Search

536 results for “inki_drop”

Christian Wolf @[email protected] · 2025-11-17 · 13:22 UTC

Digitaler Wochenrückblick 16. November 2025
Für KI gibt es sehr viele und noch mehr völlig überflüssige Anwendungsgebiete. Noch besser wird KI, wenn sie Agenten einsetzt. Damit kann KI wie von Geisterhand den Tisch im Lieblingsrestaurant bestellen und lernt sogar dazu. Also wenn ich immer am Montag hingehe, weil das Schweineschnitzel billiger ist, lernt das Ding: dem schmecken nur billige Schweineschnitzel, und bucht mir in der ganzen Stadt jeden Tag die billigsten Schweineschnitzel.
Sinnvoll ist das nicht, überhaupt nicht. Persönlich freue ich mich allerdings, wenn KI sinnvoll eingesetzt wird. Das haben auch dieses Mal – wen wundert’s – die Chinesen erledigt.
Wer jetzt sofort an deepseek denkt, der liegt komplett falsch. Die Chinesen haben eine nordamerikanische KI für sich arbeiten lassen, die Claude-KI-Plattform von Anthropic schien ihnen für ihren Zweck am weitesten entwickelt.
Sie haben als Cybersicherheitsunternehmen die Claude-KI von Anthropic in kleinen überschaubaren Arbeitsschritten beauftragt, sicherheitsrelevante Schnittstellen, die auch Schwachstellen sein können, zu erkennen. Zudem sollten die KI-Agenten herausfinden, ob es bereits einen Missbrauch gab und wie er ausgeführt wurde.
Das Ergebnis war prachtvoll, nur sehr wenige Eingriffe von Menschenhand waren notwendig, um über diverse Hintertüren, auch „Backdoors“ genannt, in den dann offenen Systemen wertvolle Informationen zu bergen.
Die KI-Agenten unter chinesischer Leitung konnten in kurzer Zeit Benutzerkonten übernehmen, die höchste Zugriffsrechte besitzen, automatisiert wurden für dringlich notwendige Folgebesuche weitere Zugänge geöffnet.
Ganz offensichtlich war auch Anthropic von dieser Arbeit begeistert, denn das Arbeitsvolumen wäre von Menschenhand nicht in so kurzer Zeit fachmännisch abgearbeitet worden. Begeisterung kommt auch deshalb auf, weil die Chinesen ausgiebig die neuen Möglichkeiten zur Bewältigung sehr komplexer Aufgaben, die KI-Agenten von Anthropics Claude genutzt haben. Ein Meilenstein der KI-Entwicklung, der vor einem Jahr in dieser Form noch nicht möglich war.
Als Sicherheitsunternehmen chinesischer Prägung wurden in einem ersten Schritt die wertvollsten Ziele von Menschenhand ausgewählt, Anthropics Claude-KI musste in einem zweiten Schritt mit einem billigen Trick überzeugt werden, die Erkenntnisse einzusetzen.
Die KI-Agenten haben ganze Arbeit geleistet. Es war ihnen möglich, Eingriffsstellen zielgerichtet zu identifizieren, um Passwörter und andere, notwendige Zugangsdaten aufzunehmen. Und jetzt, nachdem alle Vorarbeit erfolgreich abgeschlossen war, konnten die gewünschten Daten im großem Stil problemlos übertragen werden.
Leider zeigte sich an einigen – aber durchaus verkraftbaren – Stellen, dass die KI auch mal halluzinierte, Passwörter und Benutzenamen aus purer Not vor einem Misserfolg erfand.
Insgesamt ist es ein großer Erfolg der KI-Modelle von Anthropic, rund 30 Unternehmen weltweit wurden durch die chinesischen Sicherheitsexperten gezielt untersucht, darunter auch Regierungsbehörden verschiedener Länder.
Genauere Angaben möchte Anthropic nicht machen, es könnte die Bevölkerung verunsichern, wird kolportiert.
Zugegeben, Technologiedefätisten und Weltuntergangsfanatiker ergeben sich in Klageliedern, sprechen von einer groß angelegten KI-gesteuerten Cyberattacke, ohne den großartigen Erfolg angemessen zu würdigen, der durch das Wirken von Anthropics KI-Claude erst möglich wurde.
In aller Bescheidenheit sprechen sie davon, diese Art von Cyberattacken würden in Zukunft nicht nur wahrscheinlicher, sondern wesentlich effektiver. Deshalb den Blick stramm nach vorn gerichtet, macht uns Anthropic Mut, denn die gleichen Fähigkeiten, die für Cyberattacken genutzt würden, können gleichwohl zur Abwehr eingesetzt werden.
Es gibt auch kritische Stimmen, die einen solchen hochautomatisierten KI-Angriff für Stuss halten, wie Sicherheitsexperte Kevin Beaumont
Ein solcher Marketing-Coup passt hervorragend, denn die Investitionen in KI lassen sich nur mit noch mehr KI begründen. Es wird aufgerüstet, koste es was es wolle. Allein Facebook spendiert sich dieses Jahr 72 Milliarden US-Dollar und plant in den nächsten Jahren noch viel mehr – was ist schon Geld, wir haben genug für diese nordamerikanischen Experimente übrig, denn sonst sind wir völlig überfordert, den üblen KI-Cyberattacken wehrlos ausgeliefert.
Ganz nebenbei steigen auch die Strompreise in Nordamerika. Ein Preistreiber durch die stark erhöhte Nachfrage sind die neuen Rechenzentren, die einen Strom- und Wasserverbrauch haben wie Millionenstädte. Bleibt abzuwarten, wann Donald Trump endlich erkennt, dass wir diesen unfairen Wettbewerbsnachteil in Form einer Energiesteuer für notleidende Tech-Konzerne ausgleichen müssen.
Und was machen wir? Wir ergötzen uns daran, dass Google in den nächsten fünf Jahren 5,5 Milliarden Euro in Deutschland für seine Rechenzentren ausgeben will. Vize-Kanzler Klingbeil ist schon ganz beseelt, sieht es als „echte Zukunfts-Investitionen in Innovationen, Künstliche Intelligenz, die klimaneutrale Transformation und zukünftige Arbeitsplätze in Deutschland“. Dass KI halluziniert, wissen wir, Politiker benötigen dafür keine KI. Sein Marketingberater, hätte ihm sagen sollen: „Halt Dich da raus, das kann nur schiefgehen!“ – hier trifft kaufmännisches Kalkül auf gottgegebene Einfalt.
Mich erinnert das an die Zeit, als wir mit Glasperlen und Brotkrusten die Eingeborenen aus dem Urwald gelockt haben…

Über Christian Wolf:
Christian Wolf (M.A.) ist Autor, Filmschaffender, Medienberater, ext. Datenschutzbeauftragter. Geisteswissenschaftliches Studium (Publizistik, Kulturanthropologie, Geografie), freie Tätigkeiten Fernsehen (RTL, WDR etc.) mit Abstechern in Krisengebiete, Bundestag Bonn und Berlin, Dozent DW Berlin (FS), Industriefilme (Würth, Aral u.v.m), wissenschaftliche und künstlerische Filmprojekte, Projekte zur Netzwerksicherheit, Cloudlösungen. Keine Internetpräsenz, ein Bug? Nein, Feature. (Digitalpurist)

#ai #anthropic #china #kevinbeaumont #ki #larsklingbeil
Dr. DSGVO @[email protected] · 2024-01-11 · 15:04 UTC

Künstliche Intelligenz: Der Nutzungsvorbehalt, den es nicht gibt
#ki #urhg #nutzungsvorbehalt #deutschland
Der deutsche Gesetzgeber hat mit § 44b UrhG definiert, wie sie ihre Inhalte gegen KI-Crawling schützen können sollen. Doch diese Möglichkeit ist nicht existent und führt zur weiteren Verarmung der deutschen Sprache in KI-Sprachmodellen. Unsere heimische Wirtschaft wird darunter leiden.
Anstatt die robots.txt Datei zu nutzen, gibt es einen Sonderweg.
https://dr-dsgvo.de/kuenstliche-intelligenz-der-nutzungsvorbehalt-den-es-nicht-gibt/

#ki #urhg #nutzungsvorbehalt #deutschland
Aktion Freiheit statt Angst @[email protected] · 2024-12-06 · 08:18 UTC

ePA-Daten für Datenkraken zum spielen
Unsere Gesundheitsdaten dürfen nicht in KI-Systeme gelangen
Mehr dazu bei https://apolut.net/datenkraken-sollen-mit-epa-daten-trainieren-durfen-von-norbert-haring/
a-fsa.de/d/3Ef
Link zu dieser Seite: https://www.aktion-freiheitstattangst.org/de/articles/8989-20241206-epa-daten-fuer-datenkraken-zum-spielen.html
Link im Tor-Netzwerk: http://a6pdp5vmmw4zm5tifrc3qo2pyz7mvnk4zzimpesnckvzinubzmioddad.onion/de/articles/8989-20241206-epa-daten-fuer-datenkraken-zum-spielen.html
Tags: #AI #KI #eGK #ePA #elektronischePatientenakte #Gesundheitsdatenraum #Big5 #Verbraucherdatenschutz #Trainingsdaten #Datensicherheit #Ergonomie #Privatsphäre #sensibel #Datenklau #Verkauf #RFIDChips #elektronischeGesundheitskarte #eHealth

#ai #ki #egk #epa #elektronischepatientenakte #gesundheitsdatenraum
Aktion Freiheit statt Angst @[email protected] · 2024-12-06 · 08:18 UTC

ePA-Daten für Datenkraken zum spielen
Unsere Gesundheitsdaten dürfen nicht in KI-Systeme gelangen
Mehr dazu bei https://apolut.net/datenkraken-sollen-mit-epa-daten-trainieren-durfen-von-norbert-haring/
a-fsa.de/d/3Ef
Link zu dieser Seite: https://www.aktion-freiheitstattangst.org/de/articles/8989-20241206-epa-daten-fuer-datenkraken-zum-spielen.html
Link im Tor-Netzwerk: http://a6pdp5vmmw4zm5tifrc3qo2pyz7mvnk4zzimpesnckvzinubzmioddad.onion/de/articles/8989-20241206-epa-daten-fuer-datenkraken-zum-spielen.html
Tags: #AI #KI #eGK #ePA #elektronischePatientenakte #Gesundheitsdatenraum #Big5 #Verbraucherdatenschutz #Trainingsdaten #Datensicherheit #Ergonomie #Privatsphäre #sensibel #Datenklau #Verkauf #RFIDChips #elektronischeGesundheitskarte #eHealth

#ai #ki #egk #epa #elektronischepatientenakte #gesundheitsdatenraum
Christiane Schulzki-Haddouti @[email protected] · 2024-05-17 · 10:49 UTC

Computing-Startup: Grenzen des digitalen Rechnens in #KI-Modellen überwinden
Digitale Rechenmodelle geraten mit künstlicher Intelligenz regelmäßig an Grenzen, was zu Verlässlichkeitsproblemen führt. Ein Dresdener Startup entwickelt nun mathematische Rechenmodelle für analoge #Quantencomputer, die diese Probleme lösen sollen.
https://www.riffreporter.de/de/technik/quantencomputing-kuenstliche-intelligenz-neuromorph-verlaesslichkeit-energieeffizienz #Mathematik #lmu_muenchen

#ki #quantencomputer #mathematik #lmu_muenchen
eBildungslabor-Blog @[email protected] · 2026-02-10 · 15:08 UTC
So machst du Blogbeiträge mit einem Add-On für KI-Textresonanz aktiv erschließbar

Ich habe für meine Website ein kleines Add-On namens ‚Textresonanz‘ entwickelt, das du vielleicht auch in deinem Kontext weiternutzen willst. Es kann immer dann hilfreich sein, wenn du Inhalte im Internet teilst und zu ihrer aktiven Erschließung, Reflexion und Weiterarbeit einladen willst. Außerdem kannst du damit nebenbei unterstützen, dass Nutzende lernen, KI-Sprachmodelle nicht als Abkürzung, sondern als Lernverstärkung zu nutzen. Du kannst dieses Add-On direkt für diesen Beitrag ausprobieren:

