Kurs 3 von 4 · Schulspace-Selbstlernkurse
Das richtige KI-Modell wählen
Gemini, Claude, ChatGPT — und in jedem Chat noch ein Modell-Dropdown? In ~20 Minuten verstehst du, wie KI wirklich funktioniert, was Tokens sind und welches Modell zu welcher Aufgabe passt. Danach triffst du die Wahl in Sekunden.
Was dich in diesem Kurs erwartet
- Wie eine KI „denkt": Wahrscheinlichkeiten statt Wissen — und warum sie deshalb manchmal Fakten erfindet
- Was Tokens sind — und warum eine HTML-Datei so viele davon verbraucht
- Wann ein schnelles Modell völlig reicht — und wann sich das starke wirklich lohnt
Modul 1 von 5
Wie „denkt" eine KI?
Bevor du Modelle vergleichen kannst, lohnt ein Blick unter die Haube: Eine Sprach-KI weiß nichts — sie hat kein Lexikon im Kopf und keine Datenbank mit Fakten. Stattdessen hat sie aus riesigen Textmengen Muster gelernt und berechnet für jede Antwort, Stück für Stück: Welches Wortstück folgt hier am wahrscheinlichsten?
Das klingt banal — erklärt aber fast alles, was dir im Alltag mit KI begegnet. Probier es aus:
Nach diesem Modul kannst du…
- erklären, wie eine Sprach-KI Antworten erzeugt (Wahrscheinlichkeiten statt Wissen)
- begründen, warum KIs manchmal Fakten erfinden (Halluzination)
Die Wortstück-Vorhersage — live
So sieht die Welt aus KI-Sicht aus: ein angefangener Satz und Wahrscheinlichkeiten für die Fortsetzung. Vergleiche die beiden Fälle.
Berechnete Wahrscheinlichkeiten für die Fortsetzung
Vereinfachte Veranschaulichung — echte Modelle berechnen Wahrscheinlichkeiten über zehntausende mögliche Wortstücke und wählen nicht immer das wahrscheinlichste.
Warum es trotzdem so gut funktioniert
In Milliarden von Texten stecken erstaunlich viele Muster: Grammatik, Fachwissen, Programmiercode, Erklärstrategien. Wer das wahrscheinlichste nächste Stück aus all dem vorhersagt, produziert meistens richtige und brauchbare Antworten — deshalb kann die KI auch HTML-Code „schreiben".
…und warum sie Fakten erfindet
Die KI antwortet immer — auch wenn kein verlässliches Muster existiert. Dann klingt das Ergebnis genauso überzeugend, ist aber erfunden: eine Halluzination. Sie „lügt" nicht — sie kann nicht unterscheiden, ob ihr wahrscheinlichstes Ergebnis stimmt.
Außerdem wichtig: der Wissensstichtag
Die Muster stammen aus Trainingstexten bis zu einem bestimmten Datum („Knowledge Cutoff"). Was danach passiert ist, kennt das Modell nicht — es sei denn, der Chat hat eine eingebaute Websuche. Für Lerninhalte zu aktuellen Ereignissen also: Fakten selbst liefern (Kurs 2, Modul 4) oder besonders gründlich prüfen.
Lernzielkontrolle
Warum erfindet eine KI manchmal Telefonnummern, Quellen oder Jahreszahlen?
Modul 2 von 5
Tokens & Kontextfenster
In Modul 1 hast du gesehen: Die KI arbeitet mit „Wortstücken". Diese Stücke heißen Tokens — und sie sind die Währung der KI-Welt: Jedes Token, das du eingibst, und jedes Token, das die KI ausgibt, kostet Rechenleistung. Jeder Zugang hat dafür ein begrenztes Token-Kontingent — je nach Anbieter, deinem Tarif und dem gewählten Modell. Genau hier entstehen die kostenlosen Limits, über die alle stöhnen.
Nach diesem Modul kannst du…
- erklären, was Tokens sind und Textmengen grob in Tokens einschätzen
- die drei Arten von Tokens unterscheiden, die ein Auftrag verbraucht (Eingabe, Verarbeitung, Ausgabe)
- begründen, warum HTML-Lerninhalte besonders viele Tokens verbrauchen
- richtig reagieren, wenn Code mittendrin abgeschnitten wird
Der Token-Schätzer — tippe selbst
Schreib oder ändere den Text und sieh zu, wie er in Tokens zerfällt.
So „sieht" die KI deinen Text (vereinfacht)
Grobe Schätzung: Im Schnitt entspricht 1 Token etwa 3–4 Zeichen. Die echte Zerlegung ist je nach Modell und Sprache etwas anders — die Größenordnung stimmt.
Wie ein Auftrag dein Kontingent verbraucht
Der Denkfehler vieler Einsteiger: „Erstelle mir ein Lernspiel" sind doch nur 5 Tokens? Stimmt — aber nur die Eingabe. Verbraucht wird viel mehr, in drei Schritten:
1. Eingabe
Dein Prompt — plus der ganze bisherige Chat-Verlauf, den die KI jedes Mal mitliest. Bei „Erstelle ein Lernspiel" nur eine Handvoll Tokens. Wächst aber mit jeder Nachricht im selben Chat.
2. Verarbeitung
Starke „Denk"-Modelle (die Thinking-Varianten aus Modul 3) erzeugen vor der Antwort unsichtbare Denk-Tokens — sie planen erst durch. Du siehst sie nicht, sie zählen aber mit. Schnelle Modelle überspringen das.
3. Ausgabe
Die eigentliche Antwort — bei einem Lernspiel der komplette HTML-Code, Token für Token herausgeschrieben. Hier entsteht der Löwenanteil: Tausende Tokens aus einem Fünf-Wort-Prompt.
Warum eine HTML-Datei so viele Tokens verbraucht
Deine Eingabe (der Prompt) ist meist kurz. Aber die Ausgabe hat es in sich: Eine komplette interaktive HTML-Datei besteht aus hunderten Zeilen Code — Design, Logik, Texte, alles muss die KI Token für Token „herausschreiben". Eine einzige Generierung kostet so schnell mehr als das Fünfzigfache einer normalen Chat-Antwort.
Und beim Nachbessern zählt der Verlauf mit: Jede neue Version des Codes wird komplett neu ausgegeben. Deshalb gilt: Je besser dein erster Prompt (Kurs 2), desto weniger teure Korrektur-Runden.
Lernzielkontrolle: Schätz die Größenordnung
Wie viele Tokens kosten diese drei Dinge ungefähr? Falsche Schätzungen kannst du korrigieren.
🎯 Eine Quizfrage mit 4 Antwortmöglichkeiten (als Text im Chat)
📄 Eine ganze A4-Seite Fließtext
🕹️ Ein komplettes interaktives Quiz als HTML-Datei
Zwei Grenzen, die du kennen solltest
Das Kontextfenster
So viel kann sich die KI in einem Chat gleichzeitig „merken" — bei modernen Modellen über 100.000 Tokens, also ganze Bücher. Aber: Alles zählt mit — dein Verlauf, jede Code-Version, jedes Bild. Ein langer Vibe-Coding-Chat füllt das Fenster, und die KI wird zunehmend vergesslich (du erinnerst dich an Kurs 2: dann hilft ein frischer Chat mit dem aktuellen Code).
Das Ausgabe-Limit
Eine einzelne Antwort darf nur eine begrenzte Zahl Tokens lang sein — deutlich weniger als das Kontextfenster. Bei großen HTML-Dateien passiert deshalb das klassische Ärgernis: Der Code bricht mittendrin ab.
Code abgeschnitten? So geht's weiter
Schreib einfach: „Der Code wurde abgeschnitten — fahre exakt an der Stelle fort, ohne von vorn zu beginnen." Danach die Teile zusammensetzen. Passiert es wiederholt, bitte um eine kompaktere Version („ohne Kommentare, kompakter Stil") oder teile das Projekt in Etappen auf.
Modul 3 von 5
Modellfamilien verstehen
„Gemini", „ChatGPT" oder „Claude" ist nicht ein Modell — dahinter steckt jeweils eine ganze Familie. Und bei allen drei Anbietern folgt sie demselben Prinzip, wie bei Autos: Es gibt den sparsamen Stadtflitzer und die starke Zugmaschine. Wer das Prinzip kennt, muss sich keine Modellnamen merken.
Nach diesem Modul kannst du…
- die Modellfamilien der drei großen Anbieter einordnen (schnell vs. stark)
- herausfinden, welches Modell in deinem Chat gerade aktiv ist
Schnell & sparsam
Kleine Modelle: antworten blitzschnell, verbrauchen wenig Rechenleistung — deshalb sind ihre Gratis-Limits großzügig. Für Texte, Fragen, einfache Aufgaben völlig ausreichend.
