Wochenrückblick
Diese Woche war dicht gepackt: Du hast Modul 4 abgeschlossen und bist mitten in Modul 5 gestartet. Hier ist, was du dir erarbeitet hast:
Montag, 22. Juni, Lektion 11: KI-gestützte Recherche-Tools
Nicht jeder KI-Chat ist gleich. Du hast den Unterschied zwischen einem Sprachmodell, das aus seinem eingefrorenem Wissen antwortet, und einem Recherche-Tool gelernt, das aktiv im Internet sucht. Im Mittelpunkt standen Perplexity AI (KI + Websuche + klickbare Quellenangaben) und Google NotebookLM (KI ausschließlich auf Basis deiner eigenen Dokumente). Dazu hast du das Kürzel RAG (Retrieval-Augmented Generation, erst suchen, dann formulieren) das erste Mal kennengelernt.
Dienstag, 23. Juni, Lektion 12: Dein KI-Entscheidungskompass (Abschluss Modul 4)
Mit dem 3-Schritte-Entscheidungskompass weißt du jetzt, wie du schnell das passende Werkzeug für jede Aufgabe findest: (1) Welcher Output-Typ? (2) Wie aktuell muss die Information sein? (3) Web oder eigene Dateien? Du kennst außerdem die vier häufigsten Fehler beim Werkzeug-Wählen, vom „Alles mit demselben Tool“-Reflex bis zum blinden Vertrauen in Quellenangaben.
Mittwoch, 24. Juni, Lektion 13: Projekte & Custom Instructions (Start Modul 5)
Einmal erklären, dauerhaft profitieren: Custom Instructions (benutzerdefinierte Anweisungen) machen aus einem generischen KI-Chat einen persönlichen Assistenten, der deine Sprache, deinen Stil und deine Erwartungen kennt. Projekte (Projects) gehen noch weiter: Sie sind abgegrenzte Arbeitsbereiche mit eigenen Anweisungen, gespeicherten Dateien und gebündelten Gesprächen, bei Claude, ChatGPT und Gemini Gems.
Donnerstag, 25. Juni, Lektion 14: Mit eigenen Dateien arbeiten, RAG im Detail
Du hast verstanden, was hinter dem „Datei hochladen“-Button wirklich steckt. RAG läuft in drei Schritten ab: Chunking (das Dokument wird in kleine Abschnitte zerstückelt), Embedding (jeder Abschnitt wird als mathematische Zahlenkarte seiner Bedeutung gespeichert) und Retrieval + Generation (passende Abschnitte werden abgerufen, dann formuliert das Modell eine Antwort). Du weißt auch, wo die Grenzen liegen: Halluzinationen sind selbst mit RAG möglich, und gescannte PDFs ohne Texterkennung funktionieren schlecht.
Freitag, 26. Juni, Lektion 15: Websuche im KI-Chat
Das Globus-Symbol im Chat ist kein Schmuck. Wenn es aktiv ist, ruft das Modell Echtzeit-Informationen aus dem Internet ab, wenn nicht, antwortet es aus seinem Trainings-Cutoff heraus, dem Datum, bis zu dem es Texte gesehen hat. Du weißt jetzt, wann Websuche wirklich hilft (aktuelle Fakten, Preise, neue Studien), wann sie nichts bringt (kreative Aufgaben, zeitlose Konzepte), und dass Citations (Quellenangaben) immer aktiv geprüft werden müssen.
Samstag, 27. Juni, Lektion 16: Artefakte
Wenn die KI mehr als reinen Fließtext erzeugt, entstehen Artefakte, eigenständige Objekte (Dokumente, Code, HTML-Seiten, SVG-Grafiken), die in einem separaten Panel neben dem Chat angezeigt werden. Der entscheidende Vorteil: Iterieren ohne Chaos. Statt jedes Mal den gesamten Text neu zu generieren, passt du gezielt einzelne Abschnitte an. ChatGPT nennt diese Funktion Canvas, das Prinzip ist identisch.
Quiz
Teste dein Wissen, versuche, die Antworten aus dem Kopf zu notieren, bevor du nach unten scrollst!
