Lernpfade und Tiefen

Was hinter den Begriffen KI, LLM und ChatGPT steckt und wie sie zusammenhängen.

Was ein Sprachmodell überhaupt tut, ohne Fachbegriffe.

Ein Sprachmodell liest Token statt Wörter. Was das ist, und warum deutsche Fachwörter mehr davon brauchen als englische.

Wie aus einem Token eine Zahlenreihe wird, warum Nähe in diesem Raum Bedeutung heißt und wozu das gut ist.

Was ein Prompt ist, aus welchen Teilen er besteht und welcher davon Ihre Nachricht ist.

Warum Prompting-Ratgeber schneller altern als die Modelle, und was trotzdem stehen bleibt.

Woran Sie eine erfundene Angabe erkennen, warum die Rückfrage nichts prüft und welche drei Handgriffe wirklich etwas belegen.

Warum das Wissen eines Modells einen Stichtag hat, warum das Modell ihn selbst nicht kennt, und auf welchen drei Wegen Neues hineinkommt.

Was passiert, wenn ein Modell im Netz nachschlägt oder rechnet: Es bittet darum, und die Anwendung führt aus. Warum dieser Unterschied im Alltag zählt.

Warum es die Frage überhaupt noch gibt, was die Stufen unterscheidet und wofür der zweite Regler da ist. Mit dem Versuch, die Wahl abzuschaffen, und seinem Ende.

Die zweite Tür zum Modell, warum der Schlüssel ein Ausweis ist, was daraus folgt, dass jede Anfrage für sich steht, und warum das auch angeht, wer nie eine Zeile programmiert

Dass das Modell eine Rangliste liefert, wer daraus das nächste Wort zieht, was die Temperatur dabei einstellt, und warum dieselbe Frage zweimal zwei Antworten ergibt

Ein Bild wird meist nach Fläche in Token umgerechnet, ein PDF Seite für Seite als Text und als Bild. Was das kostet, und die drei Grenzen, die man vor der ersten Nutzung kennen sollte.

Stable Diffusion und seine Linie lernen, Rauschen zu entfernen, und seit 2025 gibt es ein zweites Verfahren. Was daraus für den Alltag folgt, und warum die Herkunft schon beim Erzeugen ins Bild kommen muss.

Fünf Formen, in die fast jede Aufgabe fällt, je mit dem Gegencheck und dem Werkzeug, das sie besser kann, und die Trennung zwischen gemessenen und behaupteten Fähigkeiten.

Eine einzige Frage, vom Tippen bis zur Antwort, quer durch alles, was der Grundkurs behandelt hat. Neun Stationen, jede mit dem Kapitel dahinter.

Was einen Agenten von einem festen Ablauf unterscheidet, warum der Hersteller selbst davon abrät, solange etwas Einfacheres genügt, und woran man beides auseinanderhält.

Warum es einen Standard für Tool-Anbindungen gibt, was er festlegt, und was sich dadurch für das Modell nicht ändert.

Wie ein Programm eigene Dokumente durchsucht und das Gefundene dem Modell vorlegt, warum die Suche vor dem Modell zu prüfen ist, und woran Sie erkennen, dass sie danebengriff.

Alles, was um ein Modell herum steht, damit ein Agent daraus wird: woraus es besteht, und wie viel es gemessen ausmacht. Mit der Zahl, die ein Anbieter am eigenen Werkzeug erhoben hat.

Warum die Frage nach dem Ort zwei Fragen sind, wieso zu demselben Modell je nach Betreiber eine andere Zusage gehört, und was offene Gewichte damit zu tun haben.

Was geschieht, wenn ein Modell wirklich verändert wird, wofür sich das eignet, welche drei billigeren Antworten davor stehen, und warum die Rechnung auch an Tagen läuft, an denen niemand fragt.

Zwei Größen machen die Frage beantwortbar, was ein Modell heute erledigt: wie lang eine Aufgabe ist und wie oft sie gelingen muss. Mit den gemessenen Werten und dem, was daraus für die Auswahl folgt.

Woraus eine Testzahl entsteht, und die vier Gründe, warum dieselbe Zahl an zwei Stellen etwas anderes bedeutet. Mit der Frage, was davon für die eigene Entscheidung übrig bleibt.

Mehrere Größen wachsen gleichzeitig und in sehr verschiedenen Takten. Welche das sind, welcher davon im Alltag ankommt, und warum sich 2024 der Antrieb dahinter geändert hat.

Was Forscher über das Innenleben von Sprachmodellen herausgefunden haben, wo sie dabei aufhören, und warum ein Modell über sich selbst keine verlässliche Auskunft gibt.

