Was ist der Hauptunterschied zwischen generativer KI und den meisten anderen KI-Systemen in der Welt?	Generative KI produziert neuen Inhalt (Token für Token), während die meisten anderen KI-Systeme (Spam-Filter, Empfehlungen, Betrugserkennung) existierende Inhalte klassifizieren und bewerten.
Welche vier Kerneigenschaften prägen die Fähigkeiten und Grenzen von generativer KI?	Next Token Prediction, Knowledge (Wissen), Working Memory (Arbeitsspeicher) und Steerability (Steuerbarkeit).
Was bedeutet es, dass jede der vier Eigenschaften auf einem Spektrum liegt?	Je weiter rechts auf dem Spektrum, desto mehr sollte man die Antworten überprüfen und kompensieren; es gibt keine absolute Fähigkeit oder Unfähigkeit.
Welche Arten von Aufgaben kann generative KI bei "Next Token Prediction" gut bewältigen?	Häufige, bekannte Konzepte zusammenfassen, reformatieren und erklären – also "ausgetretene Pfade".
Wann hat generative KI Wissensgrenzen?	Bei seltenen, nach dem Trainingsdatum liegenden, nischenhaften, lokalen oder umstrittenen Themen.
Was ist das "Working Memory"-Problem bei generativer KI?	Die KI kann sehr lange Dokumente oder Gespräche nicht vollständig verarbeiten und kann keine Kontinuität über mehrere Sitzungen hinweg aufrechterhalten ("the cliff").
Welche Art von Anweisungen ermöglicht beste Steuerbarkeit?	Kurze, konkrete, überprüfbare Anweisungen wie "antworte als Tabelle" oder "unter 100 Wörtern".
Was bedeutet "kalibriertes Vertrauen" im Umgang mit generativer KI?	Es bedeutet, die Aufgabe auf dem Spektrum der vier Eigenschaften zu lokalisieren, anstatt Vertrauen pauschal zu gewähren oder zu verweigern.
Warum entstehen sowohl Fähigkeiten als auch Grenzen aus demselben Mechanismus?	Der gleiche Prozess, der generative KI ermöglicht (Next Token Prediction), schafft auch ihre Grenzen und Unsicherheiten.
Was wird in der nächsten Lektion vor den vier Eigenschaften behandelt?	Wie ein KI-System eine Persönlichkeit erhält – warum es höflich, hilfreich und ehrlich ist und wie dieser Prozess alle folgenden Eigenschaften beeinflusst.