<?xml version="1.0" encoding="utf-8" standalone="yes"?>
<rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom">
	<channel>
		<title>Stefan Fischerländer. Physiker und Datennerd. on fischerlaender.de</title>
		<link>https://www.fischerlaender.de/</link>
		<description>Recent content in Stefan Fischerländer. Physiker und Datennerd. on fischerlaender.de</description>
		<generator>Hugo</generator>
		<language>de-DE</language>
		
		
		
		
			<lastBuildDate>Thu, 29 Oct 2026 00:00:00 +0000</lastBuildDate>
		
			<atom:link href="https://www.fischerlaender.de/index.xml" rel="self" type="application/rss+xml" />
			<item>
				<title>Ein lokaler KI-Chatbot in fünf Minuten</title>
				<link>https://www.fischerlaender.de/lab/grundlagen/5-minuten-lokaler-ki-chatbot/</link>
				<pubDate>Tue, 08 Sep 2026 00:00:00 +0000</pubDate>
				<guid>https://www.fischerlaender.de/lab/grundlagen/5-minuten-lokaler-ki-chatbot/</guid>
				<description>&lt;p&gt;Die produktive Nutzung lokaler KI ist komplex. Die Auswahl von Hardware und Sprachmodell ist schwierig, die Empfehlungen scheinen sich fast wöchentlich zu ändern und eine Unmenge an Fachbegriffen erschwert den Einstieg. Um diese Schwierigkeiten ein Stück weit aus dem Weg zu räumen, bietet es sich an, dass du mit einem kleinen lokalen Chatbot loslegst.&lt;/p&gt;&#xA;&lt;h2 id=&#34;in-fünf-minuten-zum-lokalen-ki-chatbot&#34;&gt;In fünf Minuten zum lokalen KI-Chatbot&lt;/h2&gt;&#xA;&lt;p&gt;Diese einfache Schritt-für-Schritt-Anleitung bringt dir dein eigenes privates Mini-ChatGPT auf deinem Rechner:&lt;/p&gt;</description>
			</item>
			<item>
				<title>Benchmark M01: Seitentitel schreiben</title>
				<link>https://www.fischerlaender.de/lab/benchmarks/m01-seitentitel-schreiben/</link>
				<pubDate>Wed, 28 Oct 2026 00:00:00 +0000</pubDate>
				<guid>https://www.fischerlaender.de/lab/benchmarks/m01-seitentitel-schreiben/</guid>
				<description>&lt;h2 id=&#34;die-aufgabe&#34;&gt;Die Aufgabe&lt;/h2&gt;&#xA;&lt;p&gt;Das Modell bekommt den Inhalt einer Seite, so wie er aus einem Crawler wie Screaming Frog kommt: 1500 bis 2100 Zeichen mit HTML-Auszeichnung, Zwischenüberschriften, Listen, Abschweifungen und einem Teaser, der auf einen anderen Artikel verweist. Dazu kommt die Bitte um einen deutschen Seitentitel mit 40 bis 60 Zeichen, der das Hauptthema nennt. Ein Zielkeyword gibt es nicht vor. Das Modell muss das Thema selbst finden. Im Alltag würde man das zwar meist vorgeben, aber die KI soll hier zeigen, was sie kann.&lt;/p&gt;</description>
			</item>
			<item>
				<title>Lokale KI – eine kurze Einführung für Praktiker</title>
				<link>https://www.fischerlaender.de/lab/grundlagen/lokale-ki-kurze-einfuehrung/</link>
				<pubDate>Wed, 26 Aug 2026 00:00:00 +0000</pubDate>
				<guid>https://www.fischerlaender.de/lab/grundlagen/lokale-ki-kurze-einfuehrung/</guid>
				<description>&lt;p&gt;Lokale KI auf eigener Hardware laufen zu lassen, erscheint verlockend: Du hast keine Datenschutzprobleme, niemand kann dir dein Modell abschalten und kostenlos ist der Betrieb auch noch. Und in der Tat ist lokale KI-Nutzung ein riesiger Sprung in den Möglichkeiten, die uns Computer heute anbieten. Doch der Einstieg kann manchmal komplex und abschreckendwirken. Mit dieser Anleitung sollte es aber ganz einfach gelingen.&lt;/p&gt;&#xA;&lt;h2 id=&#34;der-lokale-ki-stack&#34;&gt;Der lokale KI-Stack&lt;/h2&gt;&#xA;&lt;p&gt;Was wir zum Einstieg benötigen, sind drei Dinge:&lt;/p&gt;</description>
			</item>
