KI-Pipelines - Vom Prompt zum automatisierten Workflow - aiMOOC

KI-Pipelines: Vom Prompt zum automatisierten Workflow / Vibe-Coding & Agentic-Coding

{{#ev:youtube| https://www.youtube.com/watch?v=2hdchZNjV6Y |500|center}}

Einleitung

KI-Pipelines verbinden Künstliche Intelligenz, Prompt-Engineering, Automatisierung, Softwareentwicklung und Qualitätssicherung zu einem nachvollziehbaren Arbeitsablauf. Du lernst in diesem aiMOOC, wie aus einem einzelnen Prompt ein strukturierter Workflow werden kann, der Eingaben verarbeitet, ein Sprachmodell nutzt, Werkzeuge aufruft, Ergebnisse überprüft und bei Bedarf weitere Schritte auslöst. Das Thema ist besonders wichtig, weil moderne KI-Werkzeuge nicht mehr nur Antworten formulieren, sondern zunehmend beim Planen, Programmieren, Testen, Dokumentieren und Veröffentlichen von Arbeitsergebnissen unterstützen.

Das Video führt in den Übergang vom schnellen Vibe-Coding zum stärker gesteuerten Agentic-Coding ein. Beim Vibe-Coding steht der kreative Dialog mit der KI im Mittelpunkt: Du beschreibst eine Idee, lässt Code erzeugen, testest das Ergebnis, formulierst Korrekturen und arbeitest iterativ weiter. Beim Agentic-Coding wird der Prozess stärker automatisiert: Ein KI-Agent erhält ein Ziel, zerlegt es in Teilaufgaben, nutzt Werkzeuge, führt Änderungen aus, prüft Ergebnisse und dokumentiert den Fortschritt. Beides kann produktiv sein, verlangt aber ein gutes Verständnis von Kontext, Kontrolle, Sicherheit, Datenschutz, Urheberrecht, Testverfahren und Verantwortung.

Eine KI-Pipeline ist kein einzelner magischer Befehl, sondern eine Kette von Entscheidungen. Zu Beginn steht ein Ziel: Was soll erreicht werden? Danach folgen Kontext, Daten, Modellaufruf, Werkzeugnutzung, Prüfung, Nachbesserung und Ergebnisübergabe. Je stärker eine Pipeline automatisiert wird, desto wichtiger werden klare Regeln, Protokolle und Freigabepunkte. Ein guter Workflow macht sichtbar, wo die KI entscheidet, wo ein Mensch kontrolliert und wo technische Tests greifen.

Lernziele

In diesem aiMOOC lernst Du, Prompt, Workflow, KI-Pipeline, Vibe-Coding und Agentic-Coding voneinander abzugrenzen. Du erkennst, welche Rolle Context Engineering, Tool Use, API, Versionsverwaltung, Testautomatisierung und Monitoring in automatisierten KI-Arbeitsabläufen spielen. Du entwickelst Kriterien, mit denen Du einschätzen kannst, wann KI-gestützte Automatisierung sinnvoll ist und wann menschliche Prüfung unverzichtbar bleibt. Am Ende kannst Du eine einfache KI-Pipeline entwerfen, Risiken benennen und einen verantwortlichen Workflow dokumentieren.

Grundbegriffe

Prompt

Ein Prompt ist eine Eingabe oder Anweisung an ein KI-System. Er kann eine Frage, eine Aufgabe, eine Rolle, ein Format, ein Beispiel, eine Datenquelle oder eine Kombination aus mehreren Elementen enthalten. Im Prompt-Engineering geht es darum, diese Eingabe so zu gestalten, dass die Ausgabe möglichst brauchbar, überprüfbar und passend zum Ziel wird. Ein guter Prompt sagt nicht nur, was die KI tun soll, sondern auch, für wen das Ergebnis gedacht ist, welche Grenzen gelten, welches Format erwartet wird und nach welchen Kriterien die Antwort bewertet werden soll.

Ein einfacher Prompt lautet zum Beispiel: „Erstelle eine Zusammenfassung.“ Ein stärkerer Prompt lautet: „Fasse den Text für Lernende der Klasse 10 in fünf verständlichen Absätzen zusammen, erkläre drei Fachbegriffe und markiere unsichere Stellen.“ Der zweite Prompt enthält Zielgruppe, Aufgabe, Umfang, Format und Qualitätskriterien.

