KI-Literacy: Begleit-Repository zur Vorlesung & zum Buch

Willkommen im offiziellen Repository zum Modul KI-Literacy. Dieses Projekt ist weit mehr als eine Anleitung für Large Language Models (LLMs). Es ist ein umfassender Werkzeugkasten für die digitale Souveränität im Zeitalter der Künstlichen Intelligenz. Es dient als zentrale Anlaufstelle für technische Ressourcen, Anleitungen und Laborübungen der Vorlesungsreihe.

Hier lernst du, wie du KI-Systeme verstehst, kontrollierst und unabhängig von großen Cloud-Anbietern in eigene, agentische Ökosysteme integrierst.

Dieses Repository dient als:

1. Begleitmaterial zur Vorlesung von Prof. Dr. Mathias Engel.
2. Praxis-Plattform für das Buch "genAI in a Brainshell - KI-Literacy für alle".
3. Offene Lernressource für alle, die KI nicht nur nutzen, sondern tiefgreifend verstehen und lokal beherrschen wollen.

📰 WICHTIG: Linkliste & News-Briefings
Hier findest du unsere wöchentlichen News-Updates, spannende Fundstücke sowie interaktive Tools und Benchmarks zum Ausprobieren.

📅 Ausblick 2026

Das Projekt wird kontinuierlich erweitert. Für Oktober 2026 ist die Veröffentlichung einer begleitenden Lehrvideo-Reihe geplant, die die Konzepte dieses Repositories didaktisch aufbereitet visualisiert.

---

🎓 Die Lerneinheiten (Der Weg zum KI-Profi)

Die Vorlesung ist chronologisch in Module (Tage) gegliedert. Jedes Modul enthält einen Vorlesungsbegleiter (Theorie & Lab) sowie ein Cheat-Sheet mit den wichtigsten Merksätzen.

• Tag 01: KI Basics – Evolution, Tokenisierung und das erste Setup.
• Tag 02: Advanced Prompt Engineering – Anatomie des perfekten Prompts & Context Engineering.
• Tag 03 & 04: Agents Desktop – KI in der Profi-Umgebung (VS Code & Antigravity).
• Tag 05: Agents To-Go & n8n – Agenten für die Hosentasche & Low-Code Automatisierung.
• Tag 06 - 08: Data Science – Datenanalyse mit KI (Orange3 & Python).
• Tag 09: Local Deployment – Datensouveränität mit Docker & SearXNG.
• Tag 09: Finetuning – RAG vs. Finetuning & LoRA-Spezialisierung.
• Tag 10: Ethik & Governance – EU AI Act & Corporate Policies.
• Tag 10: The Dark Side – Model Collapse, Halluzinationen & Red Teaming.
• Tag 11: Der KI-Hackathon – Das Finale: Alles Erlernte in einer Master-Challenge anwenden.

🎨 Exkurse: Generative Medien & Systemarchitektur

Ergänzend zur Hauptvorlesung bieten diese Module vertiefendes Wissen zur Erzeugung von Medien und dem System-Deployment:

• Bilderzeugung | Videoerzeugung | Songerzeugung | Design & Branding | Deployment & Consulting

---

📂 Ressourcen-Übersicht

📖 Dokumentationen & Guides

• KI-VL-Skript_26.pdf – Das offizielle Skript zur Vorlesung.
• Nova_Systemprompt.md – Einblick in die Konfiguration unserer Kurs-KI.

🧪 Laborübungen & Testdaten

Im Ordner labor_daten/ findest du alles, was du für die Übungen brauchst:

• Bilder & Dokumente: Für Tests der Bilderkennung und Dokument-Analyse (RAG).
• Data Science: CSV-Tabellen für deine ersten Analysen.
• Agents-Demo: Ein fertiges Paket, um einen eigenen Seminararbeit-Assistenten in OpenWebUI zu bauen.

---

🛠️ Schritt-für-Schritt: Die Technik starten (Schnellstart)

Keine Sorge, du musst kein Informatiker sein, um unsere lokale KI-Umgebung zu nutzen. Wir verwenden Docker, ein Programm, das alle notwendigen Tools (OpenWebUI, Suche, Code-Interpreter) automatisch in einem "virtuellen Container" für dich startet.

💻 System-Voraussetzungen

Bevor du startest, prüfe kurz deine Hardware. Je nachdem, wie du die KI nutzen möchtest, variieren die Anforderungen:

• Option A: Cloud-Hybrid (Empfohlen für Einsteiger)
  • Nutzung: Du lässt die Rechenarbeit auf Servern (z.B. OpenRouter oder Ollama Cloud API) erledigen.
  • Hardware: Jeder moderne Laptop/PC (ab 8 GB RAM) reicht aus. Docker benötigt hier nur minimale Ressourcen für die Benutzeroberfläche.
• Option B: Voll-Lokal (Datensouveränität pur)
  • Nutzung: Die KI-Modelle (LLMs) laufen direkt auf deinem eigenen Computer.
  • Hardware:
    • Mac: Apple Silicon (M1/M2/M3) mit min. 16 GB RAM (besser 32 GB+).
    • Windows/Linux: Min. 16 GB RAM + eine dedizierte Grafikkarte (NVIDIA RTX mit min. 8 GB VRAM empfohlen).
• Option C: High-End (Profi- & Enterprise-Setup)
  • Einsatz: Bereitstellung von KI-Diensten für Teams und ganze Organisationen via vLLM und quantisierten MoE-Modellen (z.B. Qwen 2.5 35B MoE).
  • Skalierungs-Klassen:
    • 1-10 Nutzer: Dedizierter Linux-Server mit 1x NVIDIA RTX 6000 Ada oder RTX L40S.
    • 10-30 Nutzer: Server mit 2x NVIDIA RTX 5000/6000 Ada.
    • 30-100 Nutzer: Enterprise-Setup (z.B. XEON-Server mit 4x NVIDIA RTX 5000 Ada, Kostenpunkt ca. 40.000 €). Dieses Setup erlaubt den parallelen Betrieb mächtiger Modelle für eine gesamte Abteilung.

1. Vorbereitung (Einmalig)

1. Docker Desktop installieren: Lade dir Docker Desktop herunter und installiere es wie jedes andere Programm.
2. Docker starten: Öffne Docker Desktop. Warte, bis das kleine Symbol unten links grün leuchtet ("Engine Running").

2. Die Umgebung starten

1. Ordner öffnen: Lade dieses Repository (als ZIP) herunter und entpacke es.
2. Terminal öffnen:
   • Windows: Drücke die Windows-Taste, tippe cmd ein und drücke Enter.
   • Mac: Drücke CMD + Leertaste, tippe Terminal ein und drücke Enter.
3. In den Ordner navigieren: Tippe cd (mit einem Leerzeichen am Ende) und ziehe den entpackten Ordner deployment einfach mit der Maus in das schwarze Fenster. Drücke Enter.
4. Befehl ausführen: Kopiere diesen Befehl, füge ihn im Terminal ein und drücke Enter:

   docker-compose up -d

   Hinweis: Beim ersten Mal dauert es ein paar Minuten, da die Programme heruntergeladen werden.

3. Loslegen!

Sobald der Befehl fertig ist, kannst du die Tools in deinem Browser (Chrome/Edge/Safari) öffnen:

• OpenWebUI (Dein ChatGPT-Ersatz): http://localhost:3000
• Code-Interpreter (Jupyter): http://localhost:3005
• Lokale Suche (SearXNG): http://localhost:3010

Detaillierte Hilfe findest du im Deployment_Guide.md.

---

[[Projekt_KI_VL]]