Prompt mich mal!

In dieser Folge dreht sich alles um Chain-of-Thought (CoT) Prompting – eine Methode, mit der Large Language Models komplexe Aufgaben besser lösen können. Wir erklären, wie diese Technik funktioniert, warum sie so wirkungsvoll ist, und wo sie zum Einsatz kommt – von Matheaufgaben bis hin zu Bildung und Chatbots im Kundenservice. Außerdem werfen wir einen Blick auf Varianten wie Zero-Shot CoT und multimodales CoT, diskutieren Vorteile wie höhere Antwortqualität, aber auch Herausforderungen wie den steigenden Rechenaufwand.

KI ist überall – zumindest auf dem Papier. In dieser Folge decken wir auf, wie Unternehmen mit dem Buzzword „Künstliche Intelligenz“ um sich werfen, um Investoren zu ködern und innovativ zu wirken – auch wenn kaum echte Technologie dahintersteckt. Wir sprechen über die Risiken für Wirtschaft, Gesellschaft und Vertrauen – und darüber, wie du KI-Washing entlarvst, bevor du dich vom nächsten „smart tool“ blenden lässt.

Diese Folge beleuchtet den Bericht „Science in the age of AI“ der Royal Society, der aufzeigt, wie künstliche Intelligenz die wissenschaftliche Forschung transformiert. Wir sprechen über Potenziale wie Effizienzgewinne und neue Erkenntnisse, aber auch über Risiken rund um Reproduzierbarkeit, ethische Fragen und Datenqualität. Zudem geht es um die wachsende Rolle des Privatsektors und die Bedeutung interdisziplinärer Kompetenzen. Ziel ist ein verantwortungsvoller Einsatz von KI – im Dienste der Forschung und der Gesellschaft.

„KI-Slop“ – so nennt man die Flut an generischen Texten, Bildern und Videos, die generative KI inzwischen im Sekundentakt ausspuckt. Ob Social Media, Politik, Werbung, Bücher oder Filme: KI-Slop ist längst überall und verwandelt das Netz in ein Buffet aus billigem Content-Dosenfutter. In dieser Folge spreche ich darüber, wie es so weit kommen konnte, welche Branchen besonders betroffen sind und was das für unsere Medienkultur bedeutet.

In dieser Folge sprechen wir über aktuelle Studien, die zeigen, wie große Sprachmodelle persönliche Informationen wie Standort oder Einkommen erschreckend genau aus Texten ableiten können – weit über das reine Auswendiglernen hinaus. Zudem werfen wir einen Blick auf „vec2vec“, eine neue Methode zur Übersetzung von Text-Einbettungen zwischen Modellen, die selbst ohne gepaarte Daten funktioniert. Beide Ansätze verdeutlichen, wie leicht sensible Informationen extrahiert werden können und warum wir dringend über neue Schutzmechanismen im Umgang mit KI diskutieren müssen. Bitte beachte, dass sich jederzeit rechtliche Grundlagen & technische Gegebenheiten ändern können. Diese Folge spiegelt daher keine aktuelle Gesetzeslage wider.

Heute geht’s darum, wie das Gaming wieder eine zentrale Rolle in der Entwicklung von KI spielt. Spiele bieten perfekte Trainingsumgebungen: klar definierte Regeln, unendliche Szenarien, und jede Menge Herausforderungen.KI-Systeme treten dort gegeneinander an, lernen voneinander und verbessern sich stetig – fast wie im Sporttraining. Das Ziel? Künstliche Intelligenz, die selbstständig denkt, plant und handelt.Spannend ist: Eine KI lernt inzwischen, indem sie mit oder gegen andere KIs spielt. So entstehen Systeme, die nicht nur gut im Spiel sind, sondern auch komplexe Aufgaben im echten Leben lösen können.Gaming wird so zur Spielwiese für die nächste Stufe der KI-Entwicklung.

OpenAIs Entscheidung, GPT-5 als neues Standardmodell in ChatGPT festzulegen, sorgte für Unmut unter vielen Nutzern. Die automatische Umstellung und das Entfernen der Modellauswahl führten dazu, dass User den Zugriff auf ihre bevorzugten Modelle wie GPT-4o verloren. Besonders betroffen waren Menschen, die ChatGPT für emotionale Unterstützung oder strukturierte Arbeitsabläufe nutzten – sie vermissten die gewohnte „Persönlichkeit“ und Verlässlichkeit. Aufgrund der Kritik kündigte OpenAI-CEO Sam Altman an, dass zahlende Plus-Nutzer wieder auf GPT-4o zurückgreifen können.

