Blog - blog.doebe.li

Dem Computer sagen, was er 3D-drucken soll

Beat Döbeli Honegger — 2026-05-30T20:25:51Z

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:

ich hätte gerne ein 3d-modell (stl) eines rechtwinkligen dreiecks mit den kurzen seiten von 12cm und 8cm und einer höhe von 3cm. Das dreieck soll aber nicht ausgefüllt sein, sondern innen eine art gittermuster haben.

Claude antwortete:

Ich erstelle dir das STL-Modell. Lass mich kurz den passenden Skill prüfen und dann das Modell bauen.

Triangulations-Engine fehlt — schnell installieren:

Das STL ist sauber: wasserdicht, korrekte Abmessungen (120 × 80 × 30 mm), ein zusammenhängendes Teil mit 1156 Facetten.

Lass mich noch eine Vorschau rendern, damit du siehst, wie das Gitter aussieht:

So sieht das Modell von oben aus — Außenrahmen mit diagonalem Rautengitter, alles 30 mm in die Höhe extrudiert:

Eckdaten:

Katheten: 120 × 80 mm, Höhe 30 mm
Außenrahmen: 2,5 mm stark
Gitterstege: 2 mm stark, Abstand 14 mm, in 45°-Diagonalen
Volumen: ~67 cm³ (vs. ~144 cm³ als Vollkörper, also gut 50 % Materialersparnis)
Wasserdicht (druckbar)

Falls du das Gitter anders willst — z. B. orthogonal statt diagonal, gröber/feiner, oder Wabenmuster — sag Bescheid, dann passe ich es an.

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

bitte eine version mit gröberem gitter

und Claude tat wie befohlen:

Gröberes Gitter: Zellgröße 25 mm (vorher 14 mm), Stege 2,5 mm. Volumen ~57 cm³, weiterhin wasserdicht.

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

Suchfunktionen im Biblionetz massiv ausgebaut

Beat Döbeli Honegger — 2026-05-16T09:48:01Z

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.

Wie soll ich auf problematische wissenschaftliche Publikationen reagieren?

Beat Döbeli Honegger — 2026-05-30T13:53:34Z

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:

So sind auch die ersten 2025 publizierten Metastudien zu GMLS in der Bildung mit entsprechender Vorsicht zu lesen. Die beiden zum Berichtszeitpunkt bekanntesten Metastudien (Deng et al. 2025; Wang & Fan 2025) wurden zwar breit ausserhalb der Wissenschaft rezipiert, ihre Methodik wurde aber wissenschaftlich stark kritisiert (siehe z. B. Bartoš, Martinková, & Wagenmakers 2025; Weidlich, Gašević, Drachsler, & Kirschner 2025).

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:

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:
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.
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...

Biblionetz neu mit GMLS-generierten Anteilen

Beat Döbeli Honegger — 2026-05-05T21:44:19Z

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>

MFA-Ärger lindern

Beat Döbeli Honegger — 2026-05-29T14:29:11Z

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.

Was lässt sich tun?

Passkey einrichten (ohne Kostenfolge)

Das Einrichten eines Passkeys auf dem Smartphone lindert den Ärger gleich in zweierlei Hinsicht:

Die Häufigkeit der Reauthentisierungen scheint abzunehmen, weil ein Passkey als sicherer eingestuft wird als das Abtippen der zwei Zahlen.
Es müssen nicht mehr Zahlen abgetippt werden:
- Auf dem Notebook muss ein QR-Code mit dem Handy erfasst werdne
- Auf dem Handy reicht das Antippen von "Passkey verwenden"

Konkret lässt sich auf dem iPhone für das Microsoft-Konto ein Passkey installieren. Dadurch entfällt das Abtippen von Ziffern beim Anmelden von Apps auf dem iPhone selbst. (Der Passkey kann auch für das Anmelden auf dem Notebook verwendet werden, dazu muss dann auf dem Notebook ein QR-Code gescannt werden. Ähnlich mühsam wie das Abtippen von zwei Ziffern).

