ingest(other): gemini wm2026 spielplan demo + tutorial pages + learning path overview

raw/other/2026-06-26_gemini-wm2026-spielplan-ausfuellung.md

@@ -0,0 +1,60 @@
+---
+type: other
+source_url: https://gemini.google.com/share/57024de890a3
+retrieved: 2026-06-26
+title: "Gemini Demo: WM 2026 Spielplan ausfüllen per KI"
+tags: [gemini, tutorial, image-processing, wm2026, practical-demo]
+language: de
+---
+
+# Gemini Demo: WM 2026 Spielplan ausfüllen per KI
+
+> **⚠️ Hinweis:** Der vollständige Inhalt der Gemini Share Page konnte nicht abgerufen werden — Google verlangt Sign-In für die komplette Ansicht. Die folgende Beschreibung basiert auf den sichtbaren Elementen der Share Page und dem Kontext der OME-Gruppen-Diskussion. Angaben können unvollständig sein.
+
+## Quelle
+
+- **Gemini Share Link:** https://gemini.google.com/share/57024de890a3
+- **Alternativ-Link (mit Session-ID):** https://gemini.google.com/share/57024de890a3?skid=6dd2d5d4-a9fe-4a55-8456-e6b85391534f
+- **Geteilt von:** k9ert in OME-Gruppe Topic 1345 ("Ich, der DAU und sein Bot LOGBUCH"), 2026-06-26
+- **Kontext:** Antwort auf Rüdigers Anfrage nach KI-Tutorials/Lernmaterial
+
+## Gesprächsverlauf
+
+### 1. Ursprüngliche Anfrage
+
+Der User bittet Gemini, ein Foto eines Fußball-WM 2026 Spielplans (Bracket) virtuell auszufüllen — also die Ergebnisse der Gruppenphase und der K.o.-Runden in das Schema einzutragen.
+
+### 2. Bild-Upload
+
+Der User lädt ein Foto eines WM 2026 Spielplans hoch. Es handelt sich offenbar um einen Werbe-Poster (möglicherweise von EDEKA), auf dem der Bracket-Plan der Weltmeisterschaft 2026 abgedruckt ist.
+
+### 3. Bildverarbeitung durch Gemini
+
+Gemini startet eine Bildverarbeitungs-Pipeline:
+
+1. **Python-Code-Ausführung:** Gemini nutzt `cv2` (OpenCV) und `PIL` (Python Imaging Library), um das Bild zu verarbeiten
+2. **Rotation:** Das hochgeladene Foto ist möglicherweise gedreht — Gemini rotiert es mit PIL in die korrekte Ausrichtung
+3. **Cropping:** Ausschnitt-Operationen, um den Bracket-Bereich zu isolieren
+4. **Struktur-Analyse:** Versuch, die Tabelle/Struktur des Spielplans zu erkennen
+
+### 4. Limitierung
+
+Gemini stellt fest, dass die WM 2026 gerade erst begonnen hat (Juni 2026) und die meisten Gruppenphase-Spiele noch nicht gespielt wurden. Daher können keine Ergebnisse eingetragen werden, die noch nicht existieren.
+
+Gemini bietet stattdessen an, die Gruppenphase-Paarungen Schritt für Schritt durchzugehen, sobald die Spiele live gespielt werden.
+
+## Pädagogischer Wert
+
+Diese Demonstration zeigt mehrere Aspekte der praktischen KI-Nutzung:
+
+1. **Bildverständnis (Multimodalität):** Gemini kann Fotos lesen, verstehen und verarbeiten — keine reine Texteingabe
+2. **Code-Ausführung:** Das Modell schreibt und führt Python-Code (cv2/PIL) autonom aus, um das Bild zu manipulieren
+3. **Wissen versus Vorhersage:** Das Modell weiß, dass die WM 2026 läuft, kann aber keine zukünftigen Ergebnisse vorhersehen
+4. **Erwartungsmanagement:** Das Modell kommuniziert seine Limitationen klar und bietet eine alternative Vorgehensweise an
+5. **Praktische Pipeline:** Rotation → Crop → Analyse ist eine typische Bildverarbeitungs-Pipeline, die das Modell autonom anwendet
+
+## Verwandte Wiki-Seiten
+
+- [[../../wiki/tutorials/karpathy-how-i-use-llms.md]] — Karpathy's LLM-Tutorial (Multimodalität, Tool-Integration)
+- [[../../wiki/concepts/llm/llm-sycophancy-confabulation.md]] — LLM-Verhaltensfallen (Session-Statelessness, Confabulation)
+- [[../../wiki/tutorials/ki-lernen-mit-praxisbeispielen.md]] — Meta-Tutorial: KI lernen mit Praxisbeispielen