KI-Pipeline

Eine KI-Pipeline ist ein geordneter Ablauf, in dem ein KI-System in mehrere Arbeitsschritte eingebunden wird. Typische Stationen sind Eingabe, Kontextsammlung, Modellaufruf, Werkzeugaufruf, Ergebnisprüfung, Nachbearbeitung, Speicherung und Rückmeldung. In der Softwareentwicklung kann eine KI-Pipeline zum Beispiel aus Anforderungsanalyse, Architekturvorschlag, Codegenerierung, Testausführung, Fehlerkorrektur und Dokumentation bestehen. Im Unterricht kann eine KI-Pipeline Materialien sammeln, Arbeitsaufträge entwerfen, Quizfragen erzeugen und eine Lehrkraft bei der Qualitätsprüfung unterstützen.

Der Begriff Pipeline betont, dass nicht nur das Ergebnis zählt, sondern auch der Weg dorthin. Wer eine Pipeline baut, muss festlegen, welche Eingaben erlaubt sind, welche Werkzeuge genutzt werden, welche Zwischenergebnisse gespeichert werden, welche Prüfungen stattfinden und wann ein Mensch eingreifen muss.

Vibe-Coding

Vibe-Coding bezeichnet eine Form der KI-gestützten Softwareentwicklung, bei der Du Deine Absicht in natürlicher Sprache beschreibst und ein LLM daraus Code oder Projektdateien erzeugt. Der Begriff wurde besonders durch die öffentliche Diskussion im Jahr 2025 bekannt. Typisch ist ein schneller, experimenteller Arbeitsstil: Du formulierst eine Idee, akzeptierst einen ersten Vorschlag, probierst ihn aus und steuerst mit Folgeprompts nach. Das kann motivierend sein, weil sehr schnell sichtbare Ergebnisse entstehen.

Gleichzeitig hat Vibe-Coding Grenzen. Wenn Du den erzeugten Quellcode nicht verstehst, können Fehler, Sicherheitslücken, unpassende Abhängigkeiten oder schwer wartbare Strukturen unbemerkt bleiben. Deshalb ist Vibe-Coding besonders geeignet für Ideenskizzen, Prototypen, Lernprojekte und schnelle Experimente. Für produktive Systeme brauchst Du zusätzlich Code Review, Tests, Dokumentation, Sicherheitsprüfung und klare Verantwortlichkeiten.

Agentic-Coding

Agentic-Coding geht über einzelne Chatantworten hinaus. Ein KI-Agent erhält ein Ziel, plant Schritte, nutzt Werkzeuge, liest Dateien, verändert Code, führt Tests aus, interpretiert Fehlermeldungen und arbeitet iterativ weiter. Der Mensch gibt dabei nicht jede einzelne Codezeile vor, sondern definiert Ziele, Regeln, Grenzen und Freigaben. Agentisches Arbeiten ist besonders interessant, wenn Aufgaben mehrstufig sind: eine Funktion implementieren, Fehler reproduzieren, Dokumentation aktualisieren, Tests ergänzen und einen Änderungsvorschlag vorbereiten.

{{#ev:youtube| https://www.youtube.com/watch?v=96jN2OCOfLs |500|center}}

Agentisches Arbeiten braucht mehr Governance als reines Prompten. Ein Agent sollte nicht unbegrenzt handeln dürfen. Sinnvoll sind Berechtigungen, sichere Umgebungen, Protokolle, Prüfpunkte und klare Stoppsignale. In professionellen Entwicklungsumgebungen werden KI-Agenten daher mit Versionsverwaltung, Issue Tracking, Continuous Integration, Testautomatisierung und menschlichen Freigaben verbunden.

Vom Prompt zum automatisierten Workflow

Schritt 1: Ziel klären

Jede gute KI-Pipeline beginnt mit einem präzisen Ziel. Das Ziel sollte beschreiben, welches Problem gelöst werden soll, woran ein gutes Ergebnis erkennbar ist und welche Grenzen gelten. Ein Ziel wie „Baue eine App“ ist zu offen. Besser ist: „Erstelle einen Prototyp einer To-do-App mit drei Ansichten, lokaler Speicherung, verständlichen Fehlermeldungen und einfachen Tests.“ Je klarer das Ziel ist, desto besser kann die KI sinnvolle Zwischenschritte planen.

Schritt 2: Kontext bereitstellen

Kontext ist das Material, das ein KI-System braucht, um eine Aufgabe passend zu bearbeiten. Dazu gehören Anforderungen, Zielgruppe, bestehender Code, Stilregeln, Datenformate, Fehlermeldungen, Projektdokumentation und Beispiele. In einfachen Chats liegt der Kontext im Prompt. In größeren Projekten wird der Kontext oft in Dateien, Repository-Regeln, Projektbeschreibungen oder Wissensspeichern organisiert. Das nennt man häufig Kontextgestaltung oder Context Engineering.

Schritt 3: Modell und Werkzeuge auswählen

Ein Sprachmodell kann Texte erzeugen, Code vorschlagen, Fehler erklären und Pläne formulieren. Eine Pipeline wird mächtiger, wenn das Modell Werkzeuge nutzen kann: Dateizugriff, Suche, Rechner, Testumgebung, Datenbank, API oder Entwicklungsumgebung. Dieses Prinzip heißt Tool Use. Ein Werkzeugaufruf sollte aber nicht blind erfolgen. Die Pipeline braucht Regeln, welche Werkzeuge wann erlaubt sind und welche Ergebnisse geprüft werden müssen.

Schritt 4: Ergebnisse prüfen

KI-Ausgaben können hilfreich sein, aber sie sind nicht automatisch wahr, sicher oder korrekt. Deshalb braucht jede Pipeline Validierung. Bei Texten bedeutet das: Quellen prüfen, Begriffe klären, Zielgruppe beachten und mögliche Verzerrungen erkennen. Bei Code bedeutet es: Tests ausführen, Fehlermeldungen lesen, Abhängigkeiten prüfen, Sicherheitsrisiken bewerten und die Architektur verstehen. Eine Pipeline ohne Prüfphase ist kein professioneller Workflow, sondern nur eine schnelle Ausgabe.

Schritt 5: Automatisierung steuern

Automatisierung spart Zeit, wenn wiederholbare Schritte zuverlässig ablaufen. Sie wird riskant, wenn unklare Ziele, unzuverlässige Daten oder fehlende Kontrollen vorliegen. Darum sollte ein KI-Workflow Freigabepunkte enthalten. Ein Mensch kann zum Beispiel entscheiden, ob ein Agent Dateien ändern, externe Daten abrufen, Tests ausführen oder Ergebnisse veröffentlichen darf. Je größer die Folgen einer Entscheidung sind, desto wichtiger ist menschliche Kontrolle.

Beispiel: Eine einfache KI-Pipeline für ein Lernprojekt

Stell Dir vor, Du möchtest ein Lernprojekt zum Thema Klimawandel erstellen. Eine einfache Pipeline könnte so aussehen:

Ziel: Lernmaterial für Klasse 9 erstellen
Eingabe: Thema, Zielgruppe, Umfang, gewünschtes Format
Kontext: Lehrplan, vorhandene Notizen, Fachbegriffe, Quellenhinweise
KI-Schritt 1: Gliederung vorschlagen
Menschliche Prüfung 1: Inhalte, Niveau und Begriffe kontrollieren
KI-Schritt 2: Aufgaben und Quizfragen erstellen
Menschliche Prüfung 2: Richtigkeit und Fairness prüfen
KI-Schritt 3: Material formatieren
Abschluss: Quellen, Kategorien und Lernkontrolle ergänzen

Dieses Beispiel zeigt, dass eine Pipeline nicht nur aus KI besteht. Sie kombiniert Mensch-Maschine-Interaktion, Fachdidaktik, Medienbildung, Qualitätssicherung und Dokumentation. Die KI beschleunigt einzelne Schritte, aber die Verantwortung bleibt beim Menschen, der Ziele setzt, Ergebnisse bewertet und Entscheidungen trifft.

Architektur einer KI-Pipeline

Eingabeebene

Die Eingabeebene sammelt alles, was die Pipeline benötigt. Das können Prompts, Dateien, Messwerte, Fehlermeldungen, Nutzereingaben oder Datenbankeinträge sein. Wichtig ist, zwischen vertrauenswürdigen und nicht vertrauenswürdigen Eingaben zu unterscheiden. Fremde Webseiten, unbekannte Dokumente und kopierte Texte können versteckte Anweisungen enthalten. Daher sollten Eingaben gefiltert, begrenzt und protokolliert werden.

Kontext- und Speicherbereich

Der Kontextbereich legt fest, welches Wissen dem KI-System zur Verfügung steht. In kleinen Projekten reicht ein ausführlicher Prompt. In größeren Projekten können Kontextdateien, Styleguides, Testregeln, Projektbeschreibungen oder Wissensdatenbanken genutzt werden. Der Speicherbereich sollte nicht wahllos alles behalten. Persönliche Daten, vertrauliche Informationen und veraltete Anweisungen müssen kontrolliert werden.

Modellaufruf

Der Modellaufruf ist der Moment, in dem das LLM eine Antwort erzeugt oder eine Handlung vorbereitet. Dabei spielen Modellwahl, Temperatur, Ausgabeformat, Sicherheitsregeln und Systemanweisungen eine Rolle. Für eine Pipeline ist entscheidend, dass Ausgaben strukturiert genug sind, um weiterverarbeitet zu werden. Häufig werden Tabellen, JSON-ähnliche Strukturen, Prüflisten oder Schrittpläne verwendet.

