1. Unterrichtsblock

Grundlagen KI & maschinelles Lernen

Aufbau neuronales Netz: https://ad-research.cs.uni-freiburg.de/nn-demo-1/

Unterschied schwache KI und starke KI

Bei künstlichen Intelligenzen gilt es zwischen schwacher und starker KI zu unterscheiden. Während sich die schwache KI in der Regel mit konkreten Anwendungsproblemen beschäftigt, geht es bei der starken KI darum, eine allgemeine Intelligenz zu schaffen, die der des Menschen gleicht oder diese übertrifft.

Definition & Abgrenzung

Modelle und Architektur

• Künstliche neuronale Netze (ANN) Einfache Netzwerke mit Eingabe-, versteckten und Ausgabeschichten. → Einsatz: Grundlagen, einfache Klassifikationen
• Tiefe neuronale Netze (DNN) Erweiterte ANN mit mehreren Schichten, die komplexe Muster erkennen können. → Einsatz: Sprache, Bilder, Texte
• Convolutional Neural Networks (CNN) Spezialisierte Netze für Bilddaten – erkennen Kanten, Farben, Formen. → Einsatz: Bilderkennung, z. B. Hautanalyse oder Verkehrszeichen
• Recurrent Neural Networks (RNN) Netzwerke mit „Gedächtnis“, die sich vorherige Informationen merken. → Einsatz: Texte, Sprache, Zeitreihen (z. B. Wetterdaten)
• Transformer-Modelle Verarbeiten alle Eingaben gleichzeitig und achten auf Zusammenhänge. → Einsatz: Übersetzungen, Textverständnis, Chatbots
• LLM (Large Language Models) Sehr große Transformer-Modelle mit Milliarden Parametern. → Einsatz: Textgenerierung, Zusammenfassungen, KI-gestützte Dialogsysteme wie ChatGPT

• Künstliche Intelligenz ist eine Teilmenge der Informatik und bezeichnet Computerprogramme, die eigenständig Probleme lösen können.
• Maschinelles Lernen ist eine Teilmenge der KI und wird angewendet, um in der Problemlösung besser zu werden und die KI zu trainieren.

Anwendungsbereiche

• Hautkrebserkennung
• Autonome Waffensysteme
• Blutuntersuchung und Erkennung von Erregern
• Autonomoes Fahren

Maschinelles Lernen Grundarten

Lernphase

• Überwachtes Lernen (Supervised Learning)
• Unüberwachtes Lernen (Unsupervised Learning)
• Teilüberwachtes Lernen
• Bestärkendes Lernen (Reinforcement Learning)
• Aktives Lernen (Unterkategorie des überwachten Lernens)
• Meta Lernen (Meta-Learning)

Anwendungen für Maschinelles Lernen

Clustering

Clustering ist ein Verfahren im maschinellen Lernen, bei dem Datenpunkte automatisch in Gruppen (Cluster) eingeteilt werden, sodass ähnliche Elemente zusammengehören. Die KI erkennt Muster und Ähnlichkeiten, ohne dass vorher festgelegt wird, wie viele oder welche Gruppen es geben soll.

Klassifikation

Klassifikation ist ein Verfahren im überwachten maschinellen Lernen, bei dem die KI Daten einem vorgegebenen Satz von Kategorien zuordnet – z. B. „Katze“ oder „Hund“, „Spam“ oder „Nicht-Spam“. Die KI lernt anhand von Beispielen, wie typische Merkmale aussehen, und trifft dann Entscheidungen über neue, unbekannte Daten.

Regression

Regression ist ein Verfahren im überwachten maschinellen Lernen, bei dem die KI einen numerischen Wert vorhersagt – z. B. Temperatur, Preis oder Alter. Die KI lernt aus Beispieldaten, wie sich bestimmte Merkmale auf einen kontinuierlichen Zielwert auswirken, und berechnet daraus eine passende Vorhersage.

Unterschiedlich ist der Zweck der Anwendung

Bei der Regression sagt die KI einen genauen Zahlenwert voraus – zum Beispiel die Temperatur einer Maschine. Bei der Klassifikation entscheidet sie zwischen festen Kategorien – etwa ob die Maschine überhitzt oder nicht.

