# Modelle, Kontext und falsche Antworten

Taiga Learning · Arbeitsblatt
https://taiga.training/de/lessons/models-context/

Nutzen Sie fiktive oder freigegebene Informationen. Tragen Sie keine Secrets in dieses Arbeitsblatt ein.

## Lernziele
- Modellfähigkeit und Zugriff auf aktuelle Fakten unterscheiden.
- Erkennen, wann eine fehlende Vorgabe eine sonst plausible Antwort verändert.
- Prüfbare Nachweise verlangen.

## Übung
Wählen Sie eine kleine Funktion, die Sie verstehen. Verwenden Sie Code ohne sensible Informationen.
1. Bitten Sie ein freigegebenes KI-Werkzeug, die Funktion zu erklären.
2. Liefern Sie den Aufrufer und einen fehlgeschlagenen Test.
3. Lassen Sie das Werkzeug seine Erklärung überarbeiten.
4. Notieren Sie die geänderte Aussage und den Nachweis, der sie verändert hat.
5. Halten Sie verbleibende Unsicherheiten fest.

## Ihre Antwort
- Szenario und Umfang:
- Annahmen und offene Fragen:
- Vorgeschlagene Antwort oder Entscheidung mit Begründung:

## Prüfen Sie Ihre Antwort
| Aussage oder Kriterium | Nachweis oder Test | Ergebnis oder Lücke | Verantwortung |
| --- | --- | --- | --- |
| | | | |
| | | | |
| | | | |

## Nächste Handlung
- Handlung, Verantwortung und Datum:
- Wann werden Sie diese Antwort erneut prüfen?

## Beizubehaltendes Prinzip
Nützliche Ergebnisse brauchen Fähigkeiten und die richtigen Aufgabeninformationen. Eine klare Erklärung belegt nicht, dass das Modell seine Annahmen geprüft hat.

## Quellen
- [NIST: Generative AI Profile, AI 600-1](https://doi.org/10.6028/NIST.AI.600-1)

Dieses Arbeitsblatt unterstützt das Lernen. Seine Bearbeitung autorisiert für sich genommen keine Produktionsänderung.