der Informationen neue, wahrscheinliche Kombinationen von Wörtern erstellen und eine Antwort generieren. Damit diese für uns Menschen lesbar ist, werden die Ergebnisse wieder in Sprache (Wortfolgen) umgewandelt und ausgegeben.
Weiter
Zurück
Natural Language Processing (NLP)
Klicke auf die Wörter in der richtigen Reihenfolge im Lückentext.
Zurück
Natural Language Processing (NLP)
Der zuvor beschriebene Ablauf war eine vereinfachte Darstellung. In Wirklichkeit passiert dieser Prozess in komplexen neuronalen Netzen. Schaue dir dazu die einzelnen Schritte eines Modells an, das die italienische Sprache verstehen soll.
Weiter
Zurück
Natural Language Processing (NLP)
Vereinfacht gesagt:Das Netz probiert verschiedene Wege aus, verstärkt die wahrscheinlichen Verbindungen und wählt am Ende das Wort, das am besten passt. Mit jedem Training wird es darin besser.
Weiter
Zurück
Natural Language Processing (NLP)
Zurück
Probleme bei generativen Sprachmodellen
Beim Training von Sprachmodellen können viele Probleme auftreten. Nehmen wir unseren Beispielsatz: "Hausaufgaben am Wochenende machen keinen Spaß." Es sind drei Gewichtungen des Wortes "keinen" möglich:
Das neuronale Netz erkennt, dass „keinen“ die Bedeutung stark beeinflusst. Es wird daher mit einem hohen Gewicht an das Wort „Spaß“ gekoppelt. → Ergebnis: Das Modell versteht, dass Hausaufgaben am Wochenende nicht angenehm sind.
Wenn „keinen“ nur eine niedrige Gewichtung bekommt, könnte das Netz die Verneinung übersehen. → Ergebnis: Das Modell versteht: „Hausaufgaben am Wochenende machen Spaß“ – also genau das Gegenteil.
Falsche Gewichtung (zu schwach)
Bekommt „keinen“ ein übermäßig hohes Gewicht, könnte das Modell es in falschen Kontexten zu stark betonen. → Ergebnis: Sätze werden unnötig verneint oder ins Negative verzerrt.
Falsche Gewichtung (zu stark)
Richtige Gewichtung
Title
Title
Title
Use this side to give more information about a topic.
Use this side to give more information about a topic.
Use this side to give more information about a topic.
Subtitle
Subtitle
Subtitle
Klicke auf die Karten, um die verschiedenen Gewichtungen zu analysieren.
Weiter
Probleme bei generativen Sprachmodellen
Gewichte steuern im neuronalen Netz, wie stark Wörter miteinander verbunden sind. Sie entscheiden darüber, ob eine KI den Sinn eines Satzes richtig versteht oder durcheinanderbringt. Damit seht ihr: Sprachmodelle müssen Bedeutungen sehr genau erkennen. Doch wie gut gelingt das, wenn Sprache nicht ernst gemeint ist? Probieren wir es aus, indem wir ChatGPT Scherzfragen stellen und seine Antworten untersuchen.
Weiter
Zurück
Scherzfragen mit ChatGPT
Wechsle nun wieder auf ChatGPT und öffne einen neuen Chat. Stelle dem Sprachmodell ein paar Scherzfragen.
Brauchst du Ideen?
Diskutiert dann über die Fragen:
04:00
Weiter
Zurück
Scherzfragen mit ChatGPT
Sprachmodelle können überraschen: Sie schaffen es oft, Scherzfragen zu verstehen und passende Antworten zu geben. Gleichzeitig darf man nicht zu viel erwarten – im Kern erzeugen sie nur die wahrscheinlichste Antwort, auch wenn sie dafür viele Sprachmuster und riesige Datenmengen nutzen.
Doch manchmal erfinden Sprachmodelle auch Dinge, die gar nicht stimmen...
Weiter
Zurück
Scherzfragen mit ChatGPT
Zurück
Halluzinationen und Kreativität
LLMs können halluzinieren, indem sie aufgrund von Mustern in den Trainingsdaten möglicherweise inkorrekte Informationen generieren, die zwar plausibel erscheinen, aber nicht auf Fakten basieren.
