Lernnachweis
Selbstauskunft — nicht geprüft
hat den Lernpfad „KI-Grundkompetenz“ von KI einfach verstehen bearbeitet: alle Bausteine vollständig gelesen und die Fragen ihrer Abrufmomente zur Selbstkontrolle beantwortet.
- Ausgestellt am
- Umfang
- 17 Bausteine, geschätzte Lesezeit ca. 3,5 Stunden (217 Minuten, aus der Textlänge geschätzt), dazu 93 Fragen in Abrufmomenten
Lernziele
Nach dem Lernpfad sollte die lernende Person Folgendes können:
- Programm, Algorithmus und KI-Modell unterscheiden und erklären, warum ein Modell nicht aus aufgeschriebenen Regeln besteht, sondern aus Zahlen, die beim Training eingestellt werden.
- Beschreiben, was ein KI-Modell als Input bekommt, warum sein Output meist eine Liste von Bewertungen ist und wie daraus Stück für Stück eine Antwort entsteht.
- Erklären, wie ein Tokenizer Text in Stücke aus einer festen Liste zerlegt, wie er diese Stücke durch Zählen lernt und warum die Zahl der Tokens nicht die Zahl der Wörter ist.
- Erklären, wie aus Tokens Nummern werden und zurück, warum eine Nummer nichts bedeutet, warum Tokenizer und Modell zusammengehören und wie viele Tokens ein Modell auf einmal verarbeitet.
- Skalar, Vektor, Matrix und Tensor einordnen und erklären, warum eine Chatnachricht oder ein Foto für ein Modell ein Zahlenblock ist.
- Erklären, wie ein Sprachmodell aus Scores Wahrscheinlichkeiten macht, warum es nicht immer das Naheliegende wählt und was die Temperatur daran ändert.
- Beschreiben, was in einem fertigen Modell steckt, was vor dem Training festgelegt wird, wie das Training aus dem Fehler die Richtung für jeden Parameter gewinnt und warum Training teurer ist als Inferenz.
- Abschätzen, wie viel Speicher ein Modell braucht, und erklären, warum zuerst der Platz entscheidet, was Quantisierung spart und warum Training mehr Speicher braucht.
- Erklären, warum gute Vorhersage Regeln statt Kopien verlangt, wie eine Aufgabe gelingen kann, die es so nie gab, und wo wörtliches Auswendiglernen und wirklich neue Aufgaben an Grenzen stoßen.
- Erklären, warum ein Grundmodell Fragen fortsetzt statt sie zu beantworten, was das Nachtraining daran ändert und woher ein Chatbot sein Datum und seine Vorgaben hat.
- Erklären, warum Zwischenschritte, die ein Modell vor der Antwort als Text schreibt, manche Aufgaben lösbar machen, wer festlegt, ob und wie lange es denkt, und was ein angezeigter Gedankengang nicht zeigt.
- Erklären, warum ein Chatbot lieber rät als „weiß ich nicht“ zu sagen, warum eine Rückfrage beim selben Bot keine Prüfung ist und warum eine erfundene Quelle echt aussieht.
- Die vier Quellen nennen, aus denen ein Chatbot im Gespräch schöpft (Gewichte, Kontext, Werkzeuge, gespeicherte Notizen), und daraus ableiten, wie verlässlich eine Aussage ist.
- Erklären, wie ein Agent in einer Schleife Werkzeuge nutzt, obwohl das Modell nur Text schreibt, wer festlegt, ob ein Aufruf ausgeführt wird, und warum das Ende eines Laufs nichts über das Ergebnis sagt.
- Aussagen aus der Debatte, ob Sprachmodelle verstehen, den Befunden zuordnen, auf die sie sich stützen, und begründen, warum eine flüssige Antwort weder dafür noch dagegen spricht.
- Erklären, an welchen Stellen ein Text im Training rechtlich berührt wird, welcher Hebel für welchen Text wirkt und warum ein Vorbehalt nur künftiges Sammeln betrifft (Stand und ohne Rechtsberatung).
