Unterschiede

Hier werden die Unterschiede zwischen zwei Versionen angezeigt.

--- sonstige_dienste:ki-dienste:nutzungshinweise [14:24 16. April 2024 ] – Hans-Ulrich Kiel
+++ sonstige_dienste:ki-dienste:nutzungshinweise [15:03 03. December 2025 ] (aktuell) – Huichen Shu
@@ Zeile 1: / Zeile 1: @@
 ====== Hinweise zur Nutzung von KI-Sprachmodellen ======
-<note tip>Der folgende Text wurde von ChatGPT erstellt und nicht bearbeitet. Eine ausführliche Handreichung für die Nutzung von KI-Systemen an der TU Clausthal ist in Planung.</note>
+[[sonstige_dienste:ki-dienste|← Zurück zur KI-Dienste-Menü]]
-===== 1. Anwendungsbereiche und Stärken von KI-Sprachmodellen =====
+<note>**Ziel dieser Seite**: Diese Seite bietet eine kompakte Einführung in KI-Sprachmodelle, ihre Anwendungsbereiche, Einschränkungen und die Formulierung effektiver Anfragen. Für praktische Anwendungsbeispiele siehe [[sonstige_dienste:ki-dienste:librechat:anwendungsbeispiele|Anwendungsbeispiele]].</note>
-Moderne KI-Sprachmodelle wie GPT-4 bieten eine Vielzahl von Anwendungsmöglichkeiten, die in vielen verschiedenen Bereichen einer Hochschule genutzt werden können. Hier sind einige der wichtigsten Einsatzgebiete zusammengefasst:
+===== 1. Wofür kann man KI-Sprachmodelle sinnvoll einsetzen? =====
-==== a. Inhaltsgenerierung und -assistenz: ====
+KI-Sprachmodelle wie GPT-4 bieten vielfältige Anwendungsmöglichkeiten im Hochschulkontext:
-KI-Sprachmodelle können bei der Erstellung von akademischen und administrativen Texten unterstützen. Dazu zählen das Schreiben oder Zusammenfassen wissenschaftlicher Artikel, das Erstellen von Vortragsnotizen oder die Generierung von Antworten auf häufig gestellte Fragen.
+**Inhaltsgenerierung und Textassistenz**
+  * Erstellung und Zusammenfassung wissenschaftlicher Texte
+  * Formulierung von E-Mails, Berichten und Vortragsnotizen
+  * Generierung von Antworten auf häufige Fragen
-==== b. Lern- und Lehrunterstützung: ====
+**Lern- und Lehrunterstützung**
+  * Personalisierte Lerninhalte und interaktive Tutorenfunktionen
+  * Erstellung von Übungsaufgaben und Lernhilfen
+  * Unterstützung bei der Prüfungsvorbereitung
-Modelle wie GPT-4 können personalisierte Lerninhalte erstellen, Lehrmaterialien an den Kenntnisstand der Lernenden anpassen oder als interaktive Tutoren fungieren. Beispielsweise können sie in Echtzeit auf Fragen antworten, die während einer Studiums- oder Forschungsarbeit aufkommen.
+**Forschungsanalyse**
+  * Analyse großer Datenmengen und Mustererkennung
+  * Unterstützung bei Literaturrecherchen
+  * Identifikation von Trends in wissenschaftlichen Publikationen
-==== c. Forschungsanalyse und -verarbeitung: ====
+**Sprachverarbeitung**
+  * Übersetzung zwischen verschiedenen Sprachen
+  * Verbesserung von Texten in Fremdsprachen
+  * Unterstützung bei der Kommunikation mit internationalen Partnern
-Durch ihre Fähigkeit, große Mengen von Daten zu analysieren und Muster zu erkennen, können KI-Modelle Forschern helfen, neue Erkenntnisse zu gewinnen oder bestehende Hypothesen zu überprüfen. Sie können auch genutzt werden, um Trends in wissenschaftlichen Publikationen oder Daten zu identifizieren.
+**Stärken von KI-Sprachmodellen**
+  * **Vielseitigkeit**: Einsatz in verschiedenen Bereichen von Textgenerierung bis Datenanalyse
+  * **Skalierbarkeit**: Effiziente Verarbeitung großer Datenmengen
+  * **Benutzerfreundlichkeit**: Kommunikation in natürlicher Sprache ohne Programmierkenntnisse
-==== d. Sprachverarbeitung und Übersetzung: ====
+**Praktische Beispiele**: Siehe [[sonstige_dienste:ki-dienste:librechat:anwendungsbeispiele|Anwendungsbeispiele]] für konkrete Anwendungsfälle.
-KI-Modelle sind effektiv im Umgang mit natürlicher Sprache, was sie ideal für die Übersetzung von Dokumenten oder die Erleichterung von Kommunikation in mehrsprachigen Umgebungen macht.
