Am vergangenen Wochenende feierte der Jugend-forscht-Wettbewerb 2026 seinen Abschluss mit der Verleihung der Bundespreise und zahlreicher Sonderpreise. In diesem Jahr hat die Internationale Hochschule (IU) 16 KI-Sonderpreise in den Ländern und einen KI-Sonderpreis auf Bundesebene gestiftet. Mit dem KI-Sonderpreisträger Magnus Schlinsog (18) aus Brandenburg konnte heise online kurz vor dem Bundesfinale ein Interview führen. Sein Projekt wurde von der IU schon nach Verleihung der Landespreise als besonderes Beispiel für digitale Teilhabe und Bildung für alle hervorgehoben und hat ihm nun auch den KI-Sonderpreis auf Bundesebene eingebracht. Schlinsog hat eine künstliche Intelligenz für „Leichte Sprache“ trainiert und ursprünglich gar nicht geplant, an Jugend forscht teilzunehmen.

KI-Kompetenzen früh fördern

Dass die IU den KI-Sonderpreis in Absprache mit Jugend forscht initiiert hat und stiftet, ist laut Prof. Dr. Kamal Bhattacharya, Prorektor für Forschung & Transfer, Teil des eigenen Umgangs mit KI in der Hochschullehre. Gegenüber heise online erklärte er: „Wir schulen und fördern KI-Kompetenzen gezielt für Beschäftigte und Studierende“. Mit Jugend forscht wolle man junge Menschen unterstützen, „KI als Schlüsselkompetenz zu begreifen“.

Ob die IU auch im kommenden Jahr einen KI-Sonderpreis im Rahmen von Jugend forscht stiftet, ließ Bhattacharya indessen offen, verwies aber darauf, dass die IU weiterhin mit Jugend forscht im Gespräch sei. Ein ganz auf künstliche Intelligenz ausgelegter Wettbewerb für Schülerinnen und Schüler ist in Deutschland der Bundeswettbewerb KI (BWKI). Bhattacharya führte genauer aus, warum die IU Jugend forscht den Vorzug gegeben hat: „Jugend forscht ist, genau wie der Bundeswettbewerb KI, ein renommierter Preis zur Förderung junger Forschungstalente. Beide schätzen wir sehr. Bei Jugend forscht können die Teilnehmenden ihre Projekte in sieben Fachgebieten einreichen, die ein breites wissenschaftliches Spektrum – insbesondere in den Naturwissenschaften – abdecken. In vielen dieser Bereiche wird KI inzwischen gezielt eingesetzt, um Forschungsprozesse zu unterstützen und neue Erkenntnisse zu gewinnen. Für uns ist es wichtig, KI nicht als Spezialthema zu betrachten, sondern als Zukunftskompetenz, die in vielen Bereichen relevant ist: von Bildung, Arbeitswelt über MINT-Fächer bis hin zu gesellschaftlichen Fragestellungen.“

Interview mit Magnus Schlinsog

Du bist Teilnehmer des diesjährigen „Jugend forscht“-Wettbewerbs und hast schon einen Sonderpreis der Internationalen Hochschule (IU) erhalten, die einen extra KI-Preis ausgelobt hat. Du hast ein Sprachmodell trainiert, das mit Leichter Sprache antworten soll. Wie bist du auf die Idee gekommen, das zu machen?

Ich beschäftige mich schon länger mit Informatik – habe schon mit circa 9 Jahren durch Anregung meiner Eