Was wir unter AI verstehen — KI-Fähigkeiten und Grenzen

Was du lernen wirst

Geschätzter Zeitaufwand: 20 Minuten

Am Ende dieser Lektion wirst du in der Lage sein:

Generative AI von der Klassifizierungs- und Vorhersage-AI zu unterscheiden, der du bereits täglich begegnest
Zu verstehen, dass die Eigenschaften von generativer AI auf einem Kontinuum von Fähigkeit bis Einschränkung existieren
Die vier Kerneigenschaften zu überblicken, die du eingehend erforschen wirst: Next Token Prediction, Knowledge, Working Memory und Steerability

Was wir unter generativer AI verstehen

(4 Minuten)

Die meiste AI in der Welt (Spam-Filter, Empfehlungen, Betrugserkennung) ist nicht generativ. Dieser Kurs behandelt die Art, die es ist: Transformer-basierte Textmodelle, die neuen Inhalt ein token nach dem anderen produzieren.

Ein mentales Modell der Maschine aufbauen

AI Capabilities & Limitations Framework

Vier Eigenschaften, die bestimmen, was AI für dich kann und nicht kann. Jede liegt auf einem Spektrum — je weiter rechts, desto mehr solltest du überprüfen und kompensieren.

Fähigkeit

Einschränkung

Next Token Prediction

Woher kommen AI-Antworten?

Ausgetretene Pfade: zusammenfassen, umformatieren, häufige Konzepte erklären Neuland, spärliche Muster, „wahr vs. klingt wahr"

Knowledge

Was weiß AI wirklich?

Häufig, aktuell im Training, konsistent: Mainstream-Themen, beliebte SprachenSelten, nach Cutoff, Nischen-, Lokal- oder umstrittene Themen

Working Memory

Worauf konzentriert sich die AI gerade?

Material passt bequem, Sitzung ist aktuell, du lieferst relevanten KontextSehr lange Dokumente/Gespräche, Erwartung von sitzungsübergreifender Kontinuität (die Klippe)

Steerability

Wie viel Kontrolle habe ich?

Kurze, konkrete, überprüfbare Anweisungen („antworte als Tabelle", „unter 100 Wörtern")Lange Argumentationsketten, abstrakte Anfragen, native Präzision

Wichtigste Erkenntnisse

Generative AI produziert neuen Inhalt statt bestehenden Inhalt zu klassifizieren.
**AI ist nicht einheitlich fähig oder einheitlich unzuverlässig. ** Sie ist stark und schwach entlang von vier vorhersehbaren Achsen: Next Token Prediction, Knowledge, Working Memory und Steerability.
**Jede Eigenschaft ist ein Kontinuum. ** Der gleiche Mechanismus gibt dir sowohl die Fähigkeit als auch die Einschränkung.
Kalibriertes Vertrauen bedeutet, deine Aufgabe auf dem Kontinuum zu lokalisieren, nicht Vertrauen pauschal zu gewähren oder zu verweigern.

Übungen

Übung: Generativ oder nicht?

Warum? Du hast gerade gelernt, dass generative AI grundlegend anders ist als die AI, die deine Spam filtert und dein nächstes Video empfiehlt. Jetzt wirst du diese Unterscheidung auf deine eigene Erfahrung anwenden.

**Liste fünf AI-gestützte Funktionen auf, mit denen du diese Woche interagiert hast. ** Werfe ein breites Netz aus: Autovervollständigung, Foto-Tagging, Spam-Filterung, Chatbot-Antworten, Übersetzung, Produktempfehlungen, Sprachassistenten.
Notiere für jede deine Einschätzung: Produziert sie neuen Inhalt oder sortiert, ordnet und klassifiziert sie bestehenden Inhalt?
**Teile deine Liste mit einer AI und bitte sie, deine Einschätzungen zu überprüfen. ** Für alle, die du falsch hattest (oder dir unsicher warst), bitte sie, den Unterschied in einem Satz zu erklären. Dann frage: „Welche dieser fünf hat wahrscheinlich einen Fehlermodus, bei dem mir dieser Kurs helfen wird? "
**Gehe zurück zu deiner Aufgabenliste aus Lektion 1. ** Markiere jede Aufgabe mit der Eigenschaftsfrage, die sich gerade am relevantesten anfühlt:
Woher kommen die Antworten? (Next Token Prediction)
Was weiß es? (Knowledge)
Worauf konzentriert es sich? (Working Memory)
Wie viel Kontrolle habe ich? (Steerability)

Es wird nicht erwartet, dass du diese richtig machst. Du erstellst Vorhersagen, die du in den nächsten vier Lektionen testen wirst.

Lektionsreflexion

Hat die Unterscheidung zwischen generativ und Klassifizierung bei AI deine Sicht auf ein Tool, das du nutzt, verändert?
Schau dir an, wie du deine Aufgabenliste markiert hast. Gab es eine Aufgabe, die unter mehr als eine Eigenschaft passen könnte?

Was kommt als Nächstes

Bevor wir uns in die vier Eigenschaften vertiefen, werden wir eine Lektion darauf verwenden, wie ein AI-System überhaupt eine Persönlichkeit bekommt. Warum es höflich, hilfreich, ehrlich ist, warum es manchmal zu leicht zustimmt, warum es bestimmte Dinge ablehnt. Dieser Gestaltungsprozess hinterlässt Fingerabdrücke auf allem, was folgt.

Feedback

Während du den Kurs durcharbeitest, würden wir gerne von dir hören, wie du Konzepte aus dem Kurs in deiner Arbeit nutzt, sowie jedes Feedback, das du haben könntest. Teile dein Feedback hier.

Danksagungen und Lizenz

Copyright 2026 Anthropic. Originalarbeit basierend auf dem AI Fluency Framework, entwickelt von Prof. Rick Dakan (Ringling College of Art and Design) und Prof. Joseph Feller (University College Cork). Veröffentlicht unter der CC BY-NC-SA 4. 0 Lizenz.