wiki/concepts/tutorials/gemini-wm2026-spielplan-demo.md

@@ -0,0 +1,123 @@
+---
+created: 2026-06-26
+updated: 2026-06-26
+sources:
+  - other/2026-06-26_gemini-wm2026-spielplan-ausfuellung.md
+tags: [tutorial, gemini, image-processing, multimodal, practical-demo, wm2026, expectations-management]
+---
+
+# Tutorial: WM 2026 Spielplan ausfüllen per KI — Eine Gemini-Demo
+
+> **📌 Praxisbeispiel** — Zeigt wie ein LLM ein Foto verarbeitet, strukturierte Daten extrahiert und mit Realitäts-Constraints umgeht.
+
+## Problem
+
+**Ausgangslage:** Ein User hat ein Foto eines Fußball-WM 2026 Spielplans (Bracket) — z.B. einen EDEKA-Werbe-Poster — und möchte, dass die KI die Ergebnisse einträgt.
+
+**Teilprobleme:**
+1. Das Foto ist möglicherweise gedreht/verschoben — muss zuerst korrekt ausgerichtet werden
+2. Die Bracket-Struktur muss erkannt und zugeordnet werden (welches Feld gehört zu welchem Spiel?)
+3. Die Ergebnisse müssen aus dem Modellwissen oder aus Live-Daten kommen
+4. Die WM 2026 läuft erst seit Juni 2026 — viele Spiele sind noch nicht gespielt
+
+## Approach: Gemini's Bildverarbeitungs-Pipeline
+
+Gemini wendet eine klassische Bildverarbeitungs-Pipeline an — autonom, durch Python-Code-Ausführung:
+
+```
+Foto (raw)
+  ↓
+1. Rotation (PIL) — Korrektur der Bildausrichtung
+  ↓
+2. Cropping (cv2/PIL) — Isolierung des Bracket-Bereichs
+  ↓
+3. Struktur-Analyse — Erkennen der Tabelle/Felder
+  ↓
+4. Wissensabruf — Welche Ergebnisse sind bekannt?
+  ↓
+5. Limitierung erkannt — WM 2026 läuft noch
+  ↓
+6. Alternative angeboten — Schritt-für-Schritt durch die Gruppenphase
+```
+
+### Was passiert technisch
+
+| Schritt | Tool | Zweck |
+|---------|------|-------|
+| Rotation | PIL (`Image.rotate`) | Foto in korrekte Ausrichtung bringen |
+| Cropping | cv2 / PIL | Relevanten Bereich ausschneiden |
+| Struktur-Erkennung | Visuelle Analyse | Tabellenfelder identifizieren |
+| Wissensabruf | LLM-Wissen | WM 2026 Gruppenphase-Paarungen |
+| Code-Ausführung | Python (Gemini Sandbox) | Alle Schritte werden als Code ausgeführt, nicht nur "gedacht" |
+
+## Limitations
+
+### 1. Zukunfts-Unwissenheit
+Die WM 2026 hatte zum Zeitpunkt der Anfrage (Juni 2026) gerade begonnen. Die Gruppenphase war noch nicht abgeschlossen. Gemini kann keine Ergebnisse eintragen, die noch nicht existieren.
+
+**LLMs können:**
+- Bilder sehen und verstehen (Multimodalität)
+- Bekannte Fakten abrufen (welche Teams spielen in welcher Gruppe)
+- Code schreiben und ausführen (Bildverarbeitung)
+
+**LLMs können nicht:**
+- Zukünftige Ereignisse vorhersagen
+- Live-Daten abrufen (ohne Tool-Integration wie Internetsuche)
+- Strukturierte Daten aus unstrukturierten Bildern mit 100% Genauigkeit extrahieren
+
+### 2. Bildqualität-Abhängigkeit
+Die Pipeline funktioniert nur, wenn das Foto gut genug ist. Schräge Aufnahme, schlechte Beleuchtung oder niedrige Auflösung können die Struktur-Erkennung behindern.
+
+### 3. Struktur-Komplexität
+Ein WM-Spielplan mit 48 Teams (2026-Format) ist komplexer als ein einfacher K.o.-Bracket. Die Gruppenphase mit 12 Gruppen à 4 Teams erfordert eine andere Logik als ein einfaches Turnierbaum-Schema.
+
+## Tutorial Value: Was man daraus lernt
+
+### Für Anfänger
+- **KI kann Fotos verarbeiten** — nicht nur Text. Das ist ein Paradigmenwechsel.
+- **KI führt Code aus** — sie schreibt nicht nur Antworten, sondern manipuliert Bilder aktiv.