Bei der Klassifikation und Regression unterscheidet man zwischen linearen und nicht-linearen Verfahren: Lineare Modelle treffen Entscheidungen oder Vorhersagen entlang gerader Linien, während nicht-lineare Modelle komplexere, gekrümmte Zusammenhänge erfassen können. Egal welches Verfahren verwendet wird – die KI macht immer gewisse Fehler, die durch gutes Training und Testen zwar verringert, aber nie vollständig beseitigt werden können.

LLMs – Überblick & Anwendung

• Definition: Große KI-Sprachmodelle, basierend auf der Transformer-Architektur, trainiert mit Milliarden Textdaten
• Funktionsweise: Arbeiten mit Wahrscheinlichkeiten, erkennen Muster – kein echtes Verstehen; Prompts steuern die Ausgabe
• Fähigkeiten: Texte schreiben, zusammenfassen, übersetzen; Dialog führen; Code generieren; Sprache vereinfachen oder anpassen
• Einsatzbereiche: Bildung, Beruf, Kreativität – z. B. Lernhilfe, Kundenservice, Storytelling
• Beispiele für LLMs: ChatGPT, Claude, Gemini, Mistral

LLMs sind stark in Mustern und Sprache – aber nicht in echtem Verständnis oder menschlicher Erfahrung.

Prompt-Design & Prompt-Engineering bei LLMs

Prompt-Engineering & Prompt-Arten

Prompt-Engineering ist der Prozess, Prompts zu verfeinern, um die Qualität der Antworten zu maximieren. Es gibt verschiedene Arten von Prompts:

• Zero-Shot: Nur die Aufgabe wird gestellt.
• Few-Shot: Die Aufgabe wird mit einem oder mehreren Beispielen ergänzt.
• Chain-of-Thought: Die KI wird aufgefordert, schrittweise zu denken.
• ReAct: Die KI kombiniert Denken und Handeln, z. B. bei Rechercheaufgaben.
• Instruction/Role-based: Der Prompt gibt eine klare Anweisung oder weist der KI eine spezifische Rolle zu.
• System Prompt: Eine interne Anweisung, die das Verhalten der KI steuert.
• Template Prompt: Eine wiederverwendbare Vorlage.

Token: Die Sprache der KI

Ein Token ist die kleinste Einheit, die ein KI-Modell verarbeitet. Das kann ein Wort, ein Wortteil oder ein Satzzeichen sein.

• Input-Tokens: Der Text, den du in das Modell eingibst.
• Output-Tokens: Der Text, den das Modell als Antwort generiert. Jeder Prompt und jede Antwort haben ein Token-Limit. Klare und kompakte Prompts nutzen dieses Limit am effizientesten.

Wichtige Begriffe

• Completion: Die Antwort, die das KI-Modell auf deinen Prompt gibt. Das Modell „vervollständigt“ den Text logisch.
• Vektoren: Wörter werden in der KI als Zahlenreihen (Vektoren) gespeichert, die ihre Bedeutung im Raum darstellen. Die KI nutzt diese Vektoren, um den Kontext zu verstehen und passende Antworten zu generieren.
• Perplexity: Ein Maß für die Unsicherheit des Modells bei der Vorhersage des nächsten Tokens. Eine niedrige Perplexity bedeutet, dass das Modell sich sicher ist, was als Nächstes kommt. Allerdings garantiert dies keine inhaltliche Richtigkeit.
• Halluzinationen: Wenn die KI plausibel klingende, aber faktisch falsche Informationen generiert. Dies tritt häufiger auf, wenn die Temperatur (ein Parameter, der die Kreativität steuert) hoch eingestellt ist.

Was ist ein KI-Agent?

Ein KI-Assistent wie Siri oder ChatGPT hilft dir bei klar definierten Aufgaben, indem er auf deine direkten Anweisungen wartet. Ein KI-Agent hingegen geht einen Schritt weiter: Er verfolgt eigene Ziele, plant Aktionen, trifft Entscheidungen und handelt selbstständig. Er ist autonomer und kann komplexere Aufgaben lösen, ohne dass du jeden einzelnen Schritt vorgeben musst.

