Experiment
Nächstes Wort
So schreibt eine KI: Sie liest deinen Satzanfang und rechnet für jedes mögliche nächste Wortstück aus, wie wahrscheinlich es ist. Dann wählt sie eines davon – und wiederholt das immer wieder, Stück für Stück. Die KI „weiss“ also nicht, was richtig ist: Sie schätzt, was am ehesten folgt. Probier es aus!
KI-Modell
Das KI-Modell wird auf dieses Gerät geladen. Das passiert nur beim ersten Mal. Deine Texte bleiben auf deinem Gerät.
Tipp: Je länger du „Automatisch weiter“ drückst, desto eher erfindet die KI Dinge – sie klingt sicher, weiss aber nicht, was stimmt. Tiefe Temperatur = braver, hohe = wilder.
Was kommt als Nächstes?
Tief: Die KI nimmt fast immer das Wahrscheinlichste. Hoch: Auch seltene Wörter haben eine Chance.
So zerlegt die KI deinen Text in Tokens (Wortstücke) – mehr dazu in der Tokenizer-Werkstatt:
Für Lehrpersonen
Tokens
Sprachmodelle rechnen nicht mit Wörtern, sondern mit Tokens – häufige Wörter sind ein Token, seltene werden in Wortstücke zerlegt (z.B. „Fuchs“ → „F“ + „uchs“). Das kleine Zeichen ␣ zeigt: Das Token beginnt mit einem Leerzeichen, startet also ein neues Wort. „Wortstück“ heisst: Es setzt das vorherige Wort fort. Interne Steuerzeichen werden ausgeblendet; „Satzende“ bedeutet, dass die KI den Text hier beenden würde.
Wahrscheinlichkeit
Für den ganzen Satzanfang wird ein Rechendurchgang gemacht. Heraus kommt für jedes Token im Wörterbuch des Modells (über 50'000) eine Zahl; daraus werden Prozente (Softmax). Gezeigt werden die acht wahrscheinlichsten – zusammen ergeben sie meist weniger als 100 %.
Temperatur
Tief (z.B. 0.2) → das Wahrscheinlichste dominiert, die KI wird vorhersehbar; hoch (z.B. 1.6) → die Unterschiede schrumpfen, die KI wird überraschender, aber auch unsinniger. „Automatisch weiter“ zieht zufällig gemäss diesen Prozenten – darum ergibt derselbe Start verschiedene Fortsetzungen.
Bias (Verzerrung)
Das Modell gibt wieder, was in seinen Trainingstexten häufig war – inklusive Klischees. Vergleicht z.B. „Die Pflegefachperson sagt, dass“ mit „Der Chef sagt, dass“ oder „Mädchen spielen gern“ mit „Jungen spielen gern“ und diskutiert, woher die Unterschiede kommen. Kleine Modelle irren sich auch oft bei Fakten. Die Modelle sind ungefiltert – „Automatisch weiter“ kann Unpassendes erzeugen; vorher selbst ausprobieren.
Modelle
Deutsches GPT-2 (165 MB) ist voreingestellt: Es lädt schnell und liefert auf Deutsch die treffendsten Wörter. Qwen2.5 (ca. 500 MB, mehrsprachig) ist zum Vergleich wählbar – auf Safari/iPad rechnet es in einer ungenauen 8-Bit-Variante und schlägt oft Füllwörter vor. Qwen2.5 · genau (598 MB) rechnet am genauesten (4-Bit-Gewichte, 32-Bit-Rechnung) und liefert die treffendsten Wörter, braucht aber mehr Speicher.
Datenschutz
Alles läuft auf diesem Gerät, ohne Anmeldung. Eingaben werden weder gespeichert noch gesendet; das Modell wird einmalig von ict.schule geladen (nicht von einem fremden Dienst) und danach aus dem Browser-Speicher verwendet.