Werkzeugschicht

Die Werkzeugschicht verbindet das KI-System mit Funktionen außerhalb des Modells. Dazu gehören Suchwerkzeuge, Codeausführung, Dateisysteme, Übersetzer, Rechner, Kalender, Datenbanken und Entwicklungswerkzeuge. Ein KI-Agent wird erst dann wirklich handlungsfähig, wenn er solche Werkzeuge nutzen kann. Gleichzeitig entstehen dadurch Risiken: Ein Fehler kann Dateien verändern, falsche Daten weitergeben oder unerwünschte Aktionen auslösen. Deshalb braucht diese Ebene Berechtigungen und Protokolle.

Kontroll- und Sicherheitsschicht

Die Kontrollschicht entscheidet, welche Aktionen erlaubt sind. Sie kann Regeln enthalten wie: „Keine Veröffentlichung ohne menschliche Freigabe“, „Keine personenbezogenen Daten an externe Dienste senden“, „Tests müssen erfolgreich sein“, „Quellen müssen angegeben werden“ oder „Änderungen nur in einer sicheren Kopie durchführen“. Diese Schicht ist ein zentraler Unterschied zwischen spielerischem Vibe-Coding und professionellem Agentic-Coding.

Risiken und verantwortliche Nutzung

Halluzinationen und falsche Sicherheit

KI-Systeme können überzeugend klingende Aussagen erzeugen, die falsch oder unvollständig sind. Dieses Risiko wird oft als Halluzination bezeichnet. In KI-Pipelines ist das besonders problematisch, weil eine falsche Zwischenausgabe automatisch weiterverarbeitet werden kann. Deshalb sollten Pipelines immer Prüfschritte enthalten: Quellenkontrolle, Plausibilitätsprüfung, Tests, Vergleich mit Fachwissen und Rückfragen bei unklaren Ergebnissen.

Prompt Injection

Prompt Injection ist ein Angriff oder Fehlerfall, bei dem eine Eingabe versteckte oder manipulative Anweisungen enthält. Ein KI-System könnte dadurch dazu gebracht werden, ursprüngliche Regeln zu ignorieren, unerwünschte Informationen auszugeben oder falsche Handlungen vorzuschlagen. Besonders gefährlich wird das, wenn ein Agent externe Dokumente liest oder Werkzeuge nutzen darf.

Gegenmaßnahmen sind klare Systemregeln, Trennung von Daten und Anweisungen, beschränkte Werkzeugrechte, Protokollierung, menschliche Freigaben und Tests mit riskanten Beispielen. In Lernkontexten ist Prompt Injection ein gutes Beispiel dafür, warum Medienkompetenz und Informatik zusammengehören.

Datenschutz und Urheberrecht

Wenn Du KI-Pipelines nutzt, musst Du prüfen, welche Daten verarbeitet werden. Persönliche Daten, vertrauliche Texte, interne Dokumente oder urheberrechtlich geschütztes Material dürfen nicht unbedacht in externe Systeme eingegeben werden. Verantwortliche Nutzung bedeutet, Daten zu minimieren, Rechte zu klären, sensible Inhalte zu anonymisieren und die Regeln Deiner Schule, Hochschule, Ausbildungsstätte oder Organisation zu beachten.

Verantwortung und Kompetenz

KI kann Arbeit beschleunigen, aber sie ersetzt nicht die Verantwortung. Wer ein Ergebnis veröffentlicht, ein Programm ausliefert oder eine Entscheidung vorbereitet, muss verstehen, wie die Pipeline gearbeitet hat. Dazu gehört die Fähigkeit, Prompts zu verbessern, Code zu lesen, Tests zu interpretieren, Quellen zu prüfen und Grenzen der Automatisierung zu erkennen. Zukunftsfähige Kompetenz besteht nicht darin, alles der KI zu überlassen, sondern KI bewusst, kritisch und kreativ einzusetzen.

Vergleich: Vibe-Coding und Agentic-Coding

Vibe-Coding und Agentic-Coding sind keine Gegensätze, sondern unterschiedliche Arbeitsweisen auf einem Kontinuum. Vibe-Coding ist oft schnell, intuitiv und experimentell. Agentic-Coding ist stärker strukturiert, automatisiert und auf wiederholbare Abläufe ausgerichtet. In der Praxis können beide kombiniert werden: Du startest mit einem kreativen Vibe-Coding-Prototyp und überführst ihn anschließend in eine agentische Pipeline mit Tests, Dokumentation und Freigaben.

