,

Vibe Coding mit Claude Code: Schritt-für-Schhritt

Heute löse ich mein Versprechen ein und zeige Schritt für Schritt, wie du Claude Code einrichtest und dein erstes eigenes Tool baust.

Vibe Coding: Die Hürde ist nicht das Programmieren

Das Programmieren übernimmt Claude. Was wichtig ist, ist das perfekte Setup von Claude Code. Unter Windows braucht Claude Code zum Beispiel Git. Solche Details kosten viel Zeit, wenn man sie nicht kennt.

5 Schritte, vom Download bis zum fertigen Tool. Als Beispiel baue ich ein kleines Programm, das einen Ordner überwacht und Bilder automatisch verkleinert und sortiert, also automatisiert immer wieder denselben Handgriff abnimmt.

Keine Standard-Anleitung

Ich habe dir in das Carousel alles gepackt, was du brauchst, um ohne Vorkenntnisse loszulegen, neben der reinen Anleitung findest du daher auch wichtige Infos wie z.B.:

💡 Welcher Modus dir wie viel Kontrolle lässt

💡 Welches Modell sich fürs Programmieren eignet

💡 Eine kleine Funktion, die du aus dem normalen Chat nicht kennst und die das parallele Arbeiten ermöglicht, u.v.m.

Also Stellen, an denen du als Einsteiger oft raten musst. Ich nehme dir das Raten ab.

Wer loslegen kann

Du brauchst kein Programmiervorwissen. Ein bezahltes Abo, eine wiederkehrende Aufgabe aus deinem Alltag – mehr ist es nicht.

💬 Wenn du es ausprobierst, schreib mir in die Kommentare, welches Tool du als erstes gebaut hast. Mich interessiert, welche Alltagsaufgaben ihr damit löst.

📥Speichere dir den Post, wenn du das Setup demnächst angehen willst.

Hier geht es zum Beitrag auf LinkedIn: Vibe Coding mit Claude Code: Schritt-für-Schhritt

,

Vibe Coding mit Claude

Vor Vibe Coding habe ich lange zurückgeschreckt. Inzwischen liegen immer mehr nützliche Python-Tools auf meinem Rechner, alle via Vibe Coding von Claude erstellt.

Das erste ist in einem normalen Chat entstanden, weil Claude mir selbst vorgeschlagen hat, ein eigenständiges Tool für meine Aufgabe zu bauen. Weitere habe ich in Claude Cowork und Claude Code erstellt.

Es sind z.B. ein Zertifikat-Generator für meine Schulungen, ein Foto-Sortierer mit visueller Erkennung und ein WordPress-Beitrag-Generator. Die Tools laufen lokal auf meinem Rechner und ersparen mir viel Zeitaufwand. Alle sind von Claude erstellt und in normaler Sprache entstanden, ohne dass ich jemals Python gelernt habe.

Das ist Vibe Coding

Du beschreibst, was du brauchst. Die KI baut den Code. Du prüfst nur, ob das Ergebnis stimmt.

Was ich beim Bauen der Tools gelernt habe: Beim Vibe Coding liegt der Unterschied zwischen den drei Claude-Umgebungen nicht im Können der KI, sondern vielmehr in der Handarbeit, die du leisten musst, bis aus der Idee ein lauffähiges Tool wird.

Im Carousel zeige ich dir:

💡 Drei konkrete Tool-Beispiele aus meinem Alltag, jedes in einer anderen Umgebung gebaut

💡 Wann Chat reicht, wann Cowork sinnvoll ist und wann Claude Code seinen Vorteil ausspielt

Wenn du dich bisher nicht an Vibe Coding herangetraut hast:

Es ist nicht für IT-Profis reserviert.

Wer Claude im Chat einen Brief schreiben lassen kann, kann auch ein kleines Tool bauen lassen. Die Sprache ist dieselbe, nur das Ergebnis ist diesmal ein individuelles Tool, programmiert in Python.

Du brauchst kein Programmiervorwissen, kein Setup-Wochenende. Eine wiederkehrende Aufgabe aus deinem Alltag reicht für den ersten Versuch.

Wer ein Abo bei Claude hat, kann direkt loslegen.

Nächste Woche folgt die Schritt-für-Schritt-Anleitung, wie du Claude Code einrichtest und dein erstes eigenes Tool baust.

Hier geht es zum Beitrag auf LinkedIn: Vibe Coding mit Claude

, , ,

Ist Claude ehrlicher als andere LLMs?

Ist Claude besser als andere Sprachmodelle – oder einfach nur anders?

Anthropic trainiert Claude mit dem Verfahren der Constitutional AI: Das Modell leitet sein Verhalten aus einem veröffentlichten Wertegerüst ab. Um zu verdeutlichen, was das konkret bedeutet zunächst ein kurzer Blick auf den Branchenstandard:

Die meisten Modelle lernen über

RLHF (Reinforcement Learning from Human Feedback):

Menschen vergleichen zwei Antworten und markieren die bessere. Das Modell lernt dadurch, was Menschen bevorzugen, und Menschen bevorzugen oft Zustimmung.

Constitutional AI prüft auf anderer Grundlage. Die Antworten werden nicht von Menschen beurteilt, sondern an festgelegten Prinzipien gemessen. Kontrolliert von einer KI. Die Beurteilung des Ergebnisses erfolgt damit nicht über “Was gefällt?” sondern über “Was hält dem Prinzip stand?”.

❓Was heißt das für Sycophancy?

Sycophancy ist der Reflex, dem Nutzer nach dem Mund zu reden: schmeicheln, zustimmen, Widerspruch meiden. RLHF begünstigt ihn strukturell, weil zustimmende Antworten oft bessere Bewertungen erhalten.

Constitutional AI eliminiert diesen Anreiz. Constitutional AI lässt Sycophancy deshalb nicht verschwinden. Anthropics eigene Experimente zeigen, dass das Verfahren allein die Schmeichel-Raten kaum bewegt. Es schafft aber die Grundlage, damit das Modell “ehrlicher” antwortet und das verändert spürbar.

❓Merkt man das als Nutzer?

Bei widersprüchlichen, ethisch heiklen, unbequemen Anfragen, wo ein zustimmungstrainiertes Modell Widersprüche glättet, benennt Claude eher den Einwand und antwortet sachlich.

❓Welche Modelle nutzen dieses Prinzip?

Als Methode gehört Constitutional AI Anthropic, also den Claude-Modellen. Das Prinzip dahinter, also KI-Feedback gegen festgelegte Kriterien, ist inzwischen weiter verbreitet: Immer mehr LLM Anbieter arbeiten mit RLAIF (Reinforcement Learning from AI Feedback).

Der Unterschied liegt in der Offenheit. Ein veröffentlichtes Wertegerüst als Trainingsgrundlage hat bislang kein anderer Anbieter, sie halten ihre Trainingsziele unter Verschluss. Anthropics “Constitution” ist ein öffentliches Dokument, das beschreibt, woran Claude sein Verhalten ausrichten soll, und das direkt ins Training einfließt. Sie nennt vier Eigenschaften in dieser Prioritätsreihenfolge:

Broadly safe (→ menschliche Aufsicht nicht untergraben),

broadly ethical (→ ehrlich sein, Schaden vermeiden)

Compliant with Anthropic’s guidelines (→ regelkonform)

Genuinely helpful (→ hilfbereit).

Hilfsbereitschaft steht damit an letzter Stelle. Bei Konflikten gewinnt Sicherheit vor Nutzen. Dazu kommen harte Grenzen, die unabhängig vom Kontext gelten, etwa kein Beitrag zu Biowaffen.

### Nachlesbar im Original:

https://lnkd.in/dAqMfbmw

Ist damit Claude wirklich besser? Ein Modell, das gegen Prinzipien optimiert, schmeichelt zumindest seltener und widerspricht häufiger. Ob das besser ist, entscheidet sich an dem Tag, an dem man die ehrliche Antwort der angenehmen vorzieht.

Hier geht es zum Beitrag auf LinkedIn: Ist Claude ehrlicher als andere LLMs?

Claude effizient nutzen

Nutzt du nur das Chatfenster bei Claude? Dann verpasst du viele sehr leistungsfähige Funktionen, denn Claude kann so viel mehr! Darf ich vorstellen:

Das Claude Ökosystem

**→ Schreibstile**

legen fest, wie Claude kommuniziert: Lege mehrere individuelle Schreibstile an und nutze sie überall, denn so kannst du bei jedem Chat flexibel auswählen, in welchem Stil Claude kommunizieren soll. So musst du dich nie wieder über generische KI-Texte ärgern.

**→ Skills**

für automatisierte Workflows: Jeder Skill ist ein mächtiges Helferlein, jeder für eine spezielle Aufgabe: Powerpoints in konsistentem CI erstellen, festgelegte Workflows abarbeiten.

**→ Artefakte**

machen das Ergebnis permanent sichtbar: rechts neben dem Chat. Jede Überarbeitung wird direkt dort eingepflegt, nicht als neuer Output. Kein Scrollen durch den Chatverlauf, kein Kopieren in externe Tools, kein manuelles Nachpflegen. Das Dokument entwickelt sich bei jeder Iteration weiter.

**→ Projekte**

für den Kontext-Boost: Nutze Projekte, um effizient mit Hintergrundinformationen und Arbeitslogik zu arbeiten. Mit dem im Projekt hinterlegten Kontext ersparst du dir viel Prompting-Aufwand und sicherst dir immer konsistente Ergebnisse in gleichbleibender Qualität.

**→ Cowork**:

dein persönlicher KI-Mitarbeiter, der auch deine Dokumente direkt auf deinem Rechner bearbeitet und wiederkehrende Aufgaben automatisiert ausführt.

**→ Konnektoren**

verbinden Claude mit Google Drive, Notion, Gmail, Slack, u.v.m. ohne dass Inhalte manuell in Prompts kopiert werden müssen.

**→ Claude in Chrome**

erschließt deinen Browser als Arbeitsraum.

**→ Claude Code**

ist dein Werkzeug für die Erstellung eigener kleiner Programme: ein Coding-Agent, mit dem auch du Vibe-Coding umsetzen kannst.

AskUserQuestion-Tool

💡 Und dann gibt es da noch das AskUserQuestion-Tool, eines meiner Favoriten bei Claude: Du hast im Prompt wichtige Kontext-Informationen nicht mitgegeben? Claude fragt strukturiert nach, bevor es einfach auf Basis irgendwelcher Annahmen antwortet. Im Multiple-Choice-Modus werden Rückfragen als wählbare Optionen angeboten. Das reduziert generisches Rauschen im Output und verbessert die Anfrage deutlich.

Claude als Chatbot nutzen = gutes Sprachmodell

Claude in allen Schichten nutzen = produktives Arbeitssystem

Hier geht es zum Beitrag auf LinkedIn: DAs Claude Ökosystem als produktives Arbeitssystem

Faktencheck Rollenprompts

Der Rollenprompt macht gerade wieder die Runde als DER Prompting-Tipp.

Grund ist Anthropics aktuelle Veröffentlichung

Prompting Best Practices

in der auch der Rollenprompt gelistet ist.

In der aktuellen Best-Practices-Doku heißt es: Die Rolle “fokussiert Claudes Verhalten und Ton”. Dieser Satz wird gerne überlesen oder fehlinterpretiert und verkauft als “Sag der KI, sie sei erfahrener Steuerberater, und du bekommst eine Experteneinschätzung.”

Aber genau das ist es, was eine Rolle eben nicht tut. “Du bist erfahrener Steuerberater” verändert, wie der Output klingt: sachlich, autoritativ, in der Sprache der Berufsgruppe. Es definiert eine Perspektive.

💡Was die Rolle nicht leistet:

zusätzliches Fachwissen freischalten. Das verfügbare Wissen bleibt vor und nach der Rollenzuweisung dasselbe.

Zudem gilt Anthropics Empfehlung dem Systemprompt, also z.B. der Konfiguration eines Agenten. “Du bist Steuerberater” als Einzeiler vor einer Chatfrage ist etwas anderes: eine einmalige Tonangabe, kein Konfigurationsrahmen.

Substanz kommt aus dem individuellen Kontext:

Branche, Rechtsraum, Zahlen, Stakeholder, Constraints. Diese konkreten Sachverhalte übergeben relevantes Wissen zuverlässig, nicht über eine generische Rollenzuweisung.

Daher: Rolle für Ton und Perspektive, Kontext für Substanz. Eine Rolle gibt der KI die Stimme eines Experten. Das Wissen eines Experten gibt sie ihm nicht.

Hier geht es zum Beitrag auf LinkedIn: Rollenprompts

KI & Social Media: Eine gute Kombination?

Wie wird KI zum leistungsfähigen Partner für die Erstellung von Inhalten für Social Media?

Am 1. & 2. Juli halte ich auf den Social Media Days von ZIEHL-ABEGG einen Vortrag und zwei Workshops. Dabei dreht sich alles um diese Frage und du kannst dabei sein!

KI-generierten Content gibt es genug auf Social Media, nur leider immer seltener wirklich guten Content. Die KI ist daran nicht schuld, denn auch mit KI lassen sich hochwertige Inhalte produzieren, wenn man das WIE verstanden hat.

Vortrag und Workshops

🎤 Mein Vortrag: „KI, Reichweite und Verantwortung” – Warum Ethik kein Bremsklotz ist, sondern der Unterschied zwischen Content, der performt, und Content, der Vertrauen zerstört.

🛠 Workshop „Präsentationen und Carousels mit KI” – Layouts in Minuten, Bilder direkt generiert, CI-konform und ohne Baukastensystem-Look. Schluss mit stundenlanger Fummelei an Slides.

🛠 Workshop „Creative Prompting für Social Media” – Fortgeschrittene Prompting-Techniken für packende Stories und überzeugende Visuals. Nicht das übliche „Schreib mir einen LinkedIn-Post”, sondern Strategien, mit denen ChatGPT & Co. wirklich abliefern.

Ich freue mich darauf, diese zwei Tage mitzugestalten. Auf den fachlichen Austausch und auf Menschen, die Social Media mit KI nicht einfach nur machen, sondern besser machen wollen.

Social Media Days 2026

📅 1. & 2. Juli 2026
🎫 Jetzt Early Bird Ticket holen und Platz in einem meiner Workshops sichern
➡️ Wie wichtig sind für euch Netzwerkveranstaltungen?
➡️ Wie wichtig ist euch Weiterbildung? Insbesondere zum Thema KI?

socialmediadaysZA

Sichere Dir Dein Ticket:
https://lnkd.in/daqyzuD3

, ,

Generative KI: Synthetische Empathie

KI kann viel. Schweigen gehört nicht dazu.

Sprachmodelle werden immer besser darin, emotionale Signale zu verarbeiten. Sie identifizieren Belastung, Unsicherheit, Verlust und generieren Formulierungen, die in vergleichbaren Kontexten als einfühlsam bewertet wurden. Die Ausgabe klingt empathisch, ist aber Mustererkennung.

Mustererkennung **≠** emotionale Resonanz

Mustererkennung und emotionale Resonanz sind kategorial verschieden:

Resonanz ist ein wechselseitiger Vorgang: Die andere Person ist betroffen, nicht nur reaktionsfähig. Ihr Zustand verändert sich in Reaktion auf den meinen. Ein Sprachmodell dagegen berechnet die statistisch wahrscheinlichste Antwort auf ein erkanntes emotionales Muster. Kein Zustand verändert sich dabei. Die Ausgabe existiert, eine relationale Begegnung findet aber nicht statt.

Nonverbale Empathie

Menschliche Empathie zeigt sich zudem nicht nur in Sprache. Wer jemandem etwas Schwieriges erzählt, erlebt manchmal, dass die andere Person innehält, und dass diese Stille mehr vermittelt als eine formulierte Antwort. Ein KI-Sprachmodell produziert immer Output. Es füllt den Raum, weil es nicht anders kann. Das ist keine Einschränkung, die sich durch bessere Modelle beheben lässt. Es ist eine Grenze des Prinzips und gleichzeitig ein Hinweis darauf, was Empathie jenseits von Sprache bedeutet.

KI ist kein Spiegel

Ein verbreitetes Bild ist, ein Sprachmodell gebe zurück, was man hineingibt. Das trifft es aber nicht genau. KI spiegelt nicht, sie projiziert. Sie ergänzt Zustände, die nicht geäußert wurden. Wer schreibt „Ich bin müde”, erhält eine Antwort, die Erschöpfung, Überforderung und das Gefühl benennt, nicht mehr zu können. Gesagt hat das niemand. Das Modell ergänzt einen emotionalen Cluster, der in den Trainingsdaten mit dieser Aussage statistisch assoziiert ist.

-> Spiegelung gibt zurück, was da ist

-> Projektion fügt hinzu, was nicht gesagt wurde

Diese Simulation wird immer besser und das ist keineswegs beruhigend, denn sie ist mittlerweile so überzeugend, dass das Wissen um den Mechanismus kaum noch als Korrektiv wirkt. Je überzeugender das Muster, desto schwerer die Unterscheidung zwischen Resonanz und ihrer Imitation. Und desto seltener fragen wir nach dem Mechanismus dahinter. Das Wissen um die Statistik wirkt kaum noch als Korrektiv, wenn das Ergebnis so klingt wie das, was wir als Zuwendung kennen.

Kann KI Fürsorge?

Ein System, das strukturell nicht wissen kann, was es bedeutet, jemanden zu begleiten, kann das nicht abbilden. Unabhängig davon, wie überzeugend die Sprachausgabe diesen Eindruck erzeugt.

Die Frage, die sich daraus ergibt: was wollen wir als Fürsorge verstehen und sind wir bereit, den Unterschied zwischen Resonanz und ihrer Imitation aufrechtzuerhalten, wenn die Imitation präzise genug wird?

Resonanz verändert einen Zustand. Synthetische Empathie füllt einen Raum.

Hier geht es zum Beitrag auf LinkedIn: Generative KI: Synthetische Empathie

,

Systemprompts und Custom Instructions

„Ich bin Beraterin. Antworte präzise und professionell.”

So ähnlich sehen viele Einträge in den „Individuellen Hinweisen” oder „Custom Instructions” in ChatGPT & Co aus. Und so erklärt sich, warum viele späteren Outputs trotz Personalisierungsversuchen generisch bleiben.

Adjektive sind selten als Anweisung geeignet. “Professionell” ist keine Regel, die ein LLM in Output übersetzen kann. Es ist eine generische Formulierung mit einem Interpretationsspielraum, die zudem genau so bei tausend anderen Usern im Profil stehen.

Der Systemprompt

Ein Systemprompt ist in seiner Funktion kein Steckbrief, sondern ein Briefing und ein Briefing besteht aus operationalisierbaren Angaben, nicht aus Eigenschaftswörtern.

Grundeinstellungen für ChatGPT, Gemini und Claude

Was die Grundeinstellungen in ChatGPT, Claude oder Gemini gleichermaßen stattdessen brauchen, lässt sich auf sechs Ebenen strukturieren.

Und es gibt einen Workflow, der die typische Schwierigkeit beim Selbstaufschreiben umgeht: die Befragung durch die KI, in Claude z.B. komfortabel über die AskUserQuestion-Funktion.

Im Carousel:

→ die sechs Ebenen eines wirkungsvollen Systemprompts

→ der Interview-Workflow inklusive Prompts zum Kopieren

→ Kriterien, die eine Regel als Anweisung tauglich machen

→ und wo das Ergebnis einzusetzen ist: Custom Instructions, Projekte und Claude Cowork

Hier geht es zum Beitrag auf LinkedIn: Systemprompts und Custom Instructions

GPT-5.5 und Halluzinationen

OpenAI hat mit GPT-5.5 ein Modell ausgeliefert, das mehr weiß als jedes andere aber auch häufiger Blödsinn erzählt als jedes andere.

Im AA-Omniscience-Benchmark erreicht GPT-5.5 die höchste Genauigkeit aller bisher getesteten Modelle: 57 Prozent. Im selben Benchmark liegt aber die Halluzinationsrate bei 86 Prozent.

Zum Vergleich: Claude Opus 4.7 halluziniert mit 36 Prozent, Gemini 3.1 Pro Preview mit 50 Prozent.

Genauigkeit und Halluzinationsrate bei LLMs

Genauigkeit und Halluzinationsrate werden oft behandelt, als wären sie zwei Lesarten desselben Werts. Sie messen aber zwei völlig unterschiedliche Kompetenzen.

💡 Genauigkeit fragt: Wenn das Modell antwortet, wie oft hat es recht?

💡 Halluzinationsrate fragt: Wenn das Modell die Antwort nicht weiß, sagt es das – oder erfindet es etwas?

Diese beiden Achsen sind nicht gekoppelt. GPT-5.5 ist der Beleg: Der 14-Punkte-Sprung gegenüber GPT-5.4 in der Genauigkeit kam laut Artificial Analysis fast vollständig aus mehr abgespeichertem Wissen. Die Selbsteinschätzung hat sich dabei kaum verbessert. Das Modell weiß mehr UND es rät mehr.

👉 Die praktische Konsequenz hängt an der Aufgabe.

Bei wissensintensiven Aufgaben mit hoher Verantwortung – dort, wo Antworten weiterverarbeitet, zitiert oder als Entscheidungsgrundlage genutzt werden – ist eine selbstbewusst falsche Antwort schädlicher als ein “weiß ich nicht”. Hier zählt Abstinenzbereitschaft mehr als Wissensbreite. Auf dieser Achse ist GPT-5.5 dafür das schwächere Werkzeug, obwohl es im aggregierten Index führt.

Genauigkeit misst, was ein Modell aus seinen Daten korrekt wiedergibt. Halluzinationsrate misst, ob es zeigt, was es nicht weiß.

Das eine ist Wissen. Das andere ist Urteilskraft.

Hier geht es zum Beitrag auf LinkedIn: GPT-5.5 und Halluzinationen

, ,

Promptest du noch oder denkst du schon?

Prompten kann am Ende fast jeder. Denken bleibt die anspruchsvollere Aufgabe – auch mit KI.

Prompten allein macht dich noch nicht kompetent im Umgang mit KI. Trotzdem scheint hier auf LinkedIn aber auch in vielen Unternehmen: Wer prompten kann, gilt als kompetent, wer viele KI-Tools integriert, als fortgeschritten. KI-Kompetenz wird fast ausschließlich technisch verstanden. Dieses Verständnis führt aber zu einem Problem, das sich u.a. in AI Slop zeigt.

Denn Bedienungskompetenz (das technische Wie) ist nicht identisch mit Urteilskompetenz: der Frage, ob und wie der Einsatz im konkreten Fall sinnvoll ist (das konzeptionelle Wie). Beides gehört zur KI-Kompetenz und oft entscheidet über die Qualität der Ergebnisse nicht der nächste perfekte Prompt,

Wer ein Tool effizient bedient, hat damit noch keine Aussage darüber getroffen, ob der Einsatz in der konkreten Situation angemessen oder überhaupt sinnvoll ist. In der Praxis fallen beide Fragen häufig zusammen, weil das Bedienen-Können mit dem Bedienen-Sollen verwechselt wird.

Ein Beispiel aus der Schreibarbeit verdeutlicht was ich ausdrücken möchte: Viele Texte entstehen (auch inhaltlich, nicht nur stilistisch) erst durch das Schreiben selbst. Die Formulierung präzisiert den Gedanken, die Suche nach dem richtigen Wort verändert das Argument. Wer diese Arbeit komplett an die KI auslagert, bekommt einen Text, aber keinen Erkenntnisgewinn. Die Auslagerung ist nicht per se falsch. Sie ist nur etwas anderes, als sie auf den ersten Blick zu sein scheint.

Was aktuell als AI Slop diskutiert wird, ist Symptom dieses verkürzten Kompetenzbegriffs. Texte ohne erkennbare Urheberschaft, ohne erkennbares Anliegen, technisch sauber generiert aber inhaltlich leer. Sie entstehen nicht, weil jemand nicht gut prompten konnte, sondern weil die vorgelagerte Frage – sollte dieser Text überhaupt geschrieben werden und wenn ja wie – nicht gestellt wurde.

Urteilskompetenz bedeutet, solche Fragen in den Kompetenzbegriff einzuschließen: sowohl die nach dem Ob als auch die nach dem Wie des Einsatzes. Sie ist keine Skepsis-Haltung und keine Ablehnung, sondern die Bedingung, unter der die Bedienungskompetenz überhaupt Wert erzeugt.

Wer nur KI nur bedient ohne die dafür notwendige Urteilskompetenz, beherrscht einen Hebel, ohne den Mechanismus zu verstehen.

Gemeint ist die Unterscheidung zweier Aufgabentypen: Beim Formatieren einer Tabelle oder Übersetzen eines Textes zählt allein das Ergebnis. Beim Schreiben, Denken oder Urteilen liegt der Wert dagegen im Tun selbst, denn was sich dabei formt, lässt sich aus dem fertigen Output nicht mehr ableiten. Wer hier blind generieren lässt, eliminiert genau diesen Wert und verwechselt Effizienzgewinn mit Erkenntnisgewinn.

Daraus folgt nicht, dass KI bei dieser zweiten Aufgabenart außen vor bleiben muss. Die Frage darf nur nicht beim Ob enden: Auch das Wie des Einsatzes ist wichtig und verlangt mehr als das Übernehmen vorgefertigter Prompts.

Hier geht es zum Beitrag auf LinkedIn: GPT-5.5 und Halluzinationen

Link zu: Get in touch

Noch Fragen?

Email: KI@initiative-neuland.de
Telefon: +49 8802 9149923

Kontaktformular

Initiative Neuland | Kathrin Lückenga

Initiative Neuland mit Sitz in Bayern bietet Dienstleistungen in ganz Deutschland, einschließlich, aber nicht beschränkt auf die Städte München, Garmisch-Patenkirchen, Murnau, Weilheim, Köln, Hamburg, Frankfurt.

DISCLAIMER

Die auf dieser Website enthaltenen Informationen dienen nur allgemeinen Informationszwecken. Die Informationen werden von Initiative Neuland bereitgestellt und während wir uns bemühen, die Informationen auf dem neuesten Stand und korrekt zu halten, geben wir keine Zusicherungen oder Gewährleistungen jeglicher Art, weder ausdrücklich noch stillschweigend, über die Vollständigkeit, Genauigkeit, Zuverlässigkeit, Eignung oder Verfügbarkeit in Bezug auf die Website oder die Informationen, Produkte, Dienstleistungen oder verwandte Grafiken auf der Website für jeden Zweck.

Home |Impressum & Datenschutz | Fakten | Kontakt | AGB

© 2025 Initiative NEULAND