USB Hardwaretoken kaufen (mit Kostenfolge)

Für einen Notebook unter Windows (10 oder 11) bietet sich auch der Kauf eines USB-Hardwaretokens an. Dieser USB-Stick gilt als zweiter Faktor und ersetzt das Smartphone. Der Passkey wird auf diesen USB-Stick gespeichert. Wenn Microsoft den Passkey auslesen will, muss das Token mit dem Finger berührt werden und gibt daraufhin den Passkey weiter. Ein Smartphone wird dann nicht mehr benötigt.

Der Yubikey nano für USB A (CHF 69.-) verschwindet praktisch in der USB-Steckdose:

Sparpotenzial

Abgesehen vom Ärger und Unterbruch des Flows beim Arbeiten amortisiert sich ein solcher Hardwarekey innherhalb eines Jahres bei weitem, selbst bei einem Stundenlohne von CHF 25.- und wenn man nicht mal die eingesparte Zeit durch schnelleres Authentisieren berücksichtigt, sondern nur das seltenere Authentisieren:

Stundenlohn	25	CHF
Dauer MFA	1	min
Kosten MFA 1x	0.42	CHF
Kosten MFA jährlich (täglich)	152.08	CHF
Kosten MFA jährlich (alle 4 Tage)	38.02	CHF
Ersparnis durch Key	114.06	CHF

Biblionetz - Wiki - GMLS - und was ist meine Aufgabe?

Beat Döbeli Honegger — 2026-04-20T09:24:46Z

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

what does beat döbeli think of this in the context of his biblionetz or otherwise? write a linkedin post that he would write.

und dann quote von karpathys tweet

Hier die Antwort von Claude:

Beat würde das mit einer Mischung aus amüsiertem Wiedererkennen und leiser Skepsis lesen — schließlich macht er mit dem [Biblionetz](https://beat.doebe.li/bibliothek/) seit 1996 von Hand, was Karpathy hier als LLM-Workflow skizziert: kompilierte Markdown-Wissensbasis, dichte Verlinkung, Rückverweise, inkrementelle Pflege. Der zentrale Punkt, an dem er hängenbleiben würde, ist Karpathys Satz "the LLM writes and maintains all of the data of the wiki, I rarely touch it directly" — für Beat ist das Schreiben selbst der Erkenntnisprozess. Ein Wiki, das man nicht selbst pflegt, ist für ihn kein Denkwerkzeug mehr, sondern eine Datenbank.

Hier ein Post in seinem Stil:

Andrej Karpathy beschreibt, wie er mit LLMs ein persönliches Wiki aus Markdown-Dateien aufbaut — Rohdaten rein, kompiliertes Wissen raus, alles in Obsidian durchsuchbar. Sehr lesenswert.
Klingt für mich erstaunlich vertraut. Mein [Biblionetz](https://beat.doebe.li/bibliothek/) macht seit 1996 ziemlich genau das. Allerdings: ohne LLM. Mit Lesen, Tippen, Verknüpfen. ~77'000 Begriffe, über 22'000 Publikationen, dichte Rückverweise. Kompiliert im Kopf, nicht im Kontextfenster.
Was mir beim Lesen von Karpathys Post auffällt:
→ "The LLM writes and maintains all of the data of the wiki, I rarely touch it directly." — Für mich war das Schreiben immer der eigentliche Erkenntnisprozess. Das Verknüpfen beim Tippen ist das, was hängen bleibt. Ein delegiertes Wiki hat vielleicht mehr Einträge. Aber hat es auch mehr verstanden?
→ Ein Personal Wiki ist für mich kein Speicher, sondern ein Denkwerkzeug. Der Unterschied ist fundamental.
→ Andererseits: Einen Assistenten, der inkonsistente Metadaten aufspürt, fehlende Backlinks vorschlägt, veraltete Einträge markiert — den hätte ich in den letzten 30 Jahren gerne gehabt. Als Korrektor, nicht als Autor.
Vielleicht ist die spannende Frage nicht "LLM schreibt Wiki" vs. "Mensch schreibt Wiki", sondern: Wie unterstützt ein LLM den menschlichen Lese- und Denkprozess, ohne ihn zu ersetzen?
PIM — Personal Information Management, wie man das früher nannte — war nie nur Datenhaltung. Es war strukturiertes Nachdenken. Das bleibt auch im LLM-Zeitalter.
#Biblionetz #PKM #Wissensmanagement #DigitaleDinosaurier