Aspekt	Vibe-Coding	Agentic-Coding
Ausgangspunkt	Idee, Gefühl, Zielbeschreibung	Ziel, Regeln, Kontext und Werkzeuge
Rolle des Menschen	Dialogisch steuern und ausprobieren	Ziele setzen, Grenzen definieren und prüfen
Rolle der KI	Vorschläge und Code erzeugen	Planen, ausführen, testen und iterieren
Stärken	Schnelle Prototypen und kreative Exploration	Mehrstufige Aufgaben und wiederholbare Workflows
Risiken	Unverstandener Code und geringe Prüftiefe	Zu viel Autonomie ohne klare Kontrolle
Gute Praxis	Kleine Schritte, Tests und Codeverständnis	Berechtigungen, Protokolle und Freigaben

Gute Prompts für KI-Pipelines

Ein Pipeline-Prompt sollte mehr leisten als ein normaler Chatprompt. Er sollte Aufgabe, Kontext, Rolle, Format, Qualitätskriterien und Grenzen enthalten. Außerdem sollte er festlegen, was bei Unsicherheit passieren soll. Ein nützlicher Grundbauplan lautet:

Rolle: Handle als unterstützender KI-Assistent für ein Lernprojekt.
Ziel: Erstelle einen überprüfbaren Entwurf für ...
Kontext: Nutze die folgenden Informationen ...
Grenzen: Erfinde keine Quellen und markiere Unsicherheiten.
Format: Gib das Ergebnis als Tabelle mit Spalten für Schritt, Begründung und Prüfung aus.
Prüfung: Nenne am Ende drei Risiken und drei Kontrollfragen.

Dieser Aufbau hilft, aus einem einfachen Prompt einen kontrollierbaren Arbeitsschritt zu machen. Für agentische Workflows sollten zusätzlich Werkzeugrechte, Stoppsignale und Freigaben beschrieben werden.

Qualitätskriterien für automatisierte KI-Workflows

Eine professionelle KI-Pipeline sollte nachvollziehbar, testbar und begrenzt sein. Nachvollziehbar bedeutet, dass Du später erklären kannst, welche Eingaben, Modelle, Werkzeuge und Prüfungen genutzt wurden. Testbar bedeutet, dass nicht nur das Endergebnis betrachtet wird, sondern auch Zwischenschritte überprüft werden. Begrenzt bedeutet, dass die KI nicht unbeaufsichtigt auf sensible Daten, Veröffentlichungsfunktionen oder kritische Systeme zugreifen darf.

Wichtige Qualitätsfragen lauten: Ist das Ziel klar? Ist der Kontext aktuell? Sind die Daten geeignet? Sind Werkzeuge begrenzt? Werden Ergebnisse geprüft? Gibt es menschliche Freigaben? Werden Fehler dokumentiert? Kann der Workflow wiederholt werden? Werden Datenschutz und Urheberrecht beachtet? Diese Fragen sind die Grundlage für verantwortliches KI-Engineering.

Interaktive Aufgaben

Quiz: Teste Dein Wissen

Welche Aussage beschreibt eine KI-Pipeline am besten? (Geordnete Schritte, die Eingaben in überprüfbare Ergebnisse verwandeln) (!Eine zufällige Sammlung von Chatnachrichten) (!Ein einzelner Befehl ohne Kontrolle) (!Ein Ersatz für jede menschliche Entscheidung)

Was ist ein Prompt im Kontext von KI-Systemen? (Eine Eingabe oder Anweisung an das Modell) (!Ein automatisch bestandener Softwaretest) (!Eine Programmiersprache für Datenbanken) (!Ein Speicherchip für neuronale Netze)

Wofür eignet sich Vibe-Coding besonders gut? (Für schnelle Prototypen und experimentelles Ausprobieren) (!Für ungeprüfte Veröffentlichung kritischer Systeme) (!Für das Umgehen aller Tests) (!Für das Speichern vertraulicher Daten ohne Regeln)

Was kennzeichnet Agentic-Coding? (Ein KI-Agent plant Schritte, nutzt Werkzeuge und prüft Ergebnisse) (!Ein Mensch schreibt jede Codezeile ohne KI) (!Ein Programm wird ohne Zielbeschreibung gelöscht) (!Eine Grafik wird ohne Eingabe zufällig erzeugt)

Warum sind Tests in KI-gestützter Softwareentwicklung wichtig? (Sie helfen, Fehler und unerwartetes Verhalten zu erkennen) (!Sie ersetzen jedes Verständnis des Codes) (!Sie verhindern automatisch alle Sicherheitsrisiken) (!Sie machen Dokumentation grundsätzlich überflüssig)