Warum finde ich dieses Add-On sinnvoll?
Ich kann es natürlich nicht belegen, aber gehe doch stark davon aus, dass viele Leser*innen des eBildungslabor mit dem Aufkommen von generativen KI-Sprachmodellen meine Texte nicht immer oder nicht ausschließlich direkt und in Gänze lesen, sondern sich häufig auch KI-Unterstützung mit dazu holen. So wie KI-Sprachmodelle angelegt sind, ist solch eine intuitive KI-Nutzung meistens in der Form: ‚Fasse mir diesen Text zusammen!‘ Dann wird der Text mal mehr, mal weniger gut kurz zusammengefasst ausgegeben.
An dieser Praxis ist erst einmal nichts verkehrt. Denn in der Tat lässt sich durch solch ein Vorgehen relativ schnell erkennen, ob der Text für mich gerade spannend ist. Denn ich erhalte darüber erst einmal einen komprimierten Überblick.
Zugleich gibt es aber noch so viel mehr Möglichkeiten zur KI-Interaktion mit Texten. Und vor allem spannendere, weil sie eine deutlich aktivere Erschließung von Texten ermöglichen. Mit dem Add-On möchte ich dazu ermutigen, genau solche weiteren Möglichkeiten auszuprobieren.
Ich verbinde damit eine doppelte Hoffnung:
1. Auf einer inhaltlichen Ebene freue ich mich, wenn an meinen Texten weitergedacht und weitergearbeitet wird. Dazu können KI-Sprachmodelle gute Resonanzmaschinen sein.
2. Auf einer medienpädagogischen Ebene möchte ich zu neuen, aktiven und kontraintuitiven Texterschließungsformen in Interaktion mit KI ermutigen und befähigen.
Nebenbei will ich die verwendeten KI-Interaktionen auch ein bisschen optimieren, denn ein Blogbeitrag ist für Menschen anders geschrieben als für Maschinen. Ich stelle deshalb im Rahmen des Add-Ons zugleich eine maschinenoptimierte Version des jeweiligen Textes zur Verfügung.
Ganz bewusst gebe ich kein festes KI-Sprachmodell vor (oder integriere ein solches direkt auf meiner Seite), weil ich eine dezentrale und selbstbestimmte KI-Nutzung als einen großen Wert empfinde. Alle können und sollten also die KI-Sprachmodelle nutzen, die sie als hilfreiche Werkzeuge empfinden. Und sehr gerne natürlich auch immer wieder mit unterschiedlichen Modellen experimentieren.
Was beinhaltet das Add-On genau?
Wie du oben sehen kannst, umfasst das Add-On eine aufklappbare Box, die zu einer KI-Interaktion einlädt. Darin befinden sich 5 vorformulierte Einladungen zu einer KI-Interaktion:
- Erkläre mir den Inhalt des Textes einfach und prägnant!
- Warum könnte dieser Beitrag für mich spannend sein?
- Was spricht gegen die Thesen dieses Beitrags?
- Gib mir drei Fragen für einen Austausch über den Beitrag!
- Was wäre ein konkreter Schritt, den ich aufbauend auf diesem Beitrag angehen könnte?
Zusätzlich gibt es ein Eingabefeld, in das Nutzende eine eigene Idee eintragen können.
Wenn eine Person einen dieser Buttons anklickt, wird ein Prompt kopiert, der passend zur jeweiligen Auswahl eine gut formulierte Anweisung an ein KI-Sprachmodell inklusive einer KI-optimierten Fassung des Textes beinhaltet. Dieser Prompt kann dann in ein KI-Sprachmodell eingegeben werden, um sich darüber in Interaktion zu begeben.
In allen Prompts ist die Vorgabe enthalten, dass – falls dem genutzten Sprachmodell bekannt – der Kontext der nutzenden Person einbezogen werden soll. Wenn Nutzende diese Prompts in KI-Sprachmodellen verwenden, die sie mit eigenem Kontext eingerichtet haben (z.B. über Custom Instructions), wird diese Aufforderung besonders gut erfüllt werden können.
Dieser Ansatz macht für mich auch direkt den Clou dieses Add-Ons aus. Denn ich gebe meinen Inhalt auf diese Weise frei und ermögliche Weiterdenken. Wer die Prompts nutzt, wird je nach eigenem Kontext und genutztem Sprachmodell immer wieder andere Ausgaben bekommen.
Vor diesem Hintergrund führt das Add-On sogar dazu, dass es selbst für mich spannend ist, mich auf diese Weise in Resonanz mit meinen eigenen Texten zu begeben. :-)
Wie funktioniert das Add-On technisch?
Die zur Verfügung gestellten Prompts und auch die KI-optimierte Textfassung zum jeweiligen Beitrag sind KI-generiert. Das passiert nicht auf meiner Website, sondern im Vorfeld. Ich füge in den Beitrag dann einen ziemlich langen HTML-Code ein, der dann auf die oben sichtbare Art und Weise dargestellt wird. Er beinhaltet die Funktion, dass hinter jedem Button ein Text (= der vorbereitete Prompt) hinterlegt ist, der mit Klick auf den Button kopiert wird. Bei der eigenen Angabe ist es ein Text mit einer Lücke, in der die Eingabe der nutzenden Person ergänzt wird.
Damit ich diese Erstellung nicht für jeden Blogbeitrag neu prompten muss, habe ich mir dazu einen sogenannten ‚Skill‘ in Claude Code (einem KI-gestützten Terminal-Werkzeug) angelegt. Das ist eine Routine-Anweisung, die ich im Terminal aktivieren kann und dann entweder auf eine URL auf meiner Website (wenn ich das Add-On zu einem bereits veröffentlichten Beitrag ergänzen will) oder zu einem Text auf meinem Rechner (wenn ich den Blogbeitrag gerade neu schreibe) verweisen kann.
Praktisch funktioniert das über KI-Nutzung in meinem Terminal, wo ich (nachdem ich den Skill abgespeichert habe) jetzt nur noch den Befehl /text-interaktion eingeben muss (= das ist der Name, den ich für diesen Skill festgelegt habe). Dann werden die entsprechenden Inhalte KI-generiert und ich kann sie in einem Blogbeitrag platzieren. Ich habe den Skill so angelegt, dass die KI-generierte Zusammenfassung zunächst vor der Weiterarbeit von mir gegengecheckt wird, so dass ich hier bei Bedarf noch Änderungen vornehmen kann, falls eine aus meiner Sicht nicht passende Zusammenfassung konfabuliert wird.
Ich habe den Skill für meinen Blog im eBildungslabor geschrieben, so dass er nicht direkt weiternutzbar ist. Du kannst ihn dir aber mit wenig Aufwand auf deinen Kontext hin anpassen. Und vielleicht interessiert dich ja auch erst einmal einfach nur, wie solch ein Skill aussieht.
Skill ansehen
```
---
name: text-interaktion
description: Erstellt kopierbare KI-Prompts zur Interaktion mit einem Blogbeitrag und speichert sie als WordPress-HTML
argument-hint: "[ordner-oder-url]"
---

Erstelle kopierbare Prompts, mit denen Nutzende einen Blogbeitrag von Nele Hirsch (eBildungslabor) in einem beliebigen KI-Sprachmodell weiter erschließen können.

## Schritt 1: Text einlesen

- Falls eine URL angegeben wurde: Inhalt der URL mit WebFetch abrufen und den Beitragstext extrahieren.
- Falls ein Ordner oder eine Datei angegeben wurde: Text aus der Datei lesen.
- Falls nichts angegeben: im aktuellen Ordner nach Textdateien suchen.
- Den Beitragstitel und den Beitragsnamen (Slug) ermitteln.

## Schritt 2: Maschinenoptimierte Textfassung erstellen

Erstelle aus dem Originaltext eine komprimierte, strukturierte Fassung, die für die Verarbeitung durch Sprachmodelle optimiert ist. Verwende dieses Format:

TITEL: [Titel des Beitrags]
QUELLE: Blogbeitrag von Nele Hirsch, eBildungslabor

HAUPTTHESE: [Zentrale Aussage in 1-2 Sätzen]

KERNPUNKTE:
1. [Erstes zentrales Argument/Punkt]
2. [Zweites zentrales Argument/Punkt]
3. [Drittes, falls vorhanden]

BEISPIELE/BELEGE: [Genannte Beispiele, Daten oder Belege, kompakt zusammengefasst]

FAZIT: [Schlussgedanke des Textes in 1-2 Sätzen]

Regeln für die maschinenoptimierte Fassung:
- Maximal 500 Wörter
- Keine Füllwörter, keine rhetorischen Figuren
- Fachbegriffe beibehalten, aber jedes Argument auf den Kern reduzieren
- Originalgetreu im Inhalt, komprimiert in der Form
- Keine eigenen Interpretationen oder Wertungen hinzufügen
- Neles Formulierungen wo möglich nutzen

## Schritt 3: Fünf kopierbare Prompts formulieren

Jeder Prompt ist ein vollständiger, kopierbarer Text, der ohne Anpassung in ein beliebiges KI-Sprachmodell eingefügt werden kann. Jeder Prompt folgt diesem Aufbau:

Der folgende Text ist ein Blogbeitrag von Nele Hirsch aus dem eBildungslabor.

[Maschinenoptimierte Textfassung aus Schritt 2]

Deine Aufgabe: [Spezifische Aufgabenstellung]

Die fünf Aufgabenstellungen (in dieser Reihenfolge):

1. Einfach und prägnant
Button-Beschriftung: "Erkläre mir den Inhalt des Textes einfach und prägnant!"
Aufgabenstellung: "Stelle zuerst in 1-2 Sätzen den Inhalt dieses Beitrags dar. Fasse dann den Kerngedanken in maximal 3 einfachen Sätzen zusammen. Verwende keine Fachbegriffe. Schreibe so, dass Menschen ohne Vorwissen den Text verstehen. Falls dir mein Kontext z.B. aus vorherigen Interaktionen mit dir bekannt ist, passe die Erklärung entsprechend an."

2. Warum spannend
Button-Beschriftung: "Warum könnte dieser Beitrag für mich spannend sein?"
Aufgabenstellung: "Stelle zuerst in 1-2 Sätzen den Kontext dieses Beitrags dar. Benenne dann genau einen Aspekt, warum dieser Text relevant oder spannend sein könnte. Maximal 2 Sätze. Falls dir mein Kontext z.B. aus vorherigen Interaktionen bekannt ist, stelle eine direkte Verbindung her."

3. Gegenposition
Button-Beschriftung: "Was spricht gegen die Thesen dieses Beitrags?"
Aufgabenstellung: "Stelle zuerst in 1-2 Sätzen die zentrale These dieses Beitrags dar. Formuliere dann genau ein fundiertes Gegenargument dazu. Maximal 4 Sätze. Argumentiere sachlich und nachvollziehbar. Falls dir mein Kontext z.B. aus vorherigen Interaktionen bekannt ist, beziehe diesen in das Gegenargument mit ein."

4. Austausch-Fragen
Button-Beschriftung: "Gib mir drei Fragen für einen Austausch über den Beitrag!"
Aufgabenstellung: "Formuliere genau 3 Fragen für einen Austausch im Team oder in einer Gruppe. Jede Frage beginnt mit einem konkreten Bezug zum Text. Darauf folgt eine offene Transferfrage, die einlädt, den Inhalt auf den eigenen Kontext zu beziehen. Falls dir mein Kontext z.B. aus vorherigen Interaktionen bekannt ist, passe die Fragen entsprechend an."

5. Konkreter Schritt
Button-Beschriftung: "Was wäre ein konkreter Schritt, den ich aufbauend auf diesem Beitrag angehen könnte?"
Aufgabenstellung: "Stelle zuerst in 1-2 Sätzen den Kontext dieses Beitrags dar. Schlage dann genau eine konkrete, umsetzbare Handlung vor, die sich aus diesem Text für die eigene Praxis ableiten lässt. Maximal 3 Sätze, handlungsorientiert formuliert. Falls dir mein Kontext z.B. aus vorherigen Interaktionen bekannt ist, stelle eine Verbindung her, wie diese Handlung in meinem Arbeitsalltag aussehen könnte."

Eigene Interaktion (Freitext-Eingabe):
Unterhalb der fünf Buttons gibt es ein Eingabefeld für eigene Interaktionen mit Platzhaltertext und einem Button "Generierten Prompt kopieren".

## Schritt 4: WordPress-HTML erstellen und speichern

Das HTML besteht aus einem einzigen -Block. Im HTML-Quellcode steht nur ein leeres <div> und ein <script>. Das gesamte sichtbare UI (Kasten, Details-Element, Einleitungstext, Buttons, CSS) wird per JavaScript erzeugt.

Warum alles per JavaScript:
- ActivityPub/Social Media: Script wird gestripped, nichts Sichtbares bleibt.
- WordPress-Stabilität: Minimaler HTML-Teil kann nicht zerstört werden.
- Button-Styles: Eigener Style-Block für Kontur-Buttons und Kasten.

## Schritt 5: Ergebnis zeigen

Ausgabe im Terminal: Welcher Text verarbeitet wurde, wo die HTML-Datei gespeichert wurde.
```
Fazit
Ich habe die KI-Interaktion jetzt testweise bei einigen früheren Blogbeiträgen eingefügt. Du kannst gerne damit erkunden:
- Blogbeitrag zur Pflanzenmetapher
- Blogbeitrag zu gemeinwohlorientierter Digitalpädagogik
Und vielleicht hast du ja auch Lust, deinen eigenen Blog oder andere Online-Inhalte von dir mit solch einem Add-On zu erweitern.
#KünstlicheIntelligenzKI #Tools
#kunstlicheintelligenzki #tools
eBildungslabor-Blog @[email protected] · 2026-02-09 · 11:27 UTC
Praxisbeispiele zur Nutzung von KI-Technologie im Terminal mit Dateizugriff (~ ‚KI-Agenten‘)