- Eine Chatbot-Antwort nach ihrem Risiko einordnen und den Prüfschritt wählen, der zum möglichen Fehler passt, statt den Bot selbst zu fragen, ob es stimmt.
Bearbeitete Bausteine
- Programm, Algorithmus, Modell im Vergleichhttps://ki-einfach-verstehen.de/de/bausteine/programm-algorithmus-modell/
- Input und Output: Was ein Modell aus einer Eingabe machthttps://ki-einfach-verstehen.de/de/bausteine/input-und-output/
- Tokenizer: Wie Text in Tokens zerfällthttps://ki-einfach-verstehen.de/de/bausteine/tokenizer-ids-vokabular/
- Token-IDs: Was eine Nummer bedeutethttps://ki-einfach-verstehen.de/de/bausteine/token-ids-und-vokabular/
- Skalar, Vektor, Matrix, Tensor: die Bausteine der Zahlenhttps://ki-einfach-verstehen.de/de/bausteine/skalar-vektor-matrix-tensor/
- Wahrscheinlichkeit und Softmax: Wie ein Modell sich entscheidethttps://ki-einfach-verstehen.de/de/bausteine/wahrscheinlichkeit-und-softmax/
- Parameter, Training und Benutzen: Wie ein Modell lernthttps://ki-einfach-verstehen.de/de/bausteine/parameter-training-inferenz-hardware/
- Modellgröße und Hardware: Wo ein Modell Platz findethttps://ki-einfach-verstehen.de/de/bausteine/modellgroesse-und-hardware/
- Warum Vorhersagen mehr ist als Nachplappernhttps://ki-einfach-verstehen.de/de/bausteine/warum-vorhersagen-mehr-ist-als-nachplappern/
- Vom Textfortsetzer zum Assistenten: Was das Nachtraining aus einem Modell machthttps://ki-einfach-verstehen.de/de/bausteine/vom-textfortsetzer-zum-assistenten/
- Wie ein Modell „nachdenkt“: Zwischenschritte, die es selbst schreibthttps://ki-einfach-verstehen.de/de/bausteine/wie-ein-modell-nachdenkt/
- Warum KI überzeugend falsch liegt: Wenn Raten sich lohnt und Sicherheit im Ton nichts beweisthttps://ki-einfach-verstehen.de/de/bausteine/warum-ki-ueberzeugend-falsch-liegt/
- Was ein Chatbot in einem Gespräch weiß: Vier Quellen, ein Kontextfensterhttps://ki-einfach-verstehen.de/de/bausteine/was-ein-chatbot-im-gespraech-weiss/
- Vom Chatbot zum Agenten: Wie KI eine Aufgabe abarbeitethttps://ki-einfach-verstehen.de/de/bausteine/vom-chatbot-zum-agenten/
- Versteht KI, was sie sagt?https://ki-einfach-verstehen.de/de/bausteine/versteht-ki-was-sie-sagt/
- Trainingsdaten: Urheberrecht und Datenschutzhttps://ki-einfach-verstehen.de/de/bausteine/trainingsdaten-urheberrecht-und-datenschutz/
- Antworten prüfen: KI im Alltag sicher nutzenhttps://ki-einfach-verstehen.de/de/bausteine/antworten-pruefen/
Nicht Gegenstand des Lernpfads
Pflichten aus der KI-Verordnung und Rechtsberatung; Urheberrecht und Datenschutz kommen nur für Trainingsdaten vor, mit Stand und ohne Rechtsberatung · Risiken und Grenzen bestimmter KI-Systeme in deinem Arbeitsumfeld · die Bedienung konkreter Werkzeuge und das Formulieren von Prompts
Diesen Lernnachweis hat die lernende Person selbst erstellt. KI einfach verstehen hat weder die Identität noch den Lernerfolg geprüft. Der Nachweis enthält bewusst keine Punktzahl und keine Note. Er kann Teil der Dokumentation von Maßnahmen zur KI-Kompetenz (Art. 4 KI-Verordnung) sein.