Problemlösung mit KI

LLMs werden mit sehr großen Mengen sprachlicher Daten trainiert. Ein großer Teil des menschlichen Wissens ist in Texten enthalten und kann daraus erschlossen werden.
Multimodale Modelle werden zusätzlich darauf trainiert, sprachliche Informationen mit Bildern und anderen Datentypen zu verknüpfen.
Deshalb kann KI nicht nur Texte erzeugen oder verarbeiten, sondern auch Wissen zur Lösung vieler Aufgaben nutzen, wenn sie mit geeigneten Prompts angeleitet wird.

Zusätzlich werden viele KI-Modelle für bestimmte Fachgebiete weiter trainiert oder feinabgestimmt. Dabei kommen beispielsweise Programmcodes und technische Dokumentationen, Fachliteratur, mathematische Aufgaben oder juristische Texte zum Einsatz. Dadurch eignen sie sich besonders gut für Bereiche wie Programmierung, IT-Problemlösung, Mathematik oder Recht.

KI sucht dabei nicht einfach nach passenden Textstellen. Sie erkennt Muster, Zusammenhänge und Lösungsstrategien, die sie während des Trainings gelernt hat. Dadurch kann sie ihr Wissen häufig auch auf neue, ähnliche Fragestellungen übertragen.
Achtung!: Die Antworten einer KI sind nicht immer korrekt. Deshalb sollten wichtige Ergebnisse, insbesondere in Schule, Beruf oder Alltag, kritisch geprüft und bei Bedarf mit anderen Quellen verglichen werden.

Fallbeispiel Pflanzenerkennung

Beispiele für weiterführende Fragen:

Fallbeispiel Bilderkennung und Übersetzung

Achtung! Beachte folgendes:

Fallbeispiel Bilderkennung

Fallbeispiel Bilderkennung

Achtung!: Die Erklärung dieses einzelnen Schlafdiagramms ist aus Datenschutzsicht unproblematisch. Der Chatbot erhält lediglich ein Bild und kann daraus nicht erkennen, zu welcher Person die angezeigten Daten gehören. Werden Gesundheitsdaten oder andere personenbezogene Daten regelmäßig beispielsweise automatisch an einen Online-Dienst übermittelt, darf man nicht vergessen, dass daraus langfristig genaue Persönlichkeitsprofile erstellt werden könnten.
Da solche Dienste einen realen Mehrwert bieten, ist weder eine pauschale Ablehnung noch ein unkritisches Zustimmen sinnvoll. Stattdessen sollte man bewusst und situationsabhängig entscheiden, welche Daten man für welchen Nutzen freigibt.

Fallbeispiel aus dem Alltag

Fallbeispiel aus dem Alltag

Fallbeispiel Rechtsfragen

Achtung!: KI kann einen ersten Überblick über Rechtsfragen geben. Da die rechtliche Beurteilung häufig vom Einzelfall abhängt und KI-Antworten fehlerhaft oder unvollständig sein können, sollten sie nicht ungeprüft übernommen werden. Bei wichtigen Entscheidungen empfiehlt es sich, die geltende Rechtslage anhand verlässlicher amtlicher Quellen zu prüfen und rechtlichen Rat einzuholen.

Fallbeispiel Tabellenkalkulation

In einer Tabellenkalkulation (Excel, LibreOffice Calc, …) ist folgendes Tabellenblatt gegeben:

Wir wollen eine Spalte einfügen, die die Anzahl der Tage bis zum Geburtstag berechnet. In einer Tabellenkalkulation kann man das über eine Formel (erkennbar am “=” an erster Stelle) durchführen, die man in eine Zelle einfügt.
Diese Formel könnten wir selbst erstellen, wir wollen diese aber von der KI erzeugen lassen.

