4 MinutenKI klug für schulischen Erfolg nutzen
Eine Faustregel formulieren, mit der sich KI-Hausaufgabenhilfe von KI-Schummeln unterscheiden lässt.
Kuratierte Bibliothek
Sehen Sie sich die verständlichsten Begleitvideos an, ohne die gesamte Bibliothek durchsuchen zu müssen. Wählen Sie einen Lernpfad, machen Sie dort weiter, wo Sie aufgehört haben, oder nutzen Sie die Filter, wenn Sie bereits wissen, was Sie benötigen.
Gewinnen Sie Sicherheit im Umgang mit KI-Grundlagen, Prompting, Datenschutz, Halluzinationen und der alltäglichen Nutzung.
Verstehen Sie, was KI kann und was sie nicht kann, bevor Sie etwas automatisieren.
Lernen Sie Workflows für Meetings, Schreiben, Recherche, No-Code-Tools und wiederholbare Geschäftsaufgaben kennen.
Verwandeln Sie KI von einem Chatfenster in eine zuverlässige Arbeitsgewohnheit.
Tauchen Sie tiefer in Agenten, RAG, MCP, strukturierte Ausgaben, Evaluierungen, APIs und lokale KI ein.
Bewerten und entwickeln Sie KI-Systeme, ohne Demos mit Produktivsystemen gleichzusetzen.
Befassen Sie sich mit Governance, der Vorbereitung auf die EU-KI-Verordnung, Make-or-Buy-Entscheidungen, ROI und Optionen für private KI.
Treffen Sie sicherere Entscheidungen zur KI-Einführung in einem Team oder Unternehmen.
108 Ergebnisse
Nichts passt zu diesen FilternVersuchen Sie eine andere Kategorie oder ein anderes Niveau oder setzen Sie die Filter zurück, um alle Inhalte anzuzeigen.
4 MinutenEine Faustregel formulieren, mit der sich KI-Hausaufgabenhilfe von KI-Schummeln unterscheiden lässt.
5 MinutenZwei visuelle Hinweise nennen, die auf ein KI-generiertes Bild hindeuten können, ohne dessen Ursprung zu beweisen.
5 MinutenEin Beispiel aus dem Beitrag notieren, in dem eine KI-Antwort vom professionellen medizinischen Urteil abwich — ohne den Beitrag als medizinischen Rat zu behandeln.
11 MinutenLücken zwischen KI-Gespräch und lizenzierter therapeutischer Versorgung benennen, damit klar ist, wann Sie eine menschliche Fachkraft aufsuchen sollten.
20 MinutenDen von Turkle beschriebenen Unterschied zwischen Vernetzung und Gesellschaft benennen und auf eine eigene KI-Chat-Gewohnheit anwenden.
17 MinutenDen Begriff „Aufmerksamkeitsökonomie“ erklären und eine Gestaltungsmethode nennen, mit der Aufmerksamkeit gebunden wird.
1 MinutenWandeln Sie den Workflow in ein kleines praktisches Experiment mit einer klaren Qualitätssicherung um.
57 MinutenZwei konkrete Risiken von KI-Companion-Apps für Kinder benennen, die im Panel diskutiert werden.
11 Minuten„Shadow AI“ definieren und eine Datenkategorie nennen, die niemals in einen KI-Chatbot für Privatkundinnen und Privatkunden gehört.
1 MinutenNotieren Sie eine in der Ankündigung beschriebene Funktion des Study Mode, etwa Anleitung statt bloßer Antworten. Prüfen Sie diese anschließend anhand der aktuellen Produktdokumentation, da sich Funktionen ändern können.
13 MinutenRisiken benennen, die O’Neil mit schädlichen Bewertungssystemen verbindet, etwa Undurchsichtigkeit, große Reichweite und mögliche Schäden, ohne den Vortrag als vollständige technische Definition zu behandeln.
5 MinutenIn einem Satz erklären, warum ein KI-Chatbot selbstbewusst klingen und zugleich faktisch falsch liegen kann.
5 MinutenEinen Gesprächspunkt zu Privatsphäre, Fairness oder Verantwortung aus dem Video übernehmen, um ein KI-Gespräch mit Jugendlichen zu beginnen.
16 MinutenEinen Tutor-Prompt schreiben, der die KI anweist, mit Fragen anzuleiten, statt die Antwort direkt vorzugeben.
4 MinutenMit Ihrer Familie ein geheimes Codewort für dringende Anrufe vereinbaren und die Einzelheiten anhand aktueller Verbraucherschutzhinweise statt nur anhand eines Nachrichtenbeitrags prüfen.
