This website is written in German. Your browser can automatically translate it – click on the translation symbol.
Das Dreieck zeigt, wie drei Faktoren zusammenwirken: das Modell (die KI), der Kontext (Hintergrundinformationen) und der Prompt (deine Anweisung). Im Mittelpunkt steht das Ergebnis – beeinflusst von allen drei Faktoren.
Das KI-System, das deine Eingabe verarbeitet. An der HSO: KI:connect (GWDG-Modelle sowie GPT und Claude) und Google Gemini. Privat bekannt: ChatGPT, Claude, Copilot. Jedes Modell hat eigene Stärken und Schwächen.
Die Anweisung, die du formulierst. Enthält: Rolle, Aufgabe, Format, Ton und Grenzen. Klar und spezifisch ist besser als kurz und vage.
Der wichtigste Qualitätsfaktor. Je mehr relevante Information du gibst, desto besser das Ergebnis. Beantwortet: Warum, Wie, Was, Wer?
Die Ausgabe des Modells. Immer prüfen: Fakten kontrollieren. Bei Weitergabe kennzeichnen: KI-Entwurf oder überarbeitet?
Ein System, das Muster erkennt und Aufgaben sprach- oder medienbasiert löst.
Technologie, die eigenständig neue Inhalte erzeugt: Text, Bild, Audio.
Ein RAG (Retrieval-Augmented Generation) ist ein System, das die Antwortqualität einer KI verbessert, indem es vor der Texterstellung gezielt relevante Informationen aus fest definierten Datenquellen oder Datenbanken heraussucht. Dadurch liefert die KI präzisere, überprüfbare Antworten.
Generative Pre-Trained Transformer
Interaktives Beispiel: https://poloclub.github.io/transformer-explainer/
Large Language Model – ein Sprachmodell, das Text menschenähnlich verarbeiten kann.
Kleine Einheiten von Text, die das Modell intern verwendet. Längere Texte = mehr Tokens.
KI:connect (HSO)
Du siehst keine Preise, sondern Nutzungslimits: Farbige Balken zeigen deine Auslastung je Modell. Ist ein Limit erreicht, wechselst du zu einem anderen Modell.
Monatsabo (privat)
Feste Gebühr, z. B. ChatGPT Plus oder Claude Pro.
Abrechnung pro Token (API)
Getrennt nach Eingabe (Prompt + Kontext) und Ausgabe (Antwort). Stärkere Modelle kosten mehr pro Token. Aktuelle Preise: OpenAI-Modelle über Azure · Anthropic
Die präzise formulierte Anweisung, die das Modell steuert.
Der Informationsbereich, den ein Modell gleichzeitig berücksichtigen kann.
Warum?
Beschreibe die Herausforderung, das Ziel und die Situation so konkret wie möglich.
Wie?
Lege fest, wie das spätere Ergebnis aussehen soll: Fließtext, Stichpunkte, Tabellenform.
Was?
Nenne relevante Informationen, Beispiele und Daten – abstrahiert und datenschutzkonform.
Wer?
Beschreibe deine Rolle, deine Perspektive und deine Erwartungshaltung.
Qualitätsrahmen: Definiere, was ein gutes Ergebnis ausmacht:
Tiefe, Umfang, Präzision.
Sei aktiv – dies ist kein Vortrag, sondern gemeinsamer Austausch
Sprich Herausforderungen an – echte Probleme führen zu echten Lösungen
Versuche zuerst zu verstehen, bevor du bewertest
Positive Energie führt zu positiven Ergebnissen
Poster als PDF – kein Google-Account erforderlich.