/**
* Assessment-Fragenkatalog als globale Variable.
*
* Wrapper um config/assessment-questions.json, damit der Einstiegstest
* auch ohne lokalen Server (file://) funktioniert.
*
* @fileoverview
* @author Alexander Wolf
* @version 1.0
* @global {Object} window.ASSESSMENT_CATALOG
* @see config/assessment-questions.json
*/
window.ASSESSMENT_CATALOG = {
"version": 1,
"categories": [
"history",
"current-ai",
"general-ai",
"math",
"cs-practice"
],
"categoryLabels": {
"history": "Geschichte der KI",
"current-ai": "Aktuelles KI",
"general-ai": "Allgemeinwissen KI",
"math": "Mathematik KI",
"cs-practice": "Informatik & Algorithmik"
},
"questions": [
{
"id": "hist_01",
"category": "history",
"difficulty": 1,
"question": "Was war der historische \u201eMechanische T\u00fcrke\u201c im 18. Jahrhundert?",
"options": [
"Ein scheinbarer Schachautomat mit verstecktem menschlichen Spieler",
"Der erste echte Schachcomputer mit R\u00f6hrenrechner",
"Ein Roboter, der aus dem Osmanischen Reich importiert wurde",
"Eine Kaffeemaschine mit Sprachausgabe"
],
"correctIndex": 0,
"explanation": "Es war ein Illusionstrick. Auch heute noch nennt Amazon seinen Crowdsourcing-Service \u201eMechanical Turk\u201c, weil dort oft Menschen Aufgaben erledigen, die f\u00fcr KI noch zu schwer sind.",
"funFact": "Der echte T\u00fcrke spielte gegen Napoleon und Benjamin Franklin \u2013 und gewann!",
"image": null,
"imageCredit": "CC \u2014 Historischer Stich, Wikimedia Commons",
"resources": [
{
"title": "Schacht\u00fcrke \u2013 Wikipedia",
"url": "https://de.wikipedia.org/wiki/Schacht%C3%BCrke",
"license": "CC BY-SA 4.0"
}
]
},
{
"id": "hist_02",
"category": "history",
"difficulty": 1,
"question": "Woher stammt der Begriff \u201eK\u00fcnstliche Intelligenz\u201c?",
"options": [
"Von einer wissenschaftlichen Konferenz am Dartmouth College 1956",
"Aus dem Film \u201eTerminator\u201c (1984)",
"Albert Einstein erfand ihn 1920",
"Es war ein PR-Gag von IBM f\u00fcr ihre neuen Schreibmaschinen"
],
"correctIndex": 0,
"explanation": "1956 trafen sich Pioniere wie John McCarthy und Marvin Minsky, um zu diskutieren, wie man Maschinen das Denken beibringen kann. Das war die Geburtsstunde der KI!",
"funFact": null,
"image": null,
"imageCredit": "CC \u2014 Dartmouth-Konferenz, Public Domain",
"resources": [
{
"title": "Dartmouth-Konferenz \u2013 Wikipedia",
"url": "https://de.wikipedia.org/wiki/Dartmouth_Conference",
"license": "CC BY-SA 4.0"
}
]
},
{
"id": "hist_03",
"category": "history",
"difficulty": 2,
"question": "Welches historische Ereignis ersch\u00fctterte 1997 die Schachwelt?",
"options": [
"Der IBM-Rechner \u201eDeep Blue\u201c besiegte den Weltmeister Garry Kasparov",
"Ein Computervirus l\u00f6schte alle Schachdatenbanken",
"Ein Computer gewann das Turnier durch neuronale Netze und Lernen",
"Schach wurde durch Go als Standard-KI-Testspiel abgel\u00f6st"
],
"correctIndex": 0,
"explanation": "Deep Blue gewann durch schiere Rechenpower (Brute Force) und berechnete Millionen Z\u00fcge pro Sekunde \u2013 genau wie unser RotateBox-Algorithmus!",
"funFact": null,
"image": null,
"imageCredit": null,
"resources": [
{
"title": "Deep Blue \u2013 Wikipedia",
"url": "https://de.wikipedia.org/wiki/Deep_Blue",
"license": "CC BY-SA 4.0"
}
]
},
{
"id": "hist_04",
"category": "history",
"difficulty": 2,
"question": "Wer war ELIZA (1966)?",
"options": [
"Das erste Programm, das einen psychotherapeutischen Chatbot simulierte",
"Der erste Roboterhund von Sony",
"Eine KI, die komponieren konnte wie Mozart",
"Ein \u00dcbersetzungsprogramm, das Sprachen automatisch konvertierte"
],
"correctIndex": 0,
"explanation": "ELIZA spiegelte einfach die Aussagen der Nutzer (\u201eIch bin traurig.\u201c \u2192 \u201eWarum bist du traurig?\u201c). Menschen bauten erstaunlich schnell eine emotionale Bindung auf \u2013 der sogenannte ELIZA-Effekt.",
"funFact": "Manche von ELIZAs \u201ePatienten\u201c bestanden darauf, dass das Programm sie wirklich versteht \u2013 selbst nachdem man ihnen den Code gezeigt hatte.",
"image": null,
"imageCredit": "CC \u2014 Terminal-Screenshot, nachgestellt",
"resources": [
{
"title": "ELIZA \u2013 Wikipedia",
"url": "https://de.wikipedia.org/wiki/ELIZA",
"license": "CC BY-SA 4.0"
}
]
},
{
"id": "hist_05",
"category": "history",
"difficulty": 3,
"question": "Was bezeichnet man in der Informatik als \u201eKI-Winter\u201c?",
"options": [
"Eine Periode, in der Forschungsgelder f\u00fcr KI drastisch gek\u00fcrzt wurden, weil Erwartungen nicht erf\u00fcllt wurden",