Aufbau und Gedächtnis eines KI-Agenten

Ein KI-Agent ist kein monolithisches System, sondern besteht aus mehreren Bausteinen, die zusammenarbeiten:

• Wahrnehmung: Erfasst Informationen aus der Umgebung (Text, Bilder, Sensordaten).
• Gedächtnis: Speichert Informationen, um den Kontext zu verstehen und zu nutzen. Es gibt:
  • Kurzzeitgedächtnis: Behält den aktuellen Chatverlauf für eine flüssige Konversation. Es ist flüchtig und an die Sitzung gebunden.
  • Langzeitgedächtnis: Speichert wichtige Informationen über mehrere Sitzungen hinweg (z. B. Nutzerpräferenzen), was den Agenten überdauernd leistungsfähiger macht.
• Zielverfolgung: Plant Strategien, um ein vorgegebenes Ziel zu erreichen.
• Steuerlogik: Enthält die Regeln und Algorithmen, die festlegen, wie der Agent auf Situationen reagiert und Entscheidungen trifft.
• Kommunikation: Ermöglicht den Austausch mit Menschen oder anderen Systemen (z. B. über APIs).
• Handlungskompetenz: Führt konkrete Aktionen aus, wie das Senden einer E-Mail oder eine Buchung.

Arten von KI-Agenten

KI-Agenten lassen sich nach ihrer Komplexität und Funktion in verschiedene Typen einteilen, wobei die Komplexität oft vom Grad ihrer Autonomie abhängt.

• Reaktiver Agent: Reagiert direkt auf Eingaben ohne Gedächtnis oder Planung (z. B. ein einfacher Chatbot).
• Lernender Agent: Verbessert sich durch Erfahrung oder Feedback (z. B. Empfehlungssysteme).
• Planender Agent: Verfolgt ein Ziel und entwickelt dafür eine Strategie (z. B. Routenplanung).
• Kommunikativer Agent: Tauscht Informationen mit anderen Systemen oder Menschen aus (z. B. ein Kundenservice-Agent).
• Multi-Agenten-Systeme: Mehrere Agenten arbeiten zusammen, um ein komplexes Ziel zu erreichen (z. B. in Logistiksystemen).

Datenkompetenz: Analyse & Visualisierung mit KI

In fast jedem Beruf sind Datenkompetenz und Datenanalyse heute unerlässlich. Datenkompetenz bedeutet, dass man Daten sinnvoll sortieren, interpretieren und darstellen kann. KI-Tools sind dabei zu wertvollen Helfern geworden, da sie Routineaufgaben automatisieren und komplexe Datenmengen schnell auswerten können.

Was ist Datenanalyse?

Datenanalyse ist der Prozess, aus Rohdaten wertvolle Informationen zu gewinnen. Das Ziel ist es, Muster und Zusammenhänge zu erkennen, um bessere Entscheidungen zu treffen. Dieser Prozess folgt mehreren Schritten:

1. Daten sammeln und vorbereiten: Daten kommen oft unvollständig oder fehlerhaft. In dieser Phase werden sie gesichtet, interpretiert und bereinigt (Fehler korrigieren, Duplikate entfernen, Formate vereinheitlichen). KI kann bei der Identifizierung und Korrektur dieser Probleme helfen.
2. Daten verarbeiten: Die Daten werden sortiert, gefiltert und nach bestimmten Kriterien gruppiert. Anschließend werden statistische Kennzahlen wie Mittelwert oder Häufigkeit berechnet.
3. Daten visualisieren: Die Ergebnisse werden grafisch dargestellt, z. B. in Balken-, Linien- oder Kreisdiagrammen. Die Wahl des richtigen Diagrammtyps ist entscheidend, um die Daten verständlich zu machen.
4. Ergebnisse analysieren: Die grafischen und statistischen Ergebnisse werden interpretiert, um Handlungsempfehlungen abzuleiten. KI kann hierbei die Interpretation unterstützen und Vorschläge für nächste Schritte machen.

Vorteile von KI bei der Datenanalyse

KI-Tools wie ChatGPT oder AutoGen können die Datenanalyse erheblich vereinfachen und beschleunigen.

KI-Stimmen & Soundeffekte

Absolut, hier ist eine Zusammenfassung des Kursblocks über KI-Stimmen und Soundeffekte, die du als Wiederholungseinheit nutzen kannst.

KI-Stimmen & Soundeffekte: Das Wichtigste in Kürze

Diese Einheit dreht sich um die gezielte Nutzung von KI zur Erstellung, Bearbeitung und Optimierung von Audioinhalten. KI hilft uns dabei, Audio nicht nur zu produzieren, sondern auch ihm eine spezifische Identität oder Atmosphäre zu geben.

Was ist KI-gestützte Audioproduktion?