+- **KI kennt ihre Grenzen** — ein gutes Modell sagt "ich kann das nicht", statt zu halluzinieren.
+
+### Für Fortgeschrittene
+- **Pipeline-Denken:** Rotation → Crop → Analyse ist ein Muster, das auf viele Bildverarbeitungs-Aufgaben übertragbar ist.
+- **Multimodale Architektur:** Das LLM sieht das Bild (vision), schreibt Code (reasoning + coding), führt ihn aus (tool use) und interpretiert das Ergebnis (vision again).
+- **Wissens-Cutoff:** Das Modell weiß, was bis zu seinem Training passiert ist. Live-Ergebnisse benötigen Internetsuche.
+
+### Für Kritiker
+- **Erwartungsmanagement:** Die Demo zeigt eindrucksvoll, was geht — und was nicht. Das ist wertvoller als eine Demo, die perfekt aussieht, weil das Modell halluziniert.
+- **Vergleich mit [[../llm/llm-sycophancy-confabulation.md]]:** Wo Gemini seine Grenzen kommuniziert, würden schlechtere Modelle Ergebnisse erfinden (Confabulation).
+
+## Lessons Learned
+
+1. **Bildorientierung zuerst:** Bevor man strukturierte Daten aus einem Foto extrahiert, muss das Bild korrekt ausgerichtet sein. Das ist oft der erste Schritt in jeder praktischen Bildverarbeitungs-Pipeline.
+
+2. **Wissen ≠ Vorhersage:** Ein LLM kann Wissen über die WM 2026 haben (Teilnehmer, Gruppen, Spielplan), aber keine zukünftigen Ergebnisse predicten. Das ist ein fundamentaler Unterschied, den Anfänger oft nicht verstehen.
+
+3. **Wenn KI nicht kann, was sie nicht kann → gut:** Ein Modell, das "Ich kann das noch nicht, weil die Spiele noch nicht gespielt wurden" sagt, ist besser als eines, das halluzinierte Ergebnisse einträgt. Siehe auch [[../llm/llm-sycophancy-confabulation.md]] für das Gegenbeispiel.
+
+4. **Code-Ausführung als Brücke:** Das LLM übersetzt visuelle Wahrnehmung in Code (PIL/cv2), führt ihn aus, und interpretiert das Ergebnis wieder visuell. Diese Code-Schleife ist mächtiger als reine "Bildbeschreibung".
+
+5. **Alternative Vorgehensweise:** Statt "geht nicht" → "lass uns es Schritt für Schritt machen, sobald die Spiele laufen" ist ein gutes UX-Pattern für KI-Anwendungen.
+
+## Cross-References
+
+- [[../../tutorials/karpathy-how-i-use-llms.md]] — Karpathy's Tutorial: Multimodalität, Tool-Integration, Custom GPTs
+- [[../../tutorials/ki-lernen-mit-praxisbeispielen.md]] — Meta-Tutorial: KI-Lernen mit Praxisbeispielen
+- [[../llm/llm-sycophancy-confabulation.md]] — LLM-Verhaltensfallen: Session-Statelessness, Confabulation, Sycophancy
+- [[../llm/llm-knowledge-base.md]] — Karpathy's Wiki-Pattern als Grundlage
+- [[../llm/ai-psychological-testing.md]] — Psychologische Tests an KI-Modellen (Roemmele)
+
+## Externe Links
+
+- **Gemini Share Link:** https://gemini.google.com/share/57024de890a3
+- **Google Gemini:** https://gemini.google.com
+- **OpenCV (cv2):** https://opencv.org
+- **Pillow (PIL):** https://python-pillow.org
+- **Fußball-WM 2026 (Wikipedia):** https://de.wikipedia.org/wiki/Fu%C3%9Fball-Weltmeisterschaft_2026
+
+## Quelle
+
+- **Shared by:** k9ert in OME-Gruppe Topic 1345 ("Ich, der DAU und sein Bot LOGBUCH"), 2026-06-26
+- **Kontext:** Antwort auf Rüdigers Anfrage nach KI-Tutorials/Lernmaterial
+- **Raw-Datei:** [raw/other/2026-06-26_gemini-wm2026-spielplan-ausfuellung.md](../../raw/other/2026-06-26_gemini-wm2026-spielplan-ausfuellung.md)
+- **Einschränkung:** Vollständiger Inhalt der Gemini Share Page nicht abrufbar (Google Sign-In erforderlich). Beschreibung basiert auf sichtbaren Elementen und OME-Kontext.