"Eine Phase, in der Serverr\u00e4ume extrem gek\u00fchlt werden mussten",
"Ein Algorithmus, der Wetterdaten f\u00fcr die Arktis vorhersagt",
"Der Zeitraum, in dem neuronale Netze stagnieren und nicht weiterlernen"
],
"correctIndex": 0,
"explanation": "Nach anf\u00e4nglichem Hype merkte man, dass die damaligen Computer einfach nicht genug Rechenleistung f\u00fcr komplexe KI hatten. Die F\u00f6rdergelder versiegten.",
"funFact": "Es gab mindestens zwei gro\u00dfe KI-Winter: Ende der 1970er und Ende der 1980er.",
"image": null,
"imageCredit": null,
"resources": [
{
"title": "KI-Winter \u2013 Wikipedia",
"url": "https://de.wikipedia.org/wiki/KI-Winter",
"license": "CC BY-SA 4.0"
}
]
},
{
"id": "hist_06",
"category": "history",
"difficulty": 3,
"question": "Welches Spiel galt lange als zu komplex f\u00fcr Computer, bis AlphaGo 2016 den Weltmeister schlug?",
"options": [
"Go",
"Poker",
"Starcraft II",
"Monopoly"
],
"correctIndex": 0,
"explanation": "Go hat mehr m\u00f6gliche Brettpositionen als Atome im sichtbaren Universum. Reines Durchrechnen (Brute Force) ist unm\u00f6glich. AlphaGo nutzte Intuition durch Neuronale Netze!",
"funFact": "AlphaGo Zero lernte sp\u00e4ter komplett ohne menschliche Spielbeispiele \u2013 nur durch Spielen gegen sich selbst.",
"image": null,
"imageCredit": "CC \u2014 Go-Brett, Wikimedia Commons",
"resources": [
{
"title": "AlphaGo \u2013 Wikipedia",
"url": "https://de.wikipedia.org/wiki/AlphaGo",
"license": "CC BY-SA 4.0"
},
{
"title": "AlphaGo \u2013 DeepMind",
"url": "https://deepmind.google/technologies/alphago/",
"license": "\u00a9 Google DeepMind"
}
]
},
{
"id": "hist_07",
"category": "history",
"difficulty": 4,
"question": "Was verursachte den ersten gro\u00dfen KI-Winter 1969?",
"options": [
"Das Buch \u201ePerceptrons\u201c von Minsky/Papert, das die Grenzen einfacher neuronaler Netze bewies",
"Ein Hackerangriff auf das MIT, der alle Forschungsdaten zerst\u00f6rte",
"Die Erkenntnis, dass der Turing-Test methodisch fehlerhaft ist",
"Das Verbot von KI-Forschung durch die US-Regierung wegen des Kalten Krieges"
],
"correctIndex": 0,
"explanation": "Minsky und Papert zeigten die Limits damaliger Netzwerke auf. Erst viel sp\u00e4ter (1980er) l\u00f6ste der Backpropagation-Algorithmus dieses Problem durch versteckte Schichten.",
"funFact": "In unserem Perzeptron-Playground kannst du das XOR-Problem selbst nachstellen!",
"image": null,
"imageCredit": null,
"resources": [
{
"title": "Perzeptron \u2013 Wikipedia",
"url": "https://de.wikipedia.org/wiki/Perzeptron",
"license": "CC BY-SA 4.0"
}
]
},
{
"id": "hist_08",
"category": "history",
"difficulty": 4,
"question": "Welcher Durchbruch f\u00fchrte 2012 zum aktuellen Deep-Learning-Boom?",
"options": [
"Der Einsatz von GPUs zum Training von AlexNet, das Bilderkennung revolutionierte",
"Der Sieg von IBMs Watson bei der Quizshow Jeopardy",
"Die Ver\u00f6ffentlichung des ersten Transformer-Modells durch Google",
"Die Erfindung des Quantencomputers durch IBM"
],
"correctIndex": 0,
"explanation": "AlexNet halbierte die Fehlerrate bei Bilderkennung fast. Es bewies: Mit riesigen Datenmengen und Grafikkarten-Power funktionieren neuronale Netze pl\u00f6tzlich fantastisch.",
"funFact": null,
"image": null,
"imageCredit": null,
"resources": [
{
"title": "AlexNet \u2013 Wikipedia",
"url": "https://de.wikipedia.org/wiki/AlexNet",
"license": "CC BY-SA 4.0"
}
]
},
{
"id": "curr_01",
"category": "current-ai",
"difficulty": 1,
"question": "Was genau ist ChatGPT?",
"options": [
"Ein Sprachmodell, das das wahrscheinlichste n\u00e4chste Wort vorhersagt",
"Ein kleiner Mensch, der sehr schnell tippt",
"Eine Suchmaschine, die das Internet live abfragt",
"Ein Programm, das Gef\u00fchle hat und selbst\u00e4ndig denkt"
],
"correctIndex": 0,
"explanation": "ChatGPT ist extrem gut im Raten! Es hat Milliarden Texte gelesen und berechnet statistisch, welches Wort in einem Satz als N\u00e4chstes kommen sollte.",
"funFact": "GPT-4 hat gesch\u00e4tzt \u00fcber 1 Billion Parameter \u2013 das sind mehr als Synapsen in deinem Gehirn!",
"image": null,
"imageCredit": null,
"resources": [
{
"title": "ChatGPT \u2013 Wikipedia",
"url": "https://de.wikipedia.org/wiki/ChatGPT",
"license": "CC BY-SA 4.0"
}
]
},
{
"id": "curr_02",
"category": "current-ai",
"difficulty": 1,
"question": "Wof\u00fcr steht die Abk\u00fcrzung KI?",
"options": [
"K\u00fcnstliche Intelligenz",
"Komplexe Iteration",
"Kreative Informatik",
"Kognitive Infiltration"
],
"correctIndex": 0,
"explanation": "Im Englischen sagt man AI (Artificial Intelligence). Der Begriff ist ein Sammelbegriff f\u00fcr viele verschiedene Techniken, vor allem maschinelles Lernen.",
"funFact": null,
"image": null,
"imageCredit": null,
"resources": [
{
"title": "K\u00fcnstliche Intelligenz \u2013 Wikipedia",
"url": "https://de.wikipedia.org/wiki/K%C3%BCnstliche_Intelligenz",
"license": "CC BY-SA 4.0"
}
]
},
{
"id": "curr_03",
"category": "current-ai",
"difficulty": 2,
"question": "Was bedeutet \u201eHalluzinieren\u201c bei einer KI?",
"options": [
"Das Modell gibt fiktive, falsche Informationen als Fakten aus",
"Die KI hat einen Virus und zeigt bunte Bilder",
"Die KI weigert sich zu arbeiten und tr\u00e4umt vor sich hin",
"Server-\u00dcberhitzung f\u00fchrt zu fehlerhaftem Output"
],
"correctIndex": 0,
"explanation": "Weil Sprachmodelle keine Faktendatenbank haben, sondern Wahrscheinlichkeiten berechnen, klingen sie sehr \u00fcberzeugend \u2013 auch wenn sie v\u00f6lligen Unsinn erfinden.",
"funFact": null,
"image": null,
"imageCredit": null,
"resources": [
{
"title": "Halluzination (KI) \u2013 Wikipedia",
"url": "https://de.wikipedia.org/wiki/Halluzination_(K%C3%BCnstliche_Intelligenz)",
"license": "CC BY-SA 4.0"
}
]
},
{
"id": "curr_04",
"category": "current-ai",
"difficulty": 2,
"question": "Was ist ein \u201eDeepfake\u201c?",
"options": [
"Ein KI-generiertes Bild, Video oder Audio, das echt wirkt, aber gef\u00e4lscht ist",
"Ein extrem tiefer Schlafmodus eines Computers",
"Ein Algorithmus, der beim Schach besonders tief in den Suchbaum blickt",
"Ein Fehler im Code, der kaum zu finden ist"
],
"correctIndex": 0,
"explanation": "Durch Deep Learning lassen sich heute Stimmen klonen und Gesichter in Videos austauschen. Das ist faszinierend, birgt aber gro\u00dfe Gefahren f\u00fcr Fake News.",
"funFact": null,
"image": null,
"imageCredit": null,
"resources": [
{
"title": "Deepfake \u2013 Wikipedia",
"url": "https://de.wikipedia.org/wiki/Deepfake",
"license": "CC BY-SA 4.0"
},
{
"title": "Deepfakes erkennen \u2013 klicksafe.de",
"url": "https://www.klicksafe.de/deepfakes",
"license": "\u00a9 klicksafe / EU-Initiative"
}
]
},
{
"id": "curr_05",
"category": "current-ai",
"difficulty": 3,
"question": "Welches Problem versuchen Techniken wie RAG (Retrieval-Augmented Generation) zu l\u00f6sen?",
"options": [
"Dass ein LLM veraltete Daten hat und halluziniert; RAG durchsucht erst Dokumente als Basis",
"Dass die KI zu viel Strom verbraucht",
"Dass das Modell keine Bilder analysieren kann",
"Dass der Code der KI vor Angriffen gesch\u00fctzt werden muss"
],
"correctIndex": 0,
"explanation": "RAG ist wie ein Spickzettel! Bevor die KI antwortet, holt sie sich Fakten aus einer Datenbank und formuliert erst dann die Antwort.",
"funFact": null,
"image": null,
"imageCredit": null,
"resources": [
{
"title": "Retrieval-Augmented Generation \u2013 Wikipedia",
"url": "https://en.wikipedia.org/wiki/Retrieval-augmented_generation",
"license": "CC BY-SA 4.0"
}
]
},
{
"id": "curr_06",
"category": "current-ai",
"difficulty": 3,
"question": "Warum gibt es derzeit massive Urheberrechts-Klagen gegen KI-Firmen?",
"options": [
"KI-Modelle wurden mit Milliarden Texten und Bildern trainiert, oft ohne Zustimmung der Urheber",
"Die generierten Texte sind automatisch urheberrechtlich gesch\u00fctzt",
"KI-Firmen kopieren den Code ihrer Konkurrenten",
"KI-generierte Bilder tragen immer unerlaubt Wasserzeichen anderer K\u00fcnstler"
],
"correctIndex": 0,
"explanation": "Das Training eines Modells erfordert gigantische Datenmengen (Scraping). Ob dieses \u201eLernen\u201c unter Fair Use f\u00e4llt, m\u00fcssen gerade weltweit Gerichte kl\u00e4ren.",
"funFact": null,
"image": null,
"imageCredit": null,
"resources": [
{
"title": "KI und Urheberrecht \u2013 Wikipedia",
"url": "https://de.wikipedia.org/wiki/K%C3%BCnstliche_Intelligenz_und_Urheberrecht",
"license": "CC BY-SA 4.0"
}
]
},
{
"id": "curr_07",
"category": "current-ai",
"difficulty": 4,
"question": "Welcher Hardware-Engpass limitiert aktuell das Training der weltgr\u00f6\u00dften KI-Modelle?",
"options": [
"Ein massiver Mangel an leistungsstarken GPUs und deren enormer Energiebedarf",
"Mangel an spezialisierten KI-Chips (TPUs/ASICs) f\u00fcr Inferenz",
"Fehlende Glasfaserkabel zwischen den Kontinenten",
"Die begrenzte Verf\u00fcgbarkeit von hochreinem Silizium"
],
"correctIndex": 0,