Was bedeutet Kontext in einer KI-Pipeline? (Die Informationen, Regeln und Beispiele für eine Aufgabe) (!Die Farbe der Benutzeroberfläche) (!Die Geschwindigkeit der Tastatur) (!Der Name eines Druckers)

Welche Gefahr beschreibt Prompt Injection? (Manipulative Eingaben können KI-Anweisungen beeinflussen) (!Ein Akku wird zu schnell geladen) (!Eine Festplatte wird mechanisch beschädigt) (!Ein Bildschirm zeigt zu viele Farben)

Was ist eine sinnvolle menschliche Kontrollstelle in einem Agenten-Workflow? (Freigabe vor Veröffentlichung oder Dateiänderung) (!Automatisches Ignorieren aller Fehlermeldungen) (!Löschen der Versionsgeschichte) (!Verzicht auf jede Dokumentation)

Welche Eigenschaft macht einen Workflow besonders professionell? (Er ist nachvollziehbar, testbar und begrenzt) (!Er ist geheim, unprüfbar und zufällig) (!Er hat keine Ziele und keine Regeln) (!Er erzeugt nur möglichst lange Antworten)

Warum ist Datenschutz bei KI-Pipelines wichtig? (Weil Eingaben sensible oder personenbezogene Daten enthalten können) (!Weil Datenschutz nur für Papierdokumente gilt) (!Weil KI keine Daten verarbeiten kann) (!Weil Quellcode nie Informationen enthält)

Memory

Prompt	Anweisung an ein KI-System
Pipeline	Geordnete Verarbeitungsschritte
Vibe-Coding	Experimentelles Programmieren im Dialog
Agent	Zielorientiert handelndes KI-System
Kontext	Relevante Zusatzinformationen
Test	Prüfung eines Ergebnisses
Tool Use	Nutzung externer Werkzeuge
Freigabe	Menschliche Kontrollentscheidung

Drag and Drop

Ordne die richtigen Begriffe zu.	Thema
Ziel	Was soll erreicht werden?
Kontext	Welche Informationen gelten?
Modell	Welches KI-System erzeugt Vorschläge?
Werkzeug	Welche externe Funktion darf genutzt werden?
Prüfung	Wie wird das Ergebnis kontrolliert?
Freigabe	Wann entscheidet ein Mensch?

Kreuzworträtsel

Prompt	Wie nennt man eine Eingabe oder Anweisung an ein KI-System?
Pipeline	Wie heißt eine geordnete Kette von Verarbeitungsschritten?
Modell	Wie nennt man das trainierte KI-System, das Ausgaben erzeugt?
Kontext	Wie heißt die Gesamtheit relevanter Zusatzinformationen?
Agent	Wie nennt man ein zielorientiert handelndes KI-System?
Testen	Wie heißt das systematische Prüfen von Ergebnissen?

LearningApps

Lückentext

Eine KI-Pipeline beginnt mit einem klaren

. Ein guter Prompt beschreibt Aufgabe, Kontext und gewünschtes

. Beim Vibe-Coding entsteht Code durch einen dialogischen

. Beim Agentic-Coding plant ein Agent Schritte, nutzt Werkzeuge und prüft

. Tests sind wichtig, weil generierter Code Fehler und Sicherheitsrisiken

kann. Kontextdateien helfen, Regeln und Projektwissen dauerhaft

. Menschliche Kontrolle bleibt wichtig, wenn Entscheidungen Folgen für Menschen oder Daten

. Eine verantwortliche Pipeline dokumentiert Eingaben, Versionen, Prüfungen und

.

Offene Aufgaben

Leicht

Prompt-Analyse: Untersuche drei Prompts, die Du selbst geschrieben hast, und markiere Ziel, Kontext, gewünschtes Format und Prüfkriterien.
Workflow-Skizze: Zeichne eine einfache Pipeline vom Prompt bis zum fertigen Ergebnis für eine Hausaufgabe, ein Lernplakat oder eine Präsentation.
Begriffskarte: Erstelle eine Karte mit den Begriffen Prompt, Pipeline, Vibe-Coding, Agent und Test und erkläre jeden Begriff in einem eigenen Beispielsatz.
Fehlerliste: Sammle fünf mögliche Fehler, die bei KI-generierten Texten oder Programmen auftreten können, und formuliere jeweils eine passende Kontrollfrage.

Standard

Prototyp entwickeln: Nutze KI-Unterstützung, um einen kleinen Prototyp zu planen, und dokumentiere jeden Prompt, jede Änderung und jede Prüfung.
Testplan erstellen: Entwirf für ein KI-generiertes Programm oder Lernmaterial einen Testplan mit Eingaben, erwarteten Ergebnissen und Bewertungskriterien.
Rollenvergleich: Vergleiche die Rollen von Mensch und KI beim Vibe-Coding und beim Agentic-Coding in einer Tabelle mit Chancen und Risiken.
Prompt verbessern: Nimm einen ungenauen Prompt und entwickle daraus einen Pipeline-Prompt mit Ziel, Kontext, Grenzen, Format und Prüfschritten.

