Ein interaktives Lernmodul in drei aufbauenden Stufen – von der Grundschule bis zu Erwachsenen.
1.–3. Klasse
Was ist eine KI? Mit Geschichten, Spielen und bunten Beispielen aus dem Alltag.
▶ Jetzt starten4.–6. Klasse
Training, Daten, Muster – verstehe, wie KI wirklich lernt, und probiere es selbst.
▶ Jetzt startenSek & Erwachsene
Neuronale Netze, Sprachmodelle, Ethik und Gesellschaft – verständlich, ohne Vorwissen.
▶ Jetzt startenDie Module bauen aufeinander auf. Unterstufe → Mittelstufe → Erwachsene führt schrittweise von konkreten Alltagsbeispielen bis zu technischen und gesellschaftlichen Hintergründen.
Lerne spielerisch, wie ein Computer denken lernt – genau wie du in der Schule!
KI bedeutet «Künstliche Intelligenz». Das ist ein Computerprogramm, das Dinge tun kann, die normalerweise nur Menschen können – zum Beispiel Fotos beschreiben, Fragen beantworten oder Musik erkennen.
Aber Achtung: Eine KI ist kein Zauberer und kein lebendiges Wesen. Sie hat keine Gefühle, keinen Hunger und schläft nicht. Sie rechnet ganz, ganz schnell – das ist ihr Trick!
Dein Handy erkennt dein Gesicht → KI!
Eine App sagt dir, welches Lied läuft → KI!
Der Gegner im Videospiel spielt schlau → KI!
«Hey Siri!» oder «Alexa!» → KI!
Der Webshop schlägt dir etwas vor → KI!
Das Auto bremst automatisch → KI!
Ein normales Programm folgt festen Regeln, die ein Mensch geschrieben hat. Beispiel: «Wenn es regnet, nimm den Schirm.» – Eine KI lernt selbst, was in welcher Situation sinnvoll ist. Sie bekommt nur Beispiele und findet selbst die Regeln!
Stell dir vor: Robi der Roboter soll lernen, Äpfel von Birnen zu unterscheiden. Aber niemand erklärt ihm, wie Äpfel aussehen. Was macht er?
Robi schaut sich 1000 Bilder von Äpfeln und 1000 Bilder von Birnen an. Auf jedem Bild steht, was es ist.
Robi merkt: Äpfel sind meistens rund und rot oder grün. Birnen haben unten eine breite Seite und oben eine schmale.
Robi sieht ein neues Bild und rät: «Apfel!». War es richtig? Dann merkt er sich das. War es falsch? Er verbessert sich.
Das Ganze wiederholt Robi tausende Male – bis er fast immer richtig liegt!
Jetzt kann Robi auch neue Bilder von Früchten erkennen, die er noch nie gesehen hat!
Du hast Lesen auch so gelernt: zuerst viele Buchstaben angeschaut, dann geübt, dann immer besser geworden. Eine KI macht dasselbe – nur mit Zahlen statt Augen!
Manche KIs können Texte schreiben. Sie haben ganz viele Bücher und Texte gelesen und dabei gelernt: Welches Wort kommt nach «Die Katze»? Wahrscheinlich «schläft» oder «sitzt» – und nicht «Auto»!
Die KI berechnet für jedes mögliche nächste Wort, wie wahrscheinlich es ist. Dann wählt sie eines aus. So entsteht Satz für Satz.
Klicke auf «Nächstes Wort» – die KI wählt das wahrscheinlichste nächste Wort:
Die KI schaut immer auf die Wörter davor und findet das Wort, das am häufigsten danach vorkommt. Das ist das Grundprinzip von ChatGPT!
KI-Sprachmodelle haben riesige Mengen Text gelesen – Bücher, Zeitungen, Websites. Das ist ihr «Schulbuch». Je mehr Texte, desto besser wird die KI im Schreiben.
Jedes Bild auf dem Computer besteht aus Millionen kleiner Punkte – sogenannte Pixel. Jeder Punkt hat eine Farbe, die als Zahl gespeichert wird. Eine KI sieht also nur Zahlen, keine echten Bilder!
Rot = 255, 0, 0
Grün = 0, 255, 0
Blau = 0, 0, 255
Weiss = 255, 255, 255
Schwarz = 0, 0, 0
Jede Farbe = 3 Zahlen!
Die KI lernt: Wenn an bestimmten Stellen bestimmte Zahlenmuster auftauchen, ist es wahrscheinlich ein Hund. Zum Beispiel: ein runder Kopf oben, vier Beine unten, ein Fell-Muster. Das «merkt» sich die KI als Zahlen-Regeln.
Was gehört zu einem Hund, was zu einer Katze? Ziehe die Wörter in die richtige Box!
Ja, unbedingt! Wenn eine KI nur Bilder von weissen Hunden gelernt hat, erkennt sie schwarze oder braune Hunde vielleicht nicht so gut. Das wäre unfair!
Dasselbe gilt für Menschen: Wenn eine KI nur Bilder von Frauen als Krankenschwestern gesehen hat, denkt sie vielleicht, Pfleger können keine Männer sein. Das ist falsch!
Du lernst, welche Früchte es gibt – aber deine Lehrerin zeigt dir nur rote Äpfel. Als du dann eine grüne Birne siehst, denkst du: «Das ist kein Apfel, aber auch keine Frucht?» – Das passiert KIs auch, wenn ihre Beispiele zu einseitig sind!
Du hast jetzt gelernt, was eine KI ist und wie sie lernt. Auf diesen Seiten kannst du es selbst erleben:
Im Mittelstufen-Modul lernst du, wie das Training einer KI genauer funktioniert – mit Zahlen, Muster und einer eigenen Vorhersage-Demo. Geh zurück zur Auswahl und klicke auf «Mittelstufe»!
Von Trainingsdaten über Muster bis zu Sprachmodellen – du verstehst, was hinter ChatGPT steckt.
Training bedeutet: Die KI bekommt sehr viele Beispiele und versucht, daraus Muster zu lernen. Sie macht Vorhersagen, prüft ob sie stimmen, und verbessert sich. Das wiederholt sie millionenfach.
Nach jeder Vorhersage berechnet die KI ihren «Fehler» – wie weit lag sie daneben? Dieser Fehler wird als Zahl gemessen. Das Ziel des Trainings: den Fehler möglichst klein machen.
Man testet die KI nach dem Training mit Daten, die sie noch nie gesehen hat. Macht sie dabei weniger Fehler als vorher? Dann hat sie echtes Wissen gelernt – nicht nur die Antworten auswendig!
Kleine Modelle: Stunden. Grosse Sprachmodelle wie GPT-4: Monate auf tausenden speziellen Computern. Kosten: viele Millionen Franken. Das Training von KI verbraucht sehr viel Strom!
Trainingsdaten sind die Beispiele, aus denen die KI lernt. Sie müssen mit einer Beschriftung (Label) versehen sein: «Dieses Bild zeigt einen Hund», «Dieser Text ist positiv», «Diese Mail ist Spam».
Ein Label ist die richtige Antwort zu einem Beispiel. Die KI vergleicht ihre Vorhersage mit dem Label und berechnet, wie gross der Fehler ist. Labels werden oft von Menschen vergeben – das dauert lange!
Ein Teil der Daten wird zum Testen zurückgehalten. Die KI darf diese Daten beim Training nicht sehen – nur danach, um zu prüfen, ob sie wirklich gelernt hat oder nur auswendig gelernt hat.
Ein neuronales Netz ist ein Computersystem, das grob vom menschlichen Gehirn inspiriert ist. Unser Gehirn hat Milliarden Nervenzellen (Neuronen), die miteinander verbunden sind. Ein künstliches neuronales Netz hat «künstliche Neuronen» – das sind einfach Zahlen-Rechenoperationen.
Blau = Eingabe (z.B. Bildpixel) · Grün = Rechenschichten · Orange = Ausgabe (z.B. «Hund» oder «Katze»)
Jede Verbindung zwischen zwei Neuronen hat ein «Gewicht» – eine Zahl, die sagt, wie wichtig diese Verbindung ist. Beim Training werden diese Gewichte so lange angepasst, bis die KI richtige Vorhersagen macht.
«Rückwärtsausbreitung» ist der Trick, mit dem die KI lernt: Nach einem Fehler wird geschaut, welche Gewichte dazu geführt haben, und diese werden ein bisschen angepasst. Das geschieht millionenfach.
Ein Sprachmodell ist eine KI, die aus riesigen Textmengen gelernt hat. Ihr Grundprinzip: Sage das nächste Wort voraus. Klingt simpel – aber um das gut zu können, muss die KI Grammatik, Wissen und Logik verstehen.
Sprachmodelle teilen Text in kleine Stücke – Tokens. Das ist meist ein Wort oder eine Silbe. «Schulausflug» → «Schul» + «ausflug» = 2 Tokens. Die KI rechnet immer mit Token-Nummern, nicht mit Buchstaben.
Das ist eine grosse Frage! Die KI erkennt Muster und berechnet Wahrscheinlichkeiten – aber sie «versteht» nicht wie ein Mensch. Sie hat keine Gefühle, keine Erfahrungen und kein Bewusstsein.
Manchmal erfindet ein Sprachmodell Dinge, die nicht wahr sind – selbstbewusst und überzeugend klingend. Das nennt man «Halluzination». Deshalb: Immer kritisch prüfen, was eine KI sagt!
Bias bedeutet «Voreingenommenheit». Wenn Trainingsdaten einseitig sind, lernt die KI falsche Muster. Beispiel: Eine KI trainiert auf Stellenausschreibungen aus den 1990er-Jahren lernt, dass Führungskräfte Männer sind.
Das Training grosser KI-Modelle braucht viel Strom. Für GPT-3 haben Forschende von Google und der Universität Berkeley nachgerechnet: rund 1300 Megawattstunden Strom und 552 Tonnen CO₂ (Patterson u. a., 2021). Das ist etwa so viel, wie ein ganzes Flugzeug auf drei Hin- und Rückflügen zwischen San Francisco und New York ausstösst. Für die neueren Modelle geben die Firmen keine Zahlen heraus. Eine ethische Frage: Ist der Nutzen den Aufwand wert?
Du hast jetzt verstanden, wie Training, Daten, neuronale Netze und Sprachmodelle funktionieren. Auf diesen Seiten kannst du es selbst ausprobieren und noch tiefer einsteigen:
Im Erwachsenen-Modul liest du, wie ein Sprachmodell aufgebaut ist, wie Menschen seine Antworten bewerten und was das für die Gesellschaft bedeutet. Geh zurück zur Auswahl!
Neuronale Netze, Sprachmodelle und die Frage, was das für die Gesellschaft heisst. Erklärt ohne Vorwissen.
«Künstliche Intelligenz» ist ein Oberbegriff für Computersysteme, die Aufgaben ausführen, die früher menschliche Intelligenz erforderten: Sprache verstehen, Bilder erkennen, Entscheidungen treffen, Kreatives erzeugen.
Wichtig: KI «denkt» nicht wie ein Mensch. Sie berechnet statistische Muster in Daten. Das ist keine Kleinigkeit – es macht enorm viel möglich –, aber es ist fundamentell anders als menschliches Denken, Fühlen und Verstehen.
Das Herzstück heutiger Sprachmodelle ist die Transformer-Architektur (2017 von Google entwickelt). Sie hat die KI revolutioniert – alle grossen Modelle (GPT, Gemini, Claude) basieren darauf.
Text wird in Tokens zerlegt (Wörter oder Teilwörter). Jeder Token bekommt eine Nummer. «Hallo Welt» → [15496, 1726]
Jeder Token wird in eine Liste von Zahlen (Vektor) umgewandelt. Ähnliche Wörter haben ähnliche Vektoren. «König» und «Königin» liegen näher zusammen als «König» und «Kartoffel».
Der Kern des Transformers: Das Modell lernt, welche Wörter im Kontext wichtig sind. Bei «Die Bank am Fluss» weiss das Modell durch Attention, dass «Bank» hier ein Sitzmöbel bedeutet.
Der Prozess wird in vielen Schichten (Layer) wiederholt. Frühe Schichten lernen einfache Muster (Syntax), spätere Schichten lernen komplexe Konzepte (Semantik, Logik).
Am Ende berechnet das Modell für jeden möglichen Token eine Wahrscheinlichkeit. Das wahrscheinlichste Token (oder eine gewichtete Auswahl) wird als nächstes Wort ausgegeben.
Die Grösse eines Modells wird in Parametern gemessen – das sind die lernbaren Gewichte im Netz:
Mehr Parameter bedeuten nicht automatisch bessere Leistung. Entscheidend sind Trainingsqualität, Datenmenge und Architektur. Kleinere Modelle können in spezifischen Aufgaben grössere übertreffen.