wiki/index.md

@@ -2,7 +2,7 @@
 
 *Auto-generated: 2026-06-23*
 
- *Letzte Aktualisierung: 2026-06-26 (36. Update — Neue Kategorie `wiki/tutorials/`: Karpathy "How I use LLMs" als erste Lernressource. Raw-Datei `youtube/2026-06-26_karpathy-how-i-use-llms.md`.)*
+ *Letzte Aktualisierung: 2026-06-26 (37. Update — Gemini WM 2026 Spielplan-Demo + Meta-Tutorial "KI Lernen mit Praxisbeispielen". Neue Konzept-Seite `concepts/tutorials/gemini-wm2026-spielplan-demo.md`. Neue Tutorial-Übersicht `tutorials/ki-lernen-mit-praxisbeispielen.md`. Raw-Datei `other/2026-06-26_gemini-wm2026-spielplan-ausfuellung.md`.)*
 
 ## Architecture
 
@@ -188,6 +188,13 @@
 | Seite | Beschreibung | Quellen |
 |-------|-------------|---------|
 | [Karpathy — How I use LLMs](tutorials/karpathy-how-i-use-llms.md) | Praxis-Crashkurs von Andrej Karpathy (2h11m, 🇬🇧 English): LLM Fundamentals, Tool Integration, Multimodal (Audio/Image/Video), Custom GPTs, Personalization. Lernpfad für LLM-Verständnis | youtube/2026-06-26_karpathy-how-i-use-llms.md |
+| [KI Lernen mit Praxisbeispielen](tutorials/ki-lernen-mit-praxisbeispielen.md) | Meta-Tutorial: Lernpfad für verschiedene Zielgruppen (Kinder/Jugendliche, Erwachsene, Entwickler). Bündelt Karpathy-Video + Gemini WM-Demo + Wiki-Konzepte. Vergleichstabelle der Ressourcen | youtube/2026-06-26_karpathy-how-i-use-llms.md + other/2026-06-26_gemini-wm2026-spielplan-ausfuellung.md |
+
+### Concepts: Tutorials
+
+| Seite | Beschreibung | Quellen |
+|-------|-------------|---------|
+| [Gemini WM 2026 Spielplan-Demo](concepts/tutorials/gemini-wm2026-spielplan-demo.md) | Praxis-Demo: Gemini verarbeitet Foto eines WM 2026 Spielplans (Rotation, Crop, Analyse per cv2/PIL). Zeigt Multimodalität, Code-Ausführung und Limitationen (WM läuft noch). Lektionen zum Erwartungsmanagement | other/2026-06-26_gemini-wm2026-spielplan-ausfuellung.md |
 
 ## Raw Sources
 
@@ -228,3 +235,4 @@
  | `raw/other/2026-06-25_ome22-ki-nacht-agenten-architektur.md` | other | OME22 — KI-Nacht & Agenten-Architektur: Der Realitätscheck (NotebookLM-Infografik: Hannover-Rechenzentrum, lokale Agenten, 66% Misserfolgsquote, Pluribus, OpenClaw, Guardrail-Dilemma) |
  | `raw/blog/2026-06-25_binaryverseai-qwen-agentworld.md` | blog | BinaryVerse AI: Qwen AgentWorld Explained — Predict Before Agents Act (AgentWorldBench scores, CPT/SFT/RL pipeline, 7 domains, GUI text representation) |
 | `raw/youtube/2026-06-26_karpathy-how-i-use-llms.md` | youtube | Andrej Karpathy: How I use LLMs (2:11:11, ~2.5M views, English) — Praxis-Crashkurs: LLM Fundamentals, Tool Integration, Multimodal, Custom GPTs |
+| `raw/other/2026-06-26_gemini-wm2026-spielplan-ausfuellung.md` | other | Gemini Demo: WM 2026 Spielplan ausfüllen per KI — Foto-Verarbeitung (cv2/PIL), Multimodalität, Limitationen (WM läuft noch) |