+----
-==== Stärken von KI-Sprachmodellen: ====
+===== 2. Welche Einschränkungen haben KI-Sprachmodelle? =====
-  * Vielseitigkeit: Modelle wie GPT-4 können auf eine Vielzahl von Aufgaben angewandt werden, von der Textgenerierung bis zur Datenanalyse.
+**Wissensstand (Cut-off-Datum)**
-  * Skalierbarkeit: Diese Modelle können mit großen Datenmengen effizient umgehen, was sie besonders wertvoll für Forschung und Verwaltung macht.
+Die Trainingsdaten haben einen bestimmten Wissensstand. Informationen nach diesem Datum sind dem Modell nicht bekannt. Für aktuelle Informationen nutzen Sie spezialisierte Agenten wie **GPT-4.1 Web Search** oder **GPT-5-mini Web Search**. Siehe [[sonstige_dienste:ki-dienste:librechat:modellauswahl-optimierung|Modellauswahl & Optimierung]].
-  * Benutzerfreundlichkeit: Auch Personen ohne tiefgehende Programmierkenntnisse können effektiv mit diesen Modellen interagieren.
-===== 2. Funktionsweise und Einschränkungen von KI-Sprachmodellen =====
+**Faktenwissen und Quellenangaben**
+KI-Modelle können Inhalte generieren, die wie verlässliche Fakten erscheinen, jedoch nicht immer korrekt sind. Sie sind nicht in der Lage, korrekte Quellenangaben zu machen, da sie Informationen basierend auf Trainingsdaten reproduzieren, ohne direkte Verbindung zu originären Datenquellen zu haben.
-==== Wie funktionieren KI-Sprachmodelle? ====
+**Halluzinationen**
+Modelle können Informationen generieren, die frei erfunden, aber dennoch überzeugend sind. Diese Halluzinationen sind oft schwer von echten Daten zu unterscheiden und können Nutzer irreführen.
-KI-Sprachmodelle wie GPT-4 verwenden neuronale Netzwerke, die auf einer enormen Menge von Textdaten trainiert werden. Das Modell lernt Muster und Beziehungen in diesen Daten, indem es Zusammenhänge zwischen Wörtern, Phrasen und Sätzen erfasst. Es generiert Text, indem es auf Basis des gelernten Wissens Wahrscheinlichkeiten für das nächste Wort oder den nächsten Satz berechnet, basierend auf den vorangegangenen Eingaben.
+**Reproduzierbarkeit**
+Bei wiederholten Anfragen können unterschiedliche Antworten auf dieselbe Frage entstehen. Dies liegt an der generativen Konstruktion der Modelle, die variantenreiche Texte erzeugen soll.
-==== Einschränkungen und Herausforderungen: ====
+**Umgang mit den Einschränkungen**
+  * **Überprüfung**: Wichtige Informationen stets mit vertrauenswürdigen Quellen abgleichen
+  * **Kritische Bewertung**: Plausibilität der Antworten hinterfragen
+  * **Bewusste Nutzung**: KI-Modelle als unterstützendes Werkzeug nutzen, nicht als alleinige Entscheidungsgrundlage
+  * **Transparenz**: Dokumentieren Sie die Nutzung von KI-Unterstützung in akademischen Arbeiten
-**Gesichertes Faktenwissen:** Ein wesentliches Problem von KI-Sprachmodellen ist, dass sie zwar Inhalte generieren können, die wie verlässliche Fakten erscheinen, die jedoch nicht immer korrekt sind. Das Modell generiert Antworten basierend auf Trainingsdaten, die nicht zwangsläufig von geprüften oder wahrheitsgetreuen Quellen abstammen müssen. In der akademischen und wissenschaftlichen Arbeit kann dies problematisch sein, wo Genauigkeit und Zuverlässigkeit von Informationen unerlässlich sind.
+<note important>**Wichtig**: KI-Sprachmodelle können unvollständige oder falsche Antworten liefern. Prüfen Sie wichtige Informationen immer nach und verwenden Sie die Modelle als unterstützendes Werkzeug, nicht als alleinige Entscheidungsgrundlage.</note>
-**Korrekte Quellenangaben:** KI-Sprachmodelle sind nicht in der Lage, korrekte Quellenangaben zu ihren Antworten zu machen, da sie lediglich Informationen basierend auf der Trainingseinheit "lernen" und reproduzieren, ohne eine direkte Verbindung zu originären Datenquellen zu haben. Nutzer sollten sich dessen bewusst sein und stets eigenständig Quellen für durch KI generierte Informationen überprüfen und validieren.