"explanation": "Unternehmen wie Nvidia dominieren den Markt, weil GPUs durch ihre Architektur tausende mathematische Berechnungen (Matrizen) gleichzeitig ausf\u00fchren k\u00f6nnen \u2013 perfekt f\u00fcr KI.",
"funFact": null,
"image": null,
"imageCredit": null,
"resources": [
{
"title": "Grafikprozessor \u2013 Wikipedia",
"url": "https://de.wikipedia.org/wiki/Grafikprozessor",
"license": "CC BY-SA 4.0"
}
]
},
{
"id": "curr_08",
"category": "current-ai",
"difficulty": 4,
"question": "Was ist der Unterschied zwischen Open-Source-Modellen (wie Llama) und Closed-Modellen (wie GPT-4)?",
"options": [
"Bei Open Source k\u00f6nnen Forscher die Modell-Gewichte herunterladen, anpassen und lokal betreiben",
"Open-Source-Modelle sind kostenlos, k\u00f6nnen aber nicht sprechen",
"Closed-Modelle werden auf physisch gesicherten Servern betrieben",
"Open-Source-KIs d\u00fcrfen nur von Universit\u00e4ten genutzt werden"
],
"correctIndex": 0,
"explanation": "Offene Gewichte erm\u00f6glichen es der Community, effizientere und spezialisiertere KIs zu bauen, ohne auf APIs von Gro\u00dfkonzernen angewiesen zu sein.",
"funFact": null,
"image": null,
"imageCredit": null,
"resources": [
{
"title": "Llama (Sprachmodell) \u2013 Wikipedia",
"url": "https://de.wikipedia.org/wiki/LLaMA",
"license": "CC BY-SA 4.0"
},
{
"title": "Open-Source-KI im \u00dcberblick \u2013 heise.de",
"url": "https://www.heise.de/thema/Open-Source-KI",
"license": "\u00a9 Heise Medien"
}
]
},
{
"id": "gen_01",
"category": "general-ai",
"difficulty": 1,
"question": "Was besagt das erste der \u201eRobotergesetze\u201c des Autors Isaac Asimov?",
"options": [
"Ein Roboter darf keinem Menschen Schaden zuf\u00fcgen oder durch Unt\u00e4tigkeit zulassen, dass ein Mensch Schaden nimmt",
"Ein Roboter darf niemals rosten",
"Ein Roboter muss immer die Wahrheit sagen",
"Roboter m\u00fcssen Miete zahlen"
],
"correctIndex": 0,
"explanation": "Asimov pr\u00e4gte diese Gesetze in den 1940ern. Auch wenn sie Fiktion sind, bilden sie bis heute den Kern philosophischer Debatten \u00fcber KI-Sicherheit.",
"funFact": null,
"image": null,
"imageCredit": null,
"resources": [
{
"title": "Robotergesetze \u2013 Wikipedia",
"url": "https://de.wikipedia.org/wiki/Robotergesetze",
"license": "CC BY-SA 4.0"
}
]
},
{
"id": "gen_02",
"category": "general-ai",
"difficulty": 1,
"question": "Was versteht man unter einer \u201eSchwachen KI\u201c (Narrow AI)?",
"options": [
"Ein System, das nur f\u00fcr eine spezifische Aufgabe trainiert wurde (z.B. Schach oder Spam-Filter)",
"Eine KI, deren Akku fast leer ist",
"Ein Roboter, der keine schweren Gewichte heben kann",
"Eine KI, die oft falsche Antworten gibt"
],
"correctIndex": 0,
"explanation": "Alle heutigen KIs sind \u201eschwach\u201c. Eine KI, die fantastisch Bilder malt, kann nicht einmal eine einfache Matheaufgabe l\u00f6sen, f\u00fcr die sie nicht trainiert wurde.",
"funFact": null,
"image": null,
"imageCredit": null,
"resources": [
{
"title": "Schwache KI \u2013 Wikipedia",
"url": "https://de.wikipedia.org/wiki/Schwache_k%C3%BCnstliche_Intelligenz",
"license": "CC BY-SA 4.0"
}
]
},
{
"id": "gen_03",
"category": "general-ai",
"difficulty": 2,
"question": "Was ist das Ziel des ber\u00fchmten Turing-Tests?",
"options": [
"Pr\u00fcfen, ob ein Mensch im Chat Maschine und Mensch nicht mehr unterscheiden kann",
"Testen, wie schnell ein Computer bootet",
"Messen, wie viel Strom ein Rechenzentrum verbraucht",
"Ein Roboter muss einen Hindernis-Parcours durchlaufen"
],
"correctIndex": 0,
"explanation": "Alan Turing schlug das \u201eImitation Game\u201c 1950 vor. Heutige LLMs bestehen diesen Test fast m\u00fchelos, weshalb Wissenschaftler nach neuen H\u00e4rtetests f\u00fcr KI suchen.",
"funFact": null,
"image": null,
"imageCredit": null,
"resources": [
{
"title": "Turing-Test \u2013 Wikipedia",
"url": "https://de.wikipedia.org/wiki/Turing-Test",
"license": "CC BY-SA 4.0"
}
]
},
{
"id": "gen_04",
"category": "general-ai",
"difficulty": 2,
"question": "Was meint man mit \u201eMaschinellem Lernen\u201c (Machine Learning)?",
"options": [
"Der Computer sucht selbst\u00e4ndig nach Mustern in Beispieldaten statt feste Regeln zu befolgen",
"Ein Roboter baut andere Roboter zusammen",
"Man schlie\u00dft ein Kabel an sein Gehirn an wie in \u201eMatrix\u201c",
"Der Computer liest Wikipedia-Artikel laut vor"
],
"correctIndex": 0,
"explanation": "Beim klassischen Programmieren schreiben wir: \u201eWenn A, dann B\u201c. Beim Machine Learning geben wir der KI 1000 Bilder von Hunden und sagen: \u201eFinde selbst heraus, was einen Hund ausmacht.\u201c",