Die Audioproduktion mit KI lässt sich in fünf Hauptbereiche unterteilen:

• 1. Text-to-Speech (TTS): Die KI wandelt geschriebenen Text in gesprochene Sprache um. Das Ergebnis sind natürliche, synthetische Stimmen, die für Voiceover, Lernvideos oder Avatare genutzt werden können.
• 2. Stimmklonen & Stimmgestaltung: Hierbei kann die KI entweder eine bestehende Stimme nachahmen oder eine komplett neue, künstliche Stimme erzeugen.
• 3. KI-generierte Musik: Die KI komponiert Musikstücke wie Jingles oder Hintergrundmusik auf Basis von Prompts, die Stimmung oder Tempo vorgeben.
• 4. Soundeffekte & Klangwelten: Die KI generiert Geräusche (z. B. Regen, futuristische Sounds) oder ganze akustische Kulissen, um die Atmosphäre zu gestalten.
• 5. Automatische Audiobearbeitung: KI kann Audiospuren optimieren, indem sie Rauschen entfernt, Pausen kürzt oder die Lautstärke anpasst.

Was ist der Unterschied?

KI-Videoproduktion

Grundlagen der KI-Videoproduktion

Was ist KI-Videoproduktion?

• Es ist der Einsatz von Künstlicher Intelligenz, um Videos zu erstellen, zu bearbeiten oder zu planen.
• Die KI übernimmt Aufgaben, die früher manuell erledigt wurden.
• Ziel: Videoproduktion schneller, zugänglicher und kreativer zu machen.

Anwendungsbereiche: Präsentationen, Tutorials, Social-Media-Inhalte, Marketing-Videos.

Der KI-gestützte Produktions-Workflow

• Idee & Planung: Die KI hilft bei der Erstellung von Skripten und Storyboards aus einfachen Textbeschreibungen (Prompts).
• Visuelle Erstellung:
  • Text-to-Video: Die KI erzeugt direkt animierte Szenen aus Text.
  • Image-to-Video: Ein statisches Bild wird animiert (z. B. Kameraflug, Gesichts-Animation).
• Vertonung:
  • Text-to-Speech (TTS): Erzeugt synthetische Sprecherstimmen aus Text.
  • Musikgenerierung: Wählt oder komponiert passende Musik und Soundeffekte.
• Bearbeitung:
  • Automatische Untertitelung: Erkennt Sprache und erstellt synchronisierte Untertitel.
  • Schnitt & Effekte: Schneidet Szenen und fügt Übergänge, visuelle Effekte und Rhythmus hinzu.
• Optimierung:
  • Formatanpassung: Optimiert Videos automatisch für verschiedene Plattformen (YouTube, TikTok etc.).
  • Feedback & Analyse: Bewertet die Wirkung des Videos und schlägt Verbesserungen vor.

Deepfakes: Manipulation durch KI

Was sind Deepfakes?

Ein Deepfake ist ein täuschend echtes, künstlich erzeugtes Video oder Audio, das eine reale Person so realistisch imitiert, dass es kaum von echten Aufnahmen zu unterscheiden ist. Diese Manipulationen werden mit speziellen KI-Modellen erstellt, die darauf trainiert sind, Gesichter, Stimmen und Bewegungen zu kopieren.

Die Technik dahinter

• GANs (Generative Adversarial Networks): Das sind zwei KI-Netzwerke, die gegeneinander arbeiten. Ein Generator erzeugt Deepfakes, während ein Diskriminator versucht, sie als Fälschungen zu entlarven. Durch diesen „Wettkampf“ werden die Fälschungen immer perfekter.
• Trainingsdaten: Die KI braucht große Mengen an Bild-, Video- und Audiomaterial der Person, um deren Merkmale zu lernen.
• Gesichtssynchronisation: Die KI passt die Mimik und Lippenbewegungen eines Gesichts präzise an einen neuen Text oder eine neue Stimme an.

Erkennung von Deepfakes

Das Erkennen von Deepfakes wird immer schwieriger, aber es gibt typische Hinweise:

• Fehler in Details: Achte auf unnatürliche Verformungen bei Händen, Ohren oder Objekten im Hintergrund.
• Unnatürliche Bewegungen: Die Bewegungen können unnatürlich flüssig oder, im Gegenteil, zu mechanisch wirken.
• Ungenauigkeiten: Die KI kann Schwierigkeiten mit schnellen Bewegungen, komplexen Objekten oder Symmetrien haben.
• Unpassender Ton: Manchmal passt die Tonspur nicht perfekt zur Videoqualität oder es gibt unerwartete Geräusche.