			<item>
				<title>Benchmark M02: Deutsches Weltwissen</title>
				<link>https://www.fischerlaender.de/lab/benchmarks/m02-deutsches-modellwissen-testen/</link>
				<pubDate>Thu, 29 Oct 2026 00:00:00 +0000</pubDate>
				<guid>https://www.fischerlaender.de/lab/benchmarks/m02-deutsches-modellwissen-testen/</guid>
				<description>&lt;h2 id=&#34;die-aufgabe&#34;&gt;Die Aufgabe&lt;/h2&gt;&#xA;&lt;p&gt;Das Modell bekommt eine Wissensfrage und zehn Antworten zur Auswahl, von denen genau eine stimmt. Es soll nur den Buchstaben nennen. Jede Frage kommt einzeln, ohne Kontext, ohne Websuche. Der Benchmark misst also, was im Modell selbst steckt. Das ist wichtig, weil Modelle nicht jeden einzelnen Aspekt eines Textes oder jeden einzelnen Fakt durch eine Websuche absichern können; jedenfalls dann nicht, wenn die Laufzeit nicht ins Unermessliche steigen soll.&lt;/p&gt;</description>
			</item>
			<item>
				<title>Hardware für lokale KI: VRAM und Geschwindigkeit</title>
				<link>https://www.fischerlaender.de/lab/grundlagen/hardware-fuer-lokale-ki/</link>
				<pubDate>Sun, 13 Sep 2026 00:00:00 +0000</pubDate>
				<guid>https://www.fischerlaender.de/lab/grundlagen/hardware-fuer-lokale-ki/</guid>
				<description>&lt;p&gt;Lokale KI läuft auf unserer Hardware, die meist deutlich weniger leistungsfähig ist als das, was in den Rechenzentren der großen Anbieter verfügbar ist. Damit stellt sich die Frage, welche Hardwareanforderungen für welche Sprachmodelle nötig sind.&lt;/p&gt;&#xA;&lt;h2 id=&#34;prompt-processing-und-tokengenerierung&#34;&gt;Prompt Processing und Tokengenerierung&lt;/h2&gt;&#xA;&lt;p&gt;Jede LLM-Nutzung besteht aus den beiden Phasen &lt;em&gt;Prefill&lt;/em&gt; (&lt;em&gt;Prompt Processing&lt;/em&gt;) und &lt;em&gt;Decode&lt;/em&gt; (&lt;em&gt;Generierung&lt;/em&gt;), die unterschiedliche Anforderungen an die Hardware stellen. Wer verstehen möchte, welche Hardware für welche Use Cases geeignet ist, sollte sich mit diesen Details zumindest grob befassen.&lt;/p&gt;</description>
			</item>
			<item>
				<title>Benchmark M03: Produktfakten extrahieren</title>
				<link>https://www.fischerlaender.de/lab/benchmarks/m03-fakten-extrahieren/</link>
				<pubDate>Thu, 29 Oct 2026 00:00:00 +0000</pubDate>
				<guid>https://www.fischerlaender.de/lab/benchmarks/m03-fakten-extrahieren/</guid>
				<description>&lt;h2 id=&#34;die-aufgabe&#34;&gt;Die Aufgabe&lt;/h2&gt;&#xA;&lt;p&gt;Das Modell bekommt einen kurzen deutschen Produkttext und soll daraus ein JSON-Objekt mit sieben Feldern machen: Produktname, Hersteller, Preis, Farbe, Material, Artikelnummer und ob das Produkt lieferbar ist. Das ist das häufigste Datenprojekt im SEO-Alltag: ein Produktfeed, eine Schema.org-Auszeichnung, der Abgleich mit dem Warenwirtschaftssystem. Ein Modell, das das zuverlässig kann, ersetzt einen Haufen regulärer Ausdrücke. Eines, das es fast kann, schreibt unbemerkt Fehler in eine Datenbank.&lt;/p&gt;&#xA;&lt;p&gt;Jeder der 30 Texte enthält eine oder mehrere Fallen:&lt;/p&gt;</description>
			</item>
			<item>
				<title>Benchmark M10: ALT-Texte schreiben</title>
				<link>https://www.fischerlaender.de/lab/benchmarks/m10-alt-texte-schreiben/</link>
				<pubDate>Thu, 29 Oct 2026 00:00:00 +0000</pubDate>
				<guid>https://www.fischerlaender.de/lab/benchmarks/m10-alt-texte-schreiben/</guid>