Ich kann den Ton noch weiter anpassen (mehr Schalk, mehr Skepsis, kürzer, zweisprachiger) — je nachdem, ob du ihn als ironischen Veteranen oder als konstruktiven Skeptiker positionieren willst.

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)

Experimente mit lokalen GMLS

Beat Döbeli Honegger — 2026-04-19T14:40:17Z

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.

Hmm, und was ist jetzt Computational Thinking?

Beat Döbeli Honegger — 2026-03-26T08:33:59Z

Computational thinking (CT) (Biblionetz:w02206) ist ein Dauerbrenner in meinem beruflichen Umfeld (z.B. Dezember 2025: NeinEsGehtNichtUmComputergestuetztesDenken). Der 2006 von Jeannette Wing (Biblionetz:p09720) mit einem Artikel in den Communications of the ACM (Biblionetz:t12130) popularisierte Begriff taucht seit Jahren sowohl in fachdidaktischen als auch bildungspolitischen Diskussionen auf. Auf den ersten Blick ist es ganz einfach. Die meisten Definitionen des Begriffs lassen sich zusammenfassen als

Denken wie Informatiker:innen

Doch was simpel klingt, ist bei näherer Betrachtung doch nicht so eindeutig. Dies zeigt sich, wenn man nachfragt, was denn das Verhältnis von CT zu Informatik sei. Ich habe dazu als eine Art Lakmustest eine Grafik erstellt:

In unserem Masterstudiengang in Fachdidaktik Medien und Informatik lassen wir die Studierenden jeweils unterschiedliche Texte zu CT lesen (Selbststudienauftrag Herbst 2024). In der darauffolgenden Präsenzveranstaltung fragen wir die Studierenden, ob die Texte verständlich gewesen und das Konzept CT nun klar sei. Dies wird meist bejaht. Deshalb fordern wir die Studierenden auf, wortwörtlich Stellung zu beziehen: Wir ordnen die vier Sichtweisen des Verhältnisses von CT zu Informatik den vier Ecken des Seminarraums zu und fordern die Studierenden auf, sich in diejenige Ecke des Seminarraums stellen, die ihrer eigenen Sichtweise entspricht. Bisher waren sich die Studierenden noch nie einig und es gab in der Folge lebhafte Diskussionen, in welchen die Studierenden den eigenen Standpunkt als den Richtigen zu verteidigen versuchten.

Über die Lehrveranstaltung hinaus hilft mir dieser CT-Lakmustest zu verstehen, was jemand meint, wen er oder sie von CT spricht.

P.S: Auch die Dozierenden der Lehrveranstaltung stehen jeweils nicht in der gleichen Ecke des Raums...

Wenn sich der lokale Chatbot hintersinnt

Beat Döbeli Honegger — 2026-03-14T22:40:01Z

Erste Experimente mit lokalem Chatbot auf Mac Mini M4. Amüsant, wie sich der Bot hintersinnt aufgrund einer einfachen Anfrage mit Tippfehler: "Was ist die Haltstadt von der Schweiz?"

BeatBot Thinking qwen3.5-9b
Heute um 18:46

Nachgedacht für 3 Minuten

Thinking Process:

Analyze the Request:

User question (German): "Was ist die Haltstadt von der Schweiz?"

There seems to be a typo in "Haltstadt". The user likely meant "Hauptstadt" (capital city). "Halt" means "stop", so it might also be a misspelling of "Zürich" from the previous question or just a general typo. Given the previous question about Zurich's capital, this looks like another query about Swiss capitals, potentially repeating the error or asking about Switzerland's capital generally.