"funFact": null,
"image": null,
"imageCredit": null,
"resources": [
{
"title": "Maschinelles Lernen \u2013 Wikipedia",
"url": "https://de.wikipedia.org/wiki/Maschinelles_Lernen",
"license": "CC BY-SA 4.0"
}
]
},
{
"id": "gen_05",
"category": "general-ai",
"difficulty": 3,
"question": "Was beschreibt das \u201eBlack-Box-Problem\u201c der KI?",
"options": [
"Bei komplexen neuronalen Netzen wissen selbst Entwickler oft nicht, WARUM die KI so entschieden hat",
"Computergeh\u00e4use sind meistens schwarz",
"Die KI verschl\u00fcsselt intern ihre Entscheidungswege aus Sicherheitsgr\u00fcnden",
"Ein Absturz-Szenario wie bei Flugzeugen"
],
"correctIndex": 0,
"explanation": "Ein Netz mit Milliarden Parametern ist nicht mehr transparent. Deshalb bauen wir in unseren Playgrounds KIs, deren \u201eBlack Box\u201c wir aufbrechen und reinschauen k\u00f6nnen!",
"funFact": null,
"image": null,
"imageCredit": null,
"resources": [
{
"title": "Erkl\u00e4rbare KI \u2013 Wikipedia",
"url": "https://de.wikipedia.org/wiki/Erkl%C3%A4rbare_k%C3%BCnstliche_Intelligenz",
"license": "CC BY-SA 4.0"
}
]
},
{
"id": "gen_06",
"category": "general-ai",
"difficulty": 3,
"question": "Wie entsteht \u201eBias\u201c (Voreingenommenheit) in einer KI?",
"options": [
"Durch Trainingsdaten, die bereits menschliche Vorurteile oder historische Ungleichgewichte enthalten",
"Wenn der Code w\u00fctend geschrieben wird",
"Durch Computerviren aus dem Internet",
"Die KI entwickelt mit der Zeit eine eigene, b\u00f6sartige Pers\u00f6nlichkeit"
],
"correctIndex": 0,
"explanation": "Wenn ein Modell f\u00fcr Personal-Einstellungen nur mit Lebensl\u00e4ufen erfolgreicher M\u00e4nner trainiert wird, wird es weibliche Bewerber benachteiligen. Die KI spiegelt unsere Gesellschaft.",
"funFact": null,
"image": null,
"imageCredit": null,
"resources": [
{
"title": "Algorithmische Voreingenommenheit \u2013 Wikipedia",
"url": "https://de.wikipedia.org/wiki/Algorithmische_Voreingenommenheit",
"license": "CC BY-SA 4.0"
},
{
"title": "Algorithm Watch \u2013 Monitoring KI-Risiken",
"url": "https://algorithmwatch.org/de/",
"license": "\u00a9 AlgorithmWatch"
}
]
},
{
"id": "gen_07",
"category": "general-ai",
"difficulty": 4,
"question": "Was ist das \u201eAlignment-Problem\u201c in der KI-Forschung?",
"options": [
"Sicherstellen, dass Ziele und Verhalten einer KI mit menschlichen Werten \u00fcbereinstimmen",
"Die Ausrichtung von Satellitensch\u00fcsseln f\u00fcr KI-Datentransfer",
"Die Formatierung von Code-Zeilen im Backend",
"Das Justieren der Laser in optischen Computern"
],
"correctIndex": 0,
"explanation": "Klassisches Gedankenexperiment: Gib einer superintelligenten KI den Auftrag \u201eProduziere so viele B\u00fcroklammern wie m\u00f6glich\u201c \u2013 ohne Alignment verwandelt sie die ganze Erde in B\u00fcroklammern.",
"funFact": null,
"image": null,
"imageCredit": null,
"resources": [
{
"title": "AI Alignment \u2013 Wikipedia",
"url": "https://en.wikipedia.org/wiki/AI_alignment",
"license": "CC BY-SA 4.0"
}
]
},
{
"id": "gen_08",
"category": "general-ai",
"difficulty": 4,
"question": "Was ist der grundlegende Unterschied zwischen \u201eSymbolischer KI\u201c (GOFAI) und \u201eKonnektionismus\u201c?",
"options": [
"Symbolische KI basiert auf logischen Wenn-Dann-Regeln, Konnektionismus auf k\u00fcnstlichen Neuronen",
"Symbolische KI nutzt Emojis, Konnektionismus nutzt Buchstaben",
"Symbolische KI arbeitet mit Bilddaten, Konnektionismus mit Textdaten",
"Es gibt keinen Unterschied, nur verschiedene Marketingbegriffe"
],
"correctIndex": 0,
"explanation": "Unser Suchbaum-Playground ist Symbolische KI (Logik, Regeln). Deep Learning und ChatGPT geh\u00f6ren zum Konnektionismus (Mustererkennung durch Neuronale Netze).",
"funFact": null,
"image": null,
"imageCredit": null,
"resources": [
{
"title": "Konnektionismus \u2013 Wikipedia",
"url": "https://de.wikipedia.org/wiki/Konnektionismus",
"license": "CC BY-SA 4.0"
},
{
"title": "Symbolische KI \u2013 Wikipedia",
"url": "https://de.wikipedia.org/wiki/Symbolische_k%C3%BCnstliche_Intelligenz",
"license": "CC BY-SA 4.0"
}
]
},
{
"id": "math_01",
"category": "math",
"difficulty": 1,
"question": "Wenn sich die Zahl der M\u00f6glichkeiten mit jedem Schritt verdoppelt (2, 4, 8, 16\u2026), spricht man von:",
"options": [
"Exponentiellem Wachstum",
"Linearer Faulheit",
"Geometrischem Schrumpfen",
"Der Fibonacci-Folge"
],
"correctIndex": 0,
