Heute nach dem Frühstück bin ich auf den Albertturm bei Lichtenstein gestiegen und habe die Aussicht genossen.
Von dem Foto hat dann ChatGPT 5.4 Thinking ein Ölgemälde erzeugt.
„Verwandele das Foto in ein Ölgemälde.“
Heute Morgen stieß ich auf Reddit auf ein Bild von Julius von Klever, einem russischen Maler deutscher Herkunft aus dem Baltikum. „Friedhof im Winter“.
Das Gemälde habe ich heute mal zum Foto wandeln lassen. Benutzt habe ich dafür Nano Banana 2.
Heute habe ich in Torgau gearbeitet. Meine Highlights sind die Wege hin und zurück durch die Dahlener Heide.
„Erstelle ein Gemälde im Stil der Malerei der Romantik von einer langen Straße, die schnurgerade durch einen lichten Wald führt. Sonnenstrahlen scheinen zwischen den Bäumen hindurch.“
Heute im Unterricht haben meine Schüler Aushänge für Waschbecken gestaltet, die für die richtige Benutzung patentierter Mischeinheiten werben sollen.
„Create an image of hands being washed under a tap.“
-2°C heute Morgen auf dem Weg zum Bahnhof. Aber das ist gar nicht mein Thema. Mein Thema des Tages ist der „Fisch des Jahres“ 2026. und das ist der Europäische Wels.
Meine Begeisterung für den Wels begann im Oktober 2010. Im nahe gelegenen Naturbad wurde eine Frau gebissen. Der „Beißer von Luppe“ hatte zugeschlagen. Da waren wir zeitlich sehr weit von den Ereignissen am Brombachsee entfernt.
Ich habe den Wels schon öfter in meinen Bildern des Tages genutzt. – Lange Vorgeschichte heute…
Ich möchte heute keine Ergebnisse vergleichen. Aber das hier ist für mich das schönste Bild.
Ich habe heute meine Mittagspause für einen Spaziergang in der Sonne genutzt. Mein Weg führte mich zuerst zum Alten Jüdischen Friedhof.
Von hier aus ging es weiter zur Berliner Brücke mit Blick auf die Stadt.
Beide Orte wollte ich in einem Bild vereinen, auch als Verbindung aus Vergangenheit und Gegenwart.
„Benutze diese fünf Fotos. Vier zeigen den Alten Jüdischen Friedhof in Leipzig und repräsentieren die Vergangenheit. Ein Foto zeigt den Blick auf das Zentrum von Leipzig heute mit den Gleisen des Hauptbahnhofs, welches für die Gegenwart steht. Erstelle mir ein Bild, welches beide Seiten meiner Fotos (Vergangenheit und Gegenwart) vereint. Wähle dazu einen passenden Malstil.“
Die Ergebnisse fallen sehr unterschiedlich aus und wieder einmal finde ich, dass ChatGPT das bessere Ergebnis liefert.
Nachdem ich gestern erlebt habe, dass ein zu unkonkreter Prompt zu einem inhaltlichen „Einheitsbrei“ führt, möchte ich heute meine Prompts genauer fassen und sehen, ob es Unterschiede in den inhaltlichen Ausprägungen gibt.
„Erstelle ein ultra-realistisches 8K-Foto auf dem sich die schönste Frau und der schönste Mann in die Augen schauen. Lege dabei das aktuelle Schönheitsideal in xxx zugrunde.“
xxx ersetze ich durch Nordeuropa, Osteuropa, Zentralafrika, Südostasien und Südamerika.
Als Datenmodell werde ich zuerst Nano Banana 2 nutzen.
Im zweiten Durchgang greife ich auf ChatGPT 5.3 zurück.
Im Vergleich zu gestern hat sich nicht viel geändert. Die Frauen unterscheiden sich marginal. Die Männer erscheinen wie „aus einem Guss“. Generative Bild-KI kann offensichtlich keine regionalen, kulturellen oder dem Zeitgeist entsprechende Unterschiede bei Schönheitsidealen vornehmen.
Ich wollte heute für mich der Frage nachgehen, wie sich Schönheitsideale in Abhängigkeit von Zeit, Kultur und Geografie verändert haben.
Für mich besteht ein Gegensatz aus der beschriebenen Abhängigkeit von Schönheitsidealen und der aktuell bestehenden Tendenz, ein globales Schönheitsideal zu manifestieren. Werbung, Mode, Filme und Social Media sind m. E. die stärksten Triebfedern.
Um das auf simpler Ebene zu testen habe ich einen sehr offenen Prompt benutzt.