Ich bin bei Erkundungen zu sogenannten KI-Agenten reichlich spät dran. Dafür aber jetzt gerade umso begeisterter von den Möglichkeiten.
Skeptisch war ich lange Zeit, weil ‚KI-Agenten‘ als Begriff bei mir falsche Vorstellungen weckte und eher Angst machte. Ich stellte mir einen KI-Agenten in diesem Sinne beispielsweise als einen Bot vor, dem ich meine Kreditkartendaten gebe und der mir damit eine Reise z.B. in die USA vorbereiten und alle notwendigen Sachen buchen soll und der dann blöderweise auf eine andere Bot-generierte Website reinfällt und ich bin 30.000 Euro ärmer … Ich weiß, dass es durchaus auch KI-Agenten gibt, die in solche Richtungen entwickelt und genutzt werden. Und da finde ich Skepsis durchaus sehr angebracht.
Meine Erkundungen beziehen sich stattdessen auf Bereiche, in denen ‚KI-Agenten‘ viel weniger spektakulär sind. Konkret sieht die Nutzung von agentischer KI bei mir zurzeit so aus, dass ich nicht mehr über eine Web-Oberfläche, sondern über das Terminal meines Geräts in Interaktion mit einem KI-Sprachmodell gehe. (Das Terminal ist die Konsole, d.h. das kleine schwarze Fenster, in das man Befehle eintippen kann, was du vielleicht früher schon einmal zur Installation von Programmen genutzt hast, oder um meine Anleitung zur Einrichtung eines KI-Chatbots für Lieblingsblogs durchzugehen).
Der Clou liegt dann darin, dass ich über solch eine Terminal-Nutzung dem KI-Sprachmodell Zugriff auf bestimmte Ordner und Anwendungen auf meinem Gerät geben kann. Außerdem kann das Tool potentiell auch Ressourcen im Internet nutzen. Auf diese Weise kann ich das KI-Sprachmodell mit meinen eigenen Dateien und Online-Ressourcen arbeiten lassen. Und vor allem auch selbst direkt daran weiter arbeiten.
Einfacher Einstieg: Wie geht das?
Ich arbeite zurzeit mit Claude Code. Es handelt sich dabei um ein KI-Sprachmodell von der Firma Anthropic, das mit diesem Angebot für solch eine Terminal-Nutzung aufbereitet wurde. Der erste (und einmalige) Schritt ist, dass ich mir dieses Tool über das Terminal auf meinem Gerät installiere und entweder mit einer API-Schnittstelle oder einem Claude-Account verbinde. Das ist relativ selbsterklärend und auf der Website des Anbieters beschrieben. Mir geht es im Folgenden allerdings nicht um dieses spezifische Tool, sondern um eine grundsätzliche Beschreibung, wie solche agentische KI genutzt werden kann.
Wenn ich also dieses oder ein anderes, ähnliches KI-Tool über das Terminal auf meinem Gerät installiert habe, dann kann ich als nächstes einen bestimmten Ordner auf meinem Gerät ansteuern. Der Befehl dazu ist cd ordnername. Bei mir könnte also z.B. der Ordner test-mit-claude sein und ich würde cd test-mit-claude eingeben. Anschließend aktiviere ich den Bot (in diesem Fall) mit dem Befehl claude, um in diesem Ordner aktiv zu werden.
Der Ordner ist in diesem Fall zu Beginn leer. Was darin passieren soll, kläre ich über das Terminal. Ich kann dort, obwohl man das im Terminal eher nicht vermuten würde, so chatten, wie ich es normalerweise von einem KI-Sprachmodell gewohnt bin. Mir stehen dabei zusätzlich mehr ‚Befehlsmöglichkeiten‘ im Terminal-Sinne zur Verfügung. Aber da kann ich mich Schritt für Schritt darum kümmern. Erst einmal könnte ich ganz einfach so etwas eintippen wie:
„Erstelle mir die Datei bot-vorstellung.md, in der du für technisch nicht affine Menschen ganz kurz beschreibst, wie du funktionierst.“
Ich werde dann wahrscheinlich auch ein paar Freigabe-Sachen gefragt, wo ich jeweils entscheiden kann, ob ich das zulassen will oder nicht. Kurz darauf kann ich den angelegten Ordner dann öffnen und darin tatsächlich eine neue Datei mit dem angeforderten Namen finden. In meinem Fall war dieser Text darin:
Ich bin ein KI-Sprachmodell, also ein Computerprogramm, das mit sehr vielen Texten trainiert wurde und dadurch Sprache verstehen und produzieren kann. Ich lebe nicht auf deinem Computer, sondern antworte über das Internet. Was mich hier besonders macht: Ich kann Dateien in diesem Ordner lesen, erstellen und bearbeiten. Wenn du mir also sagst, was du brauchst, kann ich direkt loslegen und das Ergebnis als Datei für dich ablegen. Ich denke dabei nicht wirklich nach, sondern berechne, welche Wörter als nächstes am wahrscheinlichsten passen. Das klappt oft erstaunlich gut, aber ich kann mich auch irren.
Wir sehen also: Über das Terminal habe ich mir eine gewünschte Datei auf meinem Rechner erstellen lassen.
Dieses Beispiel ist nun noch nicht wirklich sinnvoll, sondern eher großer Blödsinn, weil es ja eine Aufgabe ist (= Erstelle mir einen Text zu Thema xy), die ich früher einfach in ein KI-Sprachmodell eingegeben hätte und dann direkt den Text erhalten hätte. Jetzt gehe ich den Umweg über einen Ordner. Das Beispiel habe ich nur deshalb gewählt, um überhaupt erst einmal zu erklären, wie das Prinzip der Freigabe auf dem eigenen Gerät funktioniert. Und vielleicht hast du jetzt direkt viele Ideen, was für dich mit solch einer Ordner-Freigabe an ein KI-Modell nützlich sein könnte:
Hier sind ein paar Beispiele, die mir als erstes in den Sinn kamen:
- Suche in einem freigegebenen Ordner mit mehreren Texten alles zusammen, was sich um OER und freie Bildungsmaterialien dreht und erstelle mir eine Übersicht dazu.
- In einem freigegebenen Verzeichnis mit den Dateien für eine statische Website soll der Footer auf allen Seiten geändert werden. Der neue Text lautet: xxx (Das wäre ansonsten für mich eine ewige und nervige Frickel-Arbeit gewesen)
- Ich habe 50 Fotos in einem Ordner. Sie sollen alle nach einem bestimmten Schema umbenannt werden.
- Es sollen Texte in einem Ordner gelesen und eine Liste aller darin erwähnter Links erstellt werden.
- Aus einer freigegebenen Tabelle im CSV-Format soll eine einfache HTML-Seite mit einer sortierbaren Übersicht entstehen.
- …
Du siehst also: Es gibt ziemlich viele Möglichkeiten!
Meine erste Begeisterung war und ist, diese Form von agentischer KI zur Gestaltung von kleinen Webprojekten zu nutzen. Ich habe auf diese Weise zum Beispiel das Tool linkheftchen.de online gestellt und auch ein Update für mein Tool Zupfzettel gemacht, so dass diese Anwendung als statische Website funktioniert, statt wie früher mit einer WordPress-Installation. Letzteres war besonders cool, weil mein Terminal-Input hier der Verweis auf die bisherige Website war, mit der Aufforderung sich Favicon und weitere Bilder sowie auch Text-Ressourcen wie die FAQ zu sichern und dann mit diesen Ressourcen eine Umgestaltung erst einmal lokal zu machen. Nachdem ich getestet hatte, ob alles funktioniert, habe ich dann alle bisherigen Dateien vom Server gelöscht und den neuen Ordner hochgeladen.
Neben solchen Webgestaltungs-Experimenten im Sinne eines klassischen Codings von statischen Websites lässt sich aber auch noch sehr viel mehr versuchen, was vielleicht für pädagogisch tätige Menschen näher liegende Einsatzbereiche sind. Zum Beispiel eine Transkript-Erstellung zu Videos und die Entwicklung von H5P-Inhalten dazu. Dieses Beispiel beschreibe ich im Folgenden genauer, weil es mich ziemlich begeistert hat.
Konkretes Beispiel aus der Praxis: Ein Transkript zu einem Video erstellen und daraus eine H5P-Datei entwickeln
Meine konkrete Herausforderung sah so aus, dass ich ein Video aufgezeichnet hatte. Nun wollte ich dieses Video auf einer Moodle-Lernplattform teilen. Das mache ich sehr gerne im Format H5P. Hilfreich finde ich es dann, dabei auch ein Transkript zur Verfügung zu stellen. Und für Menschen, die sich nur einen schnellen Überblick verschaffen wollen, setze ich darunter meist ein H5P-Akkordeon, das man aufklappen kann und darin dann eine kurze Zusammenfassung mit den wichtigsten Punkten findet.
Ich wollte also versuchen, ob ich über das Terminal solch eine (bis dato eher nervige und langwierige) Aufgabe auch einfacher erledigen kann.
Spoiler: Der Versuch klappte!
So bin ich vorgegangen:
Ich habe einen Ordner auf meinem Rechner neu erstellt und das Video dort hineingelegt. Außerdem auch eine einfache Datei mit Anweisungen für das KI-Tool.
Du findest in diesem Ordner ein Video. Deine Aufgaben:
Erstelle ein Transkript für das Video
Gestalte einen H5P-Inhalt mit diesem Video mit dem Inhaltstyp Transkript: https://github.com/otacke/h5p-transcript (zusätzliche Ressource: https://github.com/otacke/h5p-transcript-library)
Speichere den Inhalt mit dem Namen der Videodatei als .h5p in diesem Ordner ab
Erstelle zusätzlich ein H5P-Akkordeon mit einem Akkordeon zum Aufklappen, das ‚Wichtige Punkte aus dem Video‘ benannt ist, in dem du die wesentlichen Aspekte aus dem Transkript zusammenfassend und übersichtlich darstellst. Speichere diesen Inhalt als .h5p und benenne die Datei [videoname]-akkordeon in diesem Ordner ab.
Mein Befehl war dann im Terminal: Folge den Anweisungen in anweisungen.md
Mehr war dann schon nicht mehr nötig. Es gab immer wieder Freigabeaufforderungen und ich konnte beobachten, wie das Tool vorgeht: Verwendet wurde die Open Source Transkriptionssoftware Whisper und die Angaben aus dem GitHub-Repository zu den einzelnen Inhaltstypen. Das brauchte natürlich etwas Zeit. Ich konnte dabei im Terminal so umschalten, dass die Transkription des Videos im Hintergrund lief, während zugleich schon einmal die H5P-Inhalte erstellt wurden.
Als beide H5P-Inhalte im Ordner lagen, meldete das Tool, dass die Aufgabe abgeschlossen sei. Leider funktionierte der Upload in einen H5P-Editor zunächst noch nicht. Ich erhielt eine Fehlermeldung über falsche Dateiformate, die ich mit der Aufforderung zur Überarbeitung im Terminal teilte. Daraufhin wurde eine weitere Version erstellt, die ich dann hochladen und verwenden konnte.
Beim Ansehen stellte ich allerdings fest, dass das Transkript mit vielen Fehlern war. Ich habe deshalb noch eine weitere Schleife gedreht und die Aufforderung gegeben, dass das mit Whisper erstellte Transkript noch einmal überprüft und korrigiert werden sollte. Dann sollte damit der Inhalt angepasst werden.
Da ich diese Aufgabe der Transkription eines Videos und Umwandlung in diese beiden H5P-Inhalte in meiner Praxis relativ häufig benötige, habe ich mich abschließend noch dazu entschieden, dazu einen sogenannten Skill anzulegen. Das ist eine Anweisung, die ich zukünftig über den Befehl /skillname direkt abrufen kann. Damit muss ich also gar nicht mehr die lange Erläuterung schreiben, die ich jetzt beim ersten Mal in den Ordner gepackt hatte. Und vor allem muss ich zukünftig dann (hoffentlich) nicht mehr die zwei beschriebenen Fehlerschleifen drehen.
Mein Befehl dazu war:
Erstelle eine skill.md Datei, in der du den Skill ‚Video zu H5P‘ in der beschriebenen Form und dein Vorgehen festhältst, so dass du diese Aufgabe später wiederholen und ich mit dem Befehl /video-zu-h5p abrufen kann. Achte darauf, dass von vorne herein nicht erst ein falsches Dateiformat generiert wird. Nimm außerdem mit auf, dass das Transkript auf offensichtliche Fehler überprüft und korrigiert werden soll.
Kurz darauf lag auch diese Datei in meinem Ordner und wenn ich neugierig bin, kann ich mir darin anschauen, wie ein KI-Modell sich erklärt, was es genau bei dieser Aufgabe tun soll, das überarbeiten und dann als projektübergreifenden Skill abspeichern.
In Hinblick auf Kollaboration ist spannend, dass solche Skills auch online geteilt werden können. Für mich individuell ist es nützlich, weil ich zukünftig jetzt nur noch /video-zu-h5p eingeben muss, um all die Schritte von oben an weiteren Videos entwickeln zu lassen.
Fazit
Ich habe KI-Technologie bisher sehr stark unter dem Aspekt der Lernverstärkung betrachtet. Also die Fragen gestellt:
- Wie kann ich mich durch diese Technologie herausfordern lassen und lernen?
- Und wie kann ich in meiner pädagogischen Tätigkeit auch Lernende dazu ermächtigen?
Bei den Beispielen in diesem Beitrag ist der Fokus ein anderer. Die Frage ist hier vielmehr, wie ich nervige und zeitaufwendige Prozesse mit KI besser bearbeiten kann und mir auf diese Weise einfacher Zeit für andere Dinge nehmen kann, zum Beispiel diesen Blogbeitrag zu schreiben. Damit wird die didaktische Nutzung von KI als Lernverstärkung natürlich nicht hinfällig. Es ist einfach ein anderer und weiterer Aspekt.
Für den Bildungsbereich ergibt sich daraus die Frage, wie sehr wir in der Lernkultur Technologie weiterhin als ein mögliches Add-On, das aber oft auch ausgeschlossen wird, betrachten und auf eine vermeintliche ‚Eigenleistung‘ setzen, oder inwieweit wir viel mehr auf den Prozess statt das entstehende Produkt orientieren und in Hinblick auf digitale Mündigkeit vor allem auch Lernräume öffnen, in denen solche Erkundungen, wie ich sie hier vorgestellt habe, gelernt und reflektiert werden können.
Das ist dann auch die Voraussetzung, um die systemische Ebene einer gemeinwohlorientierten Digitalpädagogik sinnvoll angehen zu können. Denn natürlich führt meine individuelle Abkürzung und Vereinfachung hier zu sehr vielen Folgefragen, insbesondere: Wie stellen wir sicher, dass all die offene Infrastruktur, mit der solch eine agentische KI zugreifen kann, gut finanziert und ermöglicht wird?
PS. Auch diesen Text habe ich übrigens über das Terminal in KI-Interaktion korrigiert, nachdem ich ihn geschrieben habe und nicht mehr wie bisher über die klassische KI-Chatbot-Oberfläche. Mein Befehl war:
Wir gehen gemeinsam den Text in diesem Ordner durch. Du korrigierst Tippfehler und offensichtliche Formulierungsfehler und Satzzeichen. Zugleich sammelst du Lücken und Unstimmigkeiten im Text, um diese dann Schritt für Schritt mit mir gemeinsam durchzugehen. Du machst hierfür jeweils einen Vorschlag und fragst, was ich dazu ergänzen will. Danach schlägst du 5 mögliche Titel vor und fragst mich, welchen ich nehmen will oder ob ich einen selbst formulieren will. Am Ende speicherst du den Text so ab, dass ich ihn in einen WordPress-Gutenberg Editor reinkopieren kann. Der Titel ist dabei H1, danach folgt H2 usw. Außerdem gibst du mir hier im Terminal einen Vorschlag für eine SEO-optimierte Kurzbeschreibung und Meta Tags im Terminal aus. Ganz am Ende erstellst du eine weitere Datei, in der du den Skill „Textkorrektur“ in den beschriebenen Schritten festhältst und auch Änderungen/Learnings im Verlauf des Prozesses berücksichtigst, so dass ich darauf später als /textkorrektur zurückgreifen kann.
#KünstlicheIntelligenzKI
#kunstlicheintelligenzki
Horst Thieme @[email protected] · 2025-10-11 · 08:29 UTC