Maximale Leistung
Große Modelle: deutlich besser bei komplexer Logik, langem Code und kniffligen Aufgaben — aber langsamer und teurer, deshalb im Gratis-Zugang knapper bemessen.
Die drei großen Anbieter im Überblick
Stand: Juni 2026Google Gemini
- Schnell & sparsam: „Flash" und „Flash-Lite"
- Stark: „Pro"
- Kostenlos: Flash großzügig (teils ohne Anrechnung), Pro mit Kontingent, das sich alle paar Stunden auffrischt
- Vorschau: „Canvas"
Anthropic Claude
- Schnell & sparsam: „Haiku"
- Stark: „Sonnet", darüber „Opus"
- Kostenlos: Sonnet mit Tageslimit
- Vorschau: „Artifacts" (sehr praktisch für HTML)
OpenAI ChatGPT
- Schnell & sparsam: „Instant" und „Mini"-Varianten
- Stark: „Thinking"-Varianten (GPT-5.x)
- Kostenlos: Instant-Modell, dazu begrenzt Mini; Thinking nur im Abo
- Vorschau: „Canvas"
Warum diese Box ein Verfallsdatum hat: das Release-Tempo
Jeder Anbieter bringt mehrmals pro Jahr neue Modelle oder Versionen heraus. Konkrete Namen veralten deshalb schnell — die Familien-Logik oben (schnell vs. stark) bleibt aber seit Jahren stabil. Verlasse dich auf das Prinzip, nicht auf den Namen.
Praxis-Tipp: Wirf einen Blick ins Modell-Dropdown
Jede Chat-Oberfläche hat oben eine Modellauswahl — und voreingestellt ist oft das schnelle Modell. Wenn dein Vibe-Coding-Ergebnis enttäuscht, prüfe zuerst dort, mit wem du eigentlich gesprochen hast. Der Wechsel auf das stärkere Modell ist ein Klick.
Lernzielkontrolle: Ordne die Modelle ein
Sechs Modellnamen, wie sie dir im Dropdown begegnen — welcher Klasse gehören sie an?
Gemini Flash
Claude Opus
GPT … Mini
Claude Haiku
Gemini Pro
GPT … Thinking
Modul 4 von 5
Das richtige Modell für deinen Einsatz
Jetzt führen wir alles zusammen: Tokens, Familien, Leistung. Die gute Nachricht — du brauchst keine Benchmarks zu lesen. Für den Schulalltag reicht eine Frage: Wie komplex ist meine Aufgabe?
Nach diesem Modul kannst du…
- für typische Unterrichts-Aufgaben das passende Modell wählen
- begründen, wann sich das starke Modell wirklich lohnt — und wann nicht
Der Modell-Berater — klick dich durch
Sechs typische Aufgaben aus deinem Alltag. Klicke sie an und sieh die Empfehlung.
Tipp: Schau dir mindestens drei Aufgaben an — die Logik dahinter wiederholt sich schnell.
Die Faustregel
🛵 Schnelles Modell: Texte, Quizfragen, Arbeitsaufträge, Umformulierungen — alles ohne HTML. Schneller, schont die Limits, Qualität völlig ausreichend.
🚛 Starkes Modell: Komplette HTML-Lerninhalte mit viel Logik — Escape Rooms, Simulationen, Lernpfade. Vollständigerer Code, weniger Fehler, weniger Korrektur-Runden.
„Schwächer" heißt nicht schlechter Unterricht: Für viele Alltagsaufgaben ist das schnelle Modell schlicht die richtige Wahl. Und egal welches Modell — fachliche Fakten prüfst du immer selbst (Kurs 1, Modul 5).
Lernzielkontrolle
Jetzt berätst du — 3 Situationen aus dem Kollegium.
Situation 1 von 3: Eine Kollegin braucht schnell 8 Übungssätze für die Vokabelabfrage — als Text zum Ausdrucken. Was empfiehlst du?
Situation 2 von 3: Du planst einen Escape Room mit fünf verknüpften Rätseln als HTML — der Code soll möglichst auf Anhieb laufen. Welches Modell?
Situation 3 von 3: Das starke Modell hat dein Geschichts-Quiz mit Jahreszahlen erstellt. Was gilt für die Fakten?
Modellwahl sitzt!
Bleibt eine letzte Frage: Was tun, wenn das Limit zuschlägt? Das klären wir in Modul 5.
Modul 5 von 5
Limits im Alltag meistern
Irgendwann kommt sie immer: die Meldung „Du hast dein Limit erreicht." Kein Grund zur Frustration — mit dem Wissen aus diesem Kurs hast du jetzt mehrere Auswege. Spiel sie im Entscheidungsbaum durch.