Der Chatbot antwortet mit:

Mittels Kopieren und Einfügen füge ich die Formel in Zelle F2 (Spalte F Zeile 2) ein und bestätige mit Eingabetaste.
Das führt allerdings zu einer Fehlermeldung:

Üblicherweise kann man jegliche Fehlermeldungen als Text kopieren und im Chatbot einfügen. In diesem Fall bietet sich auch ein Bildschirmfoto an, weil daraus der Gesamtzusammenhang sehr gut hervorgeht. Dazu lade ich das Bild im Chatbot hoch und mache so auf das Problem aufmerksam:

Der Chatbot schlägt vor:

Nach der Eingabe von:

=WENN(DATUM(JAHR(HEUTE());D2;C2)>=HEUTE();DATUM(JAHR(HEUTE());D2;C2)-HEUTE();DATUM(JAHR(HEUTE())+1;D2;C2)-HEUTE())

in Zelle F2 (Spalte F Zeile 2) funktioniert es tatsächlich, der Hinweis vom Chatbot war zielführend:

In der rechten unteren Ecke der Zelle F2 ist ein kleines blaues Quadrat zu erkennen.
Fassen wir dieses mit der Maus und ziehen es die Spalte hinunter bis zur letzten befüllten Zelle:

Die Formel wird dadurch in alle Zellen kopiert und alle entsprechenden Werte werden ermittelt:

Hier geht es um die Erstellung von Formelm mit KI und nicht so sehr um das Verständnis, deshalb sind folgende Überlegungen freiwillig.

Im nächsten Schritt hätte ich gerne eine neue Spalte in der “🎂” angezeigt wird, wenn die Person heute Geburtstag hat. Wenn der Geburtstag 10 oder weniger Tagen entfernt ist, soll “⚠” ausgegeben werden. Mit einem geeigneten Prompt erzeuge ich die dafür notwendige Formel:

Fallbeispiel Betriebssystem

Unter Windows möchte man manchmal den Papierkorb öffnen zum Beispiel um eine versehentlich gelöschte Datei wiederherzustellen oder um den Papierkorb zu leeren um Platz zu schaffen.
Der Papierkorb ist aber im System etwas versteckt, wir zeigen deshalb folgendes:

Unter Windows möchte man gelegentlich den Papierkorb öffnen, beispielsweise, um eine versehentlich gelöschte Datei wiederherzustellen oder den Papierkorb zu leeren und dadurch Speicherplatz freizugeben.
Da der Papierkorb im System nicht immer leicht zu finden ist, zeigen wir deshalb folgendes:

Zeilenbefehle sind häufig sehr praktisch. Sie lassen sich schnell kopieren und einfügen und ersparen das Suchen in verschachtelten Menüs.
Für die erste oben angebotene Möglichkeit drücken wir die Windows-Taste (⊞) und gleichzeitig “r”.
In das Eingabefeld fügen wir wie beschrieben (am Besten mit Kopieren und Einfügen) “explorer.exe shell:RecycleBinFolder” ein:

Wir bestätigen dann mit “ok”. Dann öffnet sich der Papierkorb. Nach dem Öffnen des Papierkorbs kann durch einen Rechtsklick auf eine Datei das Kontextmenü geöffnet werden (Wiederherstellen, Ausschneiden, Löschen, …).

KI-Chatbots sind eine sehr gute Anlaufstelle für Fragen zum Betriebssystem. Fehlermeldungen und Bildschirmfotos können verwendet werden um gezielte Unterstützung zu erhalten.
Windows wurde als Beispiel gewählt, auch alle anderen Betriebssysteme wie macOS, Linux, Android, iOS, … eignen sich gut.
Achtung!: KI kann die Arbeit mit Betriebssystemen erheblich erleichtern und dabei helfen, Aufgaben schneller und sicherer auszuführen. Das Ausführen von Systembefehlen kann jedoch auch Risiken bergen. Wer noch wenig Erfahrung hat, sollte neue oder unbekannte Befehle zunächst auf einem Testsystem oder einem Rechner ohne wichtige Daten ausprobieren.

Fallbeispiele mit Python: Vibe-Coding

In diesem Abschnitt erzeugen wir Python-Programmcode mittels KI-Chatbot. Für diesen Vorgang wird oft der Begriff Vibe-Coding verwendet.