"explanation": "Das ist der Grund, warum Algorithmen bei vielen M\u00f6glichkeiten kollabieren. Wenn du ein Blatt Papier 42-mal faltest, reicht die Dicke bis zum Mond!",
"funFact": "In unserer Challenge \u201eDas Reiskorn-R\u00e4tsel\u201c erlebst du exponentielles Wachstum hautnah.",
"image": null,
"imageCredit": null,
"resources": [
{
"title": "Exponentielles Wachstum \u2013 Wikipedia",
"url": "https://de.wikipedia.org/wiki/Exponentielles_Wachstum",
"license": "CC BY-SA 4.0"
}
]
},
{
"id": "math_02",
"category": "math",
"difficulty": 1,
"question": "Wenn eine KI bei vier Antwortm\u00f6glichkeiten zuf\u00e4llig r\u00e4t, wie hoch ist die Trefferchance?",
"options": [
"25%",
"10%",
"50%",
"Kommt auf die Schwierigkeit der Frage an"
],
"correctIndex": 0,
"explanation": "Moderne KIs wie ChatGPT \u201ew\u00fcrfeln\u201c bei jedem Wort, das sie ausgeben. Sie berechnen, welches Wort mit h\u00f6chster Wahrscheinlichkeit folgen sollte.",
"funFact": "Bei diesem Test hast du also schon rein durch Raten eine 25%-Chance pro Frage!",
"image": null,
"imageCredit": null,
"resources": [
{
"title": "Wahrscheinlichkeit \u2013 Wikipedia",
"url": "https://de.wikipedia.org/wiki/Wahrscheinlichkeit",
"license": "CC BY-SA 4.0"
}
]
},
{
"id": "math_03",
"category": "math",
"difficulty": 2,
"question": "Eine KI speichert das Wort \u201eApfel\u201c nicht als Text, sondern als \u201eVektor\u201c. Was ist ein Vektor?",
"options": [
"Eine geordnete Liste von Zahlen, die eine Position im Raum beschreibt",
"Ein Computervirus",
"Ein Bildformat f\u00fcr Logos (wie SVG)",
"Die Geschwindigkeit des Prozessors"
],
"correctIndex": 0,
"explanation": "W\u00f6rter werden in einen mathematischen Raum \u00fcbersetzt. W\u00f6rter mit \u00e4hnlicher Bedeutung (Apfel, Birne) haben Vektoren, die nahe beieinanderliegen!",
"funFact": null,
"image": null,
"imageCredit": null,
"resources": [
{
"title": "Vektor \u2013 Wikipedia",
"url": "https://de.wikipedia.org/wiki/Vektor",
"license": "CC BY-SA 4.0"
},
{
"title": "Word2Vec \u2013 Wikipedia",
"url": "https://de.wikipedia.org/wiki/Word2vec",
"license": "CC BY-SA 4.0"
}
]
},
{
"id": "math_04",
"category": "math",
"difficulty": 2,
"question": "Die Kernstruktur vieler Algorithmen basiert auf linearen Funktionen. Wie lautet die Grundform?",
"options": [
"y = mx + b",
"y = wx\u00b2 + b",
"E = mc\u00b2",
"y = x / 0"
],
"correctIndex": 0,
"explanation": "m ist die Gewichtung (Weight) und b der Bias. Wenn ein Neuronales Netzwerk lernt, passt es eigentlich nur Millionen solcher m- und b-Werte an, bis das Ergebnis passt.",
"funFact": "In unserem Perzeptron-Playground siehst du live, wie die \u201eGerade\u201c (Decision Boundary) sich beim Training verschiebt.",
"image": null,
"imageCredit": null,
"resources": [
{
"title": "Lineare Funktion \u2013 Wikipedia",
"url": "https://de.wikipedia.org/wiki/Lineare_Funktion",
"license": "CC BY-SA 4.0"
}
]
},
{
"id": "math_05",
"category": "math",
"difficulty": 3,
"question": "Wie lernt ein Neuronales Netz, seine Fehler zu minimieren? Welcher Begriff beschreibt den \u201eWeg ins Tal\u201c?",
"options": [
"Gradientenabstieg (Gradient Descent)",
"Matrizenmultiplikation",
"Turing-Schleife",
"Algorithmischer Freifall"
],
"correctIndex": 0,
"explanation": "Stell dir vor, du stehst mit verbundenen Augen auf einem Berg und willst ins Tal. Du f\u00fchlst mit dem Fu\u00df, wo es am steilsten bergab geht, und machst einen Schritt. Genau das rechnet die KI!",
"funFact": null,
"image": null,
"imageCredit": null,
"resources": [
{
"title": "Gradientenverfahren \u2013 Wikipedia",
"url": "https://de.wikipedia.org/wiki/Gradientenverfahren",
"license": "CC BY-SA 4.0"
},
{
"title": "Gradient Descent \u2013 3Blue1Brown (Video)",
"url": "https://www.youtube.com/watch?v=IHZwWFHWa-w",
"license": "\u00a9 3Blue1Brown / Grant Sanderson"
}
]
},
{
"id": "math_06",
"category": "math",
"difficulty": 2,
"question": "Grafikkarten (GPUs) sind deshalb so gut f\u00fcr KI, weil sie Meister in welcher mathematischen Disziplin sind?",
"options": [
"Matrizenmultiplikation",
"Primzahlen berechnen",
"Bruchrechnen",
"Geometrie zeichnen"
],
"correctIndex": 0,
"explanation": "Eine Matrix ist ein Gitter aus Zahlen. Um ein Bild in der KI zu verarbeiten, m\u00fcssen riesige Zahlen-Gitter miteinander multipliziert werden. GPUs k\u00f6nnen tausende Rechnungen parallel ausf\u00fchren.",
"funFact": null,
"image": null,
"imageCredit": null,
"resources": [
{
"title": "Matrizenmultiplikation \u2013 Wikipedia",
"url": "https://de.wikipedia.org/wiki/Matrizenmultiplikation",