				<description>&lt;h2 id=&#34;die-aufgabe&#34;&gt;Die Aufgabe&lt;/h2&gt;&#xA;&lt;p&gt;Das Modell bekommt ein Foto und die Bitte um einen deutschen ALT-Text mit 40 bis 110 Zeichen. Das verlangt ein Modell mit Bildverständnis. Kolibri 1 hat keines und fehlt deshalb in dieser Aufgabe.&lt;/p&gt;&#xA;&lt;p&gt;Gerade hier sind lokale Modelle interessant: Produktfotos, Kundenbilder und Screenshots aus internen Systemen schickt man ungern an eine fremde API. Und ein Shop mit ein paar tausend leeren ALT-Attributen ist der Regelfall, nicht die Ausnahme.&lt;/p&gt;</description>
			</item>
			<item>
				<title>Benchmark A01: Browser-Audit einer JavaScript-Site</title>
				<link>https://www.fischerlaender.de/lab/benchmarks/a01-site-audit-erstellen-lassen/</link>
				<pubDate>Thu, 29 Oct 2026 00:00:00 +0000</pubDate>
				<guid>https://www.fischerlaender.de/lab/benchmarks/a01-site-audit-erstellen-lassen/</guid>
				<description>&lt;h2 id=&#34;die-aufgabe&#34;&gt;Die Aufgabe&lt;/h2&gt;&#xA;&lt;p&gt;Anders als in den M-Aufgaben bekommt das Modell hier keinen Text in den Prompt. Es bekommt einen echten Chrome, den es über Werkzeuge bedient: Seiten aufrufen, Skripte ausführen, klicken, scrollen, die Kennung des Browsers ändern, den Netzwerkverkehr ansehen. Dazu eine Liste von 26 Adressen eines kleinen Shops und einen Katalog von 22 Fehlertypen. Am Ende soll es eine Liste abgeben: auf welcher Seite welcher Fehler steckt.&lt;/p&gt;&#xA;&lt;p&gt;Die Fehler sind solche, die erst sichtbar werden, wenn die Seite läuft:&lt;/p&gt;</description>
			</item>
			<item>
				<title>Die Modelle hinter dem SEO-Benchmark</title>
				<link>https://www.fischerlaender.de/lab/benchmarks/modelle/</link>
				<pubDate>Wed, 28 Oct 2026 00:00:00 +0000</pubDate>
				<guid>https://www.fischerlaender.de/lab/benchmarks/modelle/</guid>
				<description>&lt;h2 id=&#34;die-hardware&#34;&gt;Die Hardware&lt;/h2&gt;&#xA;&lt;p&gt;Alle lokalen Modelle liefen auf einem handelsüblichen PC mit bereits etwas älterer Hardware:&lt;/p&gt;&#xA;&lt;table&gt;&#xA;&#x9;&lt;thead&gt;&#xA;&#x9;&#x9;&#x9;&lt;tr&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;th style=&#34;text-align: left&#34;&gt;Bauteil&lt;/th&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;th style=&#34;text-align: left&#34;&gt;&lt;/th&gt;&#xA;&#x9;&#x9;&#x9;&lt;/tr&gt;&#xA;&#x9;&lt;/thead&gt;&#xA;&#x9;&lt;tbody&gt;&#xA;&#x9;&#x9;&#x9;&lt;tr&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td style=&#34;text-align: left&#34;&gt;Grafikkarten&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td style=&#34;text-align: left&#34;&gt;2× NVIDIA RTX 3060 mit je 12 GB, zusammen 24 GB VRAM&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&lt;/tr&gt;&#xA;&#x9;&#x9;&#x9;&lt;tr&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td style=&#34;text-align: left&#34;&gt;Prozessor&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td style=&#34;text-align: left&#34;&gt;Ryzen 5 3600&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&lt;/tr&gt;&#xA;&#x9;&#x9;&#x9;&lt;tr&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td style=&#34;text-align: left&#34;&gt;Arbeitsspeicher&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td style=&#34;text-align: left&#34;&gt;32 GB&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&lt;/tr&gt;&#xA;&#x9;&#x9;&#x9;&lt;tr&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td style=&#34;text-align: left&#34;&gt;Betriebssystem&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td style=&#34;text-align: left&#34;&gt;Debian GNU/Linux 13&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&lt;/tr&gt;&#xA;&#x9;&#x9;&#x9;&lt;tr&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td