wiki/log.md

@@ -2,6 +2,19 @@
 
 *Append-only changelog. Start: 2026-06-05*
 
+## [2026-06-26] Ingest | Gemini WM 2026 Spielplan-Demo + Meta-Tutorial "KI Lernen mit Praxisbeispielen"
+**Type:** ingest | **Scope:** raw/other, wiki/concepts/tutorials (NEW), wiki/tutorials, wiki/index
+**Source:** Gemini Share Link — https://gemini.google.com/share/57024de890a3
+**Trigger:** Shared by k9ert in OME-Gruppe Topic 1345 ("Ich, der DAU und sein Bot LOGBUCH") on 2026-06-26, replying to Rüdiger's request for KI tutorials/learning content.
+**Actions:**
+- raw: `raw/other/2026-06-26_gemini-wm2026-spielplan-ausfuellung.md` (created — 3.4 KB; Frontmatter [type: other, language: de], Gesprächsverlauf: User-Anfrage, Bild-Upload, Gemini's Bildverarbeitungs-Pipeline [Rotation mit PIL, Cropping mit cv2], Limitation [WM 2026 läuft noch], pädagogischer Wert. Einschränkung: Vollständiger Gemini Share-Inhalt nicht abrufbar — Google Sign-In erforderlich)
+- wiki (NEW SUB-CATEGORY + PAGE): `concepts/tutorials/gemini-wm2026-spielplan-demo.md` (created — 6.6 KB; erste Seite in neuer `wiki/concepts/tutorials/` Sub-Kategorie. Frontmatter, Problem/Approach/Limitations/Tutorial Value/Lessons-Sektionen, Pipeline-Diagramm, Vergleichstabelle, 5 Cross-Refs, 5 externe Links)
+- wiki (NEW): `tutorials/ki-lernen-mit-praxisbeispielen.md` (created — 6.2 KB; Meta-Tutorial mit Ressourcen-Übersichtstabelle, 3 Lernpfaden nach Zielgruppe [Kinder/Jugendliche, Erwachsene, Entwickler], Vergleichstabelle Karpathy vs. Gemini Demo, 7 Cross-Refs, 4 externe Links)
+- wiki: `index.md` (updated — Header auf "37. Update", neue Tutorials-Einträge [Meta-Tutorial + Concepts/Tutorials Sub-Sektion], neuer Raw-Sources-Eintrag)
+- log: this entry
+**Hector-Hauptthese:** Die Gemini WM 2026 Demo ist ein komplementäres Praxisbeispiel zum Karpathy-Tutorial: Wo Karpathy systematisch LLM-Fundamentals vermittelt (2h11m, Englisch), zeigt die Gemini-Demo spontane Anwendung auf ein greifbares Problem (Fußball-Spielplan aus Foto ausfüllen, Deutsch). Beide zusammen decken Theorie und Praxis ab. Die Gemini-Demo ist besonders wertvoll, weil sie Limitationen live zeigt — die KI kann das Foto verarbeiten, aber nicht die Zukunft predicten. Das ist ein besseres Lernbeispiel als eine Demo, die perfekt aussieht, weil das Modell halluziniert. Die neue `concepts/tutorials/` Sub-Kategorie trennt Konzept-Tutorials (wie funktioniert etwas) von Lernpfaden (wie lerne ich etwas).
+**Subagent-Modell:** ollama/glm-5.2:cloud
+
 ## [2026-06-26] Ingest | Karpathy — "How I use LLMs" (Tutorial + New Category `wiki/tutorials/`)
 **Type:** ingest | **Scope:** raw/youtube, wiki/tutorials (NEW), wiki/index, AGENTS.md
 **Source:** YouTube — https://www.youtube.com/watch?v=EWvNQjAaOHw