"license": "CC BY-SA 4.0"
}
]
},
{
"id": "math_07",
"category": "math",
"difficulty": 4,
"question": "Welcher Algorithmus \u201eflie\u00dft r\u00fcckw\u00e4rts\u201c durch das Netzwerk, um die Fehler der einzelnen Gewichte zu berechnen?",
"options": [
"Backpropagation (Fehlerr\u00fcckf\u00fchrung)",
"Dijkstra-Algorithmus",
"Forward-Pass",
"Monte-Carlo-Simulation"
],
"correctIndex": 0,
"explanation": "Durch die Kettenregel der Differenzialrechnung berechnet Backpropagation, welches Neuron wie viel Schuld am falschen Endergebnis hat, und korrigiert es entsprechend.",
"funFact": "Im Perzeptron-Playground siehst du, wie die Delta-Regel (vereinfachte Backpropagation) die Gewichte anpasst.",
"image": null,
"imageCredit": null,
"resources": [
{
"title": "Backpropagation \u2013 Wikipedia",
"url": "https://de.wikipedia.org/wiki/Backpropagation",
"license": "CC BY-SA 4.0"
},
{
"title": "Backpropagation erkl\u00e4rt \u2013 3Blue1Brown (Video)",
"url": "https://www.youtube.com/watch?v=Ilg3gGewQ5U",
"license": "\u00a9 3Blue1Brown / Grant Sanderson"
}
]
},
{
"id": "math_08",
"category": "math",
"difficulty": 4,
"question": "Welche Funktion wandelt in einem Klassifikations-Netzwerk mehrere Ausgabewerte in Wahrscheinlichkeiten um, die zusammen 1.0 ergeben?",
"options": [
"Softmax-Funktion",
"Sigmoid-Funktion",
"ReLU (Rectified Linear Unit)",
"Tangens hyperbolicus"
],
"correctIndex": 0,
"explanation": "Wenn die KI glaubt, ein Bild zeigt zu 8.5 eine Katze und zu 1.5 einen Hund, staucht Softmax dies in saubere Wahrscheinlichkeiten (z.B. 85% Katze, 15% Hund).",
"funFact": "Sigmoid macht \u00c4hnliches, aber nur f\u00fcr bin\u00e4re Entscheidungen (ja/nein). Softmax kann beliebig viele Klassen gleichzeitig bewerten.",
"image": null,
"imageCredit": null,
"resources": [
{
"title": "Softmax-Funktion \u2013 Wikipedia",
"url": "https://de.wikipedia.org/wiki/Softmax-Funktion",
"license": "CC BY-SA 4.0"
}
]
},
{
"id": "cs_01",
"category": "cs-practice",
"difficulty": 1,
"question": "Was ist eigentlich ein Algorithmus?",
"options": [
"Eine exakte, schrittweise Handlungsanweisung zur L\u00f6sung eines Problems",
"Eine Art Rhythmus-Instrument",
"Der Name des ersten Computers",
"Ein wildes Raten von Passw\u00f6rtern"
],
"correctIndex": 0,
"explanation": "\u201eNimm 2 Eier, r\u00fchre 3 Minuten\u2026\u201c Algorithmen sind nichts anderes als extrem pflichtbewusste K\u00f6che, die Anweisungen blind befolgen.",
"funFact": "Das Wort \u201eAlgorithmus\u201c stammt vom persischen Mathematiker al-Chwarizmi (9. Jahrhundert).",
"image": null,
"imageCredit": null,
"resources": [
{
"title": "Algorithmus \u2013 Wikipedia",
"url": "https://de.wikipedia.org/wiki/Algorithmus",
"license": "CC BY-SA 4.0"
}
]
},
{
"id": "cs_02",
"category": "cs-practice",
"difficulty": 1,
"question": "Wenn ein Programm abst\u00fcrzt, spricht man von einem \u201eBug\u201c. Woher kommt der Begriff?",
"options": [
"Eine echte Motte verfing sich 1947 in den Relais des Mark II Computers",
"Die Programmierer a\u00dfen gerne K\u00e4fer als Snack",
"\u201eBinary Unresolved Glitch\u201c",
"Es klang cooler als \u201eFehler\u201c"
],
"correctIndex": 0,
"explanation": "Die Pionierin Grace Hopper klebte die echte Motte in ihr Logbuch mit der Notiz \u201eFirst actual case of bug being found\u201c.",
"funFact": "Das originale Logbuch mit der Motte wird im Smithsonian Museum ausgestellt.",
"image": null,
"imageCredit": "CC \u2014 Logbuch von Grace Hopper, Public Domain",
"resources": [
{
"title": "Programmfehler (Bug) \u2013 Wikipedia",
"url": "https://de.wikipedia.org/wiki/Programmfehler",
"license": "CC BY-SA 4.0"
}
]
},
{
"id": "cs_03",
"category": "cs-practice",
"difficulty": 2,
"question": "Wie findet ein Computer oft den Weg aus einem Labyrinth?",
"options": [
"Er nutzt einen Suchbaum und probiert jede Abzweigung in Gedanken systematisch aus",
"Er riecht den Ausgang",
"Er l\u00e4uft einfach immer geradeaus, bis er durch die Wand bricht",
"Er nutzt GPS-Koordinaten"
],
"correctIndex": 0,
"explanation": "In unseren RotateBox-Challenges kannst du live zusehen, wie dieser unsichtbare Suchbaum w\u00e4chst und das Spiel f\u00fcr dich l\u00f6st!",
"funFact": null,
"image": null,
"imageCredit": null,
"resources": [
{
"title": "Suchbaum \u2013 Wikipedia",
"url": "https://de.wikipedia.org/wiki/Suchbaum",
"license": "CC BY-SA 4.0"
}
]
},
{
"id": "cs_04",
"category": "cs-practice",
"difficulty": 2,
"question": "Was ist eine \u201eHeuristik\u201c in der KI?",