style=&#34;text-align: left&#34;&gt;Inferenz&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&#x9;&#x9;&lt;td style=&#34;text-align: left&#34;&gt;llama.cpp (llama-server) Build 10812&lt;/td&gt;&#xA;&#x9;&#x9;&#x9;&lt;/tr&gt;&#xA;&#x9;&lt;/tbody&gt;&#xA;&lt;/table&gt;&#xA;&lt;p&gt;Die beiden Karten sind baugleich. llama.cpp verteilt die Schichten eines Modells selbst auf beide. Modelle bis knapp 20 GB passen damit in der Regel vollständig in den Grafikspeicher. Größere Modelle lagern einen Teil in den Arbeitsspeicher aus und werden dadurch deutlich langsamer.&lt;/p&gt;</description>
			</item>
			<item>
				<title>Wofür lokale KI im SEO heute schon reicht</title>
				<link>https://www.fischerlaender.de/lab/benchmarks/wofuer-lokale-ki-im-seo-reicht/</link>
				<pubDate>Sun, 16 Aug 2026 00:00:00 +0000</pubDate>
				<guid>https://www.fischerlaender.de/lab/benchmarks/wofuer-lokale-ki-im-seo-reicht/</guid>
				<description>&lt;p&gt;Die interessante Frage ist eigentlich nicht: Welches Modell ist das beste? Sondern: Wofür lassen sich kleine lokale Modelle heute für SEO-Aufgaben bereits sinnvoll einsetzen.&lt;/p&gt;</description>
			</item>
			<item>
				<title>Datenschutzerklärung</title>
				<link>https://www.fischerlaender.de/datenschutzerklaerung/</link>
				<pubDate>Wed, 26 Aug 2026 00:00:00 +0000</pubDate>
				<guid>https://www.fischerlaender.de/datenschutzerklaerung/</guid>
				<description>&lt;p&gt;Ich freue mich sehr über dein Interesse am Umgang mit deinen Daten und wünsche viel Spaß beim Lesen!&lt;/p&gt;&#xA;&lt;h2 id=&#34;1-datenschutz-auf-einen-blick&#34;&gt;1. Datenschutz auf einen Blick&lt;/h2&gt;&#xA;&lt;h3 id=&#34;allgemeine-hinweise&#34;&gt;Allgemeine Hinweise&lt;/h3&gt;&#xA;&lt;p&gt;Die folgenden Hinweise geben einen einfachen Überblick darüber, was mit Ihren personenbezogenen Daten passiert, wenn Sie diese Website besuchen. Personenbezogene Daten sind alle Daten, mit denen Sie persönlich identifiziert werden können. Ausführliche Informationen zum Thema Datenschutz entnehmen Sie unserer unter diesem Text aufgeführten Datenschutzerklärung.&lt;/p&gt;&#xA;&lt;h3 id=&#34;datenerfassung-auf-dieser-website&#34;&gt;Datenerfassung auf dieser Website&lt;/h3&gt;&#xA;&lt;h4 id=&#34;wer-ist-verantwortlich-für-die-datenerfassung-auf-dieser-website&#34;&gt;Wer ist verantwortlich für die Datenerfassung auf dieser Website?&lt;/h4&gt;&#xA;&lt;p&gt;Die Datenverarbeitung auf dieser Website erfolgt durch den Websitebetreiber. Dessen Kontaktdaten können Sie dem Abschnitt „Hinweis zur Verantwortlichen Stelle“ in dieser Datenschutzerklärung entnehmen.&lt;/p&gt;</description>
			</item>
			<item>
				<title>Impressum</title>
				<link>https://www.fischerlaender.de/impressum/</link>
				<pubDate>Wed, 26 Aug 2026 00:00:00 +0000</pubDate>
				<guid>https://www.fischerlaender.de/impressum/</guid>
				<description>&lt;p&gt;Stefan Fischerländer&lt;br&gt;&#xA;Asamstr. 