Was in dem Dokument steht, das jedes große Modell begleitet, wer es schreibt, und was davon für eine eigene Entscheidung übrig bleibt. Mit fünf Fragen an jede Karte.

Warum eine europäische Region noch nichts darüber sagt, wo gerechnet wird, welcher Speicher auch ohne Training entsteht, und warum derselbe Vertrag je nach Zugangsweg mit einem anderen Partner besteht.

Der Begriff ist von Februar 2025 und war für kleine, ersetzbare Projekte gedacht. Fünfzehn Monate später hat sein Urheber selbst die Grenze gezogen: Vibe-Coding hebt den Boden, Agentic Engineering die Decke. Dazu die Zahlen, wie weit das in den Betrieben ist, und was sie messen.

Drei Bauformen statt einer Produktliste: Code-Completion beim Tippen, Agent in der Ent­wick­lungs­um­ge­bung, Agent auf der Kommandozeile. Was ein Werkzeug sehen und ausführen darf, hängt weniger an seiner Oberfläche als an seinen Einstellungen.

Jede Sitzung fängt mit leerem Fenster an. Was der Agent trotzdem weiß, steht in einer Datei, die er sich beim ersten Mal selbst schreibt. Was dabei herauskommt, was davon gemessen nützt, und warum sie nichts erzwingt.

Ein Agent ändert zwanzig Dateien in zwei Minuten. Warum Git dabei kein Nebenschauplatz ist, was der eingebaute Rückweg der Werkzeuge leistet, und wo er aufhört.

Ein Sprachmodell erinnert sich an nichts. Der Agent trotzdem, weil er beim nächsten Mal an fünf Orten nachsieht. Welche das sind und wer sie jeweils füllt.

Der fünfte Ort liegt außerhalb des Projekts: eine Sammlung von Notizen, die ein Agent pflegt und die über Projekte hinweg gilt. Was das Muster dahinter ist und warum es sich von einer Suche über Dokumente unterscheidet.

Ein Agent hört auf, wenn die Arbeit fertig aussieht. Was daraus folgt, was als Prüfung taugt, und wer die Schleife schließt, solange es keine gibt.

Die Rückfrage vor jedem Befehl war lange die eigentliche Sicherung. Gemessen wird sie zu 97 Prozent bejaht. Was seit dem 14. August 2026 an ihre Stelle getreten ist, und welche Regel unabhängig vom Modus gilt.

Eine Rechteregel entscheidet, ob ein Befehl laufen darf. Was er dabei erreicht, entscheidet etwas anderes: eine Grenze, die das Betriebssystem zieht und die auch dann gilt, wenn ein erlaubter Befehl mehr tut, als sein Name sagt.

Wer genauer aufschreibt, bekommt Besseres. Zwei kontrollierte Versuche messen diese Annahme nach und widersprechen ihr an beiden Enden: Die Form der Vorgabe wirkt am stärksten dort, wo das Modell schwach ist, und häufen sich strukturelle Anforderungen, sinkt die Leistung des Agenten deutlich.

Eine Runde endet grün, und trotzdem wird der Bestand schlechter. Vier Kennzahlen aus 623 Millionen Änderungen, die Gegenrechnung aus 32.611 Umbauten mit ausdrücklicher Umbauabsicht, und was daraus für die eigene Arbeit folgt.

Zwei Einrichtungen liegen neben dem Modell und arbeiten gegenläufig: Ein Hook läuft, ob der Agent will oder nicht. Ein Skill liegt bereit und kommt, wenn er gebraucht wird.

Ein Subagent erledigt eine Teilaufgabe in einem eigenen Fenster und gibt nur das Ergebnis zurück. Wofür sich das lohnt, was zurückkommt, und was es an Token und Zeit kostet.

Warum Chat und Sprachdialog dasselbe System mit verschiedenen Rändern sind, wie die drei Stufen dazwischen heißen, und woran sich entscheidet, ob ein System antwortet oder handelt.

Zwei Bauformen für gesprochene Sprache, was Erkennung und Erzeugung sind, und warum diese Entscheidung vor allen anderen steht.

Warum es im Gespräch kein Enter gibt, wer stattdessen entscheidet, wann jemand fertig geredet hat, und welche drei Bauarten es dafür gibt.

Wie ein Anruf bei einem Sprachagenten ankommt, warum die Leitung dem System weniger Ton liefert, als seine Erkennung gewohnt ist, und was der fehlende Bildschirm kostet.

Warum das Nachschlagen im Gespräch dieselbe Mechanik hat wie im Chatfenster und trotzdem eine andere Entscheidung ist, was das System sagt, während es sucht, und was eine leere Trefferliste bedeutet, die niemand sehen kann.