"options": [
"Eine Daumenregel oder Abk\u00fcrzung, die nicht perfekt ist, aber schnell eine gute L\u00f6sung findet",
"Eine exakte mathematische Formel, die immer zu 100% stimmt",
"Eine Methode, den Computer zu k\u00fchlen",
"Der Neustart des Systems"
],
"correctIndex": 0,
"explanation": "Wenn du deinen Schl\u00fcssel suchst, scannst du nicht den Boden millimeterweise (Brute Force). Du suchst auf dem Tisch und in der Jacke (Heuristik). Effizienter!",
"funFact": "In unserem Regel-Labor kannst du eigene Heuristiken f\u00fcr TicTacToe erstellen und testen.",
"image": null,
"imageCredit": null,
"resources": [
{
"title": "Heuristik (Informatik) \u2013 Wikipedia",
"url": "https://de.wikipedia.org/wiki/Heuristik_(Informatik)",
"license": "CC BY-SA 4.0"
}
]
},
{
"id": "cs_05",
"category": "cs-practice",
"difficulty": 3,
"question": "Was ist der Unterschied zwischen Breitensuche (BFS) und Tiefensuche (DFS)?",
"options": [
"BFS pr\u00fcft alle Nachbarn ebenenweise, DFS geht erst einen Weg bis zum Ende durch",
"BFS nutzt eine Queue, DFS nutzt Rekursion \u2014 beide finden denselben Weg",
"BFS ist f\u00fcr Bilder, DFS ist f\u00fcr Text",
"BFS gibt es gar nicht, nur DFS"
],
"correctIndex": 0,
"explanation": "In unserer Suchbaum-Visualisierung kannst du den Unterschied live sehen. BFS findet immer den k\u00fcrzesten Weg, braucht aber enorm viel Speicherplatz!",
"funFact": null,
"image": null,
"imageCredit": null,
"resources": [
{
"title": "Breitensuche \u2013 Wikipedia",
"url": "https://de.wikipedia.org/wiki/Breitensuche",
"license": "CC BY-SA 4.0"
},
{
"title": "Tiefensuche \u2013 Wikipedia",
"url": "https://de.wikipedia.org/wiki/Tiefensuche",
"license": "CC BY-SA 4.0"
}
]
},
{
"id": "cs_06",
"category": "cs-practice",
"difficulty": 3,
"question": "Wenn ein Machine-Learning-Modell seine Trainingsdaten perfekt \u201eauswendig\u201c lernt, aber bei neuen Daten versagt, nennt man das:",
"options": [
"Overfitting (\u00dcberanpassung)",
"Underfitting",
"Daten-Demenz",
"Glitching"
],
"correctIndex": 0,
"explanation": "Stell dir vor, ein Sch\u00fcler lernt nur die Ergebnisse der \u00dcbungsaufgaben auswendig, statt das Prinzip zu verstehen. Sobald die Zahlen in der Pr\u00fcfung abweichen, f\u00e4llt er durch.",
"funFact": null,
"image": null,
"imageCredit": null,
"resources": [
{
"title": "\u00dcberanpassung \u2013 Wikipedia",
"url": "https://de.wikipedia.org/wiki/%C3%9Cberanpassung",
"license": "CC BY-SA 4.0"
}
]
},
{
"id": "cs_07",
"category": "cs-practice",
"difficulty": 4,
"question": "Welcher Algorithmus wird klassischerweise f\u00fcr Zwei-Spieler-Spiele wie TicTacToe oder Schach genutzt?",
"options": [
"Minimax-Algorithmus (oft mit Alpha-Beta-Pruning)",
"A*-Pathfinding",
"PageRank-Algorithmus",
"K-Means Clustering"
],
"correctIndex": 0,
"explanation": "Minimax geht davon aus, dass der Gegner optimal spielt. Er sucht den Zug, der den eigenen Gewinn maximiert (Max) und den Verlust minimiert (Min).",
"funFact": "In unserer Minimax-Visualisierung kannst du dem Algorithmus live beim Denken zusehen!",
"image": null,
"imageCredit": null,
"resources": [
{
"title": "Minimax-Algorithmus \u2013 Wikipedia",
"url": "https://de.wikipedia.org/wiki/Minimax-Algorithmus",
"license": "CC BY-SA 4.0"
},
{
"title": "Alpha-Beta-Suche \u2013 Wikipedia",
"url": "https://de.wikipedia.org/wiki/Alpha-Beta-Suche",
"license": "CC BY-SA 4.0"
}
]
},
{
"id": "cs_08",
"category": "cs-practice",
"difficulty": 4,
"question": "Was ist das revolution\u00e4re Kernkonzept der Transformer-Architektur (das \u201eT\u201c in GPT)?",
"options": [
"Der Self-Attention-Mechanismus, der versteht, welche W\u00f6rter f\u00fcreinander wichtig sind",
"Die Umwandlung von Strom in Rechenleistung",
"Der Convolutional-Mechanismus, der Text als \u00fcberlappende Fenster verarbeitet",
"Endlosschleifen, die immer besser konvergieren"
],
"correctIndex": 0,
"explanation": "Fr\u00fchere KIs lasen S\u00e4tze strikt von links nach rechts und verga\u00dfen den Anfang. Attention erm\u00f6glicht, den ganzen Satz auf einmal zu betrachten (z.B. \u201eDer Bankr\u00e4uber sa\u00df auf der Bank\u201c).",
"funFact": null,
"image": null,
"imageCredit": null,
"resources": [
{
"title": "Transformer (ML) \u2013 Wikipedia",
"url": "https://de.wikipedia.org/wiki/Transformer_(Maschinelles_Lernen)",
"license": "CC BY-SA 4.0"
},
{
"title": "Attention Is All You Need (Paper)",
"url": "https://arxiv.org/abs/1706.03762",
"license": "\u00a9 Vaswani et al. 2017 / arXiv"
}
]
}
]
};