23&lt;br&gt;&#xA;94486 Osterhofen&lt;/p&gt;&#xA;&lt;h2 id=&#34;kontakt&#34;&gt;Kontakt&lt;/h2&gt;&#xA;&lt;p&gt;Telefon: 09932-4005996&lt;br&gt;&#xA;E-Mail: &lt;a href=&#34;mailto:stefan@fischerlaender.de&#34;&gt;stefan@fischerlaender.de&lt;/a&gt;&lt;/p&gt;&#xA;&lt;h2 id=&#34;umsatzsteuer-id&#34;&gt;Umsatzsteuer-ID&lt;/h2&gt;&#xA;&lt;p&gt;Umsatzsteuer-Identifikationsnummer gemäß § 27 a Umsatzsteuergesetz:&lt;br&gt;&#xA;DE127706039&lt;/p&gt;&#xA;&lt;h2 id=&#34;angaben-zur-berufshaftpflichtversicherung&#34;&gt;Angaben zur Berufshaftpflichtversicherung&lt;/h2&gt;&#xA;&lt;p&gt;&lt;strong&gt;Name und Sitz des Versicherers:&lt;/strong&gt;&lt;br&gt;&#xA;Bayerischer Versicherungsverband Versicherungsaktiengesellschaft&lt;br&gt;&#xA;Maximilianstraße 53&lt;br&gt;&#xA;81530 München&lt;/p&gt;&#xA;&lt;p&gt;&lt;strong&gt;Geltungsraum der Versicherung:&lt;/strong&gt;&lt;br&gt;&#xA;weltweit&lt;/p&gt;&#xA;&lt;h2 id=&#34;redaktionell-verantwortlich&#34;&gt;Redaktionell verantwortlich&lt;/h2&gt;&#xA;&lt;p&gt;Stefan Fischerländer&lt;br&gt;&#xA;Asamstr. 23&lt;br&gt;&#xA;94486 Osterhofen&lt;/p&gt;&#xA;&lt;h2 id=&#34;verbraucherstreitbeilegunguniversalschlichtungsstelle&#34;&gt;Verbraucherstreitbeilegung/Universalschlichtungsstelle&lt;/h2&gt;&#xA;&lt;p&gt;Wir sind nicht bereit oder verpflichtet, an Streitbeilegungsverfahren vor einer Verbraucherschlichtungsstelle teilzunehmen.&lt;/p&gt;</description>
			</item>
			<item>
				<title>Methodik</title>
				<link>https://www.fischerlaender.de/methodik/</link>
				<pubDate>Tue, 25 Aug 2026 00:00:00 +0000</pubDate>
				<guid>https://www.fischerlaender.de/methodik/</guid>
				<description>&lt;!-- PLATZHALTER – wird aus METHODIK.md gespeist. Bitte ersetzen. --&gt;&#xA;&lt;p&gt;Diese Seite ist ein &lt;strong&gt;Nachschlagewerk&lt;/strong&gt;, keine Lektüre in einer Reihe. Sie wird aus&#xA;jedem Benchmark- und Werkstattartikel verlinkt und beantwortet die Frage, der jede&#xA;Zahl auf dieser Website standhalten muss: &lt;em&gt;Wie kommt sie zustande?&lt;/em&gt;&lt;/p&gt;&#xA;&lt;h2 id=&#34;ausschließlich-maschinelle-bewertung&#34;&gt;Ausschließlich maschinelle Bewertung&lt;/h2&gt;&#xA;&lt;p&gt;Kein Sprachmodell und kein Mensch bewertet hier ein Ergebnis. Jede Aufgabe hat eine&#xA;Scoring-Funktion, die aus der Antwort des Modells eine Zahl macht – deterministisch,&#xA;wiederholbar, unabhängig von der Tagesform eines Judges.&lt;/p&gt;</description>
			</item>
			<item>
				<title>Der JSON-Modus verfälschte den Modellvergleich</title>
				<link>https://www.fischerlaender.de/lab/werkstatt/json-modus-verfaelscht-den-vergleich/</link>
				<pubDate>Sun, 23 Aug 2026 00:00:00 +0000</pubDate>
				<guid>https://www.fischerlaender.de/lab/werkstatt/json-modus-verfaelscht-den-vergleich/</guid>
				<description>&lt;!-- PLATZHALTER – Gliederung ist verbindlich (fünf Pflichtabschnitte), Text bitte ersetzen. --&gt;&#xA;&lt;p&gt;Worum es hier geht, steht in den Grundlagen:&#xA;&lt;a href=&#34;https://www.fischerlaender.de/lab/grundlagen/was-ein-benchmark-misst/&#34;&gt;Was ein Benchmark misst – und was nicht&lt;/a&gt;.&lt;/p&gt;&#xA;&lt;h2 id=&#34;was-normal-aussah&#34;&gt;Was normal aussah&lt;/h2&gt;&#xA;&lt;p&gt;Bei A3 – Fakten-Extraktion – lag &lt;code&gt;granite-4.1-8b&lt;/code&gt; mit 0,98 deutlich vor &lt;code&gt;qwen3-1.7b&lt;/code&gt;&#xA;mit 0,88. Ein Zehntel Abstand, konsistent über mehrere Läufe.&lt;/p&gt;&#xA;&lt;h2 id=&#34;welchen-schluss-man-daraus-gezogen-hätte&#34;&gt;Welchen Schluss man daraus gezogen hätte&lt;/h2&gt;&#xA;&lt;p&gt;Das größere Modell extrahiert Fakten zuverlässiger. Plausibel, reproduzierbar – und&#xA;falsch begründet.&lt;/p&gt;&#xA;&lt;h2 id=&#34;was-tatsächlich-los-war&#34;&gt;Was tatsächlich los war&lt;/h2&gt;&#xA;&lt;p&gt;Der Runner setzte den erzwungenen JSON-Modus nur dort, wo das Backend ihn meldete. Für&#xA;das eine Modell war er aktiv, für das andere nicht. Ein Teil des Abstands war reines&#xA;Parsing: gültige Extraktionen, die am Format scheiterten.&lt;/p&gt;</description>