Recht & Ethik

• Sie können reale Personen manipulieren und werden zunehmend schwerer zu erkennen.
• Indizien für Fakes:
  • Hände & komplexe Objekte: Typische Fehler bei Händen oder deformierte Gegenstände im Hintergrund.
  • Symmetrie: Oft unnatürlich perfekt und mechanisch wirkende Bewegungen.
  • Schnelle Bewegungen: Können oft zu unscharfen oder verwischten Details führen.
• Rechtliche Fragen:
  • Persönlichkeitsrechte: Das Recht am eigenen Bild und der eigenen Stimme.
  • Urheberrecht: Die Frage, wer der Urheber eines KI-generierten Inhalts ist.
• Kennzeichnungspflicht: Viele Plattformen fordern eine Kennzeichnung von KI-generierten Inhalten, um die Täuschung zu vermeiden.

Produktgestaltung mit KI

Produktgestaltung ist die strategische und kreative Entwicklung eines Produkts von der ersten Idee bis zur finalen Präsentation. KI ist in jedem dieser Schritte ein wertvolles Werkzeug, um den Prozess zu beschleunigen und neue kreative Möglichkeiten zu erschließen.

Die fünf Phasen der Produktgestaltung mit KI

1. Planung: In dieser Phase hilft KI bei der Ideenfindung und der Zielgruppenanalyse. Sie liefert kreative Impulse, schlägt Produktnamen und Slogans vor und hilft dabei, die Grundidee des Produkts zu strukturieren. KI dient hier als Impulsgeber, der die menschliche Kreativität erweitert.
2. Visuelles Design: KI kann direkt visuelle Elemente wie Logos, Icons und Layouts generieren. Tools nutzen Text-Prompts, um Entwürfe zu erstellen, die später verfeinert und angepasst werden können. Visuelles Design beeinflusst, wie ein Produkt wahrgenommen wird und ob es ansprechend wirkt.
3. Text & Sprache: In dieser Phase unterstützt KI bei der sprachlichen Gestaltung der Marke. Sie formuliert Produktnamen, Slogans und Beschreibungen, die zur Tonalität und zur Zielgruppe passen. KI kann verschiedene Stilrichtungen ausprobieren und Texte optimieren.
4. Varianten & Optimierung: KI hat die Fähigkeit, schnell zahlreiche Varianten von Designs, Texten oder Layouts zu erstellen. Sie erkennt Muster und schlägt Verbesserungen vor, was eine datenbasierte Optimierung ermöglicht. Dieser Prozess ist effizienter und systematischer als rein manuelle Ansätze.
5. Präsentation & Branding: In der letzten Phase hilft KI, das Produkt konsistent zu präsentieren. Sie unterstützt bei der Erstellung von Präsentationslayouts und optimiert Inhalte. Branding ist das übergeordnete Ziel: Design, Sprache und Werte werden zu einer klaren und wiedererkennbaren Identität zusammengeführt.

Der KI-Design-Agent

Ein KI-Design-Agent (wie im Video gezeigt) ist die nächste Stufe der KI-Unterstützung. Im Gegensatz zu einzelnen Generatoren, die nur eine Aufgabe (z.B. ein Logo) übernehmen, kann ein Agent mehrere Designschritte automatisch ausführen. Er integriert verschiedene KI-Modelle, um aus einem einzigen Prompt ein komplettes Paket (z.B. Logo, Visitenkarte, Werbematerialien) zu erstellen. Dies führt zu einer enormen Zeitersparnis, aber die kreative Kontrolle und die strategischen Entscheidungen bleiben weiterhin in der Verantwortung des Menschen.

Präsentationen mit KI

Präsentationen sind visuelle Geschichten. Die KI revolutioniert diesen Prozess, indem sie vom Konzept bis zur Auslieferung unterstützt. Der menschliche Part liegt nun nicht mehr im manuellen Feinschliff, sondern im kreativen Zusammenspiel mit der KI, die Ideen liefert und ausführt.

