Übersicht: Generative KI - MZ Hofgeismar | Wolfhagen

Künstliche Intelligenz (KI) ist ein Teilgebiet der Informatik. Sie imitiert menschliche kognitive Fähigkeiten, indem sie Informationen aus Eingabedaten erkennt und sortiert. Diese Intelligenz kann auf programmierten Abläufen basieren oder durch maschinelles Lernen erzeugt werden.

Diese Definition umfasst weit mehr als nur das, was wir aktuell im öffentlichen Diskurs als "KI" betiteln. Ein System wie ChatGPT zählt präziser zu einer des Machine Learnings, den generativen Machine-Learning-Systemen. Dabei ist Machine Learing (ML) selbst nur ein möglicher Computing-Ansatz.

GPT ist die Abkürzung für Generative Pre-trained Transformer.

• Generative ML-Systeme generieren, also erzeugen, Text, Bilder, etc..

• Pre-trained, also vortrainiert, bedeutet, dass das ML-System, auf dem die jeweilige Anwendung basiert, bereits auf Grundlage bestimmter Daten zu einem bestimmten Zeitpunkt durch maschinelles Lernen trainiert wurde. Das Ergebnis dieses Trainings wurde in Form eines Modells gespeichert. Auf die jeweiligen Modelle kann später zurückgegriffen werden.

• Transformer sind ML-Systeme, welche aus bekannten Daten (Text, Bild, etc.) andere Daten erzeugen. Sie transformieren Daten mithilfe von Machine Learning unter Verwendung des Aufmerksamkeitsprinzips (Attention). Durch dieses Prinzip werden nur die stärksten errechneten Signale in einem neuronalen Netzwerk mit der vermutlich hilfreichsten Information, z. B. hinsichtlich des nächsten auszugebenden Wortbausteines eines Textes in einem spezifischen Kontext, berücksichtigt. Es existiert in generativen Systemen zur Texterzeugung keine Verständnishierarchie von Wörtern oder gar ganzen Sätzen. Nur auf diese Weise kann die enorme Performanz von Systemen wie ChatGPT überhaupt erst erreicht werden.

Weiterhin wichtig…

• Mithilfe von Large Language Models (LLMs; große Sprachmodelle) lassen sich alle digital repräsentierbaren Objekte (Texte, Bilder, Töne, Videos, 3D-Modelle, Molekülstrukturen, etc.) generieren bzw. von einem Datentyp in einen anderen überführen (z. B. lassen sich aus Texten Bilder erstellen).

• ML-Systeme des Typs GPT erzeugen mitunter sachliche und/oder logische Fehler, da sie kein inhaltliches Verständnis besitzen, sondern das statistisch Erwartbare anhand ihrer LLMs ausgeben.

• LLMs werden zur Anpassung an ganz bestimmte Anwendungsanforderungen dem sogenannten Fine Tuning unterzogen. OpenAI setzt bei ChatGPT auf ein zweites neuronales Netzwerk für diesen Vorgang. Dieses zweite neuronale Netz (Optimierer) wird durch den Ansatz des Reinforcement Learnings (Verstärkungslernen) durch menschliches Feedback vortrainiert. Es dient der Beurteilung der Güte bzw. Erwünschtheit der Datenausgabe. Anschließend treffen die beiden neuronalen Netze (GPT und Optimierer) in einer virtuellen Umgebung aufeinander und interagieren nach dem Trial-and-Error-Prinzip miteinander. Das Ergebnis ist in diesem Fall eine auf Konversation abgestimmte Anwendung.

Bias...

Man unterscheidet Reasoning- und GPT-Modelle.

• Navigation durch mehrdeutige Aufgaben aus dem Bereich Mathematik, Engineering, Recht, Finanzen und Co.,
• Analyse großer Datenmengen,
• Erkennen von Zusammenhängen,
• mehrstufige Planungsprozesse,
• visuelle Analyse,
• Code-Review und -Verbesserung.