8 MinutenZusammenfassen, welche Ergebnisse der Nachrichtenbeitrag der Studie zu KI-gestütztem Schreiben zuschreibt, und Replikation sowie Grenzen weiterhin als offen behandeln.
17 MinutenLernen Sie, KI-Workflows so zu gestalten, dass sie pausieren, fortgesetzt werden, menschliches Urteilsvermögen anfordern und den Geschäftszustand von Vermutungen des Modells trennen können.
18 MinutenSehen Sie, wie sich Freigabestufen als ausdrückliche Workflow-Kontrollpunkte implementieren lassen, statt erst nach einem Fehler informell manuell zu prüfen.
32 MinutenLernen Sie, KI in die Lokalisierung einzuführen, ohne Menschen die Verantwortung für Bedeutung, Ton, Terminologie und abschließende Freigabe zu entziehen.
4 MinutenVerstehen Sie, warum mehrsprachige Embeddings für eine private interne Suche wichtig sind und wie lokaler Abruf das Risiko einer Datenoffenlegung reduzieren kann.
17 MinutenEinen Multi-Agenten-Entwicklungsworkflow mit klaren Review-Grenzen einrichten, damit generierte Änderungen klein, getestet und eindeutig verantwortet bleiben.
56 MinutenEinen ROI-Nachweis für einen KI-Workflow mit Ausgangswert, direkten und indirekten Vorteilen, Qualitätsprüfungen und einer expliziten Abbruchentscheidung entwickeln.
41 MinutenMake-or-Buy-Entscheidungen für KI anhand von Ergebnis, Datenkontrolle, Workload-Wirtschaftlichkeit, Infrastrukturreife und betrieblicher Verantwortung treffen.
20 MinutenPraktische Zugriffskontrollmuster für RAG mit Unternehmenswissen bewerten, bevor sensible interne Dokumente indexiert werden.
30 MinutenDen historischen Zeitplan des Videos mit dem geltenden EU-Recht vergleichen und die aktuellen Fristen anschließend den Aufgaben zu Anbieternachweisen und Zuständigkeiten zuordnen, die ein KMU einplanen muss.
37 MinutenPrivate KI als Infrastruktur- und Governance-Entscheidung bewerten, statt sich reflexartig für SaaS oder Selbstbetrieb zu entscheiden.
69 MinutenDie wahrscheinlich ersten Fehlermodi eigener Agenten erkennen und Tests, Rückfallmechanismen sowie Abschaltkriterien für jeden davon im Voraus planen.
7 MinutenVerstehen, weshalb Dokumentenparsing, Strukturerhalt und Qualitätsprüfungen bei der Aufnahme erforderlich sind, bevor RAG über PDFs und gemischte Dateiformate aufgebaut wird.
6 MinutenDie Kernarchitektur eines Sprachagenten und die Fehlerpunkte erkennen, die das Kundenvertrauen in realen Anrufen beeinträchtigen.
66 MinutenSie sehen den vollständigen Anfänger-Workflow für die Erstellung eines kleinen Cursor-Projekts, einschließlich Einrichtung, Prompten, Debuggen, grundlegendem Git und den Grenzen der KI-gestützten Programmierung.
5 MinutenSie können die drei Schutzmaßnahmen benennen, die gelten sollten, bevor eine KI Code für Sie schreibt, und verstehen, welchen konkreten Fehler jede davon verhindert.
31 MinutenSie sehen, wie ein n8n-Support-Workflow retrievalgestützte Antworten entwirft und Aktualisierungen der Wissensbasis vorschlägt, und bestimmen die vor dem Produktionseinsatz nötigen Kontrollen.
231 MinutenSie sehen, wie ein Support-Agent Wissensabruf, Eskalation und Workflow-Tools kombiniert, bevor er für den Produktionseinsatz abgesichert wird.
37 MinutenSie nutzen KI, um Annahmen zu hinterfragen, Optionen zu vergleichen und Gegenargumente sichtbar zu machen, bevor Sie eine Entscheidung treffen.
13 MinutenSie gestalten einen Meeting-Workflow, der Transkripte, Zusammenfassungen und Maßnahmen erfasst und die menschliche Prüfung beibehält.
4 MinutenSie vergleichen einen eigenständigen Transkriptionsworkflow mit integrierten Meeting-Assistenten, bevor Sie ein Tool auswählen.