			</item>
			<item>
				<title>qwen3-1.7b wiederholt sich – und der Score sah trotzdem gut aus</title>
				<link>https://www.fischerlaender.de/lab/werkstatt/qwen3-wiederholt-sich/</link>
				<pubDate>Fri, 21 Aug 2026 00:00:00 +0000</pubDate>
				<guid>https://www.fischerlaender.de/lab/werkstatt/qwen3-wiederholt-sich/</guid>
				<description>&lt;!-- PLATZHALTER – Gliederung ist verbindlich (fünf Pflichtabschnitte), Text bitte ersetzen. --&gt;&#xA;&lt;p&gt;Worum es hier geht, steht in den Grundlagen:&#xA;&lt;a href=&#34;https://www.fischerlaender.de/lab/grundlagen/wie-ein-sprachmodell-text-erzeugt/&#34;&gt;Wie ein Sprachmodell Text erzeugt&lt;/a&gt;.&lt;/p&gt;&#xA;&lt;h2 id=&#34;was-normal-aussah&#34;&gt;Was normal aussah&lt;/h2&gt;&#xA;&lt;p&gt;&lt;code&gt;qwen3-1.7b&lt;/code&gt; gewann Aufgabe A2 mit 0,91 – vor dem viermal größeren &lt;code&gt;granite-4.1-8b&lt;/code&gt;.&#xA;Ein sauberes, plausibles Ergebnis.&lt;/p&gt;&#xA;&lt;h2 id=&#34;welchen-schluss-man-daraus-gezogen-hätte&#34;&gt;Welchen Schluss man daraus gezogen hätte&lt;/h2&gt;&#xA;&lt;p&gt;„Das kleine Modell reicht.&amp;quot; Aggregiert über die Aufgabensuite lag es im Mittelfeld,&#xA;nichts deutete auf ein Problem hin.&lt;/p&gt;&#xA;&lt;h2 id=&#34;was-tatsächlich-los-war&#34;&gt;Was tatsächlich los war&lt;/h2&gt;&#xA;&lt;p&gt;Bei B1 – freier Analyse – lieferte dasselbe Modell 0,12. In den Rohantworten stand&#xA;achtmal hintereinander dieselbe falsch gelesene Zahl. Klassische Degeneration, vom&#xA;Gesamtmittelwert vollständig geschluckt.&lt;/p&gt;</description>
			</item>
			<item>
				<title>Seitentitel lokal generieren mit Ollama</title>
				<link>https://www.fischerlaender.de/lab/anwendungen/seitentitel-lokal-generieren/</link>
				<pubDate>Sun, 16 Aug 2026 00:00:00 +0000</pubDate>
				<guid>https://www.fischerlaender.de/lab/anwendungen/seitentitel-lokal-generieren/</guid>
				<description>&lt;!-- PLATZHALTER – Gliederung steht, Text bitte ersetzen. --&gt;&#xA;&lt;p&gt;Aus dem &lt;a href=&#34;https://www.fischerlaender.de/lab/benchmarks/wofuer-lokale-ki-im-seo-reicht/&#34;&gt;Benchmark&lt;/a&gt; wissen wir: Für&#xA;Seitentitel reicht ein kleines lokales Modell. Hier der praktische Aufbau.&lt;/p&gt;&#xA;&lt;h2 id=&#34;voraussetzungen&#34;&gt;Voraussetzungen&lt;/h2&gt;&#xA;&lt;p&gt;Ein Rechner mit mindestens 8 GB RAM und eine Ollama-Installation. Das Modell &lt;code&gt;qwen3:1.7b&lt;/code&gt;&#xA;belegt rund 1,4 GB und läuft auch auf älterer Hardware brauchbar schnell.&lt;/p&gt;&#xA;&lt;h2 id=&#34;modell-laden&#34;&gt;Modell laden&lt;/h2&gt;&#xA;&lt;p&gt;Das Modell einmalig herunterladen und den Start prüfen.&lt;/p&gt;&#xA;&lt;h2 id=&#34;prompt-aufsetzen&#34;&gt;Prompt aufsetzen&lt;/h2&gt;&#xA;&lt;p&gt;Der Prompt muss die Längenvorgabe explizit machen – das ist die Stellschraube, an der&#xA;kleine Modelle im Benchmark gewonnen haben.&lt;/p&gt;</description>
			</item>
			<item>
				<title>Von word2vec bis GPT</title>
				<link>https://www.fischerlaender.de/blog/von-word2vec-bis-gpt/</link>
				<pubDate>Fri, 16 Jun 2023 00:00:00 +0000</pubDate>
				<guid>https://www.fischerlaender.de/blog/von-word2vec-bis-gpt/</guid>