Grundlagen guter Präsentationen

Eine überzeugende Präsentation braucht eine klare Struktur, die einer guten Geschichte folgt:

• Aufbau: Sie beginnt mit einer Einleitung, die das Thema vorstellt. Im Hauptteil werden Problem und Lösung erklärt, und der Schluss fasst die Kernaussagen zusammen.
• Inhalte: Die Folien selbst sind visuell gestaltet – mit wenig Text und klaren Bildern, Diagrammen und Icons. Der Sprechertext hingegen erklärt, erzählt und ergänzt die Folien, sodass beides zusammen die Botschaft vermittelt.
• Storytelling: Es ist wichtig, die Präsentation auf die Zielgruppe auszurichten und eine Geschichte zu erzählen, die das Publikum emotional anspricht.

KI als Präsentationshelfer

Künstliche Intelligenz kann den gesamten Prozess beschleunigen und verbessern:

• Ideenfindung & Struktur: Die KI schlägt Gliederungen vor und strukturiert Inhalte.
• Text & Sprache: Sie formuliert Slogans, Sprechertexte und passt sie an verschiedene Stile und Zielgruppen an.
• Visuelle Gestaltung: Die KI generiert Bilder, Icons und Layouts, die zum Thema und Stil passen.
• Zielgruppenanpassung: Sie hilft dabei, Inhalte für bestimmte Zielgruppen zu optimieren, indem sie Sprache und Visualität anpasst.

Neue Kompetenzen im Umgang mit KI

Der Einsatz von KI in der Präsentationsgestaltung erfordert neue Fähigkeiten:

• Prompt-Kompetenz: Man muss lernen, klare, konkrete und kreative Anweisungen zu geben, um die gewünschten Ergebnisse zu erzielen.
• Auswahl & Bewertung: Die KI liefert Vorschläge, aber die Entscheidung, welche die beste ist, bleibt beim Menschen.
• Kombination von Mensch & Maschine: Die besten Ergebnisse entstehen, wenn die KI als Impulsgeber dient und der Mensch die Rolle des Designers übernimmt.

Was bleibt menschlich?

Trotz aller Technologie bleibt die Präsentation ein zutiefst menschlicher Akt. KI kann die Folien gestalten, aber sie kann nicht die Emotion, Präsenz und den persönlichen Bezug des Sprechers ersetzen. Die Verantwortung für die Wirkung und die kreativen Entscheidungen, die eine Präsentation wirklich überzeugend machen, liegen weiterhin in menschlicher Hand.

KI-gestützte App- & Website-Erstellung

1. Vibe Coding: Die emotionale Grundlage

Vibe Coding ist die gezielte Nutzung von KI, um nicht nur funktionale, sondern auch emotionale und ästhetisch stimmige digitale Produkte zu entwickeln. Es geht darum, einer App oder Website einen klaren „Vibe“ oder eine bestimmte Stimmung zu geben (z. B. „modern und seriös“ oder „verspielt und motivierend“), der sich konsistent durch alle Elemente zieht.

Der Vibe wird durch die Kombination aller gelernten KI-Fähigkeiten erzeugt:

• Prompt-Design: Der Vibe beginnt mit einem detaillierten Prompt, der die gewünschte Stimmung beschreibt.
• Visuelle Gestaltung: Die KI generiert Logos, Icons und Layouts, die zum Vibe passen.
• Text & Sprache: Die Texte werden so formuliert, dass sie die Tonalität der Marke widerspiegeln.

2. Der KI-Design-Builder: Vom Prompt zum Prototyp

Tools wie Bolt.new sind leistungsstarke „KI-Designer“ oder „KI-Builder“, die diesen Vibe-Coding-Prozess automatisieren. Statt manuell zu coden oder zu designen, ermöglicht die KI einen nahtlosen Workflow:

Code-Generierung: Wenn das Design fertig ist, kann die KI sauberen Code generieren, der als Basis für die weitere Entwicklung dient.

Prompting & Ideenfindung: Du startest mit einem detaillierten Prompt, der die Funktionen, die Zielgruppe und den gewünschten „Vibe“ deiner App oder Website festlegt.

Generierung: Die KI generiert auf dieser Basis in wenigen Minuten einen ersten visuellen Entwurf (UI/UX) und die dazugehörige Grundstruktur.

Anpassung & Verfeinerung: Der generierte Entwurf kann direkt bearbeitet und perfektioniert werden, indem du Elemente verschiebst, Farben änderst oder weitere Anweisungen an die KI gibst.