Die Impulse reichen von Praxis bis Theorie:
🧠 Prof. Dr. Peter Richard über digitale Ambivalenzen, genauso von der Technischen Hochschule #Augsburg wie
🧠 Prof. Dr. Alessandra Zarcone (@elektrischewoerter) zu Verzerrungen in KI & AI Act
🧠 Kristina Namajuschka (TEAM23) zur Leichten Sprache als Zugangsinstrument
🧠 und weiter Impulsvorträge.
Vielfalt braucht Wissen, Strategie – und Dialog.
#Barrierefreiheit #Digitalisierung #VielfaltGestalten #KünstlicheIntelligenz #DigitaleAmbivalenz

#augsburg #barrierefreiheit #digitalisierung #vielfaltgestalten #kunstlicheintelligenz #digitaleambivalenz
Hacker News @[email protected] · 2025-12-21 · 03:52 UTC

From devastation to wonder as Kangaroo Island bushfires lead to cave discoveries
https://www.abc.net.au/news/2025-12-13/more-than-150-caves-discovered-in-ki-after-devastating-bushfires/106095942
#HackerNews #KangarooIsland #Bushfires #CaveDiscoveries #NatureRecovery #EnvironmentalScience

#hackernews #kangarooisland #bushfires #cavediscoveries #naturerecovery #environmentalscience
Hacker News @[email protected] · 2025-12-21 · 03:52 UTC

From devastation to wonder as Kangaroo Island bushfires lead to cave discoveries
https://www.abc.net.au/news/2025-12-13/more-than-150-caves-discovered-in-ki-after-devastating-bushfires/106095942
#HackerNews #KangarooIsland #Bushfires #CaveDiscoveries #NatureRecovery #EnvironmentalScience

#hackernews #kangarooisland #bushfires #cavediscoveries #naturerecovery #environmentalscience
Hacker News @[email protected] · 2025-12-21 · 03:52 UTC

From devastation to wonder as Kangaroo Island bushfires lead to cave discoveries
https://www.abc.net.au/news/2025-12-13/more-than-150-caves-discovered-in-ki-after-devastating-bushfires/106095942
#HackerNews #KangarooIsland #Bushfires #CaveDiscoveries #NatureRecovery #EnvironmentalScience

#environmentalscience #naturerecovery #cavediscoveries #bushfires #kangarooisland #hackernews
Hacker News @[email protected] · 2025-12-21 · 03:52 UTC

From devastation to wonder as Kangaroo Island bushfires lead to cave discoveries
https://www.abc.net.au/news/2025-12-13/more-than-150-caves-discovered-in-ki-after-devastating-bushfires/106095942
#HackerNews #KangarooIsland #Bushfires #CaveDiscoveries #NatureRecovery #EnvironmentalScience

#hackernews #kangarooisland #bushfires #cavediscoveries #naturerecovery #environmentalscience
apfeltalk :verified: @[email protected] · 2025-12-20 · 09:00 UTC

KI Assistenten produzieren deutlich mehr fehlerhaften Code
Eine Auswertung von CodeRabbit stellt die Zuverlässigkeit von KI-Codetools infrage. Demnach enthält von KI erzeugter Code deutlich mehr Fehler und Sicherheitslücken als von Menschen geschriebener.
Mehr Probleme in KI Pull
https://www.apfeltalk.de/magazin/news/ki-assistenten-produzieren-deutlich-mehr-fehlerhaften-code/
#KI #News #Bugs #Code #CodeRabbit #CVE #KI #KnstlicheIntelligenz #Microsoft #Sicherheit #Softwareentwicklung

#ki #news #bugs #code #coderabbit #cve
apfeltalk :verified: @[email protected] · 2025-12-20 · 09:00 UTC

KI Assistenten produzieren deutlich mehr fehlerhaften Code
Eine Auswertung von CodeRabbit stellt die Zuverlässigkeit von KI-Codetools infrage. Demnach enthält von KI erzeugter Code deutlich mehr Fehler und Sicherheitslücken als von Menschen geschriebener.
Mehr Probleme in KI Pull
https://www.apfeltalk.de/magazin/news/ki-assistenten-produzieren-deutlich-mehr-fehlerhaften-code/
#KI #News #Bugs #Code #CodeRabbit #CVE #KI #KnstlicheIntelligenz #Microsoft #Sicherheit #Softwareentwicklung

#ki #news #bugs #code #coderabbit #cve
apfeltalk :verified: @[email protected] · 2025-12-20 · 09:00 UTC

KI Assistenten produzieren deutlich mehr fehlerhaften Code
Eine Auswertung von CodeRabbit stellt die Zuverlässigkeit von KI-Codetools infrage. Demnach enthält von KI erzeugter Code deutlich mehr Fehler und Sicherheitslücken als von Menschen geschriebener.
Mehr Probleme in KI Pull
https://www.apfeltalk.de/magazin/news/ki-assistenten-produzieren-deutlich-mehr-fehlerhaften-code/
#KI #News #Bugs #Code #CodeRabbit #CVE #KI #KnstlicheIntelligenz #Microsoft #Sicherheit #Softwareentwicklung

#softwareentwicklung #sicherheit #microsoft #knstlicheintelligenz #cve #coderabbit
apfeltalk :verified: @[email protected] · 2025-12-20 · 09:00 UTC

KI Assistenten produzieren deutlich mehr fehlerhaften Code
Eine Auswertung von CodeRabbit stellt die Zuverlässigkeit von KI-Codetools infrage. Demnach enthält von KI erzeugter Code deutlich mehr Fehler und Sicherheitslücken als von Menschen geschriebener.
Mehr Probleme in KI Pull
https://www.apfeltalk.de/magazin/news/ki-assistenten-produzieren-deutlich-mehr-fehlerhaften-code/
#KI #News #Bugs #Code #CodeRabbit #CVE #KI #KnstlicheIntelligenz #Microsoft #Sicherheit #Softwareentwicklung