				<description>&lt;p&gt;In dieser Präsentation, die ich auf der Campixx 2023 in Berlin gehalten habe, stelle ich die Entwicklung der modernen Sprachmodelle von recht einfachen Word-Embeddings bis zu den aktuell dominierenden Large Language Models (LLM) dar.&lt;/p&gt;&#xA;&lt;div class=&#34;pdf-viewer-wrap&#34;&gt;&#xA;    &lt;canvas id=&#34;the-canvas&#34; data-url=&#34;https://www.fischerlaender.de/blog/von-word2vec-bis-gpt/20230616-word2vec-bis-gpt-public.pdf&#34;&gt;&lt;/canvas&gt;&#xA;    &lt;div class=&#34;pdf-controls&#34;&gt;&#xA;        &lt;button id=&#34;slide-prev&#34;&gt;&amp;laquo;&lt;/button&gt;&#xA;        &lt;button id=&#34;slide-next&#34;&gt;&amp;raquo;&lt;/button&gt;&#xA;        &lt;span class=&#34;pdf-counter&#34;&gt;Folie: &lt;span id=&#34;slide-counter&#34;&gt;&lt;/span&gt;&lt;/span&gt;&#xA;        &lt;a href=&#34;https://www.fischerlaender.de/blog/von-word2vec-bis-gpt/20230616-word2vec-bis-gpt-public.pdf&#34; download class=&#34;pdf-download&#34; title=&#34;Folien herunterladen&#34;&gt;&lt;svg xmlns=&#34;http://www.w3.org/2000/svg&#34; width=&#34;18&#34; height=&#34;18&#34; viewBox=&#34;0 0 24 24&#34; fill=&#34;none&#34; stroke=&#34;currentColor&#34; stroke-width=&#34;2&#34; stroke-linecap=&#34;round&#34; stroke-linejoin=&#34;round&#34; aria-hidden=&#34;true&#34;&gt;&lt;path d=&#34;M21 15v4a2 2 0 0 1-2 2H5a2 2 0 0 1-2-2v-4&#34;/&gt;&lt;polyline points=&#34;7 10 12 15 17 10&#34;/&gt;&lt;line x1=&#34;12&#34; y1=&#34;15&#34; x2=&#34;12&#34; y2=&#34;3&#34;/&gt;&lt;/svg&gt;&lt;/a&gt;&#xA;    &lt;/div&gt;&#xA;&lt;/div&gt;&#xA;&#xA;&#xA;&lt;script type=&#34;module&#34; src=&#34;https://www.fischerlaender.de/assets/js/pdf-viewer.46ba24ffb604defa7e56912b67c3bfd2b51f572d60419b88e19428cb90c5dfd6.mjs&#34;&gt;&lt;/script&gt;&#xA;&#xA;&#xA;&lt;p&gt;Zu Beginn ist ein kleiner Rückblick auf meinen Vortrag zu Machine Learning und word2vec von der Campixx 2017 enthalten. Ich vergleiche ich die Leistungen meines 2017 selbst aus der deutschen Wikipedia errechneten word2vec-Modells mit dem aktuellen ChatGPT und zeige die Ergebnisse eines mit dem GPT-2-Code von OpenAI erstellten Mini-SEO-LLM, das auf gerade mal 1,8 MB Daten trainiert worden ist. Und zum Abschluss gehe ich auf die potenziellen Bedrohungen von Googles Geschäftsmodell durch die Verbreitung der Large-Language-Models ein.&lt;/p&gt;</description>
			</item>
			<item>
				<title>Ein Vektor sagt mehr als tausend Wörter</title>
				<link>https://www.fischerlaender.de/blog/vector-mehr-als-tausend-woerter/</link>
				<pubDate>Sun, 12 Mar 2017 00:00:00 +0000</pubDate>
				<guid>https://www.fischerlaender.de/blog/vector-mehr-als-tausend-woerter/</guid>
				<description>&lt;p&gt;Auf der SEO Campixx 2017 in Berlin habe ich einen Vortrag über Machine Learning und Word Embeddings gehalten. Die Frage dahinter: Wie können Suchmaschinen die Bedeutung von Wörtern und Texten erfassen, statt nur Zeichenketten abzugleichen? Was damals noch nach Zukunftsmusik klang, ist heute die Grundlage moderner Sprachmodelle und damit auch der KI-gestützten Suche. Hier sind die Slides zum Nachlesen:&lt;/p&gt;&#xA;&lt;div class=&#34;pdf-viewer-wrap&#34;&gt;&#xA;    &lt;canvas id=&#34;the-canvas&#34; data-url=&#34;https://www.fischerlaender.de/blog/vector-mehr-als-tausend-woerter/2017-campixx-vektor-mehr-tausend-woerter.pdf&#34;&gt;&lt;/canvas&gt;&#xA;    &lt;div class=&#34;pdf-controls&#34;&gt;&#xA;        &lt;button id=&#34;slide-prev&#34;&gt;&amp;laquo;&lt;/button&gt;&#xA;        &lt;button id=&#34;slide-next&#34;&gt;&amp;raquo;&lt;/button&gt;&#xA;        &lt;span class=&#34;pdf-counter&#34;&gt;Folie: &lt;span id=&#34;slide-counter&#34;&gt;&lt;/span&gt;&lt;/span&gt;&#xA;        &lt;a href=&#34;https://www.fischerlaender.de/blog/vector-mehr-als-tausend-woerter/2017-campixx-vektor-mehr-tausend-woerter.pdf&#34; download