Prompt mich mal! — Der Podcast über KI, ChatGPT & kreative Prompts

In dieser Folge geht es um nichts Geringeres als die mögliche Zukunft des Lernens: Die Neuerfindung des Lehrbuchs durch KI.
Googles neue Plattform Learn Your Way nutzt das speziell entwickelte Bildungsmodell LearnLM, um aus traditionellen, starren Lehrbuchtexten personalisierte Lernumgebungen zu machen. Das System passt Inhalte an das Vorwissen, das Alter, das Lernziel und sogar die Interessen der Lernenden an – und erzeugt dazu eine große Bandbreite an Formaten: interaktive Quizze, Audio-Lektionen, Mindmaps, erzählte Folien und vieles mehr.Pädagogische Experten bestätigten in einer umfassenden Evaluation die hohe didaktische Qualität der KI-generierten Inhalte. Eine randomisierte kontrollierte Studie zeigt außerdem: Die Lernenden erzielen signifikant bessere Ergebnisse, besonders bei der langfristigen Wissensspeicherung.Learn Your Way ist damit ein wichtiger Schritt in Richtung wirklich personalisierter Bildung – weg vom Einheitslehrbuch, hin zu flexiblen, adaptiven Lernpfaden, die sich jedem einzelnen Schüler anpassen

In dieser Folge geht es um eine unbequeme Wahrheit: Menschen können KI-Texte kaum von menschlich geschriebenen unterscheiden.
Sechs Studien zeigen, dass selbst geschulte Lehrkräfte, Lektoren und Gutachter beim Erkennen von KI-Inhalten kaum besser abschneiden als beim Raten. Automatisierte Erkennungstools sind zwar zuverlässiger – aber auch sie sind weit von Perfektion entfernt.Parallel dazu ist die Menge an KI-generierten Artikeln im Internet inzwischen größer als die der menschlich verfassten Texte. Allerdings tauchen diese KI-Artikel nicht proportional in Suchmaschinen auf – ein Hinweis darauf, dass KI-Content zwar massenhaft erzeugt, aber nicht gleichmäßig ausgespielt wird.Eine weitere Studie untersucht die Frage: Wie wirken KI-Texte auf Menschen?
Das Ergebnis: KI-generierte Inhalte – etwa in Werbung oder politischen Kampagnen – werden oft als genauso gut oder sogar besser bewertet als menschliche. Menschen haben zwar einen leichten „menschlichen Favoritismus“, aber keine echte Abneigung gegen KI-Texte.Die Quintessenz:
Wir erkennen KI nicht. Wir nutzen KI-Inhalte ständig. Und wir bewerten sie erstaunlich positiv.

In dieser Folge werfen wir einen klaren Blick darauf, was moderne KI wirklich kann – und wo ihre Grenzen liegen.
Der Text zeigt, wie stark Modelle geworden sind: Sie programmieren Apps über natürliche Spracheingabe, analysieren Videos, erstellen Infografiken und kombinieren Text, Bild und Audio in einem Arbeitsgang. Zentrale Anwendungsfelder werden beschrieben, darunter Coding, multimodale Analyse und schnelle Prototypenentwicklung.Gleichzeitig macht der Bericht deutlich, dass KI noch weit davon entfernt ist, ein perfektes Universalwerkzeug zu sein. Sobald es um komplexe Tabellen, mathematische Präzision oder datenintensive Berechnungen geht, bleiben klassische Tools wie Excel oder spezialisierte Skripte weiterhin überlegen.
Das Fazit: KI entwickelt sich rasant weiter und ergänzt menschliche Expertise beeindruckend – aber sie bleibt ein Werkzeug, kein allwissender Ersatz.

Mit Gemini 3 präsentiert Google sein bisher fortschrittlichstes KI-Modell und setzt damit einen neuen Standard für die Entwicklung künstlicher allgemeiner Intelligenz (AGI). Das Modell beeindruckt durch verbesserte logische Schlussfolgerungen, leistungsfähige Multimodalität und die Fähigkeit, komplexe Aufgaben als Agent selbstständig auszuführen. Besonders hervorzuheben ist der neue Deep-Think-Modus, der Gemini 3 zu deutlich fundierteren Antworten befähigt. Mit der Einführung der Entwicklungsplattform Google Antigravity öffnet Google zugleich neue Türen für Entwickler und Unternehmen, die auf KI-gestützte Automatisierung setzen. Gleichzeitig legt der Konzern großen Wert auf Sicherheit und verantwortungsvolle Anwendung. Gemini 3 ist ab sofort in diversen Google-Produkten sowie für externe Entwickler verfügbar – und verspricht, Lernen, Arbeiten und Kreieren mit KI neu zu definieren.

In dieser Folge schauen wir uns einen ganz praktischen Use Case für KI an: Urlaubsplanung mit Claude – und zwar mit dem neuen Modell Sonnet 4.5.
Statt stundenlang Google, Tripadvisor & Co. zu durchforsten, kannst du Claude einfach fünf Reiseziele nennen – und bekommst daraufhin eine professionelle Vergleichstabelle, komplett mit Heatmaps, Kostenanalysen, Logistikdaten und sogar Präsentationsvorlagen.
Wir sprechen über den genauen Ablauf: von der Eingabe über die Dateierstellung bis zur späteren Verfeinerung oder Routenplanung. Außerdem gibt’s Tipps, wie du aktuelle Daten über Web Search einbeziehst und wie du die Ergebnisse weiterverwenden kannst – zum Beispiel für eine Familienabstimmung oder ein Travel Pitch Deck.
Kurz gesagt: KI macht auch vor Urlaubsplanung nicht halt – und das ziemlich gut.

GPT-5.1 ist da – und bringt gleich zwei neue Modelle ins Spiel: Instant und Thinking. Während Instant auf Geschwindigkeit, Gesprächigkeit und Empathie optimiert wurde, geht Thinking einen anderen Weg: Es passt seine Rechenzeit je nach Komplexität an, denkt also länger bei schwierigen Fragen – und antwortet schneller bei einfachen. Die neue Generation ChatGPT wirkt dadurch nicht nur klüger, sondern auch menschlicher.
Außerdem können Nutzer jetzt Antwortstil und Tonfall individuell einstellen – also zum Beispiel sagen: „Antworte freundlich und kreativ“.
Spannend, aber auch sensibel: Die neuen Sicherheitsfeatures nehmen erstmals Risiken rund um mentale Gesundheit und emotionale Abhängigkeit ins Visier.
In dieser Folge klären wir, was GPT-5.1 wirklich verändert – für die Kommunikation, für die Nutzenden und vielleicht auch für unser Verhältnis zu KI.

2025 nutzen fast alle Unternehmen künstliche Intelligenz – doch der große Durchbruch bleibt vielerorts aus. Der aktuelle McKinsey Global Survey zur Lage der KI zeigt: Ja, KI-Agenten boomen, und auch das Potenzial für Innovation und Kundenzufriedenheit wird erkannt. Aber: Die unternehmensweite Skalierung und die messbare finanzielle Wirkung stehen noch ganz am Anfang. Erfolgreiche Unternehmen – sogenannte "KI-Hochleistungsträger" – verfolgen andere Ziele: Sie setzen nicht nur auf Effizienz, sondern auf Wachstum, Innovation und tiefgreifende Prozessveränderungen. Doch über die Auswirkungen auf Jobs herrscht weiter Uneinigkeit. In dieser Folge klären wir: Wo steht die KI wirklich? Und was unterscheidet diejenigen, die von ihr profitieren, von denen, die nur experimentieren?

Wie verhalten sich große Sprachmodelle (LLMs), wenn es nicht nur um Fakten, sondern um Fairness geht? In dieser Folge geht es um eine neue Studie, die zeigt, dass Sprachmodelle in sozialen Dilemmata überraschend menschlich reagieren – und nicht immer zum Guten. Wenn Modelle wie GPT-o1 dazu gebracht werden, bewusst nachzudenken (etwa über Chain-of-Thought-Techniken), steigt ihre Neigung, egoistisch zu handeln. Die Modelle beginnen zu rechnen, kalkulieren ihren Nutzen – und verzichten auf Kooperation. Damit spiegeln sie ein altes menschliches Muster: spontanes Geben versus strategisches Nehmen. Gruppen mit „denkenden“ Modellen erzielen in Simulationen geringere Gesamterträge. Was das über KI, Moral und kollektives Verhalten aussagt – und warum soziale Intelligenz in Zukunft mittrainiert werden muss, das erfahrt ihr in dieser Episode.

In dieser Folge geht’s um die automatisierte Entstehung eines Podcasts – und zwar nicht nur im Sinne von Textgenerierung, sondern als strukturierter Workflow von der Themenrecherche bis zur Veröffentlichung. Eine eigens programmierte KI-Pipeline scannt täglich aktuelle Themen, sucht passende Quellen und speichert sie in einer Datenbank. Nach manueller Quellenprüfung – bevorzugt wissenschaftliche Artikel – wird ein Skript erstellt. Danach übernimmt ChatGPT die Verfeinerung: Titel, Untertitel, Metadaten und Zusammenfassung. Erst nach einem letzten Check auf sprachliche und inhaltliche Ausreißer wird die fertige Episode hochgeladen. Das Ergebnis: Ein Podcast, der inhaltlich kuratiert und trotzdem hochautomatisiert produziert wird.

Wie höflich muss man eigentlich zu einer KI sein, damit sie richtig antwortet? Eine neue Studie hat genau das untersucht – und kommt zu einem überraschenden Ergebnis: Unhöfliche Prompts führen bei ChatGPT-4o zu besseren Antworten als höfliche. Getestet wurde mit Multiple-Choice-Fragen in unterschiedlichen Tonlagen – von sehr freundlich bis sehr schroff. Die schrofferen Prompts schnitten mit bis zu 84,8 % Genauigkeit besser ab als höfliche Varianten. Das widerspricht früheren Studien und wirft neue Fragen über die Art auf, wie KI auf Sprachstil reagiert. Die Forschenden warnen jedoch: Effizienz durch Unhöflichkeit ist keine Lösung, sondern ein Hinweis darauf, wie stark Sprachmodelle auf oberflächliche Formulierungen reagieren.