Willkommen beim KI-Podcast der Digitalagentur Sachsen!
Künstliche Intelligenz verändert unsere Arbeitswelt – aber wie nutzt man sie wirklich sinnvoll? In unserem Podcast bringen wir Licht ins Dunkel: verständlich, praxisnah und immer am Puls der Zeit.
Was erwartet euch? Aktuelle Entwicklungen aus der Welt der KI – kompakt erklärt, praktische Tipps für den Einsatz von KI-Tools im Arbeitsalltag und jede Menge spannende Einblicke in die neuesten Trends und Systeme auf dem Markt.
Ob ihr gerade erst anfangt, euch mit dem Thema zu beschäftigen, oder bereits erste Erfahrungen gesammelt habt – wir holen euch dort ab, wo ihr steht. Kein Tech-Kauderwelsch, sondern echtes Wissen zum Mitnehmen.
Reinhören. Verstehen. Anwenden.
Jede zweite Woche eine neue Folge.
Wir freuen uns über euer Feedback.
Ideen für weiteren Input gerne an: info@digitalagentur.sachsen.de
www.digitalagentur.sachsen.de
Hinweis in eigener Sache: Die Frauenstimme im Intro ist KI-generiert. Das Titelbild des Podcasts wurde mit KI-Unterstützung erstellt.
PROMPTgenau
Digitalagentur Sachsen
Beschreibung
Podmon Kategorien
Darüber wird in diesem Podcast anteilig gesprochen.
Anzahl Kategorien
Upgrade dein Konto, um kontextuelle Kategorien zu sehen!
Veröffentlichungshistorie
Episodenübersicht
.jpg)
KI-Studien (06): Lernen mit KI: Abkürzung oder Umweg?
20.08.2026
Einleitung
In dieser Folge wird diskutiert, wie Künstliche Intelligenz (KI) das Lernen von Schülern und Erwachsenen beeinflusst. Es wird festgestellt, dass trotz der kurzfristigen Vorteile durch KI-Anwendungen ein langfristiger Rückgang des Lernniveaus festgestellt wurde.
Aktuelle Nutzung von KI im Lernprozess
Neun von zehn Jugendlichen in Deutschland nutzen KI, wobei viele sie für Hausaufgaben und Lernzwecke einsetzen. Die Meinungen darüber, ob KI das Lernen erleichtert oder behindert, sind gespalten. Ein Trend zeigt, dass KI als eine Art Abkürzung wahrgenommen wird, die jedoch schwerwiegende Folgen für die Lernqualität haben kann.
Studien zu den Auswirkungen von KI auf das Lernen
Eine umfassende Studie in China hat gezeigt, dass Schüler, die KI zum Lernen verwenden, zwar bessere Hausaufgaben abliefern, jedoch schlechtere Ergebnisse in Prüfungen erzielen. Über zwei Jahre hinweg wurde ein signifikanter Rückgang der Leistungen festgestellt, was auf die mangelnde Auseinandersetzung mit dem Lernstoff hindeutet.
Mechanismus des Lernens mit KI
Die Forschung zeigt, dass Schüler, die KI zur Lösung von Aufgaben nutzen, oft nicht selbst nachdenken und falsche Lösungen einfach abschreiben. Dies führt dazu, dass sie in Prüfungen, die ohne Hilfsmittel absolviert werden, schlechter abschneiden.
Ergebnisse aus anderen Studien
Zusätzliche Experimente in den USA und der Türkei bestätigen ähnliche Ergebnisse: Schüler, die KI als Nachhilfe verwenden, schneiden in Prüfungen schlechter ab, wenn sie sich nicht aktiv mit dem Stoff auseinandersetzen. Dabei wurde auch festgestellt, dass die Selbstwahrnehmung der Schüler oft von der tatsächlichen Lernleistung abweicht.
Schlussfolgerungen und Empfehlungen
Es wird empfohlen, KI nicht als Ersatz für das Lernen zu nutzen, sondern als Hilfsmittel, das den Lernprozess unterstützt. Der Schlüssel liegt in der aktiven Auseinandersetzung mit dem Lerninhalt und dem kritischen Umgang mit KI. Die Diskussion über den Einsatz von KI im Bildungsbereich muss weitergeführt werden, um effektive Lernmethoden zu entwickeln.
Die neuen KI-Flaggschiffe: Hype oder echter Sprung?