Achtung!: KI kann in kurzer Zeit funktionsfähigen Programmcode erzeugen. Dieser Code kann jedoch Programmfehler, Sicherheitslücken oder unerwünschte Funktionen enthalten. Führe KI-generierten Code deshalb nicht ungeprüft aus. Lasse dir unbekannte Codeabschnitte von der KI erklären, teste Programme zunächst mit unkritischen Beispieldaten und überprüfe Änderungen Schritt für Schritt. Besonders vorsichtig solltest du bei Code sein, der Dateien verändert oder löscht, Programme startet, Daten aus dem Internet lädt oder auf persönliche Daten zugreift. Vibe-Coding ist am sichersten, wenn die KI als Unterstützung dient und du die Kontrolle über den erzeugten Code behältst.

Installiere am Besten Python um das Erlernte nachzuvollziehen und Aufgaben durchzuführen.

Python kann von hier heruntergeladen und installiert werden:

https://python.org

Für Einsteiger ist die Installation von Thonny sehr praktisch. Thonny ist eine einfachen Python-Entwicklungsumgebung für Lernende:

https://thonny.org

Lade die richtige Installationsdatei für dein Betriebssystem herunter:

Speichere die Datei und führe sie aus. Für eine genauere Anleitung verwende folgenden Prompt.
Lösche die für dich unnötigen Teile:

Wenn wir Thonny verwenden:

• Die Installation von Thonny installiert gleichzeitig auch Python
• Sehr praktisch: Doppelklicken einer Python-Datei (.py) öffnet die Datei in Thonny
• Drücken von F5 oder Klicken der Play-Taste führt das Programm aus.
• Benötigte aber nicht vorhandene Python-Pakete (Packages) werden innerhalb von Thonny installiert

Wähle dazu den Menüpunkt: Werkzeuge > Verwalte Pakete …

Gib den Namen des Pakets ein und dann drücke “Suchen”:

Klicke dann auf das gefundene Paket und installiere es.
Dieser Vorgang wird nur bei Bedarf durchgeführt.

Fallbeispiel mit Python: Vibe-Coding

Angenommen wir haben einen Ordner mit .png-Bildern. Wir wollen alle Bilder fortlaufend umbenennen in: 01.png, 02.png, …
Das Schreiben so eines Python-Programms erfordert einige Übung und Hintergrundwissen. Mit KI-Hilfe müssen wir lediglich einen geeigneten Prompt schreiben:

Fallbeispiel Bilder umbenennen

import os
from pathlib import Path

# Aktuellen Ordner ermitteln
ordner = Path.cwd()

# Alle PNG-Dateien sammeln (.png und .PNG)
png_dateien = sorted(
    [f for f in ordner.iterdir() if f.is_file() and f.suffix.lower() == ".png"]
)

# Dateien zunächst auf temporäre Namen umbenennen,
# damit keine Namenskonflikte entstehen
temp_dateien = []

for i, datei in enumerate(png_dateien):
    temp_name = ordner / f"__temp_{i}__.png"
    datei.rename(temp_name)
    temp_dateien.append(temp_name)

# Fortlaufend umbenennen: 01.png, 02.png, ...
anzahl_stellen = max(2, len(str(len(temp_dateien))))

for i, datei in enumerate(temp_dateien, start=1):
    neuer_name = ordner / f"{i:0{anzahl_stellen}d}.png"
    datei.rename(neuer_name)
    print(f"{datei.name} -> {neuer_name.name}")

print("Fertig.")