23 MinutenSie sehen, wie ein langfristig genutzter ChatGPT-Thread Essensplanung, Besorgungen, Reisevorbereitung und andere risikoarme Aufgaben der Alltagsorganisation unterstützen kann.
90 MinutenKI-Vorschläge als fehlbare Zweitlektüre prüfen und Fakten, Unsicherheit und eigenen Stil bewahren.
18 MinutenSie können Perplexity und NotebookLM zu einer Recherchepipeline verbinden, die Quellen findet, liest und synthetisiert.
26 MinutenSie können ein Notebook in NotebookLM einrichten und damit lange Dokumente aus eigenen Quellen zusammenfassen, befragen und miteinander abgleichen.
11 MinutenSie lernen, welche Anforderungen an Aufnahmequalität und Einwilligung gelten, bevor Sie einen Stimmenklon erstellen.
16 MinutenSie verstehen die wichtigsten Kategorien von KI-Audio-Workflows: Vertonung, Sprache-zu-Sprache, Stimmgestaltung und Stimmenklonung.
23 MinutenSie untersuchen eine Multi-Agenten-Pipeline für Newsletter und erkennen, wo Quellen, Freigabe und Fehlerbehandlung hingehören.
20 MinutenSie erhalten einen kompakten Rahmen für klare Prompts und Iteration sowie ausgearbeitete Muster für E-Mails, Zusammenfassungen und Analysen.
25 MinutenSie erstellen bessere Prompts, indem Sie Rolle, Aufgabenkontext, Beispiele, Einschränkungen und Ausgabeformat Schicht für Schicht ergänzen.
24 MinutenErkennen Sie den Ablauf von Browser-Agenten-Aktionen, wo sie helfen und wo weiterhin menschliche Bestätigungen erforderlich sind.
2 MinutenVergleichen Sie das Verhalten von Computer Use auf dem Desktop mit dem von reinen Browser-Agenten.
11 MinutenSie erkennen die Phasen Quellenauswahl, Frage, generiertes Artefakt und Zitatprüfung in einem gehosteten Dokumentenassistenten.
26 MinutenSie beobachten einen quellenbasierten Notebook-Workflow und bestimmen die nötigen Prüfungen für Retrieval, Zitate, Herkunft und Berechtigungen, bevor Sie sich darauf verlassen.
11 MinutenZitierte Ton- oder Klarheitsvorschläge anfordern und den Entwurf an genehmigten Fakten und beabsichtigter Bedeutung prüfen.
25 MinutenSie nutzen die OWASP-Risikokategorien für LLMs, um Tool-Zugriffe, Ausgabeverarbeitung und die mögliche Offenlegung sensibler Daten zu prüfen.
11 MinutenSie unterscheiden direkte von indirekter Prompt Injection und verstehen, warum Filter allein nicht genügen.
19 MinutenAbschätzen, wann sich Prompt-Caching für reale Workloads lohnt, indem Schreibaufschläge und Einsparungen beim Lesen gegeneinander abgewogen werden.
56 MinutenPrompt-Caching nur einsetzen, wenn stabile Präfixe sowie Latenz- und Kostenverhalten zum Workload passen.
12 MinutenErstellen Sie einen kleinen wiederverwendbaren Assistenten mit Anweisungen, Wissensdateien und Zugriffseinstellungen.
13 MinutenSie verstehen Kontext auf Projektebene und erkennen, wann er besser geeignet ist, als denselben Hintergrund in jedem Chat zu wiederholen.
131 MinutenVerstehen, wie ein erfahrener Nutzer dauerhafte Präferenzen von einmaligem Kontext trennt.
36 MinutenPersonalisierung bewusst einstellen, ohne Memory, Anweisungen und Projektkontext zu vermischen.
22 MinutenSie sehen Deep Research und Analysemodi in der Unternehmensrecherche statt ausschließlich bei akademischer Literatur angewendet.
14 MinutenSie grenzen eine Deep-Research-Aufgabe ein, warten auf den Bericht und prüfen vor dessen Verwendung Quellenangaben und Quellenqualität.
107 MinutenLernen Sie den Eval-Zyklus für Produktentwickler kennen: Traces prüfen, Fehler kennzeichnen, Kriterien definieren, Änderungen testen und die Ergebnisse mit menschlichen Bewertungen vergleichen.
3 MinutenSehen Sie die kleinste codefreie Variante einer wiederholbaren Prompt-Evaluierung.
42 MinutenSie sehen, wie Beispiele das Modellverhalten verändern, und lernen, wann Few-Shot-Prompting den zusätzlichen Einrichtungsaufwand rechtfertigt.