06.08.2026
Positive Überraschung und Einsatz von KI-Modellen
Der Sprecher war positiv überrascht von den Ergebnissen eines KI-Modells, das jedoch aufgrund von regulatorischen Maßnahmen kurzfristig außer Betrieb genommen wurde. Dies führte zu Unsicherheiten bei laufenden Projekten, da das bisher genutzte Modell nicht in der Lage war, die neuen Anforderungen zu erfüllen.
Frontier-Modelle und deren Entwicklung
Die Diskussion dreht sich um die neuen Frontier-Modelle, insbesondere Claude von Anthropic und JetGPT von OpenAI, die als führende KI-Systeme gelten. Diese Modelle sind leistungsfähiger und bieten neue Funktionen, die traditionelle Modelle übertreffen.
Unterschiede zwischen Fable und Mythos
Fable, ein Modell von Anthropic, wird als leistungsstarker Nachfolger des Opus-Modells beschrieben. Es bietet erheblich verbesserte Funktionalitäten, insbesondere in der Analyse und Planung komplexer Aufgaben, wird jedoch durch strenge Sicherheitsmechanismen eingeschränkt.
Regulatorische Herausforderungen und Marktveränderungen
Ein unerwartetes Eingreifen der US-Regierung führte dazu, dass die Verfügbarkeit der Modelle eingeschränkt wurde. Diese Ereignisse zeigen, dass die Nutzung und Entwicklung von KI-Tools zunehmend politisch beeinflusst wird. Anbieter müssen nun mit solchen Unsicherheiten umgehen und ihre Strategien anpassen.
Wichtigkeit von Open-Source-Alternativen
Die Ungewissheit über die Verfügbarkeit von KI-Tools hat dazu geführt, dass viele Organisationen in Open-Source-Modelle investieren, um unabhängiger von kommerziellen Anbietern zu werden. Diese Modelle bieten mehr Kontrolle und Flexibilität.
Schlussfolgerungen und Ausblick
Die Diskussion schließt mit der Erkenntnis, dass die Frontier-Modelle immer leistungsfähiger werden, aber auch strengen Sicherheitsvorkehrungen unterliegen. Der Zugang zu diesen Technologien wird zunehmend politisch gesteuert, was neue Herausforderungen für Anwender und Entwickler mit sich bringt.
KI-Studien (05): Woher KI ihr Wissen hat
20.07.2026
Einführung in die Funktionsweise von KI
Der Podcast thematisiert die grundlegende Funktionsweise von KI und erklärt, dass sie keine echte Verständnisfähigkeit besitzt. KI generiert Antworten basierend auf Wahrscheinlichkeiten, ohne tatsächlich zu wissen, was richtig oder falsch ist.
Die Rolle der Trainingsdaten
Ein zentrales Thema ist die Herkunft der Informationen, die KI verwendet. Die Gastgeber Vivian und Thomas diskutieren die Verzerrungen, die durch die Daten, aus denen KI Modelle trainiert werden, entstehen. Es wird darauf hingewiesen, dass die Auswahl und Aufbereitung der Daten entscheidend für die Qualität der Antworten ist.
Aufbau von KI-Modellen
Die Hosts erläutern die vier Schritte zur Erstellung eines KI-Modells: Rohdaten sammeln, Aufbereitung der Daten, Prä-Training und Post-Training. Jeder Schritt birgt spezifische Herausforderungen und Verzerrungen, die die endgültigen Antworten beeinflussen.
Verzerrungen und deren Auswirkungen
Besonderes Augenmerk wird auf die Verzerrungen gelegt, die nicht nur aus den Trainingsdaten resultieren, sondern auch durch menschliche Bewertungen im Post-Training entstehen. Diese können dazu führen, dass KI Antworten verstärkt, die bereits verzerrt sind.
Praktische Relevanz und kritische Betrachtung
Das Verständnis der Funktionsweise von KI wird als essentiell erachtet, um ihre Antworten kritisch bewerten zu können. Die Hosts empfehlen, KI als Werkzeug zu nutzen, jedoch nicht blind zu vertrauen.
Schlussfolgerung
Der Podcast schließt mit der Erkenntnis, dass KI ein mächtiges Werkzeug ist, dessen Nutzung jedoch ein gewisses Maß an kritischem Denken erfordert. Die Hosts ermutigen die Zuhörer, sich mit den Verzerrungen und der Funktionsweise der KI auseinanderzusetzen, um diese effektiver nutzen zu können.