Dein 30-Minuten-Intro fuer die DeepDiveKI Fortbildung
Ein kompakter Lernpfad: klare Kapitel, kurze Videos, kleine Aufgaben und ein Quiz. Damit startest du vorbereitet in unsere Fortbildungen.
Die 4 Kapitel im Detail
Kapitel, Lektionen und Aufgaben sind strukturiert. Jedes Kapitel enthaelt Erklaerungen, Grafiken, Animationen und eine Mini-Aufgabe.
Kapitel 1: Start & Zielbild
5 Min
Kapitel 1: Start & Zielbild
Wir klaeren die wichtigsten Begriffe und definieren dein Zielbild fuer die Fortbildung. Du weisst danach, wofuer du KI einsetzen willst und was Erfolg bedeutet.
- Begriffe: KI, ML, LLM, Prompt
- Zielgruppe und Unterrichtssituation festlegen
- Erfolgskriterien in einem Satz
Von Heute zu Ziel: klare Richtung vor dem Start.
Kapitel 2: Die Technologie: Tokens & Wahrscheinlichkeit
8 Min
Kapitel 2: Die Technologie: Tokens & Wahrscheinlichkeit
Tokens sind die Bausteine. Du siehst, wie Kontext und Wahrscheinlichkeit zusammenspielen und warum kleine Aenderungen grosse Effekte haben.
- Tokens als kleinste Einheiten
- Kontextfenster als Speicher
- Wahrscheinlichkeit bestimmt den Output
Token-Leiste plus Wahrscheinlichkeiten.
Kapitel 3: Prompting lernen und verbessern
9 Min
Kapitel 3: Prompting lernen und verbessern
Ein guter Prompt ist strukturiert. Rolle, Kontext und Format geben dem Modell klare Leitplanken fuer den Unterricht.
- Rolle definieren (z. B. Lehrkraft)
- Kontext: Niveau, Ziel, Ton
- Format: Liste, Tabelle, Schritte
Prompt-Bausteine fuehren zu klarem Output.
Kapitel 4: Praxis-Check, Quiz und Vertiefung
8 Min
Kapitel 4: Praxis-Check, Quiz und Vertiefung
Praxis-Check fuer Risiken und Grenzen. Du lernst, wie du Ergebnisse pruefst und mit dem Quiz dein Wissen sicherst.
- Risiken: Halluzination, Bias, Datenschutz
- Checkliste vor dem Einsatz
- Quiz zum Selbsttest
Checkliste plus Quiz-Progress fuer sicheren Einsatz.
Lernziele
- Rolle, Ziel und Format klar benennen
- Kontext richtig einfuegen
- Ausgabeform festlegen
Drei Kernideen, die du vorab kennen solltest
Kleine Animationen zeigen dir die Logik hinter LLMs, Prompting und dem Feedback-Loop.
Token & Wahrscheinlichkeit
Worte werden zu Tokens. Das Modell waehlt den naechsten Schritt mit der hoechsten Wahrscheinlichkeit.
Prompt + Kontext
Kontext ist der Rahmen. Ein klarer Prompt gibt Richtung und Ausgabeformat vor.
Feedback Loop
Gute Antworten entstehen durch Iteration. Testen, verfeinern, verbessern.
Limitationen von KI
Diese Punkte helfen, Ergebnisse realistisch einzuordnen und Verantwortlichkeiten zu klaeren.
Limitationen
- Abhaengig von Daten, Kontext und Entwicklung
- Werte und Inhalte der Daten werden unhinterfragt uebernommen
- Kaum einheitliche Reglementierungen / Gesetze
- Intuition, Kreativitaet und emotionale Intelligenz fehlen
Visualisierung der wichtigsten Einschranken als Reminder im Kurs.
SoekiaGPT
SoekiaGPT ist eine webbasierte Lernumgebung bzw. ein didaktischer Textgenerator speziell für den Unterricht. Sie wurde entwickelt, um „unter die Motorhaube“ von Sprachmodellen zu schauen.



