Ressourcen & Hintergrund
Weiterführende Erklärungen – und wie diese Seite entstanden ist.
Über diese Webseite
Diese Seite ist ein Freizeitprojekt mit einem einfachen Ziel: komplexe KI-Themen so aufzubereiten, dass man sie ausprobieren kann, statt nur darüber zu lesen – besonders für Lehrpersonen und Menschen aus dem Schulfeld, die eine einfache, ehrliche Vorstellung davon suchen, wie KI funktioniert.
Sie startete im März 2025 als Experiment mit dem damals neuen Claude Code von Anthropic und wurde danach mit verschiedenen KI-Assistenten weiterentwickelt (u. a. Gemini 2.5 Pro). Das aktuelle, grosse Redesign (Juni 2026) entstand wieder mit Claude Code – in rund einem Tag. Eine Zeitleiste steht weiter unten unter Update-Geschichte.
Ein Wort zur Entstehung: „Vibe Coding"
„There's a new kind of coding I call ‘vibe coding’, where you fully give in to the vibes … I ‘Accept All’ always, I don't read the diffs anymore … it's not really coding – I just see stuff, say stuff, run stuff, and copy-paste stuff, and it mostly works."– Andrej Karpathy (2025)
Der Begriff wurde 2025 zum Collins-Wort des Jahres – und ist inzwischen fast ein Schimpfwort. Fachleute, die LLM-Agenten ernsthaft einsetzen, sprechen lieber von „AI-Assisted Engineering": Sie lesen, testen und verstehen den generierten Code, statt ihn blind zu übernehmen (Karpathy selbst nannte „Vibe Coding" 2026 bereits „passé"). Für mich ist das vor allem Semantik.
Für eine Frontend-Designerin ist eine so entstandene Seite vielleicht „AI-Slop". Aber für jemanden aus dem Schulfeld, der einfach verstehen möchte, wie KI funktioniert, bietet sie Hands-On-Übungen, die ohne solche Werkzeuge schlicht nicht existieren würden. Genau darin liegt der Wert: nicht in perfektem Code, sondern darin, dass Erklärungen plötzlich anfassbar werden.
„The hottest new programming language is English"– Andrej Karpathy
Der Quellcode steht offen auf GitHub: ml4teachers/behind-ai. Impressum.
Andrej Karpathy: LLMs erklärt
Diese Webseite kratzt nur an der Oberfläche der beiden sehenswerten Videos von Andrej Karpathy, einem führenden KI-Forscher. Sie gehen technisch deutlich tiefer.
Weitere Lernressourcen
Frei zugängliche, visuelle Erklärungen – gut geeignet, um nach den Übungen hier weiterzugehen.
Visuelle Einführung in Transformer und Attention. Ruhig erklärt, mit Animationen.
Ein 3D-Rundgang durch ein GPT-Modell – jeder Schritt der Berechnung wird sichtbar.
Ein scroll-basierter, visueller Erklärer, wie Sprachmodelle das nächste Wort vorhersagen.
Datenquellen & Inspiration
Die Seite Daten wurde durch das zweite Karpathy-Video inspiriert. Die Dokumente für die Visualisierung stammen aus dem öffentlichen HuggingFace-FineWeb-Datensatz. Die deutsche Übersetzung der FineWeb-Texte entstand kostenlos per API mit Googles kleinem Modell „gemini-2.0-flash-lite".
Rechtliche Grundlagen (Schweiz)
Thouvenin/Volz, 2024 – eine zentrale Quelle für die Datenschutz-Seite.
Über den Autor
Ich arbeite an der PH Zug als Dozent für die Fachdidaktik Medienbildung und Informatik. Meine Schwerpunkte sind Künstliche Intelligenz in der Lehrpersonenbildung und Digitalisierung im Unterricht. Vieles im Bereich Webentwicklung ist über die Jahre und vor allem durch die Zusammenarbeit mit KI-Tools entstanden.
Update-Geschichte
- März 2025Erste Version
Experiment mit dem damals neuen Claude Code. Die ersten interaktiven Erklärungen entstehen – das Ziel ist von Anfang an „ausprobieren statt nur lesen".
- 2025Weiterentwicklung
Ausbau mit verschiedenen KI-Assistenten (u. a. Gemini 2.5 Pro). Weitere Themen und Visualisierungen kommen dazu.
- Juni 2026Grosses Redesign (mit Claude Code)
Durchgehend echte Modell-Experimente statt vorgefertigter Skripte: ein winziges Sprachmodell, das live im Browser trainiert; ein selbst trainiertes Belohnungsmodell (RLHF); eine echte Retrieval-Pipeline (RAG); Chain-of-Thought und RLVR mit echtem Prüfer; eine Bedeutungs-Landkarte für Embeddings; die Tokenisierung von Bildern. Dazu Dark-Mode, wählbare Akzentfarben und eine zweisprachige Grundlage.