Wann ein Tool Call das Gespräch anhält und welche Modelle währenddessen weiterreden, was ein System in der Wartezeit sagen sollte und was besser nicht, und welche Rechnung aus dem MCP-Kapitel dabei unverändert weiterläuft.

An welchen drei Stellen ein Gesprächssystem geprüft wird, warum eine Prüfung der Ausgabe im Gespräch später kommt als im Chatfenster, und weshalb zwei Anwendungen mit demselben Modell sich verschieden verhalten.

Was Human in the Loop heißt und welche zwei Formen es kennt, warum die Voreinstellung eines Herstellers ein Eingeständnis ist, und was sich gegenüber dem Tastenmenü geändert hat.

Seit dem 02.08.2026 muss ein Sprachagent sagen, dass er eine Maschine ist. Was die Verordnung wörtlich verlangt, wie eng ihre Ausnahme gilt, und wann und wie die Ansage fällig ist.

Warum sich ein Sprachagent nicht wie eine Rechnungsprüfung testen lässt, was ein aufgezeichneter Testfall stattdessen festhält, und was ein Abdeckungsbericht über einen Testbestand sagt.

Ton misst sich in Sekunden. Wie daraus Token werden, warum die Rate beim Sprechen doppelt so hoch ist wie beim Zuhören, und was das je Minute bedeutet.

Ein Transkript zeigt, was gesagt wurde, und verschweigt alles dazwischen. Was ein Trace festhält, und warum manche Fehler ausschließlich aus einer Reihenfolge bestehen.

Ein fester Ablauf, in dem ein einzelner Schritt ein Modellaufruf ist: woraus er besteht, was dieser Schritt kann, was keine Regel kann, und woran man ihn auf einer Produktseite erkennt.

Die Frage vor jedem Modellschritt, durchgespielt an der elektronischen Rechnung: was seit 2025 eine feste Form hat, wie ein Ablauf vor dem Modellschritt nach dem Format verzweigt, welche Prüfung die Norm schon mitbringt, und wie lange noch PDFs ankommen.

Der Rechnungseingang als Ablauf in n8n, Knoten für Knoten: welcher Knoten ein Modell fragt, welche nach Regeln arbeiten, warum der Modellknoten eine Kette ist, wo der Mensch freigibt und was ein Assistent beim Bauen abnimmt.

Was ein Software-Roboter tut, der die Oberfläche eines Programms bedient, warum er dort sitzt, wo die Schnittstelle fehlt, wie der Rechnungseingang damit in ein Buch­hal­tungs­pro­gramm ohne Schnittstelle kommt, an welcher Stelle darin ein Modell liest und wann die Schnittstelle der bessere Weg ist.

Was ein Ablauf hinterlässt, der zwischen zwei Schritten abbricht: drei Antworten eines Schritts auf einen Fehler, warum sich ein Fehler melden muss, wie ein zweiter Lauf nichts doppelt bucht, und was beim Modellschritt hinzukommt.

Eine Übergabe an ein Modell kostet drei Posten: das Erzeugen, das Nachsehen und die Nacharbeit, wenn das Ergebnis nicht reicht. Eine Messung über 44 Berufe rechnet sie aus, und aus 90-mal schneller wird dabei gut einmal so schnell. Dazu, was Leute tatsächlich übergeben.

Was das Gesetz als KI-System bestimmt, wo die Grenze zu gewöhnlicher Software verläuft, und was außer Sprachmodellen noch unter denselben Begriff fällt.

Wie Verhalten aus Beispielen entsteht statt aus aufgeschriebenen Regeln, warum das Verfahren in zwei getrennten Phasen läuft, und die drei Arten, aus Daten zu lernen.

Was in einem Netz aus Schichten und Gewichten geschieht, warum die Anleihe bei der Biologie in die Irre führt, was das Wort tief beziffert, und woran sich 2012 alles änderte.

Warum eine Klassenliste eine Ent­wurfs­ent­schei­dung ist, wer vor 2012 festlegte, worauf ein Verfahren achtet, warum am Ende eine Wahr­schein­lich­keit mit einer Schwelle steht, und welche der beiden Fehlerrichtungen im Betrieb teurer ist.

Vier Aufgaben hinter einem Wort, die Zeit, in der jemand aufschrieb worauf ein Verfahren achten soll, was ein Kasten um ein Ding behauptet, und wo die KI-Verordnung die biometrische Identifizierung untersagt.

Ein Programm von 1966, das ohne jede Bedeutung auskam und trotzdem verstanden wirkte, die Zeit der aufgeschriebenen Grammatiken, und wie aus einem Text eine Zählung wurde, in der ein seltenes Wort mehr wiegt als ein häufiges.

Wie aus einer Schallwelle Text wird, warum das jahrzehntelang drei getrennte Bauteile brauchte, und was ein heutiges Modell davon übernommen hat.

Wie aus Text Schall wird, welche zwei Bauformen vor 2016 das Feld bestimmten, und warum die eine Stimme klingen ließ wie ein Automat und die andere sich nicht ändern ließ.

Ein Modell, das die nächste Lage seiner Umgebung vorhersagt, warum ein Agent darin üben kann statt in der Welt, und was Videomodelle damit zu tun haben.

Warum bei manchen Modellen die Größe im Namen steht und bei den bekanntesten nirgends, ab wann ein Modell als klein gilt, und was auf einem Telefon inzwischen rechnet.

Das Wort künstliche Intelligenz stammt aus einem Förderantrag von 1955, seine Tagesordnung liest sich wie ein Inhalts­ver­zeichnis von heute, der erste Rückschlag des Fachs hat ein Datum, und das Kürzel AGI hat drei Definitionen.

Die vier Risikostufen der KI-Verordnung nebeneinander, die eine Pflicht, die unabhängig von jeder Stufe gilt, und warum jede Angabe eines Geltungsdatums ohne die zugehörige Pflicht unvollständig bleibt.

Was an der Zeitachse anders ist als am Einzelbild, warum die Cliplänge die wichtigste Angabe dieses Gebiets ist, welche zwei Bauformen es bei Musik gibt, und weshalb der Raum zuerst über einen Umweg entstand.

Was Physical AI meint, warum Bewegung für ein Modell schwerer ist als Text, welche Bauform dahintersteckt und wo solche Systeme heute wirklich arbeiten.

Was ein Ent­schei­dungs­mo­dell ist, warum seine Antwort eine Auswahl mit Wahr­schein­lich­keit ist statt eines Satzes, wofür man es einsetzt und woran man den Einsatz festmacht.

Was in dem Ordner liegt, den man mit einem offenen Modell herunterlädt, aus welchen zwei Teilen jeder der 36 Blöcke von Qwen3-4B-Instruct-2507 besteht, wo seine vier Milliarden Parameter sitzen und welche Felder einer Modellkarte mehr sagen als die Parameterzahl.

Auf welchen zwei Wegen ein Sprachmodell zu Ihnen kommt, was die Lizenz eines offenen Modells erlaubt, was eine Modellkarte bei Hugging Face über die Herkunft sagt und wie an Llama 3.1 8B von Meta über zehntausend Derivate hängen.

Wie ein großes Modell einem kleinen beibringt zu antworten, dass die Idee neun Jahre älter ist als ihr Name, auf welchen zwei Wegen ein Lehrer sein Wissen weitergibt, was dabei übertragen wird und wer von wem lernen darf. Am Beispiel von DeepSeek-R1 und seinen sechs Schülern.

Welche zwei Posten ein Sprachmodell im Speicher belegt, wie groß die Gewichte von Qwen3-30B-A3B-Instruct-2507 in drei Genauigkeiten sind, wie der KV-Cache mit jedem Token wächst, warum drei sehr verschieden große Dateien bei voller Kontextlänge fast gleich viel Speicher brauchen und warum ein Modell schneller einliest, als es antwortet.

Was eine Inferenz-Engine zwischen Gewichtsdatei und Antwort tut, warum gpt-oss-120b je nach Programm eine Grafikkarte oder vier braucht, wie OpenAI selbst Einzelplatz und Server trennt, welche fünf Engines verbreitet sind und an welchen vier Fragen sich die Wahl entscheidet.

Über welche Wege Claude Opus 5.5, GPT-6.1 Sol und gpt-oss-120b zu haben sind, wo dabei jeweils gerechnet wird und wer im Auftrag verarbeitet, warum der Weg über Azure für GPT nach Europa führt und für Claude nur weltweit oder in die USA, und warum ein Rechenzentrum in Frankfurt noch nichts über das geltende Recht sagt.

Welche Angaben über Personen in einer gewöhnlichen Anfrage stehen, wie sie sich vor dem Versand durch Platzhalter ersetzen und in der Antwort zurücksetzen lassen, was das Recht dazu sagt, was die Erkennung übersieht und warum ein Gateway zwischen Anwendung und Modell selbst den Klartext sieht.

An welchen fünf Stellen sich ein Sprachmodell an eine Aufgabe anpassen lässt, warum am Anfang ein Satz Prüffragen steht, und welcher Weg passt, wenn Wissen, eine Form oder eine Handlung fehlt. Am Beispiel eines erfundenen Abfall-Chats.