| type | overview | ||
|---|---|---|---|
| tags |
|
||
| created | 2026-04-16 | ||
| updated | 2026-04-16 | ||
| project | KI_VL |
Willkommen im offiziellen Repository zum Modul KI-Literacy. Dieses Projekt dient als zentrale Anlaufstelle für technische Ressourcen, Anleitungen und Laborübungen der Vorlesungsreihe.
In diesem Kurs lernen wir, wie man LLMs versteht, kontrolliert und unabhängig von großen Cloud-Anbietern in eigene, agentische Ökosysteme integriert.
Um die gesamte Kurs-Umgebung (OpenWebUI, Jupyter-Interpreter, SearXNG-Suche) mit einem Klick zu starten, nutze die bereitgestellte Docker-Konfiguration:
- Repository klonen oder Dateien herunterladen.
- Docker Desktop starten.
- Im Terminal in den Ordner
infrastructure/navigieren und diesen Befehl ausführen:docker-compose up -d
Detaillierte Anweisungen und alternative Deployment-Wege findest du im Deployment_Guide.md.
- Deployment_Guide.md – Der vollständige Master-Guide für das Setup von Docker, OpenWebUI, Jupyter und MCP-Servern.
- KI-VL-Skript_26.pdf – Aktuelles Vorlesungsbegleit-Skript.
- Linkliste.md – Kuratierte Links zu Visualisierungen (Transformer, Tokenizer) und Benchmarks.
- Nova_Systemprompt.md – Das "Gehirn" unserer Kurs-Agentin.
Der Ordner demodokumente/ enthält spezielles Testmaterial für verschiedene KI-Fähigkeiten. Alle Dateien in diesem Ordner wurden mittels KI generiert und sind somit lizenzfrei für Lehrzwecke nutzbar:
- Vision: Bilder für Objekterkennung und Detail-Analysen (z. B. Parkplatz-Check, Wimmelbilder).
- RAG & Long-Context: Komplexe PDFs und Word-Dokumente für die "Nadel im Heuhaufen"-Suche.
- Audio: Beispieldateien für Transkriptions-Tests.
- Data Science: CSV-Dateien für Analysen mittels Code Interpreter.
- Agentik & Seminararbeit:
- agents_demo/ – Ein vollständiges Demo-Paket für einen OpenWebUI Seminararbeit-Agenten. Enthält System-Prompts, Skills (didaktisch & poetisch), aktuelle Literaturquellen (RAG) und Demoprompts zum Testen.
- demoaufgabe_agents_oui.md – Die ursprüngliche Schritt-für-Schritt-Anleitung zur Erstellung von Agenten.
- Bilderzeugung (Modul) – Ein vollständiges Lehrmodul zur systematischen KI-Bildgenerierung. Enthält eine technische Einführung, eine Anleitung mit 16 Aufgaben, ein Cheat Sheet und einen Prompt-Katalog.
- Data Science (Modul) – Neu: Ein umfassendes Modul für KI-gestützte Datenanalyse (Tag 6 & 7). Enthält Anleitungen für den Code Interpreter, Laborübungen zur Datenreinigung (EDA) und statistischen Modellierung sowie ein eigenes Deployment-Setup.
- Videoerzeugung (Modul) – Ein vollständiges Lehrmodul zur kinematischen KI-Videogenerierung. Enthält didaktische Anleitungen für Kamerasteuerung, Charakter-Konsistenz (Identity Bundle), Storyboarding mittels LLM und Post-Produktions-Workflows. Ergänzt um Best Practices für lokale Workflows (Specs/ComfyUI) und Produktwerbung.
- Songerzeugung (Modul) – Ein Lehrmodul zur KI-Musikproduktion. Deckt Theorie (Anatomie des Klangs), Prompting-Techniken für komplette Songs (Suno/Udio) und professionelle Vocal-Synthesis (Synthesizer V/ACE Studio) ab.
- Design & Branding (Modul) – Ein Modul zur KI-gestützten visuellen Gestaltung. Verknüpft klassische Design-Prinzipien (Gestaltgesetze, Typografie) mit KI-Beschleunigung für Logo-Entwicklung, Corporate Identity und UI/UX Mockups.
- Agents Desktop (Modul) – KI-Agenten in der professionellen Entwicklungsumgebung (VS Code, Codex, Antigravity).
- Agents To-Go (Modul) – Mobile und portable KI-Lösungen (Hermes, OpenClaw) für maximale Datensouveränität unterwegs.
infrastructure/docker-compose.yml– Orchestrierung aller Dienste.infrastructure/searxng_settings.yml– Konfiguration für die datenschutzkonforme lokale Suche.infrastructure/requirements_jupyter.txt– Notwendige Python-Bibliotheken für den Code-Interpreter.
Dieses Repository wird kontinuierlich während der Vorlesungsreihe aktualisiert.
[[Projekt_KI_VL]]