Nach diesem Modul kannst du…
- bei erreichtem Limit die passende Strategie wählen
- einschätzen, was Schul-Plattformen wie Fobizz oder ByLKI leisten
„Du hast dein Limit erreicht" — was nun?
Dein Token-Guthaben — alles zusammen
Stell dir dein Kontingent als volles Glas vor. Wähle bei allen drei Stellschrauben eine Option, tippe auf Testen — und sieh, wie schnell sich das Glas leert: ein kleiner Schluck oder ein großer Zug?
100 % übrig
Dein Prompt
Was du anforderst
Dein Modell
Damit es gar nicht erst so weit kommt: Tokens sparen
1. Erster Prompt sitzt
Das Framework aus Kurs 2 spart Korrektur-Runden — jede Runde gibt den ganzen Code neu aus.
2. Material vorbereiten
Fragen und Inhalte vorab sammeln, statt sie im Chat hin- und herzudiskutieren.
3. Gezielt ändern
„Ändere nur X" statt Neugenerierung — du weißt ja jetzt, was ein kompletter Durchlauf kostet.
KI-Zugänge über Schul-Plattformen
Neben den direkten Zugängen gibt es Plattformen speziell für Schulen — etwa Fobizz (bundesweit, oft über Schul- oder Landeslizenzen) oder in Bayern ByLKI (kostenlos für Lehrkräfte). Ihre Stärken: DSGVO-konforme Verträge, keine private Registrierung bei US-Anbietern, oft großzügige Kontingente.
Ein Punkt ist gut zu wissen — ganz ohne Kritik: Bei zwischengeschalteten Plattformen kann die Modellauswahl etwas hinter den allerneuesten Versionen liegen. Bei dem Release-Tempo aus Modul 3 ist das völlig normal. Für komplexe Lerninhalte lohnt deshalb der Blick, welches Modell dahintersteckt — du weißt jetzt ja, wie man Familien einordnet.
Kurs 3 abgeschlossen!
Du verstehst jetzt, was unter der Haube passiert — und wählst dein Modell ab sofort in Sekunden.
Wahrscheinlichkeiten statt Wissen
Die KI sagt Wortstück für Wortstück das Wahrscheinlichste vorher. Wo kein Muster dominiert, erfindet sie überzeugend — deshalb prüfst du Fakten immer selbst.
Tokens sind die Währung
Eingabe + Ausgabe kosten Tokens. Eine HTML-Datei kostet das 50-Fache einer Quizfrage — Vibe-Coding ist die token-hungrigste KI-Nutzung.
Das Familien-Prinzip
Jeder Anbieter hat schnelle/sparsame und starke Modelle. Namen ändern sich ständig — das Prinzip bleibt. Blick ins Dropdown lohnt sich.
Die Modellwahl
Texte und Quizfragen → schnelles Modell reicht. Komplexe HTML-Inhalte → starkes Modell lohnt sich. Limit erreicht → Modell, Anbieter oder Strategie wechseln.
Dein Spickzettel — zum Kopieren und Aufheben
MODELLWAHL-SPICKZETTEL • Texte, Quizfragen, Umformulierungen → schnelles Modell (Flash / Haiku / Instant & Mini) • Komplette HTML-Lerninhalte, Escape Rooms, Simulationen → starkes Modell (Pro / Sonnet & Opus / Thinking) • Fakten (Jahreszahlen, Quellen) → egal welches Modell: selbst prüfen • Code abgeschnitten → „Fahre exakt an der Stelle fort" • Limit erreicht → kleines Modell fürs Einfache / Anbieter wechseln / Material vorbereiten und später fortsetzen • Erst denken, dann prompten: jeder Korrektur-Durchlauf gibt den ganzen Code neu aus
Abschlusszertifikat
Lade dir dein persönliches PDF-Zertifikat herunter
Gib deinen Namen ein — wir erstellen ein Zertifikat für den Abschluss von Kurs 3.
Bitte gib deinen Namen ein.
Wie geht es weiter?
Der letzte Kurs der Reihe.
Kurs 4
Schulspace im Unterrichtsalltag
Live-Quiz, Kartenabfrage, Widget-Tafel & Co. — und wie alles zusammenspielt.
Zum KursSchon alles ausprobiert?
Wende dein neues Wissen direkt an: Wähle bewusst ein Modell und erstelle deinen nächsten Lerninhalt.
Zum Prompt-Generator