wiki/tutorials/ki-lernen-mit-praxisbeispielen.md

@@ -0,0 +1,110 @@
+---
+created: 2026-06-26
+updated: 2026-06-26
+sources:
+  - youtube/2026-06-26_karpathy-how-i-use-llms.md
+  - other/2026-06-26_gemini-wm2026-spielplan-ausfuellung.md
+tags: [tutorial, learning-path, ki-lernen, praxisbeispiele, meta-tutorial, anfaenger, jugendliche, erwachsene]
+---
+
+# KI Lernen mit Praxisbeispielen — Ein Lernpfad
+
+> **📌 Meta-Tutorial** — Übersichtsseite, die Lernressourcen im Wiki bündelt und nach Zielgruppe strukturiert.
+
+## Warum diese Seite?
+
+K9ert hat in OME-Gruppe Topic 1345 ("Ich, der DAU und sein Bot LOGBUCH") am 2026-06-26 Rüdigers Anfrage nach KI-Tutorials/Lernmaterial aufgegriffen und zwei konkrete Praxisbeispiele geteilt:
+
+1. **Karpathy's "How I use LLMs"** — systematischer 2h-Crashkurs von einem der kompetentesten KI-Educators
+2. **Gemini WM 2026 Spielplan-Demo** — praktische Live-Demo: Foto eines Fußball-Brackets ausfüllen per KI
+
+Diese Seite ordnet beide Ressourcen in einen Lernpfad ein und ergänzt sie um weitere Wiki-Ressourcen.
+
+## Ressourcen-Übersicht
+
+| Ressource | Typ | Dauer | Sprache | Level | Fokus |
+|-----------|-----|-------|---------|-------|-------|
+| [Karpathy — How I use LLMs](karpathy-how-i-use-llms.md) | Video-Tutorial | 2h11m | 🇬🇧 EN | Anfänger → Fortgeschrittene | LLM Fundamentals, Tools, Multimodal, Custom GPTs |
+| [Gemini WM 2026 Spielplan-Demo](../concepts/tutorials/gemini-wm2026-spielplan-demo.md) | Live-Demo (Gemini Share) | ~10 Min | 🇩🇪 DE | Anfänger | Bildverarbeitung, Multimodalität, Erwartungsmanagement |
+| [LLM Knowledge Base (Karpathy-Pattern)](../concepts/llm/llm-knowledge-base.md) | Konzept | — | 🇩🇪 DE | Fortgeschritten | Wiki-Pattern, raw → LLM → wiki → Q&A |
+| [LLM Sycophancy & Confabulation](../concepts/llm/llm-sycophancy-confabulation.md) | Konzept | — | 🇩🇪 DE | Fortgeschritten | LLM-Verhaltensfallen, Nano Banana Incident |
+| [LLM Model Catalog](../concepts/llm/llm-model-catalog.md) | Referenz | — | 🇩🇪 DE | Fortgeschritten | Alle im Wiki erwähnten Modelle, Hosting-Optionen |
+| [Flat Curve Society (Yegge)](../concepts/llm/flat-curve-society.md) | Konzept | — | 🇩🇪 DE | Fortgeschritten | AI Literacy, Discernment Horizon |
+
+## Lernpfade nach Zielgruppe
+
+### 🧒 Kinder & Jugendliche (Einsteiger)
+
+**Ziel:** KI als Werkzeug verstehen, nicht als Magie.
+
+1. **Start:** Gemini WM 2026 Spielplan-Demo — anschaulich, deutsch, greifbares Beispiel (Fußball!)
+2. **Vertiefung:** Karpathy "How I use LLMs" — Abschnitte 1 (Fundamentals) und 4 (Multimodal: Audio, Image, Video)
+3. **Übung:** Eigene Fotos an KI geben — Gegenstände erkennen, Text extrahieren, Fragen stellen
+4. **Diskussion:** Was konnte die KI? Was nicht? Warum? → Erwartungsmanagement
+
+**Lektion:** KI kann Bilder sehen und Code ausführen, aber sie kann nicht in die Zukunft schauen.
+
+### 👤 Erwachsene (Berufliche Weiterbildung)
+
+**Ziel:** LLMs effizient im Workflow einsetzen.
+
+1. **Start:** Karpathy "How I use LLMs" — vollständiges Video (2h11m)
+2. **Praxis:** Custom GPTs / Custom Instructions einrichten (Karpathy Abschnitt 5)
+3. **Tool-Integration:** Internet Search + Python Interpreter nutzen (Abschnitt 3)