Speichere das Programm als .py Datei. Mit Thonny kannst du sie ausführen.
Das Programm verwendet das Paket pathlib, welches aber im Normalfall bereits installiert ist. Es muss kein weiteres Paket installiert werden.
Achtung! Führe das Programm nur in einem Ordner aus, in dem alle .png-Dateien tatsächlich umbenannt werden sollen. Erstelle dafür gegebenenfalls einen eigenen Ordner.
Abgesehen davon sollte vom Programm kein weiteres Risiko ausgehen, zum Beispiel werden durch das Programm keine Dateien gelöscht.

from pathlib import Path

# Aktuellen Ordner ermitteln
ordner = Path.cwd()

# Alle JPG- und JPEG-Dateien sammeln
bild_dateien = sorted(
    [
        f for f in ordner.iterdir()
        if f.is_file() and f.suffix.lower() in [".jpg", ".jpeg"]
    ]
)

# Dateien zunächst auf temporäre Namen umbenennen,
# damit keine Namenskonflikte entstehen
temp_dateien = []

for i, datei in enumerate(bild_dateien):
    temp_name = ordner / f"__temp_{i}__.jpg"
    datei.rename(temp_name)
    temp_dateien.append(temp_name)

# Fortlaufend umbenennen: 01.jpg, 02.jpg, ...
anzahl_stellen = max(2, len(str(len(temp_dateien))))

for i, datei in enumerate(temp_dateien, start=1):
    neuer_name = ordner / f"{i:0{anzahl_stellen}d}.jpg"
    datei.rename(neuer_name)
    print(f"{datei.name} -> {neuer_name.name}")

print("Fertig.")

Fallbeispiel Bildcollage erstellen

Vom letzten Schulausflug hast du noch einige schöne Bilder. 9 davon willst du in eine Collage einbauen lassen. Das von Hand zu machen ist recht mühsam, die Aufgabe soll ein Programm übernehmen und die KI soll dieses Programm schreiben:

from pathlib import Path
from PIL import Image

# Einstellungen
ordner = Path.cwd()
ausgabe = ordner / "collage_3x3.png"

# PNG-Dateien einlesen
png_dateien = sorted(ordner.glob("*.png"))

if len(png_dateien) != 9:
    raise ValueError(f"Es müssen genau 9 PNG-Dateien im Ordner liegen. Gefunden: {len(png_dateien)}")

# Kleinste quadratische Zielgröße bestimmen
bilder = [Image.open(p).convert("RGBA") for p in png_dateien]
zielgroesse = min(min(bild.size) for bild in bilder)

# Abstand = ein Drittel der Bildbreite
abstand = zielgroesse // 3

# Gesamtgröße der Collage
spalten = 3
zeilen = 3

breite = spalten * zielgroesse + (spalten - 1) * abstand
hoehe = zeilen * zielgroesse + (zeilen - 1) * abstand

collage = Image.new("RGBA", (breite, hoehe), (255, 255, 255, 0))

def quadratisch_zuschneiden(bild):
    w, h = bild.size
    seite = min(w, h)
    links = (w - seite) // 2
    oben = (h - seite) // 2
    return bild.crop((links, oben, links + seite, oben + seite))

# Bilder zuschneiden, skalieren und einfügen
for index, bild in enumerate(bilder):
    bild = quadratisch_zuschneiden(bild)
    bild = bild.resize((zielgroesse, zielgroesse), Image.LANCZOS)

    zeile = index // spalten
    spalte = index % spalten

    x = spalte * (zielgroesse + abstand)
    y = zeile * (zielgroesse + abstand)

    collage.paste(bild, (x, y), bild)

collage.save(ausgabe)
print(f"Fertig: {ausgabe}")

Das Paket PIL müssen wir so installieren wie oben beschrieben. Verwenden wir dann einen eigenen Ordner wo sich sowohl die 9 Bilder befinden, als auch das Programm. Starten wir dann das Programm mithilfe von Thonny.

Das Programm erzeugt bei Erfolg eine Datei “collage_3x3.png”.
Öffnen wir diese:

Das Programm hat gut funktioniert. Wie von uns verlangt, wurden die Grafiken quadratisch zugeschnitten. Falls wir mit dem Ergebnis bei einzelnen Bildern nicht zufrieden sind, können wir den Zuschnitt etwas steuern, indem wir vor dem Programmlauf die Ränder der betreffenden Bilder dort selbst beschneiden, wo sich keine wichtigen Inhalte befinden.
Das wird jedoch nur gelegentlich und nur bei einzelnen Bildern notwendig sein.
Insgesamt stellt das Programm daher eine erhebliche Arbeitserleichterung dar.