In dieser Folge sprechen wir über das Hierarchical Reasoning Model – kurz HRM. Inspiriert vom menschlichen Gehirn kombiniert diese neue KI-Architektur zwei miteinander verknüpfte Denkebenen: eine für die abstrakte Planung und eine für schnelle, präzise Detailarbeit. Anders als herkömmliche Chain-of-Thought-Methoden kommt HRM mit minimalen Trainingsdaten aus, braucht kein Vorabtraining und meistert trotzdem komplexe Aufgaben wie Sudoku oder Labyrinth-Navigation. Spannend ist dabei die hierarchische Struktur, die an die neuronalen Ebenen unseres Gehirns erinnert – und das könnte erklären, warum HRM nicht nur effizient rechnet, sondern auch Probleme lösen kann, an denen aktuelle große Sprachmodelle oft scheitern.

In dieser Folge geht es um GPT-5, das neueste und bislang leistungsstärkste KI-Modell von OpenAI. Es übertrifft seine Vorgänger deutlich – und zwar in Bereichen wie Programmieren, Texterstellung, Gesundheit und sogar in der visuellen Wahrnehmung.GPT-5 ist ein einheitliches System, das flexibel denken kann – mal schnell, mal tiefgründig – je nachdem, wie komplex die Anfrage ist. Für besonders anspruchsvolle Aufgaben gibt es auch eine Pro-Version.Was wurde verbessert?Weniger HalluzinationenBessere Umsetzung von AnweisungenPräzisere und nützlichere AntwortenZusätzlich wurden neue Sicherheitsfunktionen und stilistische Verbesserungen eingebaut – für mehr Zuverlässigkeitund Benutzerfreundlichkeit.GPT-5 ist für alle zugänglich – mit kostenpflichtigen Abos, die erweiterte Funktionen bieten.Bleib dran – wir schauen uns an, was GPT-5 wirklich kann!

In dieser Folge tauchen wir in die Welt des Few-Shot Prompting ein – eine Technik, mit der du durch wenige, gezielte Beispiele die Leistung von KI-Modellen wie ChatGPT deutlich steigern kannst. Wir sprechen darüber, warum Beispiele so mächtig sind, wie du sie richtig auswählst und strukturierst und welche typischen Fehler du vermeiden solltest. Außerdem bekommst du praktische Tipps und Anwendungsbeispiele, mit denen du deine eigenen Prompts sofort verbessern kannst.

Die heutige Episode erklärt umfassend die Grundlagen der generativen Künstlichen Intelligenz (GenAI). Er beginnt mit einer Definition von KI und maschinellem Lernen und führt dann wichtige Konzepte wie neuronale Netze, Large Language Models (LLMs) und die Transformer-Architektur ein. Die Episode beschreibt auch Prompting-Techniken zur Kommunikation mit KI-Modellen und beleuchtet multimodale KI, die verschiedene Datentypen verarbeitet. Schließlich werden ethische Überlegungen und Grenzen der genAI wie Bias und Halluzinationen sowie Beispiele typischer Tools vorgestellt.

Dieser Text stellt den ChatGPT-Agenten vor, eine Weiterentwicklung des bekannten KI-Modells, das nun in der Lage ist, komplexe, mehrschrittige Aufgaben unter Verwendung eines eigenen virtuellen Computers zu erledigen. Er vereint die Fähigkeiten von Operatoren zur Web-Interaktion und von Deep Research zur Informationsanalyse, wodurch er beispielsweise Webseiten durchsuchen, Daten filtern, Code ausführen und Präsentationen erstellen kann. Die Quelle betont die Nutzerkontrolle durch Genehmigungsanfragen und die Möglichkeit, Aufgaben zu unterbrechen, während gleichzeitig umfassende Sicherheitsmaßnahmen gegen Risiken wie Prompt Injection und biologische Bedrohungen implementiert wurden. 

