schlägt mir der LinkedIn-Bullshit-Generator als Tätigkeitsbeschreibung für heute vor. (Beim Bullshit-Generator handelt es sich um einen Preprompt, der einem GMLS gefüttert aus jeder banalen Tätigkeitsbeschreibung eine (leider derzeit häufige) LinkedIn-Übertreibung macht.)

Was ich grad wirklich mache: Ich bin im Zug für die Einstiegsveranstaltung Grundlagen der Informatik der PHSZ im zweiten Semester unseres Fernstudiengangs zur Primarlehrperson und lese (ebenfalls bei LinkedIn), dass sich die Schweiz an der PISA-Untersuchung 2029 (Biblinetz:w03699) beteiligen wird und da auch das Modul Media & Artificial Intelligence (MAIL) (Biblionetz:w03700) nutzen will. Das finde ich grundsätzlich begrüssenswert, denn es ist sinnvoll zu wissen, was Jugendliche in der Schweiz in digitalen Dingen wissen und können.

Weil ich meinen mechanischen Binärzähler für den heutigen Unterricht dabeihabe, frage ich mich, wie der denn zum MAIL-Modul von PISA 2029 passt.

Im Folgenden beschreibe ich, was Claude Opus 4.6 im Februar 2026 aufgrund eines einzigen Prompts auf meinem Computer erstellen konnte. Natürlich wusste ich theoretisch, dass so etwas geht. Sieht man dann dem generativen Machine-Learning-System während 20 Minuten zu, wie es die Aufgabe löst, ist es nochmals was anderes.

Claude hat mir aufgrund eines einzigen Prompts aus einer riesigen MP3-Sammlung im Umfang von 78 CDs, Coverbildern und einem Booklet als PDF eine strukturierte HTML-Oberfläche für den Browser mit Volltextsuche und integriertem Player gebaut:

Bei der Diskussion anlässlich der Formulierung des Lehrplans 21 vor 10 bis 15 Jahren, ob Informatik obligatorisch in die Volksschule gehöre (Biblionetz:a00436) , erlebte ich Gegenwind auch von unerwarteter Seite: Informatikerinnen und Informatiker äusserten die Sorge, dass bald alle sagen würden "Ich kann programmieren!", weil sie in der Schule Informatikunterricht hatten. Das sei verheerend, denn dadurch würde die Bedeutung einer "echten" Informatikausbildung geschmälert.

Mit der aktuellen Entwicklung, dass generative Machine-Learning-Systeme immer besser Software schreiben können, nimmt derzeit die Zahl der Menschen zu, die auf LinkedIn laut ausrufen: "Ich kann programmieren!".

Ein Versuch der Klärung zur Beruhigung der Gemüter auf beiden Seiten.

Das Jahr 2026 dürfte zum Jahr der Machmaschinen (meist "KI-Agenten" genannt) werden: Wenn wir es zulassen, können generative Machine-Learning-Systeme (GMLS) unsere Daten (Dateien, Mails, Kalender) lesen und bearbeiten. Das ist sehr verlockend, denn die eigene Effizienz kann unheimlich steigen, wenn mein GMLS mir nicht nur vorschlägt, was ich jetzt machen sollte, sondern es gleich macht. Es ist aber gleichzeitig ein IT-Sicherheits-Horror, weil wir mit Machmaschinen ein bis heute schwer zu kontrollierendes trojanisches Pferd mitten in unsere Daten setzen.

Ich erlebe derzeit einen leicht erhöhten FutureSchockLevel: Ich habe vor einigen Tagen angefangen mit dem GMLS-System (Biblionetz:w02833) Claude zu arbeiten und damit meine selbst programmierte Literaturdatenbank (Biblionetz:w00778) zu überarbeiten und erweitern. Ich bin geflasht davon, wie Claude den im Netz zu findenden, aber bei mir nicht funktionierenden MCP-Server (Biblionetz:w03705) analysieren und zum Laufen bringen konnte und wie ich seither mit Claude über meine Datenbank und den damit verbundenen Code sprechen kann und mir Claude grad Erweiterungen schreibt - entweder direkt in der Datenbank in (Vorsicht: legacy code) Visual Basic for Applications (VBA) oder aber moderner in Python. Wenn dann noch in einem Fenster der Livestream des 3D-Druckers läuft, der in einem anderen Zimmer etwas druckt, was man mit einem GMLS-Bot und Open-SCAD entwickelt hat, wird einem schon etwas agentic zu Mute...