BiblionetzTopicListe

@ANFANG 26 July 2026 WasUnterdessenBereitsMeinBuechergestellKan Was unterdessen bereits mein Büchergestell kann

Dies ist eher eine Notiz für mich selbst - oder ein Eintrag in meinem eigenen Techniktagebuch. Im April 2026 hatte ich berichtet, dass ich mir einen Mac Mini für Experimente mit lokalen generativen Machine-Learning-Systemen (LGMLS, Biblionetz:w03773) gekauft hatte.

Erstaunlich, was diese Modelle bereits können. Ich habe meinen lokalen Chatbot gefragt:

Und das war die Antwort des Modells:

@ENDE

@ANFANG 22 July 2026 QualitaetslabelFuerEdTechSoftware Qualitätslabel für EdTech-Software?

In letzter Zeit häufen sich die Anfragen nach einer Art Qualitätslabel für Software und Plattformen, die für Bildungszwecke verwendet werden. Lehrpersonen, Schulleitungen und Bildungsbehörden auf verschiedenen Stufen sind verständlicherweise überfordert von der Flut an digitalen Angeboten, die versprechen, das Lernen zu verbessern. Da wäre es doch sehr hilfreich, es gäbe ein entsprechendes, einfach verständliches Qualitätslabel und eine Behörde, welche solche Produkte prüft und labelt.

Ich verstehe diesen Wunsch. Ich zweifle jedoch, ob ein solches Qualitätslabel praktisch umsetzbar wäre und es der Schulpraxis tatsächlich helfen würde.

Hier ein erster Entwurf meiner Vorbehalte:

1. Ein Hauch von Technikdeterminismus

Wer ein Qualitätslabel für EdTech-Software vorschlägt, postuliert damit bis zu einem gewissen Grad, dass EdTech-Software unabhängig vom Kontext, in welcher sie eingesetzt wird, gewisse Wirkungen haben wird. Dies entspricht einem gewissen Technikdeterminismus (Biblionetz:w02180). Software lässt sich aber sehr unterschiedlich einsetzen - unter anderem hängt dies von den Absichten und Kompetenzen der Beteiligten ab.

Aus eigener, bitterer Erfahrung: Ich habe lernen müssen, dass auch ein extrem offenes und unstrukturiertes Wiki, das sich sehr für kollaboratives Arbeiten eignen würde, von Lehrpersonen zu einem extrem strukturierten und eingeschränkten Werkzeug umgestaltet wurde. Wenig von dem, was man dem Werkzeug Wiki zuschreiben würde, kam in diesen Fällen in der Schulpraxis an. Der Wiki-Weg des Lernens (Biblionetz:b05000) ist ein Angebot der Plattform - es hängt vom Kontext ab, ob dieses Potenzial im konkreten Fall genutzt wird.

2. Pädagogische Komplexität

Unterricht ist ein komplexes Phänomen. Es ist nicht einfach, ein allgemein akzeptiertes Instrument zur Beurteilung von Unterrichtsqualität zu finden (bereits Konsens über die Bedeutung einzelner Begriffe ist schwierig zu erreichen - wer das nicht glaubt, soll es mal mit selbstreguliertem Lernen oder computational thinking versuchen). Für unseren Bericht Digitale Lernplattformen in der Volksschule (Biblionetz:b08000) haben wir uns nach längeren Diskussionen für das Main-Teach-Modell 2.0 von Praetorius et al. (2023) entschieden - ich weiss aber z.B. nicht, ob diese Strukturierung von Unterrichtsqualität auch in der Romandie und im Tessin geteilt wird.

Selbst wenn man sich auf ein solches Modell einigt, ist die Einschätzung einer Software anhand dieser Aspekte umfangreich, anspruchsvoll und nur schwer objektiv umzusetzen. Im Vergleich zu gedruckten Lehrmitteln früherer Zeiten ist die didaktische Komplexität bei digitalen Produkten grösser geworden:

Sowohl bei gedruckten Lehrmitteln, Lernsoftware als auch Apps/Plattformen gilt es, die inhaltliche und didaktische Qualität des Contents zu prüfen. Bei Lernsoftware und Apps/Plattformen kommt dazu noch die Qualität der möglichen Interaktionen zwischen Produkt und Lernenden und bei Apps/Plattformen muss auch die Qualität der möglichen Interaktionen zwischen Menschen berücksichtigt werden.

Während bei einem gedruckten Lehrmittel vollständige Transparenz herrscht, was den Inhalt und die Funktionalität anbelangt, fehlt diese bei digitalen Produkten. Ist das digitale Produkt nicht als Open Source verfügbar, lässt sich nicht herausfinden, wie es in einer bestimmten Situation reagieren wird. Die Integration von generativen Maschine-Learning-Funktionen macht die Situation noch intransparenter.

3. Technische Komplexität

Wir haben in der Schweiz Erfahrung mit der Beurteilung von Lehrmitteln: Die interkantonale Lehrmittelzentrale (ilz) organisiert seit mehr als 50 Jahren die Beurteilung von gedruckten Lehrmitteln. Doch mit der Digitalisierung nimmt die technische Komplexität der Produkte massiv zu, was wiederum den Beurteilungsaufwand massiv erhöht:

4. Juristische Komplexität

Auch bezüglich einer juristischen Einschätzung weisen digitale Produkte eine deutlich höhere Komplexität auf als bisherige gedruckte Schulbücher: War früher primär das Urheberrecht zu berücksichtigen, spielt heute insbesondere das Datenschutzrecht eine Rolle - das einerseits kantonal unterschiedlich geregelt ist und gelebt wird und angesichts technischer und politischer Entwicklungen auch öfters neu beurteilt werden muss (Juli 2026: Urteil des Supreme Court zur Unabhängigkeit der FTC - welche Folgen hat das bezüglich Zulässigkeit einer Datenspeicherung in den USA?).

Zwischenfazit zur Komplexität: Dilemma zwischen Einfachheit und Ausführlichkeit

Bereits bei bisherigen Versuchen, Lernsoftware zu beurteilen ergab sich aufgrund der zunehmenden Komplexität ein Dilemma: Entscheidungsträger:innen im Bildungswesen sind meist auf der Suche nach einem einfach handhabbaren Instrument, das aber mitunter die in der Realität vorhandene Komplexität nicht abbildet. Ich zweifle, ob diesbezüglich ein allgemein akzeptierter Kompromiss gefunden werden kann.

Zur Illustration: In unserem Bericht zu Lernplattformen haben wir versucht aufzuzeigen, wie divers Lernplattformen sein können - sprich in wie vielen Dimensionen sie sich unterscheiden können. Nach vielen, vielen Diskussionen ist eine Liste entstanden, die zwar unsere Aussage Lernplattformen sind divers belegt, sich aber nicht zur vollständigen Charakterisierung von Lernplattformen eignet und von der wir noch nicht wissen, ob sie ausser von uns Autoren des Berichts von jemand anderem als nützlich betrachtet und in irgendeiner Form verwendet werden wird:

5. Produktanzahl und Aktualisierungsgeschwindigkeit

Der Aufwand zur Beurteilung gedruckter Lehrmittel war bisher unter anderem leistbar, weil die Zahl der gedruckten Lehrmittel vergleichsweise überschaubar war und diese während Jahren unverändert blieben - dementsprechend war auch eine Lehrmittelbeurteilung während längerer Zeit aktuell. Auch dies änderte mit der Digitalisierung. Apps und Websites sind deutlich zahlreicher und werden vor allem fortlaufend aktualisiert, entsprechend können Beurteilungen und Labels mit der Publikation veraltet sein.

6. Marktproblematik I: Kritik ist heikel

Bereits bei der Lehrmittelbeurteilung durch die ilz wissen wir, dass Kritik an Lehrmitteln heikel ist. Wer getraut sich, öffentlich Lehrmittel zu kritisieren in Qualitäts-Dimensionen die einen gewissen Ermessensspielraum enthalten? Wer hat die Kapazität, bei entsprechenden Konflikten dazustehen und sich gegebenenfalls auch gegen juristische Angriffe wehren zu können? Es ist kein Zufall, dass die detaillierten Lehrmitteleinschätzungen der Kantone nicht öffentlich einsehbar sind.

7. Marktproblematik II: Welche Produkte werden beurteilt?

Abhängig davon, ob die Beurteilung etwas kosten wird für Anbieter:innen, wie viele Produkte beurteilt werden können und wer die Auswahl trifft, wird ein solches Label nicht das gesamte Angebot abdecken und somit eventuell die Marktübersicht verzerren.

8. Illusion der grünen Wiese

Heute müssen neue EdTech-Lösungen zur bisherigen digitalen Umgebung einer Schule passen - was weit über das vorherrschende Betriebssystem hinausgeht. Die Wahl neuer EdTech-Lösungen geschieht somit nicht rein aufgrund der Qualitätsdimensionen eines Produkts, sondern stark abhängig von vorhandener Infrastruktur, bereits vorhandenen EdTech-Lösungen und den Kompetenzen der Beteiligten.

Diese Erkenntnis senkt die Bedeutung eines Qualitätslabels: Die Qualitätskriterien eines Produkts sind nur zum Teil ausschlaggebend für dessen Wahl. Passungen zu bisherigen Systemen oder Kompetenzen der Lehrpersonen und Systembetreuenden spielen ebenfalls eine Rolle.

9. Aktuelle GMLS-Entwicklungen noch unberücksichtigt

Die Idee eines EdTech-Qualitätslabels geht davon aus, dass es einigermassen stabile Produkte von Anbieter:innen gibt, die vielfach in identischer Ausführung verwendet werden. Aktuelle Entwicklungen im Bereich generativer Machine-Learning-Systeme verändern eventuell diese Ausgangslage: Es ist möglich, dass mehr Menschen mit Hilfe von GMLS Software für Lehr- und Lernzwecke herstellen (lassen) und somit nicht nur die Zahl der Produkte ansteigt, sondern vielleicht auch die Zahl der Nutzungen einer spezifischen Software sinkt. Zudem könnten GMLS-Anteile in EdTech-Lösungen deren Beurteilung durch Aussenstehende weiter erschweren, da die Systeme noch dynamischer als bisher agieren könnten.

Mein Fazit: Wünschbar, aber nicht realistisch umsetzbar und an der Schulrealität vorbei

Alle diese Aspekte führen mich aktuell zur Überzeugung, dass eine zentralisierte oder föderierte Beurteilung von EdTech-Produkten nicht so umsetzbar ist, dass es der Schulpraxis wirklich weiterhilft. So wünschbar ein solches Werkzeug wäre, ich glaube nicht an die Umsetzbarkeit in einer Art und Weise, die Entscheidungsträger:innen etwas bringt.

Was ist die Alternative?

Mich treibt insbesondere der Glaube an die Formalisierbarkeit und evtl. sogar Quantifizierbarkeit hinter der Idee eines EdTech-Qualitätslabels um. Entsprechende Überlegungen, welche digitalen Werkzeuge und Umgebungen für bestimmte Ziele und Kontexte vermutlich hilfreicher sein könnten als andere, sind hingegen sehr wichtig. Ich gehöre zur Fraktion, die seit längerem postuliert, dass das Digitale nicht neutral ist. Für mich sollten aus diesem Grund die entsprechenden Ressourcen eher verwendet werden zur Erforschung von Zusammenhängen sowie zur Publikation von entsprechenden Modellen, Fragekatalogen und Empfehlungen mitsamt der notwendigen Weiterbildungen und Diskussionen mit Entscheidungsträger:innen. Aber bitte keine Objektivität suggerieren, die sich nicht umsetzen lässt. @ENDE

@ANFANG 15 July 2026 SprossenVerlust Sprossenverlust

Es ist Sommerpause. Zeit um Gedanken und Begriffe zu ordnen. Seit längerem sehe ich Parallelen zwischen zwei möglichen Gefahren von generativen Machine-Learning-Systemen (Biblionetz:w02833). Da ich bisher keine Quelle gefunden habe, welche die beiden Gefahren nebeneinanderstellt und Ähnlichkeiten aufzeigt, habe ich mir kürzlich die Zeit genommen und zuerst alleine und dann mit anderen darüber nachgedacht sowie Begriffe erfunden:

• Auf der individuellen Ebene kann es zu einer Kompetenzaufbau-Lücke (Biblionetz:w03804) führen, wenn junge Menschen GMLS als Abkürzung (Biblionetz:w03717) einsetzen. Dieses Phänomen wird mit verschiedenen Begriffen bezeichnet (z.B. skill skipping, accumulation of cognitive debt, metacognitive laziness ).
• Auf der organisationalen Ebene kann es zu einer Erfahrungsaufbau-Lücke (Biblionetz:w03805) für Unternehmen führen, wenn diese keine jungen Mitarbeitenden mehr einstellen, sondern auf GMLS setzen, da dadurch kein Erfahrungswissen in der Organisation mehr aufgebaut wird.

In meinem aktuellen Begriffsverständnis kann sich eine Kompetenzaufbau-Lücke ergeben, wenn GMLS wiederholt als Abkürzung verwendet werden. Die beiden Begriffe sind für mich somit keine Synonyme. GMLS als Abkürzung ist für mich zudem ein Spezialfall von cognitive offloading, das auch unabhängig von GMLS mit Notizheft, Taschenrechner, Kalender etc. stattfindet.

Ich bin u.a. gefragt worden, warum ich nicht beide Ausprägungen als Kompetenzaufbau-Lücken bezeichnen würde. In der Ausbildung geht es darum, alle Facetten einer Kompetenz aufzubauen. Bei jungen Mitarbeitenden eines Unternehmens geht man davon aus, dass sie sich vor allem in der Erfahrung von älteren Arbeitnehmenden unterscheiden. Aus diesem Grund habe ich bei der Organisation die Erfahrung ins Zentrum gestellt. Es geht auch darum, dass die Unternehmens-DNA verloren geht: Niemand weiss mehr, wie das Unternehmen tickt. Diese Sozialisierung / Branchenerfahrung war mir bei der Begriffsprägung wichtig.

@ENDE

@ANFANG 11 July 2026 KuehlstrategienEmpirischBelegen Kühlstrategien empirisch belegen

Unser Sohn hat das Pech, einen Wissenschaftler und Smarthome-Nerd als Vater zu haben. Er hätte gerne eine Klimaanlage in seinem Zimmer und ich argumentiere mit Temperaturkurven, welche mir mein Smarthome aufgezeichnet hat.

Derzeit ist ja überall recht heiss und wir spüren das im obersten Stockwerk eines alten Hauses sehr. Smartes Temperaturmanagement ist angesagt. Wir öffnen alle Fenster über Nacht und stehen dann halt gegen fünf Uhr in der früh kurz auf, wenn uns das erste Sonnenlicht weckt und schliessen die Rollläden. Ausser unser Sohn. Der möchte bereits um Mitternacht sicherstellen, dass es am Morgen dunkel bliebt und schliesst deshalb die Fensterläden bereits um Mitternacht, will uns aber nicht glauben, dass dies einen wesentlichen Einfluss auf die Zimmertemperatur hat.

Dummerweise wohnt er aber mit einem Wissenschaftler und Smarthome-Nerd (Biblionetz:w02497) zusammen, der ihm diesen Zusammenhang empirisch nachweisen kann. In der unteren Grafik ist die Zeit zwischen 21 Uhr und 3 Uhr morgens zu sehen. Die grüne und die rote Linie zeigen den Temperaturverlauf von zwei Zimmern, in denen die Rolläden oben und die Fenster offen sind. Die blaue Kurve zeigt die Temperatur im Zimmer des Sohnes, der um ca 22:30 die Rollläden öffnet, sie aber kurz vor Mitternacht wieder schliesst.

Der Antrag auf eine Klimaanlage ist somit vorderhand abgelehnt. @ENDE

@ANFANG 30 May 2026 DemComputerSagenWasEr3DDruckenSoll Dem Computer sagen, was er 3D-drucken soll

Viele stellen sich unter generativen Machine-Learning-Systemen (GMLS)(Biblionetz:w02833) noch immer Chatbots vor, die einfach Textantworten liefern. Ich habe kürzlich Claude erklärt, welches 3D-Modell ich gerne drucken möchte. Eigentlich banal, aber eben doch ungewohnt: Claude kann fertige Druckdateien (.stl) generieren, die man danach dem 3D-Drucker (Biblionetz:w02365) seiner Wahl verfüttern kann. Dies ist für mich ein schönes Beispiel für Digitalisierung denn es lassen sich eben nicht nur Texte, Bilder, Töne oder Videos digital repräsentieren, sondern auch dreidimensionale Modelle, die man danach ausdrucken kann.

Hier als Dokumentation, was ich gemacht habe:

Ich habe Claude gefragt:

Claude antwortete:

Da ich mit dem Ergebnis noch nicht zufrieden war, antwortete ich

und Claude tat wie befohlen:

Erstellen von geometrischen Objekten durch sprachliche Beschreibung - Keine Nutzung einer CAD-Software, kein Kenntnisse von trigonometrischen Funktionen notwendig.

@ENDE

@ANFANG 30 May 2026 WieSollIchAufProblematischeWissenschaftlichePublikationenReagieren Wie soll ich auf problematische wissenschaftliche Publikationen reagieren?

In unserer Publikation Digitale Lernplattformen in der Volksschule (Biblionetz:b08000) haben Michael Hielscher, Lennart Schalk, Michael Seemann und ich zu generativen Machine-Learning-Systemen geschrieben, dass empirische Studien angesichts der Novität und Dynamik des Themas rar und entsprechende (Meta-)Studien mit Vorsicht zu geniessen seien:

Am 22. April 2026 hat Springer Nature beschlossen, eine der beiden Metastudien zurückzuziehen. Unsere Aufforderung zur Vorsicht war somit in diesem Fall berechtigt. Was mich jedoch derzeit umtreibt: Das ist kein Einzelfall. In den letzten Monaten begegne ich gehäuft vielzitierten und in Massenmedien rezipierten wissenschaftlichen Publikationen, die ich nach genauerer Betrachtung für problematisch halte, weil sie massive Fehler enthalten oder gar gefälscht scheinen. Dies stellt mich vor die Frage, wie ich mit solchen Publikationen umgehen soll.

Wissenschaftlich problematische Publikationen sind kein neues Phänomen. Schon immer gab es Publikationen mit kleineren oder grösseren Fehlern, die durch das peer review (Biblionetz:w01890) nicht aufgedeckt wurden. Dahinter muss keine böse Absicht stecken, es können auch Flüchtigkeitsfehler oder mangelnde Kompetenz zu solchen Publikationen führen. Ebenfalls nicht neu sind aber absichtlich geschönte oder gar gefälschte wissenschaftliche Paper, sprich Wissenschaftsbetrug (Biblionetz:w03788). Ich sehe dafür mehrere mögliche Motive:

1. Die eigene Wissenschaftskarriere vorantreiben: Weil in der akademischen Welt oft Publikationen als Gradmesser der wissenschaftlichen Leistungsfähigkeit angesehen werden, führt dies zu einem gewissen Publikationsdruck, der unter Publish or perish (Biblionetz:w02508) bekannt ist (sozusagen die akademische Version der Aufmerksamkeitsökonomie. Diese Mechanismen sind alt und wohldokumentiert:
   
    
2. Eigenes Einkommen oder Reputation erhöhen: Will man Bücher oder Vorträge verkaufen, macht es sich nicht schlecht, wenn man dabei auf eigene wissenschaftliche Publikationen verweisen kann. Das verleitet gewisse Menschen dazu, da ein bisschen nachzuhelfen oder Publikationsprozesse zu beschleunigen.
    
3. Die eigene Agenda im öffentlichen Diskurs mit wissenschaftlichen Erkenntnissen untermauern: In politisch umstrittenen Themenbereichen wird auch schon seit langem versucht, die öffentliche Wahrnehmung mit scheinbar wissenschaftlichen Erkenntnissen zu beeinflussen. Das wohl bekannteste Beispiel betrifft nicht eine Einzelperson, die ihre politische Sichtweise mit wissenschaftlichen Publikationen stützen will, sondern eine ganze Branche: Die Tabakindustrie hat Wissenschaftler:innen dafür bezahlt, Forschungsergebnisse zu publizieren, die nahelegen, dass Tabak nicht gesundheitsschädlich sei (siehe Biblionetz:w03317). Da ich mich im politisch umstrittenen Themenfeld "Digitalisierung und Bildung" bewege, begegne ich auch Publikationen, bei denen ich entsprechende Motive vermute.

Generative Machine-Learning-Systeme (GMLS) haben die Problematik vergrössert, denn der Aufwand, um sich auf den ersten Blick seriös klingende Artikel inkl. Literaturliste schreiben zu lassen, ist massiv gesunken - entsprechend zahlreich sind auch die Geschichten um plump gefälschte Paper.

Wie soll ich nun konkret damit umgehen, wenn mir entsprechend problematisch Publikationen begegnen?

A) Soll ich reagieren?

Es gibt Gründe, warum ich bei problematischen wissenschaftlichen Publikationen reagieren sollte:

• Ruf der Wissenschaft: Es schadet längerfristig der Wissenschaft, wenn problematische Publikationen nicht beanstandet, korrigiert oder zurückgezogen werden. Es wäre kurzfristig zu denken, dass man durch das Hinweisen auf problematische Publikationen der Wissenschaft schadet (und somit zum Nestbeschmutzer wird), denn Falsifizierbarkeit und offener Umgang mit Fehlern gehört zu guter Wissenschaft. Wer schweigt, lässt nicht nur zu, dass sich problematische Publikationen weiterverbreiten, sondern duldet auch einen schlampigen Umgang im Wissenschaftsbetrieb.
• Einfluss auf politische Entscheide: Insbesondere bei Publikationen, die bei politischen Diskussionen und Entscheiden verwendet werden, scheint es mir wichtig, bei fehlerhaften oder falschen Publikationen zu reagieren. Oft sind es gerade Publikationen mit pauschalen und einfachen Ergebnissen, die in der politischen Debatte gerne aufgenommen werden (Biblionetz:a01400).
• Fairness-Überlegungen: Gerade wenn wissenschaftliche Publikationen einen Einfluss auf Drittmittel und Karriere haben können, scheint es angezeigt, unsaubere oder gar gefälschte Publikationen aus dem Verkehr zu ziehen. Es wäre ansonsten ungerecht gegenüber ehrlich und seriös arbeitenden Forschenden.

Es gibt aber auch Gründe, warum man vielleicht gerne wegschauen möchte bei solchen Publikationen:

• Die Welt voranbringen, nicht andere kritisieren: Grundsätzlich interessiert mich an meiner Arbeit, Lösungen für Herausforderungen der Menschheit zu finden. Das ist erfüllender und direkter sinnstiftend, als die Arbeit anderer zu kritisieren.
• Aufwand bei schon nur einer Publikation: Brandolinis Gesetz (Biblionetz:w03171), dass es Grössenordnungen einfacher ist, bullshit zu generieren als bullshit zu widerlegen, trifft nicht nur auf die Politik, sondern auch auf wissenschaftliche Publikationen zu. Einer wissenschaftlichen Publikation Fehler nachzuweisen, ist um einiges aufwändiger als Fehler oder Fälschungen herzustellen.
• Schiere Menge: Generative Machine-Learning-Systeme erhöhen zudem derzeit auch die Anzahl gefälschter Publikationen massiv. Deren Bekämpfung droht zu einem Fulltime-Job zu werden.
• Vermeidung des Neid-Vorwurfs: Kritisiert man öffentlich die Arbeit von Menschen, die aufgrund dieser Arbeit im Licht der Öffentlichkeit stehen, riskiert man den Vorwurf, nur neidisch zu sein: Weil man selbst nicht so bekannt / berühmt / oft zitiert sei, würde man jetzt andere kritisieren. Diesem Vorwurf kann man entgehen, indem man schweigt.
• Vermeidung von persönlichen Konflikten: Je nachdem, wie man auf problematische Publikationen anderer hinweist und welche Konsequenzen dies für andere hat, macht man sich zur Zielscheibe von Hass und anderen schlechten Gefühlen seitens der Angeschwärzten. Zu Beginn einer Wissenschaftskarriere ist dies besonders ausgepräft, weil man einerseits auf wohlwollende Empfehlungen älterer Kolleg:innen angewiesen oder gar in Abhängigkeitsverhältnissen bezüglich Anstellung und/oder Doktorat ist (Biblionetz:w03726).
• Resignation: Wenn man sieht, dass zurückgezogene Paper nicht wesentlich weniger häufig zitiert werden nach der Retraction (siehe Biblionetz:a01591), kann man sich fragen, ob sich der Aufwand dafür lohnt.

B) Wie soll ich reagieren?

Hat man sich entschlossen zu reagieren, stellt sich die Frage, wie man denn idealerweise tut. Ziel sollte in den meisten Fällen die Korrektur / Zurückziehung der problematischen Publikation und nicht der Angriff auf die Autor:innen sein (auch wenn das nicht immer klar unterscheidbar ist).

• Eine erste Reaktionsmöglichkeit ist eine direkte private Rückmeldung an die Autor:innen der Publikation. Im Idealfall erkennen die Autor:innen die Problematik und leiten entsprechende Schritte ein.
• Sind die Autor:innen uneinsichtig oder unwillig, so ist eine Rückmeldung an die entsprechende Zeitschrift ein möglicher nächster Schritt. Bei seriösen Herausgeberschaften ist dies meist zielführend. Es gibt aber auch Herausgeberschaften, die selbst wenig Interesse an einer Korrektur haben.
• Ein anderer möglicher zweiter Schritt besteht in einer Rückmeldung an die Hochschule der Autor:innen. Auch hier gilt: Bei seriösen Hochschulen sollte dies zielführend sein, bei gewissen privaten Hochschulen bin ich skeptisch, ob das nicht zum Geschäftsmodell gehört.

Was aber, wenn diese drei Varianten, welche hinter den Kulissen ablaufen und nicht direkt auf die Autor:innen abzielen, nicht weiterhelfen? Bei Autor:innen, die öffentlich bekannt sind und auch regelmässig in Massenmedien zu lesen, hören und sehen sind, stellt sich die Frage, ob es zielführend ist, Massenmedien auf problematische Aspekte gewisser Publikationen und die vergeblichen Versuche hinter den Kulissen hinzuweisen.

Mein aktuelles GMLS schlägt nach der Lektüre des Posts noch vor: "PubPeer, Retraction Watch, Replies/Kommentare in derselben Zeitschrift, Preprints mit Gegenanalyse, Fachblog)."

Habe ich etwas übersehen? Zielführende Hinweise sind willkommen!

P.S: Aus aktuellem Anlass sehe ich grad die Parallele zur Entdeckung von IT-Sicherheitslücken. Auch da sollte man ja Zeit aufwenden, um die Entwickler:innen hinter den Kulissen auf die Probleme hinzuweisen (Responsible Disclosure). Nein, IT-Sicherheitsprobleme entstehen nicht nur durch vibe-coding, aber das wäre jetzt ein anderes Posting... @ENDE

@ANFANG 17 May 2026 AkademisierungDerLehrerInnenBildung Akademisierung der LehrerInnen-Bildung Am vergangenen Samstag erschien im MAGAZIN des Tages-Anzeigers der Artikel Werdet Lehrer! (Biblionetz:t09448) von Martin Beglinger, in welchem er die Entwicklung an den Pädagogischen Hochschulen in der Schweiz kritisiert. (Martin Beglinger hat Anfang 2009 zusammen mit Remo Largo (Biblionetz:p04296) das Buch Schülerjahre (Biblionetz:b03535) herausgegeben). Zu den Hauptpunkten der Kritik gehört:

• Praxisfremde, abgehobene Ausbildung
• Massenveranstaltungen
• Zweifelhafte Forschung
• Geschenkte Professorentitel

Dieser Artikel hat wieder einmal dazu geführt, dass die Akademisierung der Lehrerinnen- und Lehrerbildung (Biblionetz:w02018) nicht nur an den Pädagogischen Hochschulen heftig diskutiert wird.

Der Spagat der LehrerInnen-Bildung zwischen Theorie und Praxis ist ja beileibe kein neues Thema. Ich habe meine Recherche nach dem Ursprung des Vorwurfs der Mickey-Mouse-Forschung an Pädagogischen Hochschulen von Lucien Criblez (Biblionetz:p03872) zum Anlass genommen, den Biblionetz-Importfilter für die Zeitschrift Beiträge zur Lehrerbildung endlich zu schreiben. Ich kann nun halbautomatisch das Archiv der BZL (siehe auch Archiv der BZL online) ins Biblionetz aufnehmen, was man derzeit am RSS-Feed des Biblionetzes leicht wird feststellen können. (Halbautomatisch, weil die Datenqualität des Archivs keine vollautomatische Erfassung zulässt: Tippfehler und unterschiedliche Konventionen, wie z.B. Titel und Untertitel getrennt werden o.ä.).

Das Lesen der Artikel nimmt mir der Importfilter jedoch nicht ab. Somit wird es noch länger dauern, bis dieses Archiv wirklich verdaut ist. Es ist jedoch auf folgenden Seiten mit neuen Einträgen zu rechnen:

• Biblionetz:w02018 Akadamisierung der LehrerInnen-Bildung
• Biblionetz:j00015 Zeitschrift Beiträge zur Lehrerbildung

Tja, und ich habe auch noch keine endgültige und entschiedene Meinung zum Thema Akademisierung der LehrerInnenbildung. Manchmal wird mit der Akademisierung übertrieben, die Kritiker scheinen mir jedoch oft auch die Verangenheit zu verklären und Wissenschaft per se als Nachteil zu interpretieren. Sicher scheint mir nur, dass die Ansprüche an die zukünftigen Lehrpersonen gewachsen sind. Wir werden noch lange über dieses Thema diskutieren...

@ENDE

@ANFANG 16 May 2026 SuchfunktionenImBiblionetzMassivAusgebaut Suchfunktionen im Biblionetz massiv ausgebaut

Die letzten Tage habe ich mich intensiver mit Claude (Biblionetz:w03768) unterhalten. Entstanden ist dabei eine Erweiterung für das Webinterface des Biblionetzes (Biblionetz:w00778). Für die Objekttypen Begriffe, Personen, Fragen und Aussagen gibt es nun eigene Suchformulare mit Autocomplete:

Es ist spannend zu erleben, was mit agentic engineering (Biblionetz:w03760) so alles relativ rasch umsetzbar ist.

@ENDE

@ANFANG 20 April 2026 BiblionetzWikiGMLSUndWasIstMeineAufgabe Biblionetz - Wiki - GMLS - und was ist meine Aufgabe?

Anfang April hat Andrej Karpathy, ein ehemaliger Mitarbeiter von OpenAI (Herstellerin von ChatGPT) ein Dokument mit dem Titel LLM Wiki (Biblionetz:t33408) veröffentlicht, das beschreibt, wie man mit einem generativen Machine-Learning-System (GMLS) (Biblionetz:w02833) persönliches Wissensmanagement (Biblionetz:w01688) betreiben könnte: Man lässt das GMLS ein Wiki befüllen.

Besonders schön: Karpathy meint: "Besprechen Sie dieses Dokument mit dem GMLS-System ihrer Wahl."

Dieser Text hat mich natürlich brennend interessiert, schliesslich betreibe ich nicht nur seit 20 Jahren verschiedene Wikis (Biblionetz:w01268) und beschäftige mich seit Dezember 2023 mit GMLS - nein, seit bald 30 Jahren betreibe ich mit dem Biblionetz auch mein privates, aber öffentlich zugängliches Wissensnetz!

Geclusterte Visualisierung des Biblionetzes (Stand 2019)

Natürlich wollte ich darüber nachdenken, natürlich wollte ich dazu bloggen oder die Frage beantworten, die mich auf verschiedenen Kanälen erreicht hat: "Was denkst du zum Text von Karpathy?" Nur: Ich habe derzeit zu wenig Zeit, um mich allem zu beschäftigen, was mich interessieren würde. Heute morgen meinte Myke Näf (Biblionetz:p00344) im Chat, ich könne ja ein GMLS mein Posting schreiben lassen. Als ich zögerte und etwas von "Ich will aber meine Posts selber schreiben" am Tippen war, hatte er schon sein GMLS (Claude Opus 4.7) gefragt

Hier die Antwort von Claude:

Mist! Damit habe ich noch ein Thema mehr: Dieses GMLS erfasst schon erstaunlich erschreckend gewisse der Aussagen, die ich tatsächlich machen würde, wenn ich Zeit hätte, ein solches Posting selbst zu schreiben! Das mit den 77'000 Begriffen stimmt zwar nicht: Es sind nur ca 3'800, dafür aber gegen 40'000 Publikationen, aber der Grundgedanke: "Was bleibt denn hängen, wenn ich die Verarbeitung einer Maschine überlasse?" ist genau der springende Punkt, den ich heute Morgen auch mit Myke Naef diskutiert habe.

So, und was fange ich jetzt damit an, dass diese Kisten bereits gewisse meiner Gedanken statistisch errechnen können, da sie offenbar nicht so innovativ sind, wie ich mir vielleicht einrede?

Ob das vielleicht der richtige Zeitpunkt ist, um mich zurückzuziehen, jetzt wo GMLS anfangen mich gar nicht so schlecht zu imitieren und die kognitive Leistungsfähigkeit in meinem Alter ja sowieso zurückgeht, wie u.a. in diesem Artikel steht, den ich ebenfalls heute Morgen mit Myke diskutiert habe?

(Biblionetz:t33438) @ENDE

@ANFANG 19 April 2026 ExperimenteMitLokalenGMLS Experimente mit lokalen GMLS

Ja, auch ich habe mir vor ca. 2 Monaten einen Mac Mini 4 mit zu wenig Speicher (16 GB) gekauft, um etwas mit lokalen Machine-Learning-Systemen zu experimentieren. Da ich viel zu wenig Zeit zu Rumspielen habe, sind meine Erkenntnisse sicher nicht weltbewegend und geneigte Leser:innen können gleich jetzt beschliessen, mit dem Lesen dieses Postings aufzuhören

Der Mac Mini auf meinem Büchergestell

Als Ende 2022 ChatGPT (Biblionetz:w03387) veröffentlicht wurde, hiess es, dass derartige Leistungen von generativen Machine-Learning-Systemen (GMLS) (Biblionetz:w02833) in den nächsten Jahren nur auf grossen Serverfarmen, nicht aber auf lokalen Computern verfügbar sein würden. In den letzten drei Jahren hat aber eine erstaunliche technologische Entwicklung stattgefunden und immer bessere Sprachmodelle liessen sich auch auf lokalen Computern (mit möglichst guten Grafikkarten) betreiben.

Warum ein lokales GMLS?

Aus meiner Sicht gibt es zwei Gründe, warum man ein lokales GMLS (LGMLS) (Biblionetz:w03773) statt eines Serverdienstes nutzen möchte:

• Kosten: Grosse Sprachmodelle verlangen ab einem bestimmten Nutzungsumfang Gebühren. Lokale Modelle verlangen keine Gebühren. Ob aber die Hardwareinvestitionen, der Stromverbrauch und die Zeit zum Einrichten und Konfigurieren letztendlich weniger Geld kosten als die Nutzungsgebühren kommerzieller Anbieter, wage ich zu bezweifeln.
• Datenschutz / Digitale Souveränität: Wichtiger scheint mir die Überlegung, dass man mit einem lokalen GMLS eine grössere digitale Souveränität hat als bei der Nutzung von GMLS im Internet:
  • Modellwahl & -stabilität: Bei einem lokalen System kann ich selbst entscheiden, welche Modelle ich nutze und im Gegensatz zu Anbietern im Internet, die öfters mal Modelle auch durch andere ersetzen oder schon nur Modellparameter auch ohne Information ändern, ist es an mir, Modelle oder Parameter zu ändern,
  • Datenschutz: Führe ich einen Dialog mit einem lokalen GMLS, dann verlassen im Idealfall* keine Daten meinen Computer. Damit verringert sich die Gefahr, dass meine Daten in falsche Hände kommen und ausgewertet werden können. (* Auch bei einem lokalen System besteht die Gefahr, dass Daten abfliessen, entweder durch prompt injection (Biblionetz:w03423) oder klassisches Hacking und Malware)

Was läuft bei mir derzeit?

Ich baue derzeit einen Mac Mini 4 mit 16 GB zu einem kleinen Hausserver aus, auf dem verschiedene Dienste laufen sollen, unter anderem lokale GMLS.

Lokale GMLS sind derzeit meist nicht ein Stück Software, sondern ein ganzes Puzzle von Einzelkomponenten, die verschiedene Aufgaben übernehmen. (Ich arbeite an einer Grafik, um das konzeptionell schön zu visualisieren).

• Als "Modellprovider" verwende ich derzeit Ollama und LM Studio parallel (weil ich noch nicht weiss, was besser geeignet ist für meine Bedürfnisse)
• Als Modelle nutze ich derzeit (Stand 18.04.26) (und bin völlig überfordert mit der Geheimwissenschaft der Modellwahl...):
  • gemma-4-e4b-it
  • qwen3.5:9b
  • mistral-small:24b
  • mistral-3-3b
• Um die Funktion auch auf anderen Computern nutzen zu können, läuft Open Web UI. Zusammen mit dem VPN-Dienst Tailscale ermöglicht mir das, von jedem meiner Geräte von irgendwo auf der Welt auf meine lokalen Dienste zugreifen zu können.
• piper und whisper sind ebenfalls auf dem Gerät installiert, um Text zu Sprache und Sprache zu Text ebenfalls lokal nutzen zu können (unter anderem für die Hausautomatisation).
• Zudem experimentiere ich derzeit mit einer selbst gevibecodeten MCP-Schnittstelle (Biblionetz:w03705) zur lokalen Volltextsuche auf meinem Notebook. Damit möchte ich versuchen, mit begrenzten Computerressourcen meine lokalen Daten einzubinden (so wie z.B. Claude Cowork).

Zwischenfazit

Es ist faszinierend, wie insbesondere gemma-4-e4b-it rasche, rein lokal generierte, deutsche Antworten liefert und sowohl Websuche als auch per MCP lokale Suche mit integrieren kann. Trotzdem ist der Qualitätsunterschied zu serverbasierten Modellen riesig und es fragt sich, wofür ich die lokal verfügbare Qualität - von der ich Anfang 2023 noch total begeistert war bei ChatGPT - tatsächlich würde nutzen wollen (u.a. evtl. für gewisse Automatismen innerhalb des Biblionetzes...).

Primär aber: Ich habe deutlich zu wenig Zeit, um mich mit den Möglichkeiten auseinanderzusetzen, auch wenn ich weiss, dass vieles Versions- und Produktwissen ist, das in wenigen Monaten, wenn nicht Wochen bereits wieder veraltet ist. @ENDE