ChatGPT / KI | MedienundInformatik.online

Einführung KI

Fachbegriffe und Abkürzungen

Artificial Intelligence (AI; dt. KI [künstliche Intelligenz])

AI steht für Artificial Intelligence, also künstliche Intelligenz. Das sind Programme, die Dinge tun, die normalerweise menschliches Denken erfordern – z. B. Probleme lösen oder Bilder erkennen.

Machine Learning (ML)

Ein Teil von AI ist ML (Machine Learning), also maschinelles Lernen: Computer lernen dabei aus Beispielen, ohne dass man ihnen alles einzeln beibringen muss

Deep Learning (DL)

DL heißt Deep Learning – das ist eine besondere Form des maschinellen Lernens mit sogenannten neuronalen Netzwerken, die sehr gut z. B. bei Spracherkennung oder Bildern funktionieren.

Natural Language Processing (NLP)

NLP bedeutet Natural Language Processing – hier geht es darum, dass Computer menschliche Sprache verstehen und verarbeiten können, wie z. B. bei Übersetzungen oder Chatbots

Large Language Models (LLM)

LLM steht für Large Language Model – das sind sehr große Sprachmodelle, wie z. B. ChatGPT, die viele Texte gelesen haben und deshalb gut auf Fragen antworten oder Texte schreiben können.

Browserbasierte Large Learning Models (LLMs)

📝 Auftrag: Vergleich

Vergleiche 3 verschiedene Large Language Models (z.B. ChatGPT, Claude, Gemini, Grok, Copilot, Perplexity) anhand von klaren Kriterien. Finde heraus: Welches LLM ist wofür am besten geeignet? Wo liegen Stärken und Schwächen?

Ziel: Am Ende weißt du, welches LLM du für welche Aufgabe nutzen solltest – und kannst das begründen!

Firma
Jahr
aktuelle Version
Stärken
Schwächen
Besonderheiten
Beste Anwendung
Preismodell
...

Sprachmodell	Firma
ChatGPT	OpenAI (USA, 2015)
Claude	Anthropic (USA, 2021)
Gemini (früher Bard, Google)	Google DeepMind
Perplexity	Perplexity AI
Grok	xAI (Elon Musk, 2023)
Bing	Microsoft (USA, 1975)
DeepSeek	deepseek (China, 2023)
...

GPT (Generated Pretrained Transformer)

Aspekt	Beschreibung
Begriff	Generative Pretrained Transformer – ein KI-Modell, das auf dem Transformer-Architekturprinzip basiert und darauf trainiert ist, Sprache zu erzeugen.
Herkunft	Entwickelt von OpenAI, erste Veröffentlichung war GPT-1 im Jahr 2018.
Modellgenerationen	- GPT-1 (2018) - GPT-2 (2019) - GPT-3 (2020) - GPT-3.5 (2022) - GPT-4 (2023)
Grundprinzip	- Generativ (es erzeugt Inhalte) - Pretrained (es wurde vortrainiert auf großen Datenmengen) - Transformer (neuronale Netzarchitektur)
Trainingsdaten	Große Mengen an Text aus dem Internet (z. B. Bücher, Artikel, Webseiten, Foren, Code), aber keine persönlichen Daten einzelner Personen (über 45 Terabyte Text, 45 mit 12 Nullen)
Trainingsmethode	1. Unsupervised Pretraining: Vorhersage des nächsten Tokens im Text 2. Supervised Fine-Tuning 3. Reinforcement Learning (RLHF)

ChatGPT 4.0

GPT-4.0 (auch als GPT-4 bezeichnet) ist ein großes multimodales Sprachmodell von OpenAI, das im März 2023 veröffentlicht wurde. Es ist ein computerbasiertes Programm, das in der Lage ist, auf natürliche Art und Weise mit Menschen zu kommunizieren und ihnen Antworten auf Fragen oder Aufgaben zu geben. Es nutzt künstliche Intelligenz und maschinelles Lernen, um seine Fähigkeiten zu verbessern und immer präzisere Antworten zu liefern.

Datenbasis

GPT-4 wurde mit einer großen Menge an öffentlich zugänglichen Daten und von OpenAI lizenzierten Daten trainiert, darunter:

Bücher, Webseiten, wissenschaftliche Artikel
Code-Repositories (z. B. GitHub)
Forenbeiträge, Nachrichtenartikel, Anleitungen
Keine spezifischen Daten nach September 2021 (in der Ursprungsvariante) – neuere Varianten wie GPT-4o sind bis Mitte 2023 oder später aktualisiert.

Tools

Bilderstellung
Internetsuche
Programmierung von Code
Texterfassung
DeepResearch

Stärken und Vorteile

Eingabesprache Englisch: Wurde umfangreich in Englisch trainiert, andere Sprachen verfügen über weniger Training.
Hohe Sprachkompetenz: Sehr präzise Grammatik, Stilistik, Argumentation
Besseres logisches Denken: Deutlich besser als GPT-3.5 bei Mathe, Logik, Programmierung
Multilinguale Fähigkeiten: Exzellente Leistung in vielen Sprachen (z. B. Deutsch, Französisch, Spanisch)
Verständnis komplexer Aufgabenstellungen: GPT-4 kann längere Texte analysieren und strukturierte Aufgaben verarbeiten
Multimodalität: In der GPT-4-Vision-Variante auch Bildverstehen (Diagramme, Fotos etc.)

Schwächen und Nachteile

Halluzinationen: Gibt manchmal plausible, aber falsche Informationen
Mathematische Genauigkeit: Rechenfehler möglich, besonders bei komplexeren Aufgaben
Erklärbarkeit: Die Entscheidungsprozesse sind nicht transparent (Blackbox)
Aktualität: Kein Echtzeit-Wissen, Trainingsdaten sind statisch
Vorteile: Kann gesellschaftliche Vorurteile aus Trainingsdaten widerspiegeln
Langfristiger Kontext: Hat zwar ein längeres Gedächtnis (Token), aber kein dauerhaftes Gedächtnis
Quellen und Bezüge: Werden nur auf Nachfrage geliefert und sind manchmal falsch.

ChatGPT 5.1

Überblick über die aktuelle Modellgeneration

1. Einordnung

ChatGPT 5.1 ist die neueste Version der OpenAI-Sprachmodellreihe (Stand 2025). Es kombiniert textuelle, visuelle und teilweise auditorische Fähigkeiten in einem einzigen multimodalen System. Gegenüber GPT-4.0 wurde die Architektur optimiert, der Kontext stark erweitert und das Tool-Ökosystem verbessert.

2. Datenbasis

GPT-5.1 wurde – wie alle OpenAI-Modelle – auf einer Mischung aus öffentlich verfügbaren, lizenzierten und von Menschen erstellten Trainingsdaten trainiert.

Typische Datenquellen:

Bücher, Webseiten, wissenschaftliche Veröffentlichungen
Software-Repos (z. B. GitHub-Code)
Bilder, Diagramme, technische Zeichnungen
Unterrichtsmaterialien, Foren, Anleitungen
Audio-/Video-Abschriften
Kuratierte Datensätze zur Modellsicherheit und Problemlösung

Die Trainingsdaten reichen bis 2025 (modellabhängig), ergänzt durch laufende Sicherheits- und Qualitätspipelines. Wie immer besitzt das Modell kein Echtzeitwissen, sondern reflektiert den Stand der verwendeten Daten.

3. Tools und Systemfunktionen

GPT-5.1 integriert eine Reihe von Funktionen, die direkt im Modell verankert sind:

Kern-Tools

Bildanalyse (Fotos, Grafiken, Handskizzen, Screenshots)
Bildgenerierung (DALL·E-Variante, direkter Modus)
Websuche (Live-Recherche)
Programmierwerkzeuge (Code-Ausführung, Debugging)
Dateigenerierung (PDF, DOCX, XLSX, PPTX, …)
Python-Notebook-Umgebung
Long Context Engine (deutlich größerer zusammenhängender Kontext als GPT-4.0)
Deep Research / Reasoning-Modi

Erweiterungen

Besseres Verständnis komplexer Bilder
Präzisere Zitierstandards bei Nutzung der Websuche
Verbesserte Formatierungs- und Dokument-Workflows
Höhere Steuerbarkeit über System-/Style-Anweisungen

4. Stärken und Vorteile

Sprachkompetenz

Sehr konsistente Grammatik, Terminologie und Struktur
Verbesserte stilistische Kontrolle und Layout-Fähigkeiten
Breitere und präzisere Mehrsprachigkeit als GPT-4.0

Logik und Problemlösung

Deutlich stärkeres deduktives und multistufiges Denken
Bessere Leistung bei Mathematik, formaler Logik und Codierung
Reduzierte Fehlerrate bei langen Argumentationsketten

Multimodalität

Höhere Bildauflösung beim Verstehen
Verbesserte Szenenanalyse (Objekte, Layout, Stilmerkmale)
Robuste Verbindung von Text und Bild (z. B. Arbeitsblätter, Grafiken)

Kontext

Verarbeitung sehr langer Konversationen oder Dokumente
Stabilere Referenzen auf frühere Gesprächsteile
Präzisere Umsetzung komplexer Vorgaben (z. B. Arbeitsaufträge, Rubriken)

Bedienung und Workflow

Verbesserte Dateiausgaben
Bessere Interpretation feingliedriger Instruktionen
Hohe Konsistenz über mehrere Arbeitsschritte hinweg

5. Schwächen und Grenzen

Halluzinationen weiterhin möglich, wenn auch reduziert
Keine echte Aktualität: Websuche nötig für neueste Fakten
Begrenzte Exaktheit bei sehr formalen mathematischen Beweisen
Blackbox-Charakter bleibt bestehen
Bias-Risiken weiterhin vorhanden (abhängig von Trainingsdaten)
Werkzeugabhängigkeit: Manche Funktionen (z. B. Websuche, python) müssen explizit aktiviert werden
Kein dauerhaftes Gedächtnis: Langkontext ist groß, aber nicht persistent