• schnelle Ausführung definierter Aufgaben,
• kostengünstige Verarbeitung,
• geringere Latenzzeiten.

Für optimale Ergebnisse empfiehlt OpenAI, die Modelle zu kombinieren: Reasoning-Modelle für Planung und Entscheidungsfindung, GPT-Modelle für die Ausführung.

Anthropic bietet ab Claude 3.7 Sonnet eine Lösung an, die GPT- und Reasoning-Modell automatisch miteinander vereint. Hier kann für die Inanspruchnahme der Reasoningfunktion in den "Extended-Modus" gewechselt werden. Beim Prompten muss hier keine Rücksicht mehr auf die Spezifika des Sprachmodelltyps genommen werden.

Mehr zum Thema Prompting auf der Info-Seite des Medienzentrums Frankfurt:

Weitere Tipps inkl. Handreichung und Ausführung bzgl. der Nutzung von Reasoning-Modellen und der Bedeutung des Promptings im Blog von Manuel Flick:

Das KI-Kompetenzmodell nach Alles, Falck, Flick und Schulz:

Eine umfassende TaskCards-Sammlung mit Detailgrafiken, Materialien und Hintergründen rund um die Publikation steht hier bereit:

Präsentation des Modells im Rahmen einer Online-Panel-Diskussion der Robert Bosch Stiftung am 10. April 2025 – zur Anmeldung:

Wozu soll ich eigentlich noch Lernen? – "Neben den konkreten Einsatzszenarien von GMLS vor, während und nach dem Unterrichts besteht langfristig die grösste Herausforderung von GMLS darin, dass sie die Lernmotivation von Schüler:innen der Sekundarstufen I und II senken kann. Schüler:innen werden sich zunehmend fragen, weshalb sie etwas lernen sollten, dass die Maschine rascher und besser kann als sie - in gewissen Fällen selbst dann, wenn sie sich anstrengen und entsprechend lernen. Lehrpersonen müssen sich somit Gedanken machen, wie dieser Gefahr vor weiter sinkender Lernmotivation begegnet werden soll. Dabei ist zu beachten, dass dies keine Frage ist, die durch IT- oder Digitalisierungsspezialist:innen beantwortet werden kann."

Weitere Anregungen und nützliche Materialien wie Handlungsleitfäden zum Unterrichtseinsatz generativer ML-Systeme finden Sie im Blog von Manuel Flick:

• Brott, M. & Egerer, C. (2023): Kann eine KI besser Unterricht planen als Lehramtsstudierende? – ein Bericht aus dem innovativen Lehrprojekt CUKI (Chemieunterricht geplant durch künstliche Intelligenz); Achtung: sehr kleine Stichprobe, explorative Kleinstudie:

"Grundlegend fiel auf, dass die KI-Planungen deutlich allgemeiner und weniger konkret formuliert waren, wodurch zwei Kriterien nicht valide bewertet werden konnten. Die Stärken des Chatbots lagen vor allem im Bereich der Stimmigkeit mit dem Lehrplan und des Vorhandenseins eines roten Fadens. In den Kriterien Lernziele, Differenzierungsmaßnahmen und Handlungsalternativen schnitten die Ergebnisse der KI eher schlecht ab. […] Jedoch zeigt dies, dass die KI trotz des niedrigeren Skalenwerts eine basale Planungsgrundlage liefert und die beste Planung von ChatGPT sogar besser war als die schlechteste Planung der Studierenden."

"Je detailreicher und genauer ein Prompt formuliert ist, desto maßgeschneiderter ist die Antwort des Chatbots. […] [D]ie Studierenden mit hoher Planungskompetenz [generierten] auch die besten KI-Entwürfe und die mit niedriger Planungskompetenz die schlechtesten Ergebnisse mit ChatGPT. […] In der Analyse der Prompts der Studierenden, die besonders gute Ergebnisse erzielten, ergaben sich einige Elemente, die zu einem guten Prompting zur Unterrichtsplanung beigetragen haben. Dazu gehören die Nennung zu implementierender Kontexte und Experimente, wichtiger didaktischer Rahmenbedingungen und Anforderungen wie Phasierung, Impulse, Vorwissen, Bundesland, Klassenstufe, Schulart und Zeitrahmen sowie formaler Vorgaben an die Unterrichtsplanung (z.B. Ausgabe als Tabelle)."