+----
-**Halluzinationen:** KI-Sprachmodelle können "halluzinieren", das heißt, Informationen generieren, die frei erfunden, aber dennoch überzeugend sind. Diese Halluzinationen sind oft schwer von echten Daten zu unterscheiden und können Nutzer irreführen.
+===== 3. Wie stellt man gute Anfragen? =====
-**Reproduzierbare Ergebnisse:** KI-Sprachmodelle können bei wiederholten Anfragen unterschiedliche Antworten auf dieselbe Frage geben. Dies liegt an ihrer Konstruktion, die darauf ausgelegt ist, Texte generativ und variantenreich zu erschaffen. Für wissenschaftliche Anwendungen, wo Konsistenz und Reproduzierbarkeit von Ergebnissen kritisch sind, kann dies eine weitere Herausforderung darstellen.
+Die Qualität Ihrer Anfrage (Prompt) beeinflusst maßgeblich die Qualität der Antworten. Ein effektiver Prompt sollte folgende Elemente enthalten:
-==== Umgang mit den Herausforderungen: ====
+**Klare Definition des Ziels**
+Bestimmen Sie den Zweck der Anfrage klar und deutlich. Beispiel: "Ich bereite eine Präsentation über Klimawandel vor" statt "Hilf mir".
-**Überprüfung und Verifikation:** Es ist entscheidend, dass Nutzer die durch KI-Modelle generierten Informationen stets überprüfen. Dies beinhaltet den Abgleich mit vertrauenswürdigen Quellen und, wenn möglich, die Bestätigung durch Experten auf dem jeweiligen Gebiet.
+**Kontext und Vorbedingung einbeziehen**
+Geben Sie ausreichend Hintergrundinformationen. Beispiel: "Ich bin Doktorand in der Materialwissenschaft und bereite eine Vorlesung vor" statt nur "Erkläre mir Materialwissenschaft".
-**Bewusste Nutzung:** Verstehen, dass KI-Modelle hilfreiche Werkzeuge sind, aber nicht als alleinige Entscheidungsträger fungieren sollten. Sie bieten Unterstützung, doch die abschließende Beurteilung und Entscheidungsfindung sollte vom menschlichen Nutzer übernommen werden.
+**Genaue und spezifische Fragen stellen**
+Vermeiden Sie allgemeine Formulierungen. Spezifizieren Sie genau, was Sie erfahren möchten. Beispiel: "Erkläre die Funktionsweise von Solarzellen im Kontext von Silizium-Halbleitern" statt "Erkläre Solarzellen".
-**Training und Updates:** Regelmäßige Updates und Weiterbildungen des Modells auf Basis neuester und überprüfter Daten sind essentiell, um die Qualität und Zuverlässigkeit der Antworten zu erhöhen.
+**Welche Informationen sollte ein guter Prompt enthalten?**
+  * **Zweck**: Was möchten Sie erreichen?
+  * **Kontext**: Wer sind Sie? In welchem Rahmen arbeiten Sie?
+  * **Spezifität**: Welche Aspekte interessieren Sie besonders?
+  * **Format**: Wie soll die Antwort strukturiert sein? (z.B. Liste, Zusammenfassung, ausführliche Erklärung)
-Durch das Bewusstmachen dieser Einschränkungen und der Implementierung rigider Überprüfungsroutinen können Anwender der Hochschule die Vorteile von KI-Sprachmodellen nutzen, ohne Gefahr zu laufen, fehlerhafte oder irreführende Informationen zu verbreiten.
+**Praktische Tipps**: Viele Beispielanfragen finden Sie in [[sonstige_dienste:ki-dienste:librechat:anwendungsbeispiele|Anwendungsbeispiele]]. Nutzen Sie die Möglichkeit, Dateien hochzuladen, um Kontext zu liefern. Siehe [[sonstige_dienste:ki-dienste:librechat:nutzungsanleitung|Erweiterte Funktionen nutzen]] für Details.
-===== 3. Formulierung guter Anfragen =====
+----
-Die Art und Weise, wie Nutzer mit KI-Sprachmodellen interagieren, indem sie Anfragen formulieren, beeinflusst maßgeblich die Qualität und Relevanz der generierten Antworten. Ein effektiver Ansatz für das Erstellen von Anfragen wurde von Rob Lennon entwickelt und beschreibt verschiedene Methoden, wie man einen "Prompt" (Anfrage) optimal aufbaut. Dieser Ansatz kann besonders nützlich sein, um die spezifischen Fähigkeiten von fortschrittlichen KI-Sprachmodellen wie GPT-4 optimal zu nutzen.
+===== 4. Wie baut man einen Dialog im Chat auf? =====
-==== Grundlegende Prinzipien nach Rob Lennon für den Prompt-Aufbau: ====
+Ein effektiver Dialog mit KI-Modellen baut schrittweise auf und nutzt den Kontext der vorherigen Nachrichten.
