In Woche 2 werden Sie entdecken, dass nicht alle KI-Tools gleich sind und dass die Wahl des richtigen Tools die Möglichkeiten völlig verändern kann. Sie werden vergleichen, wie verschiedene Tools dieselben Aufgaben in den Bereichen Text, Bilder, Audio und Code bewältigen, und ein Gespür dafür entwickeln, wie zugrundeliegende Modelltypen wie Transformer, Diffusionsmodelle, GANs und VAEs das, was ein Tool generieren kann, beeinflussen und warum das wichtig ist. Ohne sich in technischer Komplexität zu verlieren, werden Sie große Ideen wie Einbettungen und Retrieval-Augmented Generation Generation (RAG) auf eine Art und Weise erforschen, die einen direkten Bezug zur realen Anwendung hat. Mit Hilfe von NotebookLM werden Sie einen personalisierten Podcast aus dem Kursmaterial generieren, um zu erfahren, wie RAG die Ausgaben je nach Bedarf umgestaltet, und dann über seine Grenzen nachdenken und darüber, wo das menschliche Urteilsvermögen noch eine entscheidende Rolle spielt. Am Ende der Woche werden Sie strategischer darüber nachdenken, wie Sie das richtige Modell auf die richtige Aufgabe abstimmen können.

In Woche 3 werden Sie Ihre Arbeit mit generativer KI verbessern, indem Sie lernen, wie Sie sie durch Prompt Engineering und Ihre ersten Schritte im Kontext-Engineering absichtlich lenken können. Sie werden erforschen, wie Modelle Aufmerksamkeit nutzen, was ein Kontextfenster ist und wie Tokenisierung formt, was das Modell tatsächlich "sieht", und Sie werden verstehen, warum kleine Änderungen in der Struktur zu großen Änderungen in der Ausgabe führen können. Sie werden über einfache Prompt-Tipps hinausgehen und Prompts mit Klarheit, Rollen, Beispielen und Sequenzierung entwerfen, während Sie auch lernen, wie der Gesprächsverlauf die Ergebnisse beeinflusst. In einer praktischen Schleife zur Verbesserung von Prompts werden Sie Ihre Eingaben iterativ verstärken, mit dem Verwalten oder Zurücksetzen von Kontexten experimentieren und Ihre Strategie in einer spielerischen "Prompt Jeopardy"-Herausforderung verfeinern. Am Ende der Woche werden Sie nicht nur bessere Prompts schreiben, sondern auch verstehen, warum sie funktionieren und wie Sie die Ergebnisse konsequenter und wirkungsvoller gestalten können.

In Woche 4 werden Sie aus dem Aufbau von Fähigkeiten mit generativer KI herausgehen und ihre LIMITs, Risiken und ethischen Implikationen mit einer kritischeren Linse untersuchen. Unter Verwendung der "Drei R's": Verantwortung, Warnsignale und Retrieval-Augmented Generation Generation (RAG). Sie werden lernen, wie man Halluzinationen, Bias, Trainingsabschaltungen und Kontextgrenzen erkennt und wie Techniken wie die Untermauerung von Modellen mit externen Daten die Genauigkeit verbessern können, ohne die Notwendigkeit einer menschlichen Beurteilung zu beseitigen. Sie werden die Metapher vom "Fremden im Bus" auf eine tiefere Art und Weise wieder aufgreifen und erforschen, was es wirklich bedeutet, mit einem System zu interagieren, das selbstbewusst klingt, aber auch aus dem kollektiven menschlichen Verhalten lernt. Anhand von Fallstudien, praktischen Experimenten und Diskussionen werden Sie beginnen, GenAI nicht als Zauberkiste zu sehen, sondern als ein leistungsfähiges Werkzeug, das von Designentscheidungen, Kompromissen und menschlicher Verantwortung geprägt ist und einen klaren Wandel hin zu einer bewussteren, ethischen Nutzung markiert.