Moderne Sprachmodelle durchlaufen mehrere Trainingsphasen, die aufeinander aufbauen:
Das Modell lernt auf Billiarden Tokens Text: Bücher, Websites, Wissenschaft, Code. Ziel: das nächste Token vorhersagen. Klingt simpel, erzwingt aber tiefes Sprachverständnis. Dauer: Monate, Kosten: 10–100 Mio. USD.
Menschen schreiben mustergültige Fragen-Antwort-Paare. Das Modell lernt, Anweisungen zu folgen und hilfreiche Antworten zu geben – nicht nur Text fortzuführen.
Menschliche Bewerter reihen zwei Modell-Antworten auf eine Frage. Aus diesen Urteilen wird ein «Reward Model» trainiert. Das Hauptmodell wird dann so angepasst, dass es höhere Rewards erzielt.
Zusätzliche Schicht: Das Modell lernt, bestimmte Inhalte abzulehnen. Die «Verfassung» enthält Prinzipien wie Ehrlichkeit, Harmlosigkeit, Hilfsbereitschaft.
Erlebe, wie ein Sprachmodell Wahrscheinlichkeiten berechnet. Wähle das nächste Token:
Echte Modelle berechnen diese Verteilung für alle bekannten Tokens gleichzeitig – oft 50 000–100 000. Die «Temperatur»-Einstellung kontrolliert, ob das wahrscheinlichste oder ein zufälligeres Token gewählt wird.
Sprachmodelle (Large Language Models, LLMs) sind die Grundlage von ChatGPT, Claude, Gemini & Co. Sie generieren Text durch iterative Tokenvorhersage – und haben dabei emergente Fähigkeiten entwickelt, die niemand explizit trainiert hat.
Bei ausreichender Grösse entwickeln Modelle plötzlich Fähigkeiten, die nicht explizit trainiert wurden – z.B. logisches Schlussfolgern, Mathematik, Programmieren. Forscher verstehen noch nicht vollständig warum.
Ein Parameter, der die Zufälligkeit der Ausgabe steuert. Temperatur 0: immer das wahrscheinlichste Token → vorhersehbar. Temperatur 1+: kreativere, überraschendere Ausgaben → manchmal auch falsche.
Die Formulierung einer Anfrage an eine KI beeinflusst die Antwortqualität massgeblich. Klare Anweisungen, Beispiele mitgeben («few-shot»), Schritt-für-Schritt-Denken anfordern («chain of thought») – das sind bewährte Techniken.
SoekiaGPT (www.soekia.ch/gpt.html) ist eine didaktische Lernumgebung der Pädagogischen Hochschule Schwyz, die einzelne Schritte eines statistischen Sprachmodells sichtbar macht. Sie zeigt, wie ein Modell basierend auf einer Dokumentensammlung Wahrscheinlichkeiten für nächste Wörter berechnet.
Wichtiger Hinweis: SoekiaGPT ist stark vereinfacht. Echte Modelle wie GPT-4 verwenden Milliarden von Parametern und die Transformer-Architektur – aber das Grundprinzip der Wahrscheinlichkeitsberechnung ist dasselbe.
Die EU hat 2024 den AI Act verabschiedet – das weltweit erste umfassende KI-Gesetz. Es klassifiziert KI-Systeme nach Risikostufen:
Soziale Kreditpunktesysteme, biometrische Überwachung im öffentlichen Raum (mit engen Ausnahmen), manipulative Systeme.
Bewerbungsauswahl, Kreditvergabe, Strafverfolgung, medizinische Diagnose, kritische Infrastruktur.
Chatbots müssen sich als KI zu erkennen geben. Deepfakes müssen als solche gekennzeichnet werden.
Spamfilter, KI in Videospielen, Produktionsoptimierung. Der grösste Teil heutiger KI-Anwendungen.
KI verändert Schule und Weiterbildung grundlegend. Einerseits entstehen neue Werkzeuge – andererseits neue Fragen: Wer hat die Aufgabe gelöst? Was bedeutet Lernen noch?
Klicke auf einen Begriff für die vollständige Erklärung:
Didaktisches Sprachmodell – erlebe Schritt für Schritt, wie statistische Textgenerierung funktioniert. Du kannst es selber ausprobieren und im Unterricht einsetzen.
🌊Interaktiv: Trainiere eine KI zur Klassifizierung von Meereslebewesen. Zeigt Trainingsdaten-Effekte und Bias eindrucksvoll.
📚Fokus Künstliche Intelligenz: Unterrichtsmaterialien, Lerneinheiten und Unterrichtsplanung. (Login erforderlich)