Bitte überprüfen Sie stets die Datenschutzkonformität aller – auch der auf dieser Edumap aufgeführten – Dienste zum Zeitpunkt der Verwendung! – Beachten Sie ferner die entsprechenden Hinweise aus der Handreichung des HMKB.

Aktuell wird an Softwarelösungen gearbeitet, die private und personenbezogene Daten lokal pseudonymisieren, bevor die Anfrage an das Sprachmodell in der Cloud übermittelt wird.

Beispielhaft sei PrivatePrompts genannt:

• Text erzeugen und transformieren:

OpenAI (GPTx) und Anthropic (Claude) bieten derzeit die fortgeschrittensten allgemeinen Lösungen in diesem Bereich an.

DuckDuckGo Chat ist aus datenschutzrechtlicher Sicht empfehlenswert (Stand 20.02.2025). Zudem bietet die Plattform die Möglichkeit, aus mehreren LLMs zu wählen, sodass ein Vergleich der erzeugten Ausgaben möglich ist.

Perplexity vereint Internetrecherche und generative ML-Systeme in fortschrittlichster Art und Weise miteinander. Auch wenn mittlerweile andere Lösungen existieren, so sticht dieser Dienst noch immer im Vergleich positiv hervor (Stand 20.02.2025).

Mistral le Chat ist ein europäische Lösung basierend auf einem Open-Source-LLM. Hinsichtlich Datenschutz und Transparenz ist diese Lösung im unmittelbaren Vergleich zu ähnlich leistungsfähigen Applikationen empfehlenswert.

• Text schreiben/Feedback geben:

PEER (Paper Evaluation and Empowerment Resource) wurde entwickelt um Schüler beim Verfassen von Aufsätzen zu unterstützen. Von der Grundschule bis zur Universität, von Erzählungen über Erörterungen bis hin zu Textanalysen - PEER gibt dir Tipps wie du deine Aufsätze noch besser machen kannst! Immer freundlich, immer hilfsbereit, immer geduldig.

• Text übersetzen:

• Hörbeiträge erstellen (Texte sprechen):

Warum sollte ich Texte vertonen oder Hörbeiträge erstellen und in meinem Unterricht einsetzen?

…mehr dazu hier:

• wissenschaftliches Arbeiten:

Durch Kombination der Deep-Research-Funktion mit einem Reasoning-Modell wie Anthropic Claude 3.7 Sonnet oder OpenAI o3(-mini) kann neues, "synthetisches Wissen" generiert werden. Dieses unterscheidet sich maßgeblich von den Ergebnissen der GPT-Modelle, welche lediglich bekannte Daten auf Basis ihres neuronalen Netzes neu miteinander kombinieren (= Erzeugen von Remixes). – Mit dem genierten "synthetischem Wissen" können wiederum LLMs trainiert werden. Dies wird in nächster Zeit maßgeblich die Entwicklung der generativen ML-Systeme beschleunigen.

• OpenAI DALL-E:

• Adobe Firefly:

Interessant im Kontext Maker Education und für technische Ausbildungsberufe (z. B. Industrietechniker, technischer Zeichner, Dreher, etc.): Adobe bietet zahlungspflichtig für Abonennten ein Firefly-Modell an, das Vektorgrafiken erzeugen kann. Diese Grafiken lassen sich dann vielfältig mit der Laser-, Schneide-, Fräs- und Drucktechnik in unserem Medienzentrum weiterverarbeiten.