Autoregressiver Token-Flow
Waehle das naechste Token. Jeder Klick veraendert den Kontext und beeinflusst die folgenden Optionen.
Die Schuelerin ...
Shannons Vorhersage und Entropie
Das Shannon-Experiment (auch "Shannon's Game") ist ein Experiment aus der Informationstheorie, das zeigt, wie vorhersagbar Sprache ist und wie viel Information in einem Text steckt. Dabei nimmt man einen normalen Text und laesst eine Person das jeweils naechste Zeichen (Buchstabe oder Leerzeichen) nur anhand des bisherigen Kontexts erraten; bei falschen Versuchen bekommt sie Feedback und raet weiter, bis das Zeichen stimmt. Aus der durchschnittlichen Anzahl der benoetigten Versuche pro Zeichen kann man abschaetzen, wie viel "neue" Information im naechsten Zeichen steckt (die Entropie): Weil Sprache viele Muster und Redundanz enthaelt, ist vieles gut vorhersagbar und traegt weniger neue Information - genau deshalb funktioniert Datenkompression so gut.
Verfuegbares Alphabet
Klicke das Zeichen, das du als naechstes im Satz erwartest.
Satz
Statistiken
Statistiken werden nach jedem korrekt geratenen Zeichen aktualisiert.
Maschinelles Lernen durch Feedback
Ein einfaches Schema zeigt, wie Daten, Feedback und Output zusammenwirken.
Maschinelles Lernen
- Daten als Grundlage
- Weiterentwicklung des neuronalen Netzwerks (z. B. durch Feedback)
- Kontinuierliches Lernen
Beispielgrafik fuer den Lernkreislauf.
Wofuer eigentlich KI?
Von schwacher KI bis zur Superintelligenz: Drei Stufen, die den Diskurs praegen.
Schwache KI (Weak AI)
KI-Systeme, die auf spezifische Aufgaben spezialisiert sind und keine allgemeine Intelligenz besitzen.
Starke KI (Strong AI)
Hypothetische KI-Systeme, die ueber eine allgemeine Intelligenz verfuegen, die der menschlichen Intelligenz ebenbuertig oder ueberlegen ist.
Ueberlegene KI (Superintelligence)
Eine Form der KI, die in allen Bereichen die menschliche Intelligenz deutlich uebertrifft.
Platzhalter fuer eure Kursvideos
Hier setzen wir spaeter eure eigenen Videos ein. Die Kacheln sind bereits im Kurslayout platziert.
Kleine Aufgaben, die dich aktiv machen
Jede Aufgabe ist so klein, dass du sie sofort erledigen kannst. Damit bist du im Kurs direkt im Flow.
Mini-Aufgabe: Deine Ausgangsfrage
Welche Unterrichtssituation moechtest du mit KI verbessern? Halte ein klares Ziel fest.
Mini-Aufgabe: Prompt-Entwurf
Formuliere einen ersten Prompt fuer eine konkrete Unterrichtseinheit.
Mini-Aufgabe: Transfer-Check
Notiere einen Vorteil und ein Risiko. So bist du im Kurs sofort startklar.
Schneller Wissenstest
Drei kurze Fragen fuer den Selbstcheck. Die Auswertung folgt im Kurs.
Bitte beantworte alle Fragen, um die Auswertung zu sehen.
Vertiefung KI-Assistenten
Schon fertig und noch Zeit? Hier folgt ein vertiefendes Video sowie eine Aufgabenstellung.
KI-Assistenten im Unterricht
Schaue das Video-Tutorial und bearbeite die Aufgabe:
Starte deine Fortbildung mit DeepDiveKI
Dieses Intro ist der Schnellstart. In der Fortbildung gehen wir tiefer, praxisnah und mit echten Unterrichtsbeispielen.