#ki #news #bugs #code #coderabbit #cve
eBildungslabor-Blog @[email protected] · 2025-09-20 · 20:13 UTC
kagi: Recherchetool und Prototyp für die Entwicklung einer KI-Lernassistenz
Vor kurzem habe ich über die Herausforderung von Lesen und Recherchieren im Kontext von KI gebloggt. Daraufhin erhielt ich im Fediverse den Hinweis auf die Suchmaschine kagi. Es würde lohnen, sich diese einmal genauer anzuschauen, auch wenn sie nicht unumstritten sei. Das habe ich getan und teile hier das Ergebnis meiner Erkundungen.
Was ist kagi?
kagi ist eine sehr individuell konfigurierbare und für eine mündige Nutzung ausgelegte Suchmaschine mit integrierter KI-Unterstützung und weiteren Angeboten. Das Tool ist eine mögliche Antwort auf eine wichtige Herausforderung, die im KI-Kontext zunehmend drängender wird: Wie lässt sich die Welt unter Nutzung der zur Verfügung stehenden technologischen Möglichkeiten und den vielfältigen Ressourcen des Internets gut und selbstbestimmt erschließen?
Voranstellen möchte ich den Hinweis, dass es sich bei kagi weder um ein offenes noch kostenfreies Tool handelt. So etwas empfehle ich im eBildungslabor normalerweise nicht. In diesem Fall mache ich eine Ausnahme davon, weil mich die Funktionalität sehr überzeugt hat und weil ich zurzeit keine Perspektive auf eine öffentliche oder Crowd-basierte Finanzierung sehe, mit der es gelingen könnte, dem ‚Mit den eigenen Daten‘-Bezahlmodus und Werbeanzeigen der meisten anderen Suchmaschinen etwas entgegen zu setzen – und trotzdem sehr gute Ergebnisse zu liefern.
Das bedeutet konkret: Wenn du kagi ausprobieren willst, dann musst du dich direkt registrieren. Dir steht dann zunächst ein gewisses Kontingent zum kostenfreien Ausprobieren zur Verfügung. Wenn du kagi dauerhaft einsetzen willst, kostet dich das 5 Dollar im Monat. (Es gibt auch Abonnement-Pläne, die noch teurer sind. Der 5 Dollar Plan scheint mir aber erst einmal auszureichen.)
Kritisch lässt sich außerdem anmerken, dass der Formensitz von kagi in den USA ist und es auf Servern von Google unter Nutzung von Cloudfare läuft. Siehe dazu auch den Datenschutz-Check im Kuketz-Blog.
In der Abwägung ist kagi für mich dennoch sowohl für den eigenen Gebrauch spannend (= es liefert ziemlich gute Ergebnisse und bietet im Kontext von KI, solche Funktionen, die ich sinnvoll finde), als auch als Prototyp für kluge Technologie-Entwicklung in der Bildung (= welche Funktionalitäten sollten KI-Lerntools haben?)
Welche Funktionen hat kagi?
Wie dargestellt ist kagi eine Suchmaschine, die grundsätzlich ganz genau so funktioniert, wie jede andere Suchmaschine auch. Ich gebe also meine Suchbegriffe ein – und erhalte dann passende Treffer aus dem Internet dazu. Sehr hilfreich finde ich an dieser Suche vor allem die folgenden Aspekte:
1. Hilfreicher Suchindex ohne personalisiertes Tracking
Genutzt wird nach Angaben des Unternehmens ein eigener Suchindex in Kombination von Suchindexen von anderen Suchmaschinen (z.B. Google). Weil der eigene Account nicht direkt mit den eingegebenen Begriffen verknüpft wird (durch einen verschlüsselten Token), erfolgt keine personalisierte Speicherung. Die Suchergebnisse fand ich bereits ohne weitere Anpassungen meistens deutlich überzeugender als bei anderen Suchmaschinen, inklusive Google oder anderen Bezahlsuchmaschinen wie Metager. Und schön ist natürlich, dass keine Werbung oder ähnliches ablenkt.
2. Anpassbarkeit und Personalisierung
Ich kann meine Suche sehr vielfältig anpassen.
Erstens gibt es so genannte Bangs, die ich bereits von der Suchmaschine DuckDuckGo kenne. Ein Bang ist ein Ausrufezeichen, gefolgt von einem Kürzel, das ich in meiner Suche ergänze. Wenn ich z.B. „Klimawandel !w“ als Suche eingebe, wird direkt auf der Wikipedia zum Begriff Klimawandel gesucht.
Zweitens gibt es so genannte Linsen („lenses“). Diese haben mich am meisten begeistert. Es sind einfach anklickbare Suchvorgaben, die meine Suche z.B. auf bestimmte Seiten beschränken oder andere Vorgaben machen. Einige dieser Linsen stehen vorkonfiguriert zur Verfügung. Besonders hilfreich ist es aber, eigene Linsen anzulegen. Ich habe zum Beispiel eine Linse angelegt, die direkt nach möglichen Treffern auf meiner eigenen Website sucht oder eine Linse zu OER, in der ich die Suche auf mehrere OER-Repositories begrenze. Zu diesen Linsen kann ich jeweils auch einen Bang entwickeln. So kann ich also jetzt zum Beispiel „Klimawandel !oer“ eingeben – und erhalte dann Treffer zum Begriff Klimawandel aus den von mir festgelegten OER-Repositories.
Drittens kann ich den Suchalgorithmus personalisieren, um mir die am besten für mich passenden Ergebnisse anzeigen zu lassen. Dazu kann ich den Suchalgorithmus für mich kontinuierlich immer besser trainieren. Das funktioniert, indem ich bei Suchergebnissen jeweils gewichten kann, ob ich mehr oder weniger von einer bestimmten Seite sehen will. Es ist auch möglich, eine Website ganz zu sperren.
3. Intelligente KI-Nutzung
Richtig gut finde ich außerdem die Verknüpfung der Suche zu KI-Funktionen. Zum einen kann ich mir Kurzantworten (= ein KI-generiertes Snippet) über meinen Suchergebnissen anzeigen lassen, wenn ich das möchte. Automatisch wird es erstmal nicht angezeigt. Die Anzeige ist sehr simpel, indem ich einfach ein Fragezeichen an den Suchbegriff setze.
Wenn ich vertiefter in ein Thema einsteigen will, kann ich den Assistenz-Bereich nutzen. Hier kann ich mit dem KI-Sprachmodell von kagi interagieren oder (auch innerhalb eines Chats) zwischen unterschiedlichen offenen und proprietären KI-Modellen auswählen. Das ist so ähnlich, wie ich es mir auf meinem KI-Server realisiert habe. Es gibt bei kagi auch die Möglichkeit von Verschlagwortung von Chats, so dass ich mit den Ergebnissen sehr gut weiter arbeiten und mir eine Art vernetzte Wissensbasis aufbauen kann.
Alternativ gibt es auch einen Summarizer, der nach Eingabe einer URL – entweder mit Schlüsselmomenten oder klassisch zusammengekürzt – eine Zusammenfassung des jeweiligen Inhalts liefert. Auch hier fand ich die Qualität ziemlich gut.
Besonders hilfreich finde ich, dass ich diese KI-Funktionen mit meinen Sucheinstellungen verbinden kann. Zum Beispiel kann ich Klimawandel? eingeben und gleichzeitig die Linse ‚OER‘ aktivieren. Dann erhalte ich eine KI-generierte Kurzantwort basierend auf den in dieser Linse eingegebenen Websites und eben nicht irgendeinen zufälligen Quatsch aus dem Internet, der in letzter Zeit ja immer häufiger eine KI-generierte Halluzination ist.
Beispielsuche mit KI-Snippet-Aktivierung und festgelegter Linse ‚OER-Ressourcen‘
Was ist an kagi für die Bildung spannend?
In der Initiative LernAssistenz machen wir uns seit einigen Monaten sehr grundsätzliche Gedanken, wie eine gute KI-Assistenz zum Lernen gestaltet sein müsste. Viele der dort diskutierten Aspekte finde ich nun bei kagi schon in Realität umgesetzt, womit das Tool vielleicht auch ein guter ‚Prototyp‘ für eigene Entwicklungen im Bildungsbereich sein kann. Erwähnenswert finde ich vor allem diese Aspekte:
1. Maschine statt menschenähnlicher Bot
Ich finde es sehr sinnvoll, dass der Ausgangspunkt bei kagi die Suche ist. So wird sehr gut deutlich, dass es um eigene Erschließung der Welt und Lernen geht. Und nicht darum, schnell und automatisiert irgendwelchen Content zu produzieren. Natürlich kann ich mit den zur Verfügung stehenden KI-Tools dann auch bei kagi in menschlicher Sprache mit den zur Verfügung stehenden KI-Tools chatten. Aber auch diese werden mir als Maschinen präsentiert, nicht vermenschlicht als freundliche Roboter oder lustige Tierchen. (Das mag wie eine Nebensächlichkeit erscheinen. Ich finde diesen Aspekt für eine kluge KI-Nutzung aber sehr grundlegend. Denn es sollte unbedingt deutlich werden, dass es hier um Technik und eben nicht um Magie geht und erst recht nicht um einen menschlichen Ersatz.)
2. Transparenz bei der KI-Generierung
Wenn ich die KI-Tools von kagi auf bestimmte Quellen begrenze, dann wird mir direkt angezeigt, zu wieviel Prozent die generierte Antwort auf diesen Quellen basiert. Sehr häufig ist der Wert bei 100%. Wenn er niedriger ist, weiß ich direkt, dass ich vielleicht noch einmal genauer auf die Generierung blicken sollte oder auch, dass meine Eingrenzung für meine Herausforderung nicht so viel an Inhalten hergibt.
Zur Transparenz gehört auch, dass mir nicht nur immer direkt angezeigt wird, mit welchem Modell ich die Antwort generiert habe, sondern zum Beispiel auch, wieviel Tokens dazu benötigt wurden und welchen Kosten das entspricht. Das ermöglicht bewusste Nutzung im Sinne von Nachhaltigkeit.
Screenshot aus der kagi-KI-Assistenz
Transparenz, die bei kagi fehlt, sind Angaben zum genauen Suchindex und das gesamte Tool ist wie beschrieben nicht Open Source, was für den Bildungsbereich aus meiner Sicht unerlässlich wäre.
3. Scaffolding
Wenn du meine obigen Beschreibungen gelesen hast, dann bist du vielleicht zum Schluss gekommen, dass kagi ein reichlich nerdiges Tool ist. Das ist richtig. Es lässt sich sehr viel einrichten und anpassen. Zugleich ist kagi aber auch sehr intuitiv aufgebaut. Ich muss also nicht erst die ganze Dokumentation lesen, um das Tool nutzen zu können, sondern kann mir die vielfältigen Möglichkeiten erkundend und nach und nach erschließen.
4. Kollaboration und Teilen
Es gibt an sehr vielen Stellen die Möglichkeit, mit anderen Nutzenden in Kollaboration und Austausch zu gehen. Zum Beispiel kann ich für die von mir erstellten Linsen Links zum Teilen generieren. Das finde ich für Bildungstools sehr wichtig.
5. Small Web
Ein sehr schöner Ansatz von kagi ist auch der Suchindex des ‚Small Web‘, der auf einer Extra-Seite oder innerhalb der Suche abrufbar ist und gezielt auf individuelle und nicht-kommerzielle Websites im Internet verweist. Im Bildungsbereich könnte solch ein wertschätzender Fokus dazu motivieren, das Internet verstärkt auch selbst mitzugestalten.
Fazit
Herzlichen Dank für diese Empfehlung. Ich habe kagi nun testweise als meine Standard-Suchmaschine eingestellt und bin gespannt, welche weiteren Erkundungen ich damit noch machen werde.
Ich hoffe, dass einige der Funktionalitäten und Ansätze von kagi auch ihren Weg in KI-Lerntools finden, die zurzeit ja an unterschiedlichsten Stellen für die Bildung entwickelt werden.
Wenn du kagi oder auch andere Recherchetools im Kontext von KI ausprobierst, bin ich neugierig, von deinen Erfahrungen zu lesen!
#KünstlicheIntelligenzKI_
#kunstlicheintelligenzki_
eBildungslabor-Blog @[email protected] · 2025-09-15 · 19:30 UTC
Digitales Lesen im Kontext von KI
Zum Lesen gehört im digitalen Kontext nicht nur, einen bestimmten Inhalt zu erfassen, sondern vor allem auch, den jeweiligen Inhalt für sich einzuordnen. Dazu können vielfältige Kontextualisierungstechniken im Internet genutzt werden. Ausführlich habe ich diese Herausforderung und praktisches Handwerkszeug in einem Blogbeitrag Mitte 2019 vorgestellt. Der Fokus lag hier auf der Herausforderung des Faktenchecks. Rund 6 Jahre später hat sich – vor allem durch das Aufkommen und die zunehmende Verbreitung generativer KI-Sprachmodelle – in diesem Bereich einiges getan, worüber ich im Folgenden schreibe.
Disclaimer vorab: Ich bin mit meinem Nachdenken hierzu noch nicht fertig, aber finde es gerade deshalb hilfreich, dazu etwas zu veröffentlichen. Denn ich kann mir vorstellen, dass auch andere, genau wie ich, dazu aktuell auf der Suche und am Erkunden sind.
Wie verändert sich digitales Lesen im Kontext von KI?
Um über Veränderung des digitalen Lesens im Kontext von KI nachzudenken, muss man sich zunächst vergegenwärtigen, was eigentlich mit digitalem Lesen gemeint ist. Für mich handelt es sich dabei – wie oben schon kurz angeteasert – um ein Lesen, das nicht nur auf den jeweiligen Inhalt fokussiert, sondern für eine umfassende Einordnung und ein Verständnis immer auch den Kontext mit einbezieht. Um das zu realisieren wird das Internet mit seinen vielfältigen Möglichkeiten der Vernetzung genutzt.
Zum digitalen Lesen gehören demzufolge mehrere Schritte, die meistens sicherlich nicht so linear, wie hier dargestellt, ablaufen:
1. Ich lese einen Inhalt, mit dem ich online konfrontiert bin.
2. Ich versuche, diesen Inhalt für mich einzuordnen: Wer schreibt aus welcher Perspektive/ mit welchem Interesse worüber? Um diese Frage zu beantworten, nutze ich Informationen direkt auf der jeweiligen Seite, aber vor allem auch Vernetzungen dazu über eine Internetrecherche. (Beispiel: Im Impressum steht eine Organisation. Ich recherchiere über eine Internetsuche, was das für eine Organisation ist. Oder: Im Inhalt wird eine Studie erwähnt. Ich recherchiere über eine Internetsuche die Studie im Original)
3. Ich kontextualisiere den Inhalt und meine Ergebnisse der Einordnung, indem ich mir die Frage stelle: Was schreiben/ sagen andere dazu? Dieser Schritt wird auch als Corroboration bezeichnet.
Im Kontext von KI verändert sich dieses digitale Lesen nun. Denn erstens bin ich vielfach gar nicht mehr direkt mit einem Primär-Inhalt konfrontiert, wenn ich im Internet recherchiere, sondern mit einem KI-generierten Überblick dazu. Zweitens kann ich für meinen digitalen Leseprozess auch selbst KI-Werkzeuge nutzen.
Zwei Strategien zum digitalen Lesen im Kontext von KI
Bei mir beobachte ich im Kontext von KI zurzeit zwei völlig entgegen gesetzte digitale Lesestrategien. Auf der einen Seite versuche ich, KI-Technologie ganz bewusst aus meinem Leseprozess draußen zu halten. Auf der anderen Seite orientiere ich ebenso bewusst auf KI-Tools als Ausgangspunkt meines Lesens. Für beide Strategien kann ich jeweils sehr gute Gründe nennen.
Strategie 1: KI-generierte Inhalte bewusst ausschließen
Die Strategie des bewussten Ausschlusses von KI-Tools beim digitalen Lesen wähle ich, weil ich für mich potentiell verdummende Abkürzungen vermeiden und der Gefahr von Manipulation entgehen will. Was ist damit gemeint?
1. Nicht-sinnvolle Abkürzungen: In immer mehr Internetsuchmaschinen (am offensichtlichsten ist es für mich bei Google) wird auf eine Suchanfrage hin ganz oben eine KI-generierte Zusammenfassung angezeigt. In vielen Fällen führt das dazu, dass ich, wenn ich einen Inhalt zum Lesen suche oder Informationen über einen gelesenen Inhalt, gar nicht mehr eine Website anklicken muss, sondern direkt eine Antwort auf meine Frage sehe. Das empfinde ich beim digitalen Lesen als eine Abkürzung, die mir auf längere Sicht für mich nicht sinnvoll erscheint. Denn ich möchte mich ja gerade mit unterschiedlichen Inhalten konfrontieren und nicht verlernen, mich in dieser Vielfalt selbst orientieren zu können.
2. Potentielle Manipulation: Mir ist bewusst, dass KI-Generierung über einen von Menschen gestalteten Algorithmus erfolgt. Leider bleiben diese Algorithmen für uns meistens intransparent. Bekannt ist aber zum Beispiel, dass das GPT-Modell von OpenAI für Nachrichtenanzeigen bei der Websearch-Funktion eine Kooperation mit dem Axel Springer Verlag eingegangen ist. Ähnliche bewusste Setzungen werden auch Anbieter von Suchmaschinen oder Anbieter anderer KI-Sprachmodelle machen. Ich bekomme als Output von KI-Modellen also nicht eine mögliche Perspektive auf meine Frage oder eine objektive Zusammenstellung von allen verfügbaren Perspektiven, sondern stattdessen eine bewusste, von dem anbietenden Unternehmen gesteuerte Auswahl.
Vor dem Hintergrund dieser beiden Gründe erscheint es mir sehr folgerichtig, digitales Lesen bewusst ohne KI-Tools zu gestalten. Dabei hilft mir das folgende Handwerkszeug:
Zunächst die Suchmaschine DuckDuckGo und ihre Verbindung mit Bangs:
Der große Vorteil (manche würden es vielleicht auch als Nachteil einordnen, ich komme später noch einmal darauf zurück) von DuckDuckGo ist, dass mir hier die jeweils besten Suchergebnisse und nicht personalisierte Suchergebnisse angezeigt werden. Vor diesem Hintergrund bekomme ich erst einmal deutlich mehr vom Internet angezeigt und bleibe nicht nur in meiner selbst gestalteten Bubble gefangen. (Vom Datenschutz her wird DuckDuckGo ansonsten nur eingeschränkt empfohlen. Insbesondere hat das Unternehmen seinen Sitz in den USA und unterliegt somit den dortigen gesetzlichen Bestimmungen. Zudem ist das Geschäftsmodell die Werbefinanzierung. Ich bekomme also in meinen Suchergebnissen auch – natürlich entsprechend markierte – Werbeanzeigen angezeigt.)