• Stable Diffusion:

• OpenAI Sora:

• Adobe Firefly:

Laut Eigenauskunft bemüht sich Adobe beim Training der Firefly-Modelle um die Wahrung des Urheberrechts:
"Um die kommerzielle Nutzung der mit Firefly generierten Inhalte zu ermöglichen, verwendet Adobe für das Training des Firefly-Videomodells lizenzierten Content, etwa von Adobe Stock, sowie gemeinfreie Inhalte, deren Urheberrechtsschutz abgelaufen ist. Content von Userinnen und Usern von Adobe wird nicht für das Training verwendet."

Weitere generative Modelle zur Videoerzeugung finden Sie bei Replicate (siehe nächste Spalte rechts).

• Suno:

• Udio:

Achtung: Es wurden mehrere gerichtliche Verfahren in Bezug auf Urheberrechtsverletzungen beim Training der Modelle hinter Suno & Co. eröffnet.

• Replicate – eine Plattform für Fortgeschrittene:

Replicate bietet zahlreiche ML-Systeme für fortgeschrittene Nutzerinnen und Nutzer über einen leistungsfähigen Cloudservice an (Abrechnung nach Nutzung).

Das Land Hessen wird in absehbarer Zeit ein AIS (adaptives intelligentes (Lern-)System), das generative Funktionen enthalten wird, zum Zwecke der Unterstützung bei der Individualisierung und Differenzierung der Lernwege bereitstellen. Einen konkreten Starttermin hat man bislang jedoch noch nicht kommuniziert. (Stand: 05.02.2025)

Die bekannten Schulbuchverlage bieten inzwischen eine Vielzahl an KI-Tools für Lehrkräfte und Schüler/innen an.

Darüber hinaus gibt es Angebote von zahlreichen neuen Anbietern, die sich gezielt auf die Verwendung von KI im Schulkontext spezialisiert haben. Bekannt sind u. a. fobizz, to teach_, schulKI, fiete.ai/fellowfish und Articlett.Schule (Liste nicht abschließend).

Wichtig: Es gibt derzeit keine(!) flächendeckende Bereitstellung derartiger Angebote – auch nicht über das örtliche Medienzentrum. Die Beschaffung ist schulspezifisch zu klären und aus eigenen Mitteln vorzunehmen (je nach Paketumfang aus LMF-Mitteln und/oder Fachschafts- und/oder Fortbildungsbudgets).

• Canva (alle Plattformen und browserbasiert):

…kostenlos für Lehrkräfte und Lernende:

• Obsidian (alle Plattformen):

Obsidian ist eine umfangreiche Notizen-App mit weitreichenden Funktionen bis hin zur Integration von LLMs (online und offline).

• Pal Chat (iPadOS und iOS):

Pal Chat ist eine in der Basisversion kostenfreie Client-App für iPadOS/iOS. Sie ermöglicht den schnellen Wechsel zwischen verschiedenen LLMs. Das gewählte LLM kann sogar während des laufenden Chats gewechselt und der bisherige Chatinhalt übertragen werden.
Die Abrechnung nach tatsächlicher Nutzung über den eigenen Entwickleraccount – diesen kann prinzipiell jede Person bei einem der Anbeiter von LLMs problemlos beantragen. Die App bietet eine lokale Chat-Archivierung für eine minimierte Datenerfassung und -speicherung bei den Anbietern. Vorlagen für häufig gebrauchte Prompts können hinterlegt werden.

Für Experten: Es können sogar eigens trainierte Sprachmodelle eingebunden werden.

Einsatz in der Schule:
Installation der Client-App auf Schul-iPads möglich, Verteilen eines(!) aktiven Nutzerschlüssels zu Beginn der Arbeitsphase, Deaktivieren des Schlüssels nach Ende der Arbeitsphase (d. h. nachfolgend keine kostenpflichtige Nutzung mehr möglich) – Vorteil: Lernende müssen keine eigenen Nutzerkonten besitzen und die eingegebenen Daten werden laut Aussage der LLM-Diensteanbieter nicht zu Trainingszwecken verwendet und nach 30 Tagen von den Servern gelöscht.