-  - Klare Definition des Ziels: Bevor Sie Ihre Anfrage formulieren, sollten Sie genau wissen, was Sie von dem Modell erwarten. Bestimmen Sie den Zweck der Anfrage klar und deutlich.
+**Fortlaufender Dialog**
-  - Kontext und Vorbedingung einbeziehen: Geben Sie der KI ausreichend Hintergrundinformationen zu Ihrer Fragestellung. Dies erhöht die Wahrscheinlichkeit, relevante und genaue Antworten zu erhalten.
+Bauen Sie auf früheren Antworten auf, um den Kontext zu verstärken und die Tiefe der Interaktion zu erhöhen. In LibreChat bleibt der Kontext während einer Konversation erhalten.
-  - Genaue und spezifische Fragen stellen: Vermeiden Sie allgemeine oder vage Formulierungen. Spezifizieren Sie genau, was Sie erfahren möchten, eventuell durch das Hinzufügen spezieller Aspekte oder Szenarien.
-  - Fortlaufender Dialog: Bauen Sie auf früheren Antworten auf, um den Kontext zu verstärken und die Tiefe der Interaktion zu erhöhen. Dies ist besonders effektiv bei komplexen Themen, welche eine schrittweise Exploration erfordern.
-==== Beispiel for einen gut strukturierten Prompt nach diesen Prinzipien: ====
+**Beispiel für einen strukturierten Dialog**
-Initialer Prompt: „Ich bereite eine Vorlesung über Klimawandel vor. Bitte erkläre die wissenschaftlichen Grundlagen und Hauptauswirkungen des Klimawandels, insbesondere im Hinblick auf globale Temperaturen und Meeresspiegel.“
+**Initialer Prompt**:
+„Ich bereite eine Vorlesung über Klimawandel vor. Bitte erkläre die wissenschaftlichen Grundlagen und Hauptauswirkungen des Klimawandels, insbesondere im Hinblick auf globale Temperaturen und Meeresspiegel."
-Nachfolgefrage basierend auf der Antwort: „Danke für die Erklärung. Könntest du nun aufzeigen, welche Rolle CO2-Emissionen speziell bei den globalen Temperaturänderungen spielen? Bitte beziehe dich dabei auf die jüngsten Studien.“
+**Nachfolgefrage basierend auf der Antwort**:
+„Danke für die Erklärung. Könntest du nun aufzeigen, welche Rolle CO2-Emissionen speziell bei den globalen Temperaturänderungen spielen? Bitte beziehe dich dabei auf aktuelle Studien."
-==== Weiterführende Praktiken: ====
+**Warum funktioniert dieser Ansatz?**
+  * Der erste Prompt gibt klaren Kontext (Vorlesungsvorbereitung)
+  * Er spezifiziert das Thema und die Aspekte
+  * Die Nachfolgefrage baut auf der Antwort auf und wird spezifischer
+  * Sie verweist auf aktuelle Informationen
-  * Inkrementeller Aufbau: Beginnen Sie mit einer grundlegenden Frage und fügen Sie, basierend auf den Antworten des Modells, spezifische Folgefragen hinzu.
+**Best Practices für Dialoge**
-  * Phasenweise Vertiefung: Statt direkt in die Tiefe zu gehen, könnte man das Thema schrittweise einführen, was dem Modell ermöglicht, relevanter Informationen zu konsolidieren und darzustellen.
+  * **Schrittweise Vertiefung**: Beginnen Sie breit und werden Sie spezifischer
+  * **Kontext nutzen**: Verweisen Sie auf vorherige Antworten ("Wie du vorhin erklärt hast...")
+  * **Korrekturen**: Wenn Antworten nicht passen, weisen Sie das Modell darauf hin und bitten Sie um Anpassung
+  * **Modellwahl**: Für komplexe Aufgaben können Reasoning-Modelle hilfreich sein. Siehe [[sonstige_dienste:ki-dienste:librechat:modellauswahl-optimierung|Modellauswahl & Optimierung]]
-Indem man diese Prinzipien verwendet, können Nutzer von KI-Sprachmodellen bessere und detailliertere Antworten erhalten, die präziser auf ihre spezifischen Bedürfnisse und Anforderungen zugeschnitten sind.
+<note tip>**Tipp**: Für aktuelle Informationen sollten Sie den **GPT-4.1 Web Search** oder **GPT-5-mini Web Search** Agenten verwenden. Siehe [[sonstige_dienste:ki-dienste:librechat:modellauswahl-optimierung|Modellauswahl & Optimierung]] für Details zu Agenten.</note>
+===== Weitere Informationen =====
+{{indexmenu>.#2}}
+[[sonstige_dienste:ki-dienste|← Zurück zur KI-Dienste-Menü]]