Ich habe mich für DuckDuckGo vor allem aufgrund der Möglichkeit von so genannten Bangs entschieden. Ein Bang ist ein Ausrufezeichen mit einer Abkürzung, was ich an meinen Suchbegriff ergänze. Auf diese Weise kann ich z.B. festlegen, dass ich gezielt auf Reddit suchen möchte (mit der Ergänzung !r), oder auf YouTube (mit der Ergänzung !yt) oder in der Wikipedia (mit der Ergänzung !w). Auf diese Weise kann ich sehr gezielt in einen bestimmten Bereich des Internets gehen. (Beispiel: Wenn ein neues KI-Tool auf den Markt kommt, dann kann ich dazu über DuckDuckGo sowohl auf LinkedIn mit dem Bang !li als auch auf Mastodon.social mit dem Bang !ms recherchieren. Auf diese Weise bekomme ich einen sehr vielfältigen Einblick, wie das Tool rezipiert wird.)
Eine durchsuchbare Übersicht aller Bangs stellt DuckDuckGo auf dieser Website zur Verfügung.
Beispielsuche mit Bang bei DuckDuckGo: Was lässt sich zum Suchbegriff eBildungslabor auf LinkedIn finden?
Zweitens orientiere ich auf und pflege ein persönliches Lernnetzwerk:
Der Zugriff auf Informationen über ein persönliches Lernnetzwerk ist bei mir einer Internetsuche vorgeschaltet. Mit meinem persönlichen Lernnetzwerk lege ich somit fest, was ich lese, bevor ich überhaupt etwas suche. Diese Auswahl ist bei mir überwiegend ganz bewusste „Handarbeit“.
- Erstens kuratiere ich mir meine eigene Timeline über das Folgen von Hashtags und Profilen im Fediverse und nutze auch Social Media Plattformen wie LinkedIn.
- Zweitens habe ich einen Feedreader, über den ich via RSS mehrere Blogs abonniert habe, die ich so dann direkt als eine Art Timeline angezeigt bekomme.
- Drittens schreibe und teile ich selbst und erhalte darüber direkte Rückmeldungen.
Beide Zugänge – sowohl die gezielte Internetrecherche mit Bangs über DuckDuckGo als auch die Nutzung eines persönlichen Lernnetzwerk als Basis für mein digitales Lesen – haben sich mit KI für mich nicht verändert. Ich habe aber den Eindruck, dass sie wichtiger geworden sind.
Strategie 2: KI-Tools als Ausgangspunkt nehmen
Während wie dargestellt viele gute Gründe dafür sprechen, KI-generierte Inhalte ganz bewusst aus dem digitalen Lesen draußen zu halten, gibt es natürlich auch viele gute Argumente für das genaue Gegenteil, also für eine Variante, bei der digitales Lesen ganz gezielt auf KI-Tools aufbaut. Auch diese Strategie setze ich ein, sammle Erfahrungen und reflektiere darüber.
Für diese Strategie spricht aus meiner Sicht, dass KI-Technologie eine ausgezeichnete Unterstützung sein kann, um sich vielfältige Inhalte zu erschließen. Ich muss mich dann nicht mühsam von einem Inhalt zum anderen hangeln, sondern kann direkt mit einer Zusammenstellung zu einem Thema starten, zu der ich dann weiter vertiefen kann. Um diese Strategie zu nutzen, finde ich erstens Quellen-Rückverfolgungsmöglichkeiten in KI-Tools wichtig. Zweitens ist für mich ein bewusstes und gezieltes Prompting wichtig, mit dem sich typische Denkfehler vermeiden lassen.
1. Rückverfolgung: Rückverfolgungsmöglichkeiten gibt es mittlerweile nicht mehr nur bei dafür spezifisch gestalteten KI-Tools wie Perplexity, sondern auch bereits die KI-generierten Snippets in einer Google-Suche geben Links als Quelle an, auf die ich dann klicken und mir ein eigenes Bild verschaffen kann. Oft hilft bereits ein schnelles Durchklicken durch das verwendete Quellenverzeichnis, um zu entscheiden, ob ich mich überhaupt mit dem Snippet befassen soll oder ob ich meine Suchanfrage besser noch einmal anders formuliere.
2. Gezieltes Prompting: Neben Suchmaschinen-KI lässt sich KI-Technologie in direkter Interaktion mit einem KI-Sprachmodell nutzen. Hier kann es hilfreich sein, einen Inhalt einzugeben und dann den Denkraum durch gezielte Prompts zu öffnen. Also zum Beispiel durch Formulierungen wie diese:
- Was wären andere Perspektiven, um auf das Thema zu schauen?
- Was würde Person NN dazu sagen?
- Welche kritischen Einwände könnte es zu dieser Position geben?
- Was von diesem Inhalt kannst du nicht eindeutig bestätigen?
Auf diese Weise nutze ich KI-Sprachmodelle vor allem für den Prozess der Corroboration.
Mit solch einer Quellenverfolgung und einem gezielten Prompting ergeben sich für mich zahlreiche neue Möglichkeiten des digitalen Lesens.
Hinzu kommt, dass sich mit KI-Tools schon die Auswahl meiner zu lesenden Inhalte verändert. Anstatt also einen Inhalt zu haben, den ich dann durch unterschiedliche Prompts einordne, erstelle ich mir direkt eine solche einordnende Zusammenstellung auf Basis mehrerer Inhalte. Von dort kann ich dann bei Bedarf auch wieder zu einzelnen Inhalten zurückspringen. Diesen Prozess habe ich in einem meiner KI-Experimente als ‚vernetztes Lesen‘ bezeichnet. Inzwischen gestalte ich diesen Prozess auf meinem eigenen KI-Server und bin nicht mehr auf Tools wie NotebookLM angewiesen.
Fazit: „Sowohl als auch“ und Lesen als sozialer Prozess
Im Ergebnis scheint mir beim digitalen Lesen im Kontext von KI zurzeit ein ‚Sowohl-als-auch‘ zielführender als ‚Entweder-Oder‘. In diesem Sinne lese ich digital sowohl bewusst ohne KI-Tools, als auch bewusst mit KI-Tools – und damit dann häufig so, dass KI-Technologie eine Variante unter vielen ist. Hier ergibt sich als Lesestrategie dann zum Beispiel, dass ich erst offen und nicht-personalisiert und ohne KI-Snippet auf DuckDuckGo nach etwas recherchiere. Anschließend dann mit dem Bang !g zu Google wechsle und dort personalisierte Inhalte sowie ein KI-generiertes Snippet angezeigt bekomme. Meine Einordnung eines Inhalts kann sich dann auf all diese Anzeigen beziehen.
Oder ich starte in einem Fall bewusst ausgehend von einem Einzelinhalt, den ich über mein persönliches Lernnetzwerk finde und kontextualisiere diesen mit einer gezielten Weiterrecherche im Internet. In einem anderen Fall gehe ich von mehreren Inhalten aus und verknüpfe und vernetze diese lesend mit KI-Tools.
Ich finde es spannend zu beobachten, wie sich digitales Lesen auf diese Weise entwickelt und verändert und frühere Ansätze dabei zugleich nicht obsolet werden. Auch kann ich feststellen, dass es solch eine Veränderung in meinem digitalen Lesen auch schon vor KI gab, weil ich z.B. im Blogbeitrag von 2019 die Möglichkeit von Bangs noch nicht nutzte. Die pädagogisch spannende Frage ist dann, welche Strategien man wie in Lernkontexten berücksichtigen möchte und sollte.
Die Reflexion über mein digitales Lesen zeigt mir vor allem auch, dass digitales Lesen im Kontext von KI weiterhin – und vielleicht in solch einer Phase der Veränderung umso mehr – ein sozialer Prozess ist. Wir müssen also gemeinsam und erkundend ein verändertes digitales Lesen lernen und wir befinden uns dabei alle in einem Lernprozess, in dem Austausch uns weiter bringen kann.
Beitragsbild: Noch vielfältiger wird der Prozess, weil natürlich (zumindest bei mir) immer auch noch ganz viel analoges Lesen dazu kommt. Hier ein Blick in einen Teil meines Bücherregals.
Lektüre-Empfehlung zum Weiterlesen: Maik Philipp, digitales Lesen fördern, Vandenhoeck & Ruprecht, 2025.
#DigitaleMündigkeit #KünstlicheIntelligenzKI_
#digitalemundigkeit #kunstlicheintelligenzki_
eBildungslabor-Blog @[email protected] · 2025-09-11 · 20:01 UTC
Didaktische KI-Nutzung
Ich hatte heute einen sehr schönen Workshop am Katholisch-Sozialen Institut in Siegburg mit Kolleg*innen aus der katholischen Erwachsenen- und Familienbildung in NRW. Das Thema war KI, aber in einer sehr weitergedachten Form. Konkret haben wir uns unter dem Workshoptitel ‚didaktische KI-Nutzung‘ die Frage gestellt, wie wir als pädagogisch tätige Menschen in unseren Lernangeboten mit dem Thema KI gut umgehen können.
Meine Struktur für den Workshop war ein Vierklang mit Verstehen, Nutzen, Reflektieren und Transformieren. Wir haben immer jeweils selbst erkundet, wie wir mit unterschiedlichen Methoden dazu lernen können. Auf der Meta-Ebene haben wir dann im nächsten Schritt weiter gedacht, was wir davon wie auf unsere jeweils eigenen Lernangebote transferieren können.
In diesem Blogbeitrag stelle ich meine Vorgehensweise im Workshop vor und teile die dafür erstellten Materialien zur offenen Weiternutzung.
Einstieg
Wir starteten den Workshop mit einem Kartentausch mit Thesen zu KI. Diese hatte ich in Interaktion mit einem KI-Sprachmodell mit diesem einfachen und gut weiternutzbaren Prompt entwickelt:
Hier ist eine Workshopbeschreibung: [die veröffentlichte Workshopbeschreibung]. Gib mir eine Liste mit 20 möglichst prägnanten und vielfältigen Thesen, die in diesem Workshop diskutiert werden könnten.
In Paargesprächen wurde dann zu den erhaltenen Thesen erstens reflektiert, inwieweit man der These zustimmt und zweitens welche Relevanz sie für die eigene Arbeit hat. Auf diese Weise stiegen wir nicht nur inhaltlich in das Thema ein sondern die Teilnehmenden lernten sich auch untereinander kennen.
Vierklang zur KI-Didaktik
Anschließend leitete ich in den weiteren Part des Workshops über. Hier erläuterte ich zunächst, warum ich den sehr breiten Ansatz des beschriebenen ‚Vierklangs‘ gewählt hatte. Denn schließlich könnte man sich bei der Frage ja einfach auch ’nur‘ auf Nutzung beschränken. In diesem Fall hätten wir einfach ein paar Prompts miteinander ausprobiert. Mir war aber stattdessen wichtig, dass es weniger um isolierte KI-Nutzung und mehr um eine ermächtigende Lerngestaltung für Handlungsfähigkeit in einer zunehmend KI-geprägten Welt geht. Dazu braucht es neben klugen Nutzungsstrategien vor allem ein Verständnis der Technologie, Befähigung zu einer mündigen Entscheidung, was die Reflexion ihrer Risiken und Schäden voraussetzt, und schließlich eine Form des Lernens, die auf aktive Veränderungskompetenz zielt.
Als Mini-Murmelrunde an diesen Kurzimpuls schloss sich eine ‚Klebepunktaufgabe‘ an. Ich hatte dazu auf einem Flipchart den klassischen Hype Cycle, wonach bei Technologie-Einführung meistens zu Beginn große Begeisterung herrscht, es dann zunehmend zu Enttäuschungen kommt, bevor ein produktiver Umgang erlernt wird und die Kurve wieder nach oben geht, erweitert. Insbesondere hatte ich dargestellt, dass die weitere Entwicklung der Technologie für mich durchaus offen ist. Untersuchungen, wonach z.B. ein KI-Tool wie Perplexity, das vormals fast alle Fehlinformationen erkannte, aber mittlerweile nur noch knapp 50 Prozent, können zum Beispiel diese Einschätzung begründen. Die Teilnehmenden tauschten sich aus und klebten dann ihre Punkte. Das entstandene Bild zeigt, dass wir es mit einer abwartenden bzw. vorsichtig optimistischen Gruppe zu tun hatten, an der auch einzelne Einsteiger*innen in das Thema beteiligt waren.
Ergebnis der Klebepunkt-Reflexion
1. Verstehen
Für das Verstehen der aktuell diskutierten KI-Technologie in Form von großen Sprachmodellen finde ich das Prinzip der Mustererkennung (= es gibt eine riesige Datenbasis, in der Muster erkannt und dann genutzt werden können) und das Prinzip der Wahrscheinlichkeitsberechnung (= der Output wird so generiert, dass der nach Wahrscheinlichkeit am besten passende Inhalt angezeigt wird) wichtig. Diese beiden Prinzipien lassen sich ganz ausgezeichnet mit Online-Tools wie AutoDraw, der Teachable Machine, Emoji Scavenger Hunt oder Sookia GPT erproben. Ich stellte diese Tools kurz im Plenum vor, bevor wir uns Zeit zum Ausprobieren nahmen. Dazu waren die Tools direkt in den Online-Materialien verlinkt und beschrieben.
Für das Verstehen der Technologie finde ich die vier genannten Tools sehr gut, aber noch nicht ausreichend. Mir fehlt dabei der Aspekt, dass die verwendeten Algorithmen natürlich nie nur Blackbox sind, sondern menschliche Gestaltung z.B. über Systemprompts oder verwendete Filter, die uns als Nutzer*innen in den meisten Fällen leider nicht transparent sind.
Um diesen Aspekt sehr anschaulich zu verstehen, versuchten wir uns an einem analogen Nachbau eines Large Language Models in Kleingruppen. Die Gruppen bestanden dabei aus mindestens 6 Personen. Eine Person davon war Nutzer*in und gab die Prompts vor. Eine zweite Person war in Verantwortung für das Modell und konnte also über Systemprompts und Filtermechanismen entscheiden. Der Rest der Gruppe war die Datenbasis, also im Prinzip Inhalte im Internet.
Die nutzende Person erhielt eine Liste mit möglichen Prompts, aus denen sie auswählen konnte. Daneben konnte sie natürlich auch eigene Prompts überlegen. Die Prompt-Liste hatte vor allem den Sinn, dass das Muster (= gesucht waren Prompts, die in wenigen Wörtern oder maximal einem Satz beantwortet werden können, sonst wird das Spiel zu langwierig) deutlich wird.
Die zweite Person erhielt Anregungen sowohl zur hauptsächlichen Sortierung als auch zu möglichen Filtern. Auch diese Person konnte natürlich statt diesen vorgegebenen Ideen auch eigene Regeln überlegen. Für den Rest der Gruppe wurde die Entscheidung nicht transparent gemacht.
Verwendete Rollenkarten für ein analoges LLM
Dann brauchte nur noch die „Datenbasis“ Karteikarten und Kugelschreiber – und das analoge Sprachmodell war einsatzbereit! Sehr schnell hintereinander wurde nun mehrmals gepromptet und ein Output zurückgespielt.
Das lief so ab:
- Nutzer*in sagte ihren Prompt.
- Datenbasis schrieb jeweils unabhängig voneinander auf, was dazu potentiell im Internet dazu zu finden sein könnte.
- Besitzer*in sammelte alle Karten ein, wählte gemäß der getroffenen Sortierentscheidung und Filter aus – und las dann die ausgewählte Karte laut vor und gab sie an die Nutzer*in zurück.
- Dann äußerte die Nutzer*in den nächsten Prompt
  …
Ergebnis der ‚Datenbasis‘ zum Prompt: ‚Werbespruch für kalten Kaffee‘ – vor der Auswahl durch den Algorithmus
Wir nahmen uns Zeit für 5-6 Durchläufe. Danach erzählten die Besitzer*innen, was ihre Entscheidungen für den Algorithmus gewesen waren. Manches davon war sicherlich sehr realitätsfern, z.B. wenn immer der längste Text ausgesucht wurde. Anderes dann aber durchaus denkbar, z.B. wenn als Filter gesetzt war, dass religiöse Bezüge gefiltert wurden.
Wir konnten uns anschließend gut dazu austauschen, dass nicht der Algorithmus eines KI-Sprachmodells per se ein Problem ist. Denn das ist einfach gesprochen eben die Anweisung, nach der der Output dargestellt wird. Sondern die Tatsache, dass die Gestaltung dieser Algorithmen in den meisten Fällen intransparent und undemokratisch ist.
Schön finde ich an diesem Spiel erstens die sehr einfache Umsetzung. Zweitens kann es Freude machen, weil natürlich auch viel Quatsch-Potential dabei ist. Und drittens lassen sich die Beispielprompts und Sortierregeln sehr gut für unterschiedliche Kontexte anpassen.
Als Anregung teile ich hier meine genutzten Vorlagen für die Rollenkarten. In jedem Set sind Rollenkarten für eine Kleingruppe (= ein analoges LLM). Die Rollen Nutzer*in und Besitzer*in müssen verteilt werden. An Datenbasis-Rollen braucht es 4-6:
Rollenkarten für ein analoges LLMHerunterladen
2. Nutzen
Die Herausforderung des Verstehens habe ich ganz bewusst an den Anfang gesetzt. Denn ohne Verständnis der Technologie ist für mich keine kluge Nutzung möglich. Darauf aufbauend konnten wir dann sehr gut unterschiedliche Interaktionsmöglichkeiten erproben. Ich stellte dafür mein bereits vor einigen Monaten entwickeltes Koordinatensystem vor:
Es gab dann zu jedem Feld eine kurze Erklärung sowie einen exemplarischen Prompt zum Ausprobieren und zur anschließenden Anpassung in Kleingruppen.
Ich nutzte diesen Part außerdem, um meinen KI-Server als eine selbstbestimmte und mündige Form einer KI-Infrastruktur vorzustellen.
3. Reflektieren
Nach der Mittagspause stiegen wir mit einer Kurzfassung der Geschichte ‚The ones who walk away from Omelas‘ von Ursula K. Le Guin in die Herausforderung der Reflexion ein. Die Geschichte stammt schon aus den 70er Jahren und eröffnet im Kontext von KI die Frage, wer von Technologie profitiert und wer verliert und wie damit umgegangen werden kann, dass eine Technologie, die sehr viel Schaden anrichtet, Teil unserer Lebensrealität ist.
Für die Nutzung habe ich die Geschichte von Ursula K. Le Guin in eine eigene Version gebracht, die deutlich kürzer als das Original ist, auf Deutsch erzählt wird und das KI-Thema ein bisschen mit aufnimmt, um einen direkten Bezug herzustellen. Vor dem Workshop hatte ich diese Fassung als Audio eingesprochen, so dass wir hier gemeinsam zuhören konnten. Wenn du diesen Impuls auch nutzen willst, kannst du dazu diesen H5P-Inhalt verwenden:

Die Geschichte leitete dann über zu einem Walk&Talk mit mehreren, inhaltlichen Aspekten zu den Gefahren, Risiken und Schäden von KI-Technologie. Es ging uns dabei nicht nur darum, diese Aspekte gemeinsam zu reflektieren. Zugleich war Raum, um zu überlegen, wie sich das didaktisch in Lernangeboten (gerade mit einer bildungsfernen Zielgruppe oder mit Nicht-Pädagog*innen) aufgreifen lässt.
Walk&Talk Briefumschläge
Für das Thema Bias zeigte ich hierfür ein paar Möglichkeiten bei der Bildgenerierung. Gemeinsam experimentierten wir dann noch mit Fortsetzungsgeschichten, an denen sich gut die Reproduktion von Geschlechterstereotypen in KI-Sprachmodellen zeigen lässt. Die entsprechenden Prompts zur Weiternutzung findest du (mitsamt der Walk & Talk Anregungen) in den Online-Materialien zum Workshop.
4. Transformieren
Damit waren wir auch schon bei der letzten Herausforderung, der Transformation, angelangt. Diese Herausforderung gab zugleich die Gelegenheit, den bisherigen Workshop Revue passieren zu lassen und konkrete nächste Schritte zu überlegen.
Ich leitete damit ein, dass es bei KI in der Bildung eben nicht nur um das Lehren und Lernen mit KI-Tools, sondern vor allem um verändertes Lehren und Lernen geht, welches Handlungsfähigkeit in einer zunehmend KI-geprägten Welt ermöglicht.
Einführung in den letzten Teil des Workshops
Darauf aufbauend entwickelten wir erst Lernenden-Personas und tauschten uns dazu aus, was diese jeweiligen Personas im Kontext von KI besonders benötigen. Auf diese Weise nahmen wir eine Perspektive des Lernens ein.
Eine der entwickelten Personas
Zweitens nutzte ich die Future Backwards Methode in Form eines Silent Writing als Vorbereitung für ein Troika Consulting. Das bedeutete:
Alle notierten für sich im Stillen in je einer Minute Stichpunkte zu den folgenden Fragen:
- Wo stehst du aktuell im Kontext von KI in deiner Lerngestaltung?
- Was hat dazu geführt, dass du dort stehst?
- Wo möchtest du gerne hin, was ist dein Nordstern?
- Was willst du in keinem Fall?
- Was könnte vor diesem Hintergrund ein erster nächster Schritt sein?
Future Backwards Methode Schritt für Schritt am Flipchart visualisiert
Dann teilten wir uns alle in Dreier-Gruppen auf. Jede Person in der Dreier-Gruppe konnte sich dann 5 Minuten lang von den anderen beiden zum entwickelten ersten Schritt beraten lassen.
Abschluss
Wir beendeten den Workshop ganz klassisch mit Klärung aller Fragen, die noch offen waren, und mit dem Teilen unserer nächsten Schritte. Dann gab es ein Feedback zum Workshop, was sehr positiv ausfiel. :-)
Fazit
Mir hat der Workshop viel Freude gemacht. Zur Weiternutzung kann ich vor allem diese Aspekte empfehlen:
- Die sehr anschaulichen Erkundungen, um KI-Technologie zu verstehen, insbesondere das analoge LLM
- Die ruhige Gesamtgestaltung mit viel Raum für Nachfragen und Erkundungen und einer sehr klaren Struktur, die meiner Wahrnehmung nach immer gut nachvollziehbar war.
- Die Gestaltung von übersichtlichen Online-Materialien, die wir gemeinsam einmal durchgegangen sind und die jetzt allen zur Weiternutzung zur Verfügung stehen (und hoffentlich auch ohne Workshop verständlich sind)
- Die Nutzung von Audio in Form der Kurzgeschichte zum Anhören zwischendurch. So etwas möchte ich zukünftig häufiger machen.
- Die umfassende Betrachtung von KI-Didaktik nicht nur aus reiner Nutzungsperspektive
- Die Kombination von Silent Writing + Future Backwards Methode + Troika Consulting
Viel Freude wünsche ich dir bei der Weiternutzung und beim Weiterdenken.
Mein Dank geht an die wunderbaren Teilnehmenden für das spannende gemeinsame Lernen, die Katholische Erwachsenen- und Familienbildung NRW für die gute Zusammenarbeit und an das Katholisch-Soziale Institut in Siegburg für die sehr professionell gestalteten und einladenden Tagungsmöglichkeiten. Sehr gerne wieder!
Foto eines Teils der heutigen Workshopgruppe im Innenhof im KSI
#KünstlicheIntelligenzKI_ #MethodenLernformate
#kunstlicheintelligenzki_ #methodenlernformate
eBildungslabor-Blog @[email protected] · 2025-04-07 · 17:46 UTC
Warum ich zukünftig keine KI-Überarbeitung von Texten mehr verschleiern will …
Ein oft genannter Tipp, um KI-generierte Texte zu erkennen, lautet: In KI-generierten Texten wird häufig der (korrekte) lange Gedankenstrich anstelle des direkt auf der Tastatur erreichbaren Mini-Bindestrichs genutzt.
Meine KI-Nutzungsroutine beim Schreiben von Texten ist zurzeit oft wie folgt:
1. Ich schreibe einen Text.
2. Ich lasse ihn von KI überarbeiten.
3. Ich überarbeite die KI-Überarbeitung
Zwangsläufig sind dann in meinen Texten viele lange Gedankenstriche aus der KI-Überarbeitung in Schritt 2 zu finden.
Nun habe ich mich selbst dabei ertappt, wie ich in Schritt 3 bei der Überarbeitung nicht nur sprachlich und inhaltlich weiter arbeite, sondern schnell auch noch lange Gedankenstriche zu kurzen Bindestrichen mache. Ich fand dieses Ertappen für mich sehr aufschlussreich. Denn offensichtlich will ich nicht, dass direkt alle merken, dass der Text nicht nur von mir stammt. Beim Nachdenken, warum das so ist, komme ich zum Schluss, dass ich befürchte, dass dem Text dann weniger Wertigkeit zugesprochen wird. Der Text könnte dann der KI zugesprochen werden und nicht mehr mir.
Beim noch weiteren Nachdenken stelle ich fest, dass das ziemlich dumm ist und weder mir noch anderen weiterhilft. Mal ganz davon abgesehen, dass sich dieses Merkmal super einfach faken ließe (= Eigenschaft im KI-Modell festlegen, dass anstelle langer Gedankenstriche immer kurze Bindestriche genutzt werden), hilft so eine Verschleierungstaktik weder mir noch anderen. Ich werde es zukünftig deshalb sehr bewusst sein lassen und so wie auch bisher schon (sowohl mit als auch ohne KI) so lange an meinen Texten arbeiten, bis sie zu ‚meinen‘ Texten werden. Das hilft mir selbst, um klüger zu werden – und uns allen, um vielleicht zu erkennen, dass Texte auf sehr unterschiedliche Art und Weise entstehen können und oberflächliche Merkmale keinen Aufschluss darüber geben, ob der Text eine Copy & Paste Arbeit ist oder mehr.
#KünstlicheIntelligenzKI_
#kunstlicheintelligenzki_
villon @[email protected] · 2026-01-27 · 15:46 UTC