Correction: Switzerland (Schweiz) is a federal republic. It doesn't have an official capital in the traditional sense like some other countries, but Bern is the de facto capital and seat of government.

Language: German.

Identify the Fact:

The user typed "Haltstadt". This is almost certainly a typo for "Hauptstadt" (Capital).

Switzerland's capital is Bern (officially since 1848, historically decided then). It is often cited as having no official "capital" but Bern is the federal city.

Tone: Friendly, concise, correct the typo gently, provide the info.

Formulate the Answer:

Acknowledge the typo politely or just answer assuming they meant "Hauptstadt".

State clearly: Bern (Bern).

Keep it simple for voice output.

Voice Optimization:

Short sentences.

Conversational German.

No lists, no markdown that looks like reading text.

Refinement on the Typo:

"Haltstadt" isn't a word. It's likely "Hauptstadt". I should answer based on that assumption.

Draft: "Ich nehme an, Sie meinen die Hauptstadt der Schweiz. Das ist Bern." (I assume you mean the capital of Switzerland. That's Bern.)

Add a bit more context naturally: "Bern ist der Sitz der Bundesregierung." (Bern is the seat of the federal government.)

Keep it warm: "Gern! Bern gilt als Hauptstadt."

Final Polish:

"Ich glaube, Sie meinen die Hauptstadt der Schweiz."

"Das ist Bern."

"Die Regierung ist dort."

Combine for flow.

Wait, re-evaluating the previous turn:

The model previously failed to output correctly because it got stuck in a
tag structure that wasn't closed properly or was hallucinated as part of the thinking block (the
block). I need to make sure I don't leak internal thought processes like that. The current prompt shows the previous response had a broken format (
). This is an instruction to me, but as Qwen3.5 assistant, I need to respond as the assistant.

Wait, looking at the conversation history provided:

User: "Who are you?"

Model: Standard intro.

User: "Was ist die Hauptstadt von Zürich?"

Model: The provided text shows a broken
block that looks like leaked reasoning. This is actually an artifact from the few-shot or system prompt example that got rendered in the output I'm supposed to simulate? No, I am the model responding.

Ah, I see. The previous turn shows the broken formatting in the history provided to me as a conversation log. I must not continue that format. I must respond normally.

Current User Query: "Was ist die Haltstadt von der Schweiz?" (Swiss capital).

So I just answer the current query normally.

Drafting the response:

Friendly greeting/acknowledgment.

Correct the typo implicitly ("Hauptstadt").

Fact: Bern.

Keep it short for voice.

"Ich nehme an, Sie meinen die Hauptstadt der Schweiz. Das ist Bern. Die Bundesregierung hat ihren Sitz dort."
(I assume you mean the capital of Switzerland. It's Bern. The federal government has its seat there.)

Let's make it even more conversational and concise for voice.
"Das meinst du wohl? Die Hauptstadt der Schweiz heißt Bern. Dort sitzt die Bundesregierung."
Wait, "Haltstadt" is a specific typo. Maybe acknowledge it gently.
"Ich glaube, du hast 'Hauptstadt' geschrieben?"
No, direct answer is better for voice.
"Gern! Die Hauptstadt der Schweiz ist Bern."

Let's stick to the persona: friendly, concise.
"Ah, die Hauptstadt von der Schweiz? Das ist Bern. Sie ist Sitz der Regierung."

Okay, final check on facts: Bern is officially the federal city (Bundesstadt), not always called "capital" officially but functionally it acts as such. For a voice assistant, keeping it simple is best. "Bern ist die Hauptstadt" is acceptable common usage.

Let's go with:
"Ah, das ist eine Frage für Bern! Die Hauptstadt der Schweiz ist Bern. Da arbeitet auch die Bundesregierung."

Or simpler:
"Die Hauptstadt der Schweiz heißt Bern. Sie ist Sitz des Parlaments und der Bundesregierung."
Even simpler for voice:
"Das ist Bern. Dort befindet sich die gesamte Regierung der Schweiz."