25 MinutenSie können Beispiele in eine umfassendere Prompt-Struktur einfügen und abschätzen, wie sie die Modellausgabe verändern.

Den Kurs als Beispiel für ein LoRA- oder QLoRA-Experiment nutzen und Ressourcenbedarf sowie Ergebnisse für die gewählte Konfiguration selbst prüfen.

Fine-Tuning in die umfassendere Trainingspipeline einordnen und entscheiden, wann es Prompting oder RAG überlegen ist.
26 MinutenSie erstellen Ihren ersten Workflow mit einem n8n-KI-Agenten und erkennen, wo Tool-Zugriff, Memory und Schutzvorkehrungen hingehören.
92 MinutenSie erweitern einen einfachen Agenten zu mehrstufigen Workflows mit Memory, Fehlerbehandlung und realistischen Geschäftsintegrationen.
30 MinutenSie verstehen Auslöser, Aktionen und einfache Automatisierungsabläufe, bevor Sie KI in einen Geschäftsprozess einbinden.
12 MinutenSie können entscheiden, wann ein KI-Agent Auslöser, Auswahl des nächsten Schritts und Aktion übernehmen sollte, statt einen einfachen Zap mit einem KI-Schritt zu verwenden.
15 MinutenSie entscheiden anhand Ihrer aktuellen Arbeitslast, ob ein kostenpflichtiger ChatGPT-Tarif sinnvoll ist, statt den beeindruckend klingenden Tarif zu wählen.
19 MinutenWerkzeuge so gestalten, dass Agenten die richtige Aktion mit den richtigen Parametern auswählen.
29 MinutenEntscheiden können, welches Verhalten in den System-Prompt, die Werkzeugbeschreibung oder die Vorbedingungen des Werkzeugs gehört.
7 MinutenEntscheidungen zu Kurzzeit- und Langzeitgedächtnis trennen und festlegen, wann der Agent Informationen speichern soll.
44 MinutenEpisodisches, semantisches, Arbeits- und prozedurales Gedächtnis in einem Agenten implementieren, statt die Kategorien nur benennen zu können.
19 MinutenVergleichen Sie Flaggschiff-, Lite-, Mittelklasse- und Spezialmodelle, damit Routing-Entscheidungen auf Eignung für die Aufgabe, Kosten und Latenz statt auf Markenpräferenzen beruhen.
9 MinutenBewerten Sie beim Modell-Routing die Zielkonflikte zwischen Qualität, Kosten und Zuverlässigkeit, bevor Sie zusätzliche Orchestrierungskomplexität einführen.
30 MinutenSie erkennen getrennte Workflow-Phasen und entwickeln testbare Kriterien zur Werkzeugwahl für jede Phase.
14 MinutenSie machen aus mehreren Anwendungsideen mögliche Phasen, die Sie an den Fähigkeits- und Übergabekriterien des Artikels prüfen können.
28 MinutenSie erweitern NotebookLM von einem Zusammenfassungswerkzeug zu einem wiederholbaren Recherche- und Lernworkflow.
35 MinutenSie erstellen ein quellengebundenes Recherche-Notebook und verwandeln es in Briefings, Lernleitfäden oder Arbeitsnotizen.
9 MinutenTraces, Projekte und Datensätze in LangSmith navigieren sowie Tokenkosten, Latenz, Fehlerrate und Details einzelner Spans ablesen können.
154 MinutenTracing, Evaluation, Feedback und Produktionsprüfung zu einem Betriebszyklus für LLM-Systeme verbinden.
93 MinutenSie verstehen, dass Chatbot-Gespräche nicht automatisch privat, rechtlich privilegiert oder für sensible Geschäftsinformationen geeignet sind.
13 MinutenEin Daten-, Modell- oder Nutzungsrisiko und den zuständigen Verantwortlichen identifizieren, der Kontrollen bestätigen kann.
11 MinutenErklären, warum private KI-Konten Arbeitsdaten gefährden und wie sicherere Grenzen entstehen.
13 MinutenPrompt-Injection als Vermischung nicht vertrauenswürdiger Daten modellieren und Sicherheitsgrenzen für die Werkzeugnutzung entwerfen.
17 MinutenAbwehrmaßnahmen gegen Prompt-Injection prüfen, darunter Taint-Analyse, eingeschränkte Ausgabeformen, Nutzerisolation, deterministische Einstellungen und redundante Kontrollen für kritische Pfade.