Der gegebene Text untersucht die Leistung großer Sprachmodelle (LLMs) in mehrstufigen Konversationen, insbesondere wenn Benutzeranweisungen anfänglich unvollständig sind. Die Forschung zeigt einen erheblichen Leistungsabfall von durchschnittlich 39 % bei LLMs in diesen multi-turn Szenarien im Vergleich zu vollständig spezifizierten, einstufigen Interaktionen. Dieser Rückgang wird hauptsächlich durch eine erhöhte Unzuverlässigkeit (durchschnittlich 112 % Anstieg) und einen geringeren Fähigkeitsverlust (durchschnittlich 16 % Rückgang) verursacht. Die Studie identifiziert mehrere Gründe für dieses Phänomen, einschließlich vorzeitiger Antwortversuche, übermäßiger Abhängigkeit von früheren (falschen) Antworten und einer Tendenz zu wortreichen, oft verwirrenden Reaktionen. Auch Methoden wie das Rekapitulieren von Informationen oder das Reduzieren der Temperatur, die in einfacheren Kontexten helfen, zeigen sich in komplexen, mehrstufigen Gesprächen als weitgehend ineffektiv, was die Notwendigkeit robusterer LLM-Fähigkeiten für solche Interaktionen unterstreicht. Link zum Paper: https://arxiv.org/pdf/2505.06120

Das Dokument "America's AI Action Plan" vom Juli 2025 skizziert eine umfassende Strategie der US-Regierung unter Präsident Donald J. Trump, um die globale Vorherrschaft im Bereich der künstlichen Intelligenz (KI) zu erlangen. Der Plan ist in drei Hauptpfeiler unterteilt: Beschleunigung der KI-Innovation, Aufbau der amerikanischen KI-Infrastruktur und Führung in der internationalen KI-Diplomatie und -Sicherheit. Er betont die Notwendigkeit, bürokratische Hürden abzubauen, die freie Meinungsäußerung in KI-Systemen zu gewährleisten, die Entwicklung einer robusten Infrastruktur zu fördern und Amerikas technologische Führung durch Exportkontrollen und internationale Zusammenarbeit zu schützen. Ziel ist es, ein „goldenes Zeitalter“ der wirtschaftlichen Wettbewerbsfähigkeit und nationalen Sicherheit durch KI einzuläuten und gleichzeitig Arbeitsplätze für Amerikaner zu sichern. Das ganze im Detail findest du hier: https://whitehouse.gov/wp-content/uploads/2025/07/Americas-AI-Action-Plan.pdf

In dieser Folge dreht sich alles um Lyra, einen sogenannten Meta-Prompt, der hilft, Prompts gezielter und qualitativ hochwertiger zu erstellen. Du erfährst, was genau ein Meta-Prompt ist, wie Lyra aufgebaut ist und warum er so mächtig ist – egal ob du mit ChatGPT arbeitest, Texte generierst oder kreative Projekte planst.  Auch schauen wir einmal auf die kritischen Aspekte, die es zu diesem Thema gibt. Den Prompt für LYRA findet ihr hier: https://gist.github.com/xthezealot/c873effd9e74225ef3fcfbb9c3a341da

In dieser Folge geht es um die Fehler, die KI-Modelle so machen können. Ob kuriose Übersetzungen, absurde Antworten oder komplett erfundene Fakten — wir zeigen, wie charmant (und manchmal peinlich) Bots danebenliegen können. Dabei erklären wir auch, warum solche Pannen passieren und was sie uns über die Grenzen von Sprachmodellen verraten. Lachgarantie inklusive!

In dieser Folge erklären wir, was Tokens eigentlich sind — und warum sie das Fundament jeder modernen KI ist. Anstatt Wörter direkt zu verarbeiten, zerlegen Sprachmodelle Texte in Tokens, kleine Bausteine, die für das Modell besser handhabbar sind. Wir sprechen über verschiedene Methoden, wie Zeichen-, Wort- und Unterwort-Tokenisierung, die heute Standard sind. Außerdem werfen wir einen Blick auf spannende Forschung, die zeigt, wie stark die Tokenisierung die Leistung und das Verständnis eines Modells beeinflusst. Ein Muss für alle, die verstehen wollen, wie KIs Sprache wirklich „lesen“ und „sprechen“.

In dieser Folge werfen wir einen Blick zurück: Wie hat alles angefangen mit der Künstlichen Intelligenz? Wir erzählen die spannende Geschichte von den frühen Rechenautomaten über die ersten Schachcomputer bis hin zu modernen Sprachmodellen wie ChatGPT. Du erfährst, welche Meilensteine die Entwicklung geprägt haben, wer die großen Köpfe dahinter waren und wie aus Science-Fiction plötzlich Realität wurde.