1. Was bedeutet das Kürzel RAG, und welche zwei Schritte stecken im Namen?
2. Du willst wissen, wie teuer gerade ein Sparpaket-Ticket von Wien nach Salzburg ist. Welches Tool empfiehlst du dir selbst, und warum?
3. Was ist ein Trainings-Cutoff, und welches Problem entsteht daraus für Nutzer?
4. Du richtest Custom Instructions in deinem KI-Chat ein. Wo werden diese Anweisungen technisch gesehen eingebunden, und welcher Begriff beschreibt diesen versteckten Bereich?
5. Beim RAG-Verfahren werden Dokumente zuerst „zerstückelt“. Wie heißt dieser Schritt auf Englisch, und warum ist er notwendig?
6. Dein KI-Chat zeigt kein Globus-Symbol und keinen Suchhinweis. Eine Frage nach aktuellen Studienergebnissen aus 2026 beantwortet er trotzdem selbstsicher. Was könnte schiefgehen?
7. Was ist der Hauptunterschied zwischen einem Artefakt in Claude und einer normalen Chat-Antwort, und was musst du tun, damit der Inhalt nicht verloren geht?
8. Nenne zwei Situationen, in denen du besser kein Recherche-Tool wie Perplexity verwendest, sondern einen klassischen LLM-Chat.
Diese Woche ausprobiert?
- L11: Dieselbe Frage in Perplexity AI und in einem normalen KI-Chat verglichen, und mindestens eine Perplexity-Quelle angeklickt und überprüft
- L12: Einen persönlichen KI-Spickzettel erstellt: 3-5 eigene Aufgaben dem passenden Werkzeug zugeordnet
- L13: Custom Instructions in deinem bevorzugten KI-Chat eingerichtet, und mit einer englischen Testfrage überprüft, ob der Chat automatisch auf Deutsch antwortet
- L14: Eine eigene Datei (PDF, Dokument, Artikel) in einen KI-Chat hochgeladen und drei Fragen dazu gestellt, inklusive Prüfung einer Antwort gegen das Original
- L15: Dieselbe aktuelle Frage einmal ohne und einmal mit explizitem Websuche-Hinweis gestellt, Unterschied beobachtet und einen Quellenlink angeklickt
- L16: Ein Artefakt erstellt (z. B. Abwesenheitsnotiz), mindestens zwei Iterationen durchgeführt und den Inhalt aus dem Artefakt in ein eigenes Dokument exportiert
KI-News zum Lernen
-
Behörden aus fünf Ländern warnen gemeinsam vor KI-Agenten-Risiken, Was ist passiert: Die Sicherheitsbehörden der USA, Australiens, Kanadas, Neuseelands und Großbritanniens (der sogenannte Five-Eyes-Verbund, ein Geheimdienstbündnis dieser fünf englischsprachigen Länder) haben gemeinsam ein Leitliniendokument veröffentlicht: „Careful Adoption of Agentic AI Services“. Es richtet sich an Unternehmen, die KI-Agenten, also KI-Systeme, die selbstständig Aufgaben ausführen, auf das Internet zugreifen und in deinem Namen handeln, einsetzen wollen. Warum interessant: Das ist ein direkter Vorgeschmack auf Modul 6 dieses Kurses. KI-Agenten sind mächtig, aber auch anfällig: Sie können manipuliert werden, falsche Anweisungen ausführen oder sensible Daten preisgeben. Dass Behörden aus fünf Ländern gleichzeitig warnen, zeigt, wie ernst das Thema genommen wird, und wie wichtig es ist, zu verstehen, wie Agenten funktionieren, bevor man ihnen Zugriffsrechte gibt.
-
Meta entlässt 8.000 Mitarbeiter, und stellt 7.000 für KI-Aufgaben um, Was ist passiert: Der Facebook-Mutterkonzern Meta hat angekündigt, rund 8.000 Stellen zu streichen (etwa 10 % der Belegschaft) und gleichzeitig 7.000 Mitarbeiter in KI-bezogene Teams zu versetzen. Warum interessant: Hier wird ein Muster sichtbar, das gerade bei vielen großen Technologieunternehmen zu beobachten ist: KI-getriebene Umstrukturierung (englisch: AI-driven restructuring, die gezielte Neuausrichtung eines Unternehmens, bei der KI-Aufgaben ausgebaut und andere Bereiche verkleinert werden). KI ersetzt dabei nicht einfach alle Arbeitsplätze, sie verändert, welche Fähigkeiten gefragt sind. Für dich als Nutzer ist das ein guter Grund, KI-Kompetenz aktiv aufzubauen: Sie ist kein Luxus mehr, sondern zunehmend eine Grundfertigkeit.