Doch wie erkennt man Halluzinationen?
Weiter
Halluzinationen und Kreativität
Zurück
Halluzinationen und Kreativität
Wir haben gesehen: Sprachmodelle können Fakten korrekt wiedergeben, aber manchmal auch Unsinn erfinden. Doch neben Fakten und Fehlern stellt sich noch eine weitere spannende Frage: Wie steht es eigentlich mit der Kreativität von KI? Kreativität bedeutet, etwas Neues oder Originelles zu schaffen, das auch nützlich oder sinnvoll ist – eine Fähigkeit, die wir normalerweise mit Menschen verbinden. Doch inzwischen können KI-Modelle Bilder im Stil von Rembrandt malen, Gedichte wie Shakespeare schreiben oder sogar Musik von Beethoven vollenden. Daher fragen wir uns: Können solche Systeme kreativ sein?
Weiter
Halluzinationen und Kreativität
Eine bekannte Sichtweise unterscheidet verschiedene Arten von Kreativität - finde die zusammengehörigen Paare (Art der Kreativität & Erklärung)!
Zurück
Halluzinationen und Kreativität
Was war nochmal was?
Halluzinationen und Kreativität
Expert:innen gehen davon aus, dass KI keine transformative Kreativität erreichen kann, da sie an Regeln, Daten und Vorgaben der Programmierung gebunden bleibt. Auch wenn Algorithmen sich selbst verbessern können, arbeiten sie nicht völlig ergebnisoffen – und bleiben damit weit von echter, regelbrechender Kreativität entfernt.
Sind KI-Systeme denn nun kreativ?
Weiter
Bildgenerierung mit KI
KI kann nicht nur Texte erzeugen, sondern auch Bilder erschaffen – doch ist dabei immer sofort erkennbar, dass sie künstlich sind?
Zurück
Bildgenerierung mit KI
KI kann nicht nur Texte erzeugen, sondern auch Bilder erschaffen – doch ist dabei immer sofort erkennbar, dass sie künstlich sind?
Bildgenerierung mit KI
KI kann nicht nur Texte erzeugen, sondern auch Bilder erschaffen – doch ist dabei immer sofort erkennbar, dass sie künstlich sind?
Bildgenerierung mit KI
Ganz gleich, ob ein Bild von einer KI oder einem Menschen stammt – sobald es um Urheberrechte geht, wird die Frage spannend: Wem gehört eigentlich ein Werk, das von einer KI erzeugt wurde? KI-generierte Kunst wirft rechtliche Fragen auf, da unklar ist, ob das geistige Eigentum den Entwickler:innen, den Nutzer:innen oder überhaupt der KI zugeschrieben werden kann. Nach deutschem Recht gilt jedoch eindeutig: Nur Menschen können als Urheber:innen anerkannt werden.
Weiter
Bildgenerierung mit KI
Zurück
Bildgenerierung mit KI
Ein zentrales Problem ist, dass KI-Modelle immer besser werden – dadurch wird es zunehmend schwieriger, KI-generierte Bilder zuverlässig von menschlich geschaffenen zu unterscheiden. Gleichzeitig gilt: Um hochwertige Ergebnisse zu erzielen, sei es bei Bildern oder Texten, braucht es klare und präzise Anweisungen an das Modell.
Was ist ein guter Prompt?
Prompts sind sozusagen die Schnittstelle zwischen dem Menschen und der KI-Anwendung. Doch was macht einen guten Prompt aus? Informiere dich auf den Karten.
Formuliere deine Anweisung so klar und konkret wie möglich, um ein genaues Ergebnis zu erhalten (z. B. definiere Gegenstände, benutze Adjektive).
Ergänze relevante Details oder Kontext, damit die KI besser versteht, was du dir wünschst (z.B. Epoche, Zeitalter, Stilrichtungen)
Hintergrund-informationen
Beschreibe auch, was du ausdrücklich nicht im Ergebnis haben möchtest, um Fehler zu vermeiden.
Negativ- Prompts
Title
Title
Title
Use this side to give more information about a topic.