Schwer

Agenten-Konzept: Entwirf ein Konzept für einen KI-Agenten, der ein Lernmaterial erstellt, Quellen prüft, Aufgaben generiert und vor der Veröffentlichung eine menschliche Freigabe verlangt.
Risikoprüfung: Analysiere eine geplante KI-Pipeline im Hinblick auf Datenschutz, Urheberrecht, Prompt Injection, Halluzinationen und fehlende Tests.
Workflow-Audit: Entwickle eine Checkliste, mit der eine Schule oder ein Ausbildungsbetrieb KI-gestützte Workflows bewerten kann.
Reflexionsvideo: Produziere ein kurzes Erklärvideo, in dem Du zeigst, wie aus einer ersten Idee ein kontrollierter automatisierter KI-Workflow wird.

type=create break=no preload=CHAT GPT TEXT HIER EINFÜGEN default= width=30 placeholder= Dein MOOC Titel buttonlabel=MOOC erstellen </inputbox>

Lernnachweis

Für den Lernnachweis erstellst Du ein eigenes kleines Pipeline-Konzept. Es soll ein klares Ziel, mindestens fünf Prozessschritte, einen Beispielprompt, eine Beschreibung des benötigten Kontexts, mindestens zwei Prüfpunkte, eine Risikoanalyse und eine kurze Reflexion enthalten. Der Lernnachweis wird nicht danach bewertet, ob eine KI möglichst viel automatisch erledigt, sondern ob Du die Zusammenhänge zwischen Ziel, Kontext, Werkzeug, Prüfung und Verantwortung nachvollziehbar erklären kannst.

Pipeline-Konzept: Beschreibe einen Workflow vom ersten Prompt bis zum geprüften Ergebnis.
Beispielprompt: Formuliere einen Prompt, der Ziel, Kontext, Format, Grenzen und Prüfkriterien enthält.
Kontrollpunkte: Lege fest, an welchen Stellen ein Mensch prüfen oder freigeben muss.
Risikoreflexion: Erkläre mögliche Risiken wie Halluzinationen, Datenschutzprobleme, Prompt Injection oder ungeprüften Code.
Dokumentation: Halte fest, wie Du die Qualität des Ergebnisses beurteilst und welche Änderungen nach der Prüfung nötig waren.

Lernkontrolle

Transferaufgabe: Entwickle für ein selbst gewähltes Fach eine KI-Pipeline mit mindestens sechs Schritten und begründe, an welchen Stellen menschliche Kontrolle notwendig ist.
Fallanalyse: Ein KI-Agent soll automatisch Code ändern und veröffentlichen. Analysiere, welche Risiken entstehen und welche Freigabepunkte eingebaut werden sollten.
Vergleich: Vergleiche Vibe-Coding und Agentic-Coding anhand eines konkreten Projekts und erkläre, welche Methode in welcher Phase sinnvoller ist.
Qualitätsbewertung: Prüfe einen KI-generierten Text oder Codeausschnitt mit selbst entwickelten Kriterien und dokumentiere, welche Verbesserungen nötig sind.
Ethik und Verantwortung: Erkläre an einem Beispiel, warum technische Automatisierung nicht automatisch verantwortliche Entscheidung bedeutet.