In dieser Folge stellen wir dir berühmte KI-Pannen und Katastrophen vor, die teils spektakulär, teils erschreckend waren. Von Fehlentscheidungen in autonomen Fahrzeugen über rassistische Chatbots bis hin zu fehlerhaften Übersetzungen — wir zeigen, was genau passiert ist, warum es dazu kam und welche wichtigen Lehren wir für die Zukunft der KI daraus ziehen können.

In dieser Folge gehen wir der Frage nach, ob Large Language Models (LLMs) tatsächlich so etwas wie ein Gedächtnis haben. Können sie sich wirklich an frühere Gespräche „erinnern“, oder ist das nur eine gut gemachte Illusion? Wir schauen uns an, wie „Memory“ in modernen Modellen funktioniert, welche technischen Tricks dahinterstecken und warum maschinische Erinnerung ganz anders ist als bei uns Menschen.

In dieser Folge sprechen wir über den oft übersehenen Klimafußabdruck von KI. Große Sprachmodelle brauchen enorme Rechenleistung — und damit viel Energie. Wir versuchen zu klären, wie viel CO₂ beim Training und Betrieb von Modellen wie ChatGPT & Co. entsteht, warum das ein wachsendes Problem ist und was getan werden kann, um künstliche Intelligenz nachhaltiger zu gestalten.

In dieser Folge schauen wir uns an, warum MCP-Server eine Schlüsselrolle bei der Einführung von KI in Unternehmen spielen. Wir erklären, was hinter dem Konzept steckt, wie solche Server als zentrale Plattformen Daten bündeln, Modelle bereitstellen und KI-Dienste steuern. Außerdem besprechen wir, welche Vorteile sie für Sicherheit, Skalierbarkeit und Effizienz bringen — und warum sie das technische Rückgrat moderner, KI-gestützter Geschäftsprozesse sind.

In dieser Folge erklären wir das Konzept der Prompt Injections, eine oft übersehene Schwachstelle in großen Sprachmodellen. Wir zeigen, wie Angreifer versteckte Anweisungen in scheinbar harmlose Texte einbauen können, um die KI unbemerkt zu manipulieren. Außerdem sprechen wir darüber, warum diese Angriffe so schwer zu erkennen sind, welche Risiken sie mit sich bringen und was getan werden kann, um KI-Modelle in Zukunft sicherer zu machen.

In dieser Folge schauen wir uns das spannende Konzept von „Projekt Vend“ an: eine KI, die als eigenständiger Betreiber eines snackautomaten agiert. Wie kann eine künstliche Intelligenz Produkte auswählen, Preise festlegen, Kunden beraten und sogar Marketingstrategien entwickeln? Wir diskutieren, welche Chancen und Risiken das für den Einzelhandel bedeutet — und ob wir bald wirklich bei einem KI-Shopkeeper einkaufen.

In dieser Folge geht’s um „Gibberlink“, die mysteriösen, oft unverständlichen Ausgaben, die bei KIs manchmal wie eine eigene Sprache wirken. Wir erklären, warum solche „geheimen“ Codes entstehen, was dahintersteckt und ob KI-Modelle tatsächlich eine Art eigene Sprache entwickeln. Außerdem sprechen wir darüber, was das für die Sicherheit, die Kontrolle und das Verständnis von KI bedeutet.

In dieser Folge klären wir, was genau KI-Agenten sind und wie sie sich von klassischen Sprachmodellen unterscheiden. Wir sprechen darüber, wie diese Agenten nicht nur antworten, sondern auch eigenständig planen, handeln und Entscheidungen treffen können. Außerdem schauen wir uns spannende Anwendungsbeispiele an — von smarten Assistenten bis hin zu komplexen Automatisierungsaufgaben.

In dieser Folge sprechen wir über ein oft unterschätztes Problem: Halluzinationen bei KI-Modellen. Was bedeutet es, wenn eine KI plötzlich Fakten erfindet oder überzeugend falsche Antworten liefert? Wir erklären, warum das passiert, welche Folgen es haben kann – zum Beispiel in der Wissenschaft, im Alltag oder bei rechtlichen Fragen – und wie du solche Fehler erkennen und vermeiden kannst.