Use this side to give more information about a topic.
Präzision
Use this side to give more information about a topic.
Subtitle
Subtitle
Subtitle
Probiere verschiedene Formulierungen aus, um unterschiedliche Ergebnisse zu vergleichen und das Beste auszuwählen.
Arbeite gemeinsam in der Gruppe an Prompts, denn verschiedene Blickwinkel führen oft zu besseren und kreativeren Ergebnissen.
Title
Title
Use this side to give more information about a topic.
Use this side to give more information about a topic.
Variation
Kollaboration
Subtitle
Subtitle
Weiter
Zurück
Herausforderung: Triff das Bild!
Ihr seht auf der nächsten Folie ein von einer KI erstelltes Bild. Versucht nun gemeinsam einen Prompt so zu formulieren, dass die KI möglichst genau dieses Bild erzeugen würde. Diskutiert anschließend, welche Elemente im Prompt besonders wichtig waren, um dem vorgegebenen Bild nahe zu kommen.
Modelle, mit denen Bilder erstellt werden können:
DALL E mini
Stable Diffusion
ChatGPT
Weiter
Zurück
04:00
Herausforderung: Triff das Bild!
Ihr seht ein von einer KI erstelltes Bild. Versucht nun gemeinsam einen Prompt so zu formulieren, dass die KI möglichst genau dieses Bild erzeugen würde. Diskutiert anschließend, welche Elemente im Prompt besonders wichtig waren, um dem vorgegebenen Bild nahe zu kommen.
Stable Diffusion
ChatGPT
Stable Diffusion
ChatGPT
Weiter
Welcher Prompt war es?
Zurück
Herausforderung: Triff das Bild!
Zurück
Zusammenfassung
In dieser Station haben wir gesehen, wie Sprachmodelle funktionieren, wie sie Texte verstehen, Bilder generieren und warum Begriffe wie Token, Vektoren und Gewichtungen wichtig sind. Wir haben erlebt, dass KI manchmal überraschend kreativ wirken kann, aber auch Fehler oder Halluzinationen produziert. Ebenso wurde deutlich, dass rechtliche und ethische Fragen, etwa beim Urheberrecht oder der Zuschreibung von Kreativität, eine Rolle spielen. Für den Umgang mit KI gilt daher: Ergebnisse sollten immer kritisch geprüft, mit einem Faktencheck abgesichert und im Team reflektiert werden – denn KI ist ein mächtiges Werkzeug, aber kein Ersatz für menschliches Denken und Kreativität.
Weiter
Noch Zeit?
Stable Diffusion
ChatGPT
Noch Zeit?
Hier hast du einige Ideen, die du weiter ausprobieren kannst:- Lasse dir von dem Sprachmodell einen Witz schreiben. Ist er witzig? Mit welchen Prompts könntest du Humor rauskitzeln?
- Versuche, ein berühmtes Gemälde / eine berühmte Figur in einem KI-Modell zu generieren (z. B. Mona Lisa). Wie wird das Ergebnis? Erstellt das Modell einfach so eine Kopie des Originals?
Zurück
Ja, aber die Fähigkeit von KI-Systemen, Kunstwerke zu schaffen oder musikalische Kompositionen zu generieren, basiert auf erlernten Regeln und Datensätzen, während menschliche Kreativität oft durch emotionale und soziale Intelligenz, Erfahrung und die Fähigkeit, abstrakt zu denken, geprägt ist.
Häufig begegnet man auch dem Begriff "Large Language Models" (LLMs). Dabei handelt es sich um eine Art NLP-Modell, das auf das Verstehen und Generieren natürlicher Sprache spezialisiert ist, aber aufgrund seiner Größe und seines Trainingsumfangs besonders leistungsfähig und vielseitig ist. ChatGPT ist ein Beispiel dafür.
Hier sind ein paar Ideen für Scherzfragen:- Was ist das Gegenteil einer Kichererbse?
- Was steht auf dem Grabstein eines Mathelehrers?
- Womit endet die Unendlichkeit?
- Was ist ein Schokoladenkeks unter einem Baum?