Kriegen wir dann Bombenangriffe mit (Kinder-) Pornos garniert?
https://www.heise.de/news/Grok-soll-in-KI-Plattform-des-US-Verteidigungsministeriums-integriert-werden-11140701.html
#grok #kriegsministerium #uspol

#grok #kriegsministerium #uspol
InfoWeb Weiterbildung (IWWB) @[email protected] · 2026-03-23 · 08:26 UTC

Lust auf spannende Einblicke in KI und Weiterbildung?
Bei unserem IWWB-Workshop am 26. März dreht sich alles um die Fragen, wie Empfehlungssysteme die berufliche Weiterbildung beeinflussen – und wie KI den Arbeitsmarkt verändert.
👉 Jetzt anmelden & online dabei sein:
https://www.bildungsserver.de/nachricht.html?nachricht_id=2460
#IWWB #Weiterbildung #KI

#iwwb #weiterbildung #ki
Nele Hirsch @[email protected] · 2023-11-29 · 05:50 UTC

Ich sehe in KI-Technologie sehr viel Potential für die Pädagogik und finde das Experimentieren und Erkunden damit auch für mein eigenes Lernen unwahrscheinlich spannend. Zugleich finde ich es katastrophal, wie geschlossen die vorherrschenden KI-Tools sind, wie sehr sich Bildung somit von großen Tech-Unternehmen abhängiger macht und welch immense Ressourcenverschleuderung stattfindet ...
Wie gut, dass heute das Forum Offene KI in der Bildung startet. Hier wollen wir genau dieses Dilemma aufgreifen und gemeinsam an politischen Handlungsempfehlungen für eine offene KI arbeiten, die damit transparent, demokratisch, gestaltbar und hoffentlich auch sozial gerechter und nachhaltiger sein kann. Die Veröffentlichung der Empfehlungen findet im kommenden Frühjahr statt. Heute geht es los mit einer Online-Entwicklungswerkstatt.
Wer kurzfristig noch dabei sein will: Um 14 Uhr geht es los (via OpenTalk):
https://www.wikimedia.de/forum-offene-ki-bildung/
#OffeneKI #FOKIB #FediLZ #Bildung
* Update: Typos

#bildung #fedilz #fokib #offeneki
eicker.TV ▹ Tech News @[email protected] · 2025-08-18 · 07:41 UTC

Gründe für die Skepsis 🤖 #Branchen wie #Grafikdesign, #Datenanalyse oder #Verwaltung gelten als leicht durch #KI #ersetzbar, was viele #Geschäftsmodelle infrage stellt.
Nicht alle verlieren 🚀 #Unternehmen wie #Duolingo profitieren von #KIIntegration, während #Tech-Giganten wie #Microsoft und #Meta massiv in KI investieren.
👉 https://eicker.TV ▹ #Technik #Medien #Politik #Wirtschaft ⏻ https://eicker.BE/ratung von Gerrit Eicker aus Münster (2/2)

#branchen #grafikdesign #datenanalyse #verwaltung #ki #ersetzbar
eicker.TV ▹ Tech News @[email protected] · 2025-08-18 · 07:41 UTC

Gründe für die Skepsis 🤖 #Branchen wie #Grafikdesign, #Datenanalyse oder #Verwaltung gelten als leicht durch #KI #ersetzbar, was viele #Geschäftsmodelle infrage stellt.
Nicht alle verlieren 🚀 #Unternehmen wie #Duolingo profitieren von #KIIntegration, während #Tech-Giganten wie #Microsoft und #Meta massiv in KI investieren.
👉 https://eicker.TV ▹ #Technik #Medien #Politik #Wirtschaft ⏻ https://eicker.BE/ratung von Gerrit Eicker aus Münster (2/2)

#branchen #grafikdesign #datenanalyse #verwaltung #ki #ersetzbar
eicker.TV ▹ Tech News @[email protected] · 2025-08-18 · 07:41 UTC

Gründe für die Skepsis 🤖 #Branchen wie #Grafikdesign, #Datenanalyse oder #Verwaltung gelten als leicht durch #KI #ersetzbar, was viele #Geschäftsmodelle infrage stellt.
Nicht alle verlieren 🚀 #Unternehmen wie #Duolingo profitieren von #KIIntegration, während #Tech-Giganten wie #Microsoft und #Meta massiv in KI investieren.
👉 https://eicker.TV ▹ #Technik #Medien #Politik #Wirtschaft ⏻ https://eicker.BE/ratung von Gerrit Eicker aus Münster (2/2)

#branchen #grafikdesign #datenanalyse #verwaltung #ki #ersetzbar
Sozialministerium BW @MSI_BW@bawü.social · 2025-11-17 · 09:09 UTC

Zwischen Fortschritt und Vorurteil 🤖✨
Wie beeinflusst Künstliche Intelligenz (KI) die Gleichstellung in Baden-Württemberg?
Unser neuer GesellschaftsReport BW zeigt:
➡️ KI kann Vorurteile verstärken – oder helfen, sie abzubauen.
➡️ Sprachmodelle wie ChatGPT schreiben Geschlechterrollen oft unbewusst und subtil fort: So werden Frauen in KI-Texten bspw. seltener als Führungskräfte dargestellt.
Aber: KI kann auch Gutes bewirken 💪
Unterschiedliche KI-Anwendungen helfen bspw. beim Schutz vor digitaler Gewalt, unterstützen Gründerinnen und decken Gender Gaps in Unternehmen auf.
💡 Seien Sie dabei, wenn wir den neuen Report vorstellen, und diskutieren Sie mit, wie KI gerecht gestaltet werden kann – für alle!
Digitale Veranstaltung zur Report-Vorstellung:
🗓️ Freitag, 21. November 2025
⏰ 10:00–11:30 Uhr (online)
💬 Mit Expertinnen aus Wissenschaft, Politik & Praxis
🔗 Anmeldung über https://eveeno.com/746005084
Den gesamten Report finden Sie zeitnah unter:
➡️ https://t1p.de/204e4
#GesellschaftsReportBW #KIundGleichstellung #DigitaleZukunft #FairAI #BadenWürttemberg #FraueninKI #KünstlicheIntelligenz #Gleichstellung #AIAct #DigitalEthics #KIkompetenz #BWvernetzt

#gesellschaftsreportbw #kiundgleichstellung #digitalezukunft #fairai #badenwurttemberg #fraueninki
Sozialministerium BW @MSI_BW@bawü.social · 2025-11-17 · 09:09 UTC

Zwischen Fortschritt und Vorurteil 🤖✨
Wie beeinflusst Künstliche Intelligenz (KI) die Gleichstellung in Baden-Württemberg?
Unser neuer GesellschaftsReport BW zeigt:
➡️ KI kann Vorurteile verstärken – oder helfen, sie abzubauen.
➡️ Sprachmodelle wie ChatGPT schreiben Geschlechterrollen oft unbewusst und subtil fort: So werden Frauen in KI-Texten bspw. seltener als Führungskräfte dargestellt.
Aber: KI kann auch Gutes bewirken 💪
Unterschiedliche KI-Anwendungen helfen bspw. beim Schutz vor digitaler Gewalt, unterstützen Gründerinnen und decken Gender Gaps in Unternehmen auf.
💡 Seien Sie dabei, wenn wir den neuen Report vorstellen, und diskutieren Sie mit, wie KI gerecht gestaltet werden kann – für alle!
Digitale Veranstaltung zur Report-Vorstellung:
🗓️ Freitag, 21. November 2025
⏰ 10:00–11:30 Uhr (online)
💬 Mit Expertinnen aus Wissenschaft, Politik & Praxis
🔗 Anmeldung über https://eveeno.com/746005084
Den gesamten Report finden Sie zeitnah unter:
➡️ https://t1p.de/204e4
#GesellschaftsReportBW #KIundGleichstellung #DigitaleZukunft #FairAI #BadenWürttemberg #FraueninKI #KünstlicheIntelligenz #Gleichstellung #AIAct #DigitalEthics #KIkompetenz #BWvernetzt

#gesellschaftsreportbw #kiundgleichstellung #digitalezukunft #fairai #badenwurttemberg #fraueninki
Sozialministerium BW @MSI_BW@bawü.social · 2025-11-17 · 09:09 UTC

Zwischen Fortschritt und Vorurteil 🤖✨
Wie beeinflusst Künstliche Intelligenz (KI) die Gleichstellung in Baden-Württemberg?
Unser neuer GesellschaftsReport BW zeigt:
➡️ KI kann Vorurteile verstärken – oder helfen, sie abzubauen.
➡️ Sprachmodelle wie ChatGPT schreiben Geschlechterrollen oft unbewusst und subtil fort: So werden Frauen in KI-Texten bspw. seltener als Führungskräfte dargestellt.
Aber: KI kann auch Gutes bewirken 💪
Unterschiedliche KI-Anwendungen helfen bspw. beim Schutz vor digitaler Gewalt, unterstützen Gründerinnen und decken Gender Gaps in Unternehmen auf.
💡 Seien Sie dabei, wenn wir den neuen Report vorstellen, und diskutieren Sie mit, wie KI gerecht gestaltet werden kann – für alle!
Digitale Veranstaltung zur Report-Vorstellung:
🗓️ Freitag, 21. November 2025
⏰ 10:00–11:30 Uhr (online)
💬 Mit Expertinnen aus Wissenschaft, Politik & Praxis
🔗 Anmeldung über https://eveeno.com/746005084
Den gesamten Report finden Sie zeitnah unter:
➡️ https://t1p.de/204e4
#GesellschaftsReportBW #KIundGleichstellung #DigitaleZukunft #FairAI #BadenWürttemberg #FraueninKI #KünstlicheIntelligenz #Gleichstellung #AIAct #DigitalEthics #KIkompetenz #BWvernetzt

#bwvernetzt #kikompetenz #digitalethics #aiact #gleichstellung #kunstlicheintelligenz
Sozialministerium BW @MSI_BW@bawü.social · 2025-11-17 · 09:09 UTC

Zwischen Fortschritt und Vorurteil 🤖✨
Wie beeinflusst Künstliche Intelligenz (KI) die Gleichstellung in Baden-Württemberg?
Unser neuer GesellschaftsReport BW zeigt:
➡️ KI kann Vorurteile verstärken – oder helfen, sie abzubauen.
➡️ Sprachmodelle wie ChatGPT schreiben Geschlechterrollen oft unbewusst und subtil fort: So werden Frauen in KI-Texten bspw. seltener als Führungskräfte dargestellt.
Aber: KI kann auch Gutes bewirken 💪
Unterschiedliche KI-Anwendungen helfen bspw. beim Schutz vor digitaler Gewalt, unterstützen Gründerinnen und decken Gender Gaps in Unternehmen auf.
💡 Seien Sie dabei, wenn wir den neuen Report vorstellen, und diskutieren Sie mit, wie KI gerecht gestaltet werden kann – für alle!
Digitale Veranstaltung zur Report-Vorstellung:
🗓️ Freitag, 21. November 2025
⏰ 10:00–11:30 Uhr (online)
💬 Mit Expertinnen aus Wissenschaft, Politik & Praxis
🔗 Anmeldung über https://eveeno.com/746005084
Den gesamten Report finden Sie zeitnah unter:
➡️ https://t1p.de/204e4
#GesellschaftsReportBW #KIundGleichstellung #DigitaleZukunft #FairAI #BadenWürttemberg #FraueninKI #KünstlicheIntelligenz #Gleichstellung #AIAct #DigitalEthics #KIkompetenz #BWvernetzt

#gesellschaftsreportbw #kiundgleichstellung #digitalezukunft #fairai #badenwurttemberg #fraueninki