• Msty (macOS, Windows und Linux):

Msty ermöglicht die bequeme Nutzung verschiedener Online- und Offline-LLMs mit zahlreichen Personalisierungsoptionen. Die App ist sehr umfangreich und daher nur für macOS, Windows und Linux, nicht aber für das iPad erhältlich.

• Aiko (iPadOS):

Aiko ermöglicht die lokale (on-device) Audio- und Videotranskription auf dem iPad - kostenlos.

• MacWhisper Pro (macOS):

MacWhisper Pro ist kostenpflichtig, aber eine für Lehrkräfte sehr nützliche App. Sie ermöglicht die lokale (on-device) Transkription von offline- und online-verfügbaren Audio- und Videomedien. Zudem kann man wiederkehrende Arbeitsschritte hinterlegen und mithilfe der Integration diverser LLMs automatisiert KI-basierte Arbeitsmaterialien zu Audio- und Videomedien erstellen.

• Voices (macOS):

Voices ist eine Client-App zur Generierung von Sprache (Audio). Sie erlaubt die Einbindung unterschiedlicher Anbieter über den eigenen Entwickleraccount (vgl. Pal Chat).

• NotebookLM (browserbasiert):

Besonders interessant: Mit der Funktion „Audio-Zusammenfassung“ können Sie Ihre Textquellen mit nur einem Klick in gesprochene Diskussionen in einem podcastähnlichen Format verwandeln. – Außerdem verfügt das Tool über eine interaktive Mind-Map-Funktion.

• Sogni (macOS/iPadOS/iOS und browserbasiert):

Mit Sogni ist es möglich, Bilder on-device, also auf dem genutzten Endgerät selbst, zu erzeugen. Dabei gelangen keine Daten in Cloud-Services.

In der nachfolgenden Map findet sich eine umfassende Anleitung:

• OpenAIs GPT-4o* ist erst der Anfang…

Multimodale GPTs sind in der Lage, Text-, Audio- und Bild-/Bewegtbildeingaben gemeinsam zu verarbeiten und entsprechende Ausgaben zu generieren. Im Bildungskontext lässt sich dies z. B. in den Feldern Sprachlernen und MINT nutzen, grundsätzlich aber in jedem Kontext. Hier könnten multimodale GPTs – vorausgesetzt die Antwortqualität ist qualitativ gut und die Lehrkraft kann bestenfalls Einfluss auf das Antwortverhalten des Systems nehmen* – die Differenzierung und Individualisierung des Lernens massiv vorantreiben.

Wichtig: Die Verantwortung für den Lernprozess wird nach wie vor bei der Lehrkraft sowie den Lernenden selbst und nicht bei "der KI" liegen!

In einer zukünftigen Iteration und integriert in ein multimodales GPT-System könnten mithilfe von "Video-KI" individuelle Lernvideos generiert werden, in denen fachliche Inhalte an die individuellen Bedürfnissen der Lernenden angepasst und audiovisuell aufbereitet vermittelt werden.

• Synthesia lässt es "menscheln":

We’re also introducing a groundbreaking new capability in public beta: computer use. Available today on the API, developers can direct Claude to use computers the way people do—by looking at a screen, moving a cursor, clicking buttons, and typing text.

ML-Systeme für den Einsatz in komplexen Aufgabenfelder wie z. B. in der Robotik, werden auf höchst effiziente Weise in einer virtuellen Welt trainiert, um anschließend in bereits optimierter Ausformung Aufgaben in der realen Welt zu übernehmen.

"The next frontier of AI is physical AI. Physical AI models can understand instructions and perceive, interact and perform complex actions in the real world to power autonomous machines like robots and self-driving cars."

Nachfolgend finden Sie weitere Materialien mit allgemeinen und vertiefenden Informationen:

• Materialsammlung "ChatGPT & Co.: Einsatz generativer KI-Systeme in der Schule":

• ChatGPT:

• Generative Bild-KI:

• Datenschutz: