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:

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.

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.

Seit heute enthält das Biblionetz auch Zusammenfassungen und Bemerkungen zu Büchern und Texten, die von einem generativen Machine-Learning-System (GMLS) geschrieben worden sind. Solche Texte werden sowohl für den Menschen als auch für Maschinen als GMLS-generiert gekennzeichnet:

<div data-ai-generated="true"> ... </div>

Mein Arbeitgeber lässt sich nicht davon abbringen, die M365-Konten so einzustellen, dass jedes Gerät, das sich nicht im Arbeitgebernetzwerk befindet, sich täglich neu authentisieren muss per Multifaktor-Authentisierung (MFA). Dies bedeutet normalerweise, dass nach der Passworteingabe auf dem Gerät ein zweistelliger Code angezeigt wird, der dann in der Authenticator-App des Smartphones eingetippt werden muss.

Ja, IT-Sicherheit ist wichtig und MFA ist mitunter sinnvoll. Böse Hacker sollen nicht mit meinem Passwort von irgendwoher auf einem anderen Gerät sich als mich ausgeben können. Aber täglich mehrfach, das nervt. Besitzt man nämlich drei Geräte (Notebook, Tablet, Smartphone), dann macht man das pro Tag mindestens drei Mal. "Es geht ja jeweils nur wenige Sekunden" liesse sich jetzt einwenden. Einerseits summieren sich die Sekunden, andererseits können sich die verschiedenen Re-Authentisierungen auch in die Quere kommen: Will ich mich auf dem Notebook erneut anmelden, fragt mich das Handy beim In-die-Hand-nehmen, ob ich nicht gleich auf dem Handy authentisieren möchte. Sage ich ja, weiss ich danach nicht, welcher Code jetzt zu welchem Vorgang gehört. Lehne ich jedoch ab, dann riskiere ich, nicht zu merken, dass jetzt einfach keine neue Mail reinkommt, denn weder Outlook noch Apple Mail weisen wirklich deutlich auf die gekappte Verbindung hin.