+4. **Vertiefung:** LLM Knowledge Base Pattern — eigenes Wissensmanagement aufbauen
+5. **Kritik:** LLM Sycophancy & Confabulation lesen — verstehen, wann LLMs lügen (ohne es zu wissen)
+6. **Modell-Auswahl:** LLM Model Catalog — passendes Modell für eigene Bedürfnisse finden
+
+**Lektion:** LLMs sind Werkzeuge, keine Orakel. Workflow-Design > Modell-Auswahl.
+
+### 🔧 Entwickler & Power-User
+
+**Ziel:** Architekturelles Verständnis und eigene Systeme bauen.
+
+1. **Fundamentals:** Karpathy "How I use LLMs" → Companion-Video "Deep Dive into LLMs like ChatGPT" (3h31m)
+2. **Architektur:** [[../architecture/model-routing.md]] — wie OpenClaw LLMs routet
+3. **Bildverarbeitung:** Gemini WM 2026 Demo → eigene Pipeline bauen (PIL/cv2)
+4. **Ensembles:** [[../concepts/llm/llm-model-fusion-ensembles.md]] — Model-Panels statt Single-Modell
+5. **Verhaltens-Persistenz:** [[../concepts/llm/llm-behavior-persistence.md]] — Sleeper Agents, Backdoors
+6. **Wissensmanagement:** Dieses Wiki selbst als Beispiel (Karpathy-Pattern in Praxis)
+
+**Lektion:** Orchestrierung > Modell. Das Wiki-System ist selbst ein Lernbeispiel.
+
+## Zusammenhang der beiden Praxisbeispiele
+
+### Karpathy (strukturiertes Lernen) ↔ Gemini Demo (spontane Anwendung)
+
+| Dimension | Karpathy | Gemini WM Demo |
+|-----------|----------|----------------|
+| **Format** | 2h11m Video-Tutorial | ~10 Min Live-Chat |
+| **Struktur** | Lehrplan (5 Sektionen) | Spontan, User-getrieben |
+| **Sprache** | 🇬🇧 Englisch | 🇩🇹 Deutsch |
+| **Ziel** | Systematisches Verständnis | Praktisches Problem lösen |
+| **Multimodalität** | Erklärt (Abschnitt 4) | Vorgeführt (Foto-Upload + cv2/PIL) |
+| **Code-Ausführung** | Erklärt (Abschnitt 3: Python) | Vorgeführt (cv2-Code läuft in Gemini) |
+| **Limitationen** | Wissen-Cutoff erwähnt | Limitation live erlebt (WM läuft noch) |
+| **Zielgruppe** | Breit (Anfänger → Fortgeschrittene) | Fußball-Interessierte, deutschsprachig |
+
+**Beide ergänzen sich:** Karpathy liefert das systematische Fundament, die Gemini-Demo zeigt, wie es in der Praxis aussieht — inklusive der Frustration, wenn die KI an ihre Grenzen stößt.
+
+## Cross-References
+
+- [[karpathy-how-i-use-llms.md]] — Karpathy Tutorial (englisch, 2h11m)
+- [[../concepts/tutorials/gemini-wm2026-spielplan-demo.md]] — Gemini WM 2026 Demo (deutsch, Live)
+- [[../concepts/llm/llm-knowledge-base.md]] — Karpathy's Wiki-Pattern
+- [[../concepts/llm/llm-sycophancy-confabulation.md]] — LLM-Verhaltensfallen
+- [[../concepts/llm/llm-model-catalog.md]] — Modell-Katalog
+- [[../concepts/llm/flat-curve-society.md]] — Yegge's Discernment Horizon
+- [[../architecture/model-routing.md]] — Modell-Routing in OpenClaw
+
+## Externe Links
+
+- **Karpathy "How I use LLMs":** https://www.youtube.com/watch?v=EWvNQjAaOHw
+- **Karpathy "Deep Dive into LLMs" (Companion):** https://www.youtube.com/watch?v=7xTGNNLPyMI
+- **Gemini WM 2026 Demo:** https://gemini.google.com/share/57024de890a3
+- **Google Gemini:** https://gemini.google.com
+
+## Quellen
+
+- **Karpathy:** Shared by k9ert in OME-Gruppe Topic 1345, 2026-06-26
+- **Gemini Demo:** Shared by k9ert in OME-Gruppe Topic 1345, 2026-06-26, als Antwort auf Rüdigers Anfrage nach KI-Tutorials