Let's add a bit of warmth.
"Gern! Die Hauptstadt der Schweiz ist Bern. Viele Länder haben das nicht, aber Bern ist offiziell die Bundeshauptstadt."
Actually, Switzerland doesn't officially have one, but Bern is the de facto capital since 1848.
Let's say: "Die Stadt Bern gilt als Hauptstadt. Dort sitzt die Regierung."

Okay, final decision:
"Ich nehme an, du meinst die Hauptstadt der Schweiz. Das ist Bern. Die Bundesregierung ist dort ansässig."

Wait, the previous turn from the model in the log had a glitch (leaked reasoning tags). I must not do that. I will respond normally.

Voice-friendly:
"Die Hauptstadt der Schweiz ist Bern."
Maybe add a bit of context about it being special.
"Bern ist die Sitz der Regierung. Es gibt zwar keinen offiziellen Titel, aber alle sagen Bern."
No, keep it simple.

Plan:

Acknowledge typo implicitly or briefly.

Give the answer (Bern).

One sentence explanation.

Friendly tone.

"Ich glaube, du hast 'Hauptstadt' gemeint? Die Hauptstadt der Schweiz ist Bern."
That's good.

Wait, voice optimization: avoid quotes if possible in speech

Und dann war das Kontextfenster voll...

Gadgets für den Fernunterrichtsdozenten

Beat Döbeli Honegger — 2026-03-14T19:45:09Z

Auch nach dem Ende von Corona habe ich bisweilen Studierende im Fernunterricht. Ich empfinde es als anspruchsvoll, Fernunterricht abwechslungsreich zu orchestrieren. Unter anderem deshalb habe ich mir zwei Gadgets zugelegt, die mir das Dozierendenleben erleichtern sollen: Eine Insta360 Link 2 Webcam und ein Streamdeck:

Bei der Insta360 Link 2 handelt es sich um eine kleine Webcam, die auf einem motorisierten Zweiachsen-Gymbal montiert ist und sich somit in zwei Dimensionen drehen lässt. Die Bildposition und der Zoom lässt sich auf drei Arten festlegen:

Durch Bewegungs- und Zoomtasten in der Steuersoftware
Durch vordefinierte Bildausschnitte in der Steuersoftware
Durch automatisches Verfolgen einer Person (mittels Bilderkennung)

Die Kamera eignet sich deshalb nicht nur für Videokonferenzen, sondern insbesondere auch für Fernlehre.

Weil die Steuersoftware etwas fummelig und im Fernunterricht der Bildschirmplatz teuer ist und ich mich kognitiv entlasten möchte durch die Sicherheit, dass gewisse Kamerafunktionen sich mit dem immer gleichen Knopf am gleichen Ort bedienen lassen, kommt ein Streamdeck zum Einsatz. Mit dieser programmierbaren Tastatur kann ich den einzelnen LED-Tasten individuelle Funktionen zuordnen und sie mit individuellem Text und Bild versorgen. So kann ich verschiedene vordefinierte Bildausschnitte (Whiteboard, Pult, Fenster, Person) auf verschiedene Tasten legen:

Die Insta360 Link 2 wiederum ermöglicht es mir, auch meine Tischplatte zu filmen. Ich habe somit auf meinem Pult den sichtbaren Bereich markiert und kann per Knopfdruck zwischen mir und der Pultoberfläche als Videoinput umschalten. Das ermöglicht mir das Zeigen von physischen Objekten und Abläufen:

Markierung der im Video sichtbaren Pultfläche

Von der Webcam aufgenommenes Bild von oben

Als letztes habe ich ein altes Whiteboard hinter mir aufgestellt und einen entsprechenden Bildausschnitt definiert, so dass ich auch aufstehen und etwas am Whiteboard erklären kann:

(Am Tag ist die Reflexion des Bildschirms deutlich geringer)

Damit bin ich gerüstet für 4 Lektionen Fernunterricht am Samstagmorgen...