In dieser Folge werfen wir einen Blick auf die Schattenseiten von ChatGPT – genauer gesagt auf acht Probleme, über die kaum gesprochen wird. Von versteckten Vorurteilen und Intransparenz über Abhängigkeit und Fehlgebrauch bis hin zu ethischen Fragen: Wir beleuchten die Risiken, die mit der Nutzung großer Sprachmodelle einhergehen. Ziel ist es nicht, KI schlechtzureden – sondern aufzuzeigen, wo kritisches Denken und verantwortungsvoller Umgang gefragt sind. Wenn du wissen willst, was hinter den Kulissen der KI wirklich passiert, hör rein!

In dieser Folge erfährst du alles über DarkBert, ein spezielles KI-Sprachmodell, das eigens dafür entwickelt wurde, das Darknet zu analysieren und zu verstehen. Du lernst, was dieses verborgene Netz eigentlich ist, warum herkömmliche Sprachmodelle hier an ihre Grenzen stoßen und wie DarkBert mit seinen besonderen Fähigkeiten zur Erforschung dieses abgeschotteten Bereichs beiträgt. Außerdem diskutieren wir, welche Chancen und Risiken es mit sich bringt, KI-Technologie auf das Darknet anzuwenden.

In dieser Episode dreht sich alles um Prompt Engineering, einer Schlüsselkompetenz, um die Interaktion mit KI-Modellen wie ChatGPT und Co. optimal zu gestalten. Du erfährst, was genau ein Prompt ist, wie du Kontext und Feinabstimmung nutzt und welche verschiedenen Arten von Prompts – vom einfachen Zero-Shot bis zur ausgefeilten Ketten-von-Gedanken-Technik – dir zur Verfügung stehen. 

In dieser Episode erfährst du, wie generative künstliche Intelligenz (Gen AI) arbeitet, um aus Daten völlig neue Inhalte zu erstellen – seien es Texte, Bilder, Videos oder Audios. Wir erklären dir Schritt für Schritt, wie große Datenmengen analysiert und in KI-Modelle verwandelt werden, um daraus kreative Werke zu generieren. Außerdem sprechen wir über Grenzen dieser Technologie, wie etwa eingeschränktes Wissen durch vortrainierte Modelle, und zeigen dir im Detail, wie sprach-, bild- und klangbasierte KI-Systeme funktionieren.

In dieser Folge geht’s um die spannende Entwicklung von Large Language Models (LLMs) – also den KI-Systemen hinter Tools wie ChatGPT. Wir schauen uns die drei sogenannten „Horizonte“ an, die die Fähigkeiten dieser Modelle entscheidend verändert haben.

Hallo und herzlich willkommen bei Prompt mich mal!, deinem KI-generierten Podcast rund um künstliche Intelligenz – für alle, die einfach neugierig sind und mehr verstehen wollen.Hier beantwortet eine KI genau die Fragen, die du dir schon immer gestellt hast:Wie denken eigentlich KI-Modelle wie ChatGPT und Co.? Können Maschinen kreativ sein, Gedichte schreiben oder eigenständig planen? Und was passiert eigentlich in unserem Gehirn, wenn wir KI zur Unterstützung beim Denken nutzen?Wir schauen gemeinsam hinter die Kulissen von KI-Systemen, klären, was KI wirklich weiß, und wie sie uns beeinflusst – heute und in Zukunft.Kein Fachjargon, keine Vorkenntnisse nötig – einfach zuhören, staunen und mitreden.Also mach’s dir bequem und: Prompt mich mal!

In dieser Episode tauchen wir tief ein in das Innenleben von Claude 3.5 Haiku, einem kompakten KI-Modell von Anthropic. Wir gehen der Frage nach, wie das Modell komplexe Aufgaben wie mehrstufiges Denken, poetische Planung und mehrsprachige Übersetzungen meistert.

In dieser Folge werfen wir einen kritischen Blick auf die Auswirkungen von KI-Tools wie ChatGPT auf unser Denken– verglichen mit klassischer Internetrecherche oder komplett eigenständigem Schreiben.In einer spannenden Studie mit 54 Teilnehmenden wurde die Gehirnaktivität per EEG gemessen, während die Personen Aufsätze verfassten – mit und ohne Unterstützung durch KI oder Suchmaschine. Zusätzlich analysierte man die geschriebenen Texte mit sprachlichen KI-Tools (NLP) und führte Interviews mit den Beteiligten. Grundlage ist die Studie "Your Brain on ChatGPT: Accumulation of Cognitive Debt when Using an AI Assistant for Essay Writing Task" von Nataliya Kosmyna MIT Media Lab Cambridge, MA