Glossar der Woche
- RAG (Retrieval-Augmented Generation), KI-Verfahren, das zuerst relevante Informationen abruft (aus dem Web oder eigenen Dokumenten) und diese dann zur Antwort-Formulierung nutzt; macht Antworten aktueller und belegbarer
- Trainings-Cutoff, der Stichtag, bis zu dem ein Modell Daten gesehen hat; ohne Websuche kennt es nichts, was danach passiert ist
- Custom Instructions, einmalig hinterlegte Anweisungen, die bei jedem Gespräch automatisch im Hintergrund wirken, ohne dass du sie wiederholen musst
- Artefakt, ein eigenständiges, von der KI erzeugtes Objekt (Dokument, Code, Grafik), das separat vom Chat-Fenster angezeigt und schrittweise bearbeitet werden kann; nicht dauerhaft gespeichert
- KI-Agent, ein KI-System, das selbstständig mehrstufige Aufgaben ausführt, auf externe Tools und das Internet zugreifen kann und in deinem Namen handelt; Thema ab Modul 6
Antworten
1. RAG steht für Retrieval-Augmented Generation. Die zwei Schritte im Namen: Retrieval (Abrufen, passende Informationen aus dem Web oder einem Dokument holen) und Generation (Erzeugen, das Sprachmodell formuliert aus dem Abgerufenen eine Antwort).
2. Perplexity AI (oder ein Chat mit aktiv eingeschalteter Websuche). Preise sind tagesaktuelle Informationen, ein normaler LLM-Chat ohne Websuche kennt die aktuellen Ticketpreise nicht und könnte veraltete oder erfundene Zahlen nennen.
3. Der Trainings-Cutoff ist das Datum, bis zu dem ein Sprachmodell beim Training Texte aus dem Internet gesehen hat. Das Problem: Alles, was danach passierte, neue Gesetze, neue Preise, neue Produkte, ist dem Modell unbekannt. Es antwortet trotzdem, manchmal selbstsicher und falsch.
4. Die Custom Instructions werden in den System Prompt eingebunden, eine versteckte Vorabnachricht, die das Modell liest, bevor du überhaupt getippt hast. Du siehst ihn nicht im Chat, aber er prägt jede Antwort.
5. Der Schritt heißt Chunking. Er ist notwendig, weil ein langes Dokument zu groß wäre, um auf einmal verarbeitet zu werden, und weil kleine Abschnitte präziser durchsucht werden können als ein einziger großer Text.
6. Das Modell antwortet aus seinem eingefrorenen Trainingswissen bis zum Cutoff-Datum. Studien aus 2026 hat es beim Training nicht gesehen. Es kann trotzdem eine plausibel klingende Antwort liefern, die schlicht falsch oder veraltet ist. Tipp: Immer explizit nach aktuellen Quellen fragen und auf die Antwort achten, ob ein Suchhinweis erscheint.
7. Ein Artefakt wird in einem separaten Panel neben dem Chat angezeigt, du kannst es gezielt per Folge-Prompt aktualisieren, ohne den gesamten Inhalt neu zu generieren. Da Artefakte nicht dauerhaft gespeichert werden, musst du den Inhalt selbst exportieren (z. B. in eine Notiz-App oder ein Google-Dokument kopieren), bevor du das Chatfenster schließt.
8. Zwei Beispiele: (a) Du lässt einen Brief oder kreativen Text schreiben, Websuche lenkt nur ab und bringt keinen Mehrwert. (b) Du erklärst ein zeitloses Konzept (z. B. Wie funktioniert ein Kredit?), das Modell weiß das aus dem Training, aktuelle Quellen ändern daran nichts.