class=&#34;pdf-download&#34; title=&#34;Folien herunterladen&#34;&gt;&lt;svg xmlns=&#34;http://www.w3.org/2000/svg&#34; width=&#34;18&#34; height=&#34;18&#34; viewBox=&#34;0 0 24 24&#34; fill=&#34;none&#34; stroke=&#34;currentColor&#34; stroke-width=&#34;2&#34; stroke-linecap=&#34;round&#34; stroke-linejoin=&#34;round&#34; aria-hidden=&#34;true&#34;&gt;&lt;path d=&#34;M21 15v4a2 2 0 0 1-2 2H5a2 2 0 0 1-2-2v-4&#34;/&gt;&lt;polyline points=&#34;7 10 12 15 17 10&#34;/&gt;&lt;line x1=&#34;12&#34; y1=&#34;15&#34; x2=&#34;12&#34; y2=&#34;3&#34;/&gt;&lt;/svg&gt;&lt;/a&gt;&#xA;    &lt;/div&gt;&#xA;&lt;/div&gt;&#xA;&#xA;&#xA;&lt;script type=&#34;module&#34; src=&#34;https://www.fischerlaender.de/assets/js/pdf-viewer.46ba24ffb604defa7e56912b67c3bfd2b51f572d60419b88e19428cb90c5dfd6.mjs&#34;&gt;&lt;/script&gt;&#xA;&#xA;&#xA;&lt;p&gt;Im ersten Teil ging es um die Grundlagen: Wie funktioniert Clustering, was ist die euklidische Distanz, und wie lassen sich Wörter als Vektoren in einem vieldimensionalen Raum darstellen? Das bekannteste Beispiel ist die Rechnung &lt;em&gt;king − man + woman&lt;/em&gt;, deren Ergebnis in der Nähe des Vektors für &lt;em&gt;queen&lt;/em&gt; landet. Je näher zwei Vektoren beieinander liegen, desto ähnlicher ist ihre Bedeutung.&lt;/p&gt;</description>
			</item>
			<item>
				<title>Bitte bestätige deine Anmeldung zum Newsletter</title>
				<link>https://www.fischerlaender.de/newsletter/confirmation/</link>
				<pubDate>Mon, 01 Jan 0001 00:00:00 +0000</pubDate>
				<guid>https://www.fischerlaender.de/newsletter/confirmation/</guid>
				<description>&lt;p&gt;Vielen Dank für deine Anmeldung zu meinem Newsletter. Bitte bestätige jetzt noch die Anmeldung. Klicke dazu auf den Link in der E-Mail, die Du soeben erhalten haben solltest.&lt;/p&gt;&#xA;&lt;p&gt;Vielen Dank und beste Grüße!&lt;br&gt;&#xA;Stefan&lt;/p&gt;</description>
			</item>
			<item>
				<title>Über mich</title>
				<link>https://www.fischerlaender.de/stefan/</link>
				<pubDate>Mon, 01 Jan 0001 00:00:00 +0000</pubDate>
				<guid>https://www.fischerlaender.de/stefan/</guid>
				<description>&lt;img class=&#34;about-photo no-lightbox&#34; src=&#34;https://www.fischerlaender.de/assets/img/sf3.jpg&#34; alt=&#34;Stefan Fischerländer&#34; width=&#34;640&#34; height=&#34;640&#34;&gt;&#xA;&lt;p&gt;Als ich vor über 20 Jahren CTO einer deutschen Suchmaschine war, stand auf unseren Präsentationsfolien ein Satz, den man wohlwollend als verwegen bezeichnen könnte: &lt;em&gt;„Etablierung einer unabhängigen deutschen Suchmaschinen-Technologie“&lt;/em&gt;. Mit &lt;em&gt;Neomo&lt;/em&gt; hatten wir genau das versucht – eine Web-Suchmaschine, geschrieben in Perl und C, betrieben auf eigener Hardware, entwickelt von einem kleinen Team, mit Fokus auf Deutschland. Unser kleines Startup ist damals gescheitert, aber die Frage dahinter hat mich nie ganz losgelassen: Wer kontrolliert die Technik, mit der wir an Informationen kommen?&lt;/p&gt;</description>
			</item>
			<item>
				<title>Vielen Dank für deine Anmeldung!</title>
				<link>https://www.fischerlaender.de/newsletter/danke/</link>
				<pubDate>Mon, 01 Jan 0001 00:00:00 +0000</pubDate>
				<guid>https://www.fischerlaender.de/newsletter/danke/</guid>
				<description>&lt;p&gt;Ab der nächsten Ausgabe meines Newsletters bist du im Verteiler.&lt;/p&gt;&#xA;&lt;p&gt;Vielen Dank und beste Grüße!&#xA;Stefan&lt;/p&gt;</description>
			</item>
	</channel>
</rss>