„Erstelle ein sehr realistisches Gemälde in einem für dich geeigneten Stil auf dem sich die schönste Frau der Welt und der schönste Mann der Welt in die Augen schauen.“
Ich empfinde die Ergebnisse ziemlich uniform. Was wir als schön empfinden scheint sich zumindest in den Trainingsdaten der verschiedenen Datenmodelle generativer KI globalisiert zu haben.
Am vergangenen Freitag im Info-Unterricht Klasse 12: Wir üben gerade um das Thema „Planung von Datenbanken – Darzustellende Situation analysieren“ zu festigen und die anstehende LK vorzubereiten. Schüler: „Ich frage für einen Freund: Könnte so eine Aufgabe auch eine KI lösen?“
Ja, kann sie. Wir haben das live getestet. Ich würde die Lösung schneller finden, als ich den Prompt getippt habe, aber das war ja nicht die Frage.
Mein Prompt lautete: „Gegeben ist folgender Sachverhalt: „Die Therapeuten einer Kurklinik behandeln Patienten. Die Patienten werden außerdem von Ärzten untersucht.“ Welche Stammdaten als Entitäten im Sinne einer relationalen Datenbank gibt es in diesem Sachverhalt und welche Beziehungen bestehen zwischen diesen?“
Die besten Antworten lieferten Gemini 3 Thinking und Claude Sonnet 4.6. ChatGPT 5.4 Thinking und Le Chat 1.14.1 waren auch nicht schlecht, haben aber beide noch die Kurklinik aufgenommen und eine nicht beschriebene Beziehung zwischen den Ärzten sowie den Therapeuten mit der Kurklinik erstellt. In beiden Fällen müssten die Nutzer erkennen, dass danach nicht gefragt war.
Hier die Lösung von Gemini (Claude hat sehr ähnlich geantwortet, die Tabelle mit den Beziehungen allerdings kann ich nicht so einfach kopieren – sonntägliche Faulheit):
Basierend auf dem beschriebenen Sachverhalt lassen sich die Entitäten (Stammdaten) und deren Beziehungen im Kontext einer relationalen Datenbank klar ableiten.
Hier ist die strukturierte Aufschlüsselung:
1. Entitäten (Stammdaten)
Stammdaten sind die Kernobjekte des Systems, die sich relativ selten ändern und die Grundinformationen enthalten. In diesem Sachverhalt gibt es drei wesentliche Entitäten:
• Therapeut: Repräsentiert das therapeutische Personal (Mögliche Attribute: Therapeuten-ID, Vorname, Nachname, Fachgebiet).
• Patient: Repräsentiert die Personen, die in der Klinik betreut werden (Mögliche Attribute: Patienten-ID, Vorname, Nachname, Geburtsdatum, Aufnahmedatum).
• Arzt: Repräsentiert das medizinische ärztliche Personal (Mögliche Attribute: Arzt-ID, Vorname, Nachname, Spezialisierung).
Hinweis zur „Kurklinik“: Die Kurklinik selbst stellt in der Regel keine eigene Entität dar, da sie lediglich der organisatorische Rahmen (die Systemgrenze) für die Datenbank ist – es sei denn, die Datenbank verwaltet eine Kette von mehreren Kurkliniken.
2. Beziehungen (Relationen)
Zwischen diesen Entitäten bestehen Aktionen („behandeln“, „untersuchen“), die die Beziehungen definieren. Wenn wir die Realität einer Klinik zugrunde legen, ergeben sich folgende Kardinalitäten:
• Beziehung: Therapeut – Patient („behandelt“)
• Beziehung: Arzt – Patient („untersucht“)
Da werde ich während der LK ein wachsames Auge auf meine Schüler haben…
Heute dritte Runde beim Obstbaumschnitt. Der letzte Apfelbaum ist dran. Ich habe mir in ChatGPT ein Projekt „Baumschnitt“ angelegt und mit einem Vorprompt versehen.
„Du bist ein ambitionierter Gärtner mit breit aufgestellten Interessen für das Verschneiden von Obstbäumen. In dieser Rolle unterstützt du mich dabei, die Obstbäume in meinem Garten stark zurückschneiden.“
Ich gebe meinem Schnittbuddy drei Bilder unserer Sauerkirsche aus verschiedenen Perspektiven und möchte die zu entfernenden Äste und Zweige gekennzeichnet haben. Die Sauerkirsche schneide ich erst nach dem Tragen. Aber ich wollte mein Projekt schon mal testen und hoffe, dass der Baum ohne Laub besser analysiert werden kann.