3 MinutenSie sehen die ursprüngliche Einführungsrahmung von o1 und trennen diesen historischen Bericht von aktueller Implementierungsanleitung.
28 MinutenSie verstehen eine historische Darstellung von o1 und vergleichen anschließend eine direkte Aufgabenspezifikation mit anderen unterstützten Prompt-Varianten für aktuelles Modell und aktuelle Arbeitslast.
9 MinutenErklären, wann Retrieval die richtige Lösung ist und wann Fine-Tuning tatsächlich helfen kann.
13 MinutenAuf Grundlage des tatsächlichen Fehlermusters zwischen Prompt Engineering, RAG, Fine-Tuning oder einer Kombination wählen.
77 MinutenNachvollziehen, wie Fachleute für produktive Prompts Anweisungen, Beispiele und Verhaltensgrenzen unter realem Zeitdruck überarbeiten, statt Prompts als einmalig geschriebenen Text zu behandeln.
25 MinutenBeobachten, wie aus einem vagen Prompt für Versicherungsansprüche ein strukturierter, testbarer Prompt mit klareren Beispielen, Ausgaberegeln und definiertem Ablehnungsverhalten wird.
10 MinutenSie bewerten C.R.A.F.T. als eine mögliche Struktur zur Prompt-Erzeugung anhand repräsentativer Fälle und ausdrücklicher Abnahmekriterien.
20 MinutenSie leiten eine mögliche Prompt-Struktur ab und ergänzen vor der Prüfung Felder für Verantwortlichkeit, Versionierung, Bewertung, Grenzen und Rückfall.
131 MinutenSie verteilen Aufgaben auf schnelle, kostengünstige, tief schlussfolgernde und quellengebundene Tools, statt für alles dasselbe Modell zu verwenden.
17 MinutenSie lernen eine strukturierte Vergleichsmethode kennen, die Sie bei der Entscheidung wiederverwenden können, welches Modell für eine Aufgabe gut genug ist.
32 MinutenVerstehen, warum Serving-Engines, Batching und der Speicherbedarf des KV-Caches die Wirtschaftlichkeit selbst betriebener Inferenz bestimmen.
131 MinutenSie erkennen anhand realer täglicher Nutzung, wann Sie nachfragen, das Modell wechseln oder ein neues Gespräch beginnen sollten.
8 MinutenNutzen Sie mehrere Zukunftsszenarien für KI, um die Einführung zu planen, ohne alles auf eine Prognose zu setzen.
60 MinutenRichten Sie die KI-Einführung an veränderten Workflows, dem Aufbau von Fähigkeiten und realistischen organisatorischen Risiken aus.
9 MinutenSie können Aufgabe, Kontext, Beispiele, Persona, Format und Ton in funktionierende Prompts für alltägliche Büroaufgaben zusammenstellen.
26 MinutenSie erkennen wiederverwendbare Prompt-Muster und kombinieren sie zu klareren Anweisungen, Beispielen und Bewertungsschritten.
19 MinutenSie verstehen die Produkt- und Modellfamilienlandschaft gut genug, um ein erstes Tool auszuwählen und nicht ständig zwischen Browser-Tabs zu vergleichen.
90 MinutenSie nutzen KI für Recherche, Struktur und Überarbeitung, während die endgültige Formulierung und das Urteilsvermögen unter menschlicher Kontrolle bleiben.
36 MinutenDie Aufnahme mit dem Konto vergleichen und eine für eine genehmigte Aufgabe relevante Funktion wählen.
39 MinutenSich in ChatGPT orientieren, ohne jedes neue Seitenelement am ersten Tag meistern zu müssen.
Kürzlich geprüfte Videos und Begleitempfehlungen aus der AI-Expert-Bibliothek.

So nutzen Sie Copilot, um Meeting-Protokolle in Microsoft Teams zu automatisieren!
Sie gestalten einen Meeting-Workflow, der Transkripte, Zusammenfassungen und Maßnahmen erfasst und die menschliche Prüfung beibehält.

So nutzen Sie Otter AI, um Audio zu transkribieren — Features und Übersicht
Sie vergleichen einen eigenständigen Transkriptionsworkflow mit integrierten Meeting-Assistenten, bevor Sie ein Tool auswählen.

KI klug für schulischen Erfolg nutzen
Eine Faustregel formulieren, mit der sich KI-Hausaufgabenhilfe von KI-Schummeln unterscheiden lässt.