OERs zum Thema

Links

KI-Pipelines

aiMOOC-Projekte

Schulfach+

Prüfungsliteratur 2026
Bundesland	Bücher	Kurzbeschreibung
Baden-Württemberg	Abitur Der zerbrochne Krug - Heinrich von Kleist Heimsuchung - Jenny Erpenbeck Mittlere Reife Der Markisenmann - Jan Weiler oder Als die Welt uns gehörte - Liz Kessler Ein Schatten wie ein Leopard - Myron Levoy oder Pampa Blues - Rolf Lappert	Abitur Dorfrichter-Komödie über Wahrheit/Schuld; Roman über einen Ort und deutsche Geschichte. Mittlere Reife Wahllektüren (Roadtrip-Vater-Sohn / Jugendroman im NS-Kontext / Coming-of-age / Provinzroman).
Bayern	Abitur Der zerbrochne Krug - Heinrich von Kleist Heimsuchung - Jenny Erpenbeck	Abitur Lustspiel über Machtmissbrauch und Recht; Roman als Zeitschnitt deutscher Geschichte an einem Haus/Grundstück.
Berlin/Brandenburg	Abitur Der zerbrochne Krug - Heinrich von Kleist Woyzeck - Georg Büchner Der Biberpelz - Gerhart Hauptmann Heimsuchung - Jenny Erpenbeck	Abitur Gerichtskomödie; soziales Drama um Ausbeutung/Armut; Komödie/Satire um Diebstahl und Obrigkeit; Roman über Erinnerungsräume und Umbrüche.
Bremen	Abitur Nach Mitternacht - Irmgard Keun Mario und der Zauberer - Thomas Mann Emilia Galotti - Gotthold Ephraim Lessing oder Miss Sara Sampson - Gotthold Ephraim Lessing	Abitur Roman in der NS-Zeit (Alltag, Anpassung, Angst); Novelle über Verführung/Massenpsychologie; bürgerliche Trauerspiele (Moral, Macht, Stand).
Hamburg	Abitur Der zerbrochne Krug - Heinrich von Kleist Das kunstseidene Mädchen - Irmgard Keun	Abitur Justiz-/Machtkritik als Komödie; Großstadtroman der Weimarer Zeit (Rollenbilder, Aufstiegsträume, soziale Realität).
Hessen	Abitur Der zerbrochne Krug - Heinrich von Kleist Woyzeck - Georg Büchner Heimsuchung - Jenny Erpenbeck Der Prozess - Franz Kafka	Abitur Gerichtskomödie; Fragmentdrama über Gewalt/Entmenschlichung; Erinnerungsroman über deutsche Brüche; moderner Roman über Schuld, Macht und Bürokratie.
Niedersachsen	Abitur Der zerbrochene Krug - Heinrich von Kleist Das kunstseidene Mädchen - Irmgard Keun Die Marquise von O. - Heinrich von Kleist Über das Marionettentheater - Heinrich von Kleist	Abitur Schwerpunkt auf Drama/Roman sowie Kleist-Prosatext und Essay (Ehre, Gewalt, Unschuld; Ästhetik/„Anmut“).
Nordrhein-Westfalen	Abitur Der zerbrochne Krug - Heinrich von Kleist Heimsuchung - Jenny Erpenbeck	Abitur Komödie über Wahrheit und Autorität; Roman als literarische „Geschichtsschichtung“ an einem Ort.
Saarland	Abitur Heimsuchung - Jenny Erpenbeck Furor - Lutz Hübner und Sarah Nemitz Bahnwärter Thiel - Gerhart Hauptmann	Abitur Erinnerungsroman an einem Ort; zeitgenössisches Drama über Eskalation/Populismus; naturalistische Novelle (Pflicht/Überforderung/Abgrund).
Sachsen (berufliches Gymnasium)	Abitur Der zerbrochne Krug - Heinrich von Kleist Woyzeck - Georg Büchner Irrungen, Wirrungen - Theodor Fontane Der gute Mensch von Sezuan - Bertolt Brecht Heimsuchung - Jenny Erpenbeck Der Trafikant - Robert Seethaler	Abitur Mischung aus Klassiker-Drama, sozialem Drama, realistischem Roman, epischem Theater und Gegenwarts-/Erinnerungsroman; zusätzlich Coming-of-age im historischen Kontext.
Sachsen-Anhalt	Abitur (keine fest benannte landesweite Pflichtlektüre veröffentlicht; Themenfelder)	Abitur Schwerpunktsetzung über Themenfelder (u. a. Literatur um 1900; Sprache in politisch-gesellschaftlichen Kontexten), ohne feste Einzeltitel.
Schleswig-Holstein	Abitur Der zerbrochne Krug - Heinrich von Kleist Heimsuchung - Jenny Erpenbeck	Abitur Recht/Gerechtigkeit und historische Tiefenschichten eines Ortes – umgesetzt über Drama und Gegenwartsroman.
Thüringen	Abitur (keine fest benannte landesweite Pflichtlektüre veröffentlicht; Orientierung am gemeinsamen Aufgabenpool)	Abitur In der Praxis häufig Orientierung am gemeinsamen Aufgabenpool; landesweite Einzeltitel je nach Vorgabe/Handreichung nicht einheitlich ausgewiesen.
Mecklenburg-Vorpommern	Abitur (Quelle aktuell technisch nicht abrufbar; Beteiligung am gemeinsamen Aufgabenpool bekannt)	Abitur Land beteiligt sich am länderübergreifenden Aufgabenpool; konkrete, veröffentlichte Einzeltitel konnten hier nicht ausgelesen werden.
Rheinland-Pfalz	Abitur (keine landesweit einheitliche Pflichtlektüre; schulische Auswahl)	Abitur Keine landesweite Einheitsliste; Auswahl kann schul-/kursbezogen erfolgen.