Fallbeispiel Bilder verkleinern

Manchmal will man eine Reihe von Bilddateien verkleinern. Dafür gibt es eigene kleine Anwendungen, die man aber erst herunterladen und installieren muss. Auch in die Bedienung muss man sich einarbeiten. Wir wollen selbst ein kleine Programm erstellen, das diese Aufgabe übernimmt. Die zu verkleinernden Bilder sollen in einem Ordner “original” bereitgestellt werden, die verkleinerten Bilder sollen in einem Ordner “verkleinert” gespeichert werden.

from pathlib import Path
from PIL import Image

# Eingabe- und Ausgabeordner anpassen
eingabe_ordner = Path(r"./original")
ausgabe_ordner = Path(r"./verkleinert")

# Ausgabeordner erstellen, falls er nicht existiert
ausgabe_ordner.mkdir(parents=True, exist_ok=True)

# Alle JPG-Dateien verarbeiten
for datei in eingabe_ordner.glob("*.jpg"):
    with Image.open(datei) as bild:
        # Neue Größe: 50 % der Originalgröße
        neue_breite = bild.width // 2
        neue_hoehe = bild.height // 2

        verkleinert = bild.resize(
            (neue_breite, neue_hoehe),
            Image.Resampling.LANCZOS
        )

        # Im Ausgabeordner mit gleichem Dateinamen speichern
        ziel = ausgabe_ordner / datei.name
        verkleinert.save(ziel, quality=95)

        print(f"Verarbeitet: {datei.name} → {ziel}")

print("Fertig.")

Wieder kommt hier das Paket PIL zum Einsatz. Wenn es für das obige Beispiel schon installiert wurde, müssen wir nichts tun. Ansonsten verfahren wir wie anfangs beschrieben.
Das Programm funktioniert wie gewünscht, das verkleinerte Bild landet im gewünschten Ausgabeordner, der Dateiname bleibt gleich.

from pathlib import Path
from PIL import Image

# Eingabe- und Ausgabeordner anpassen
eingabe_ordner = Path(r"./original")
ausgabe_ordner = Path(r"./verkleinert")

# Ausgabeordner erstellen, falls er nicht existiert
ausgabe_ordner.mkdir(parents=True, exist_ok=True)

# Alle PNG-Dateien verarbeiten
for datei in eingabe_ordner.glob("*.png"):
    with Image.open(datei) as bild:
        # Neue Größe: 50 % der Originalgröße
        neue_breite = bild.width // 2
        neue_hoehe = bild.height // 2

        verkleinert = bild.resize(
            (neue_breite, neue_hoehe),
            Image.Resampling.LANCZOS
        )

        # Im Ausgabeordner mit gleichem Dateinamen speichern
        ziel = ausgabe_ordner / datei.name
        verkleinert.save(ziel, quality=95)

        print(f"Verarbeitet: {datei.name} → {ziel}")

print("Fertig.")

from pathlib import Path
from PIL import Image

# Eingabe- und Ausgabeordner anpassen
eingabe_ordner = Path(r"./original")
ausgabe_ordner = Path(r"./verkleinert")

# Ausgabeordner erstellen, falls er nicht existiert
ausgabe_ordner.mkdir(parents=True, exist_ok=True)

# Alle JPG-Dateien verarbeiten
for datei in eingabe_ordner.glob("*.jpg"):
    with Image.open(datei) as bild:
        # Neue Größe: 50 % der Originalgröße
        neue_breite = bild.width // 3
        neue_hoehe = bild.height // 3

        verkleinert = bild.resize(
            (neue_breite, neue_hoehe),
            Image.Resampling.LANCZOS
        )

        # Im Ausgabeordner mit gleichem Dateinamen speichern
        ziel = ausgabe_ordner / datei.name
        verkleinert.save(ziel, quality=95)

        print(f"Verarbeitet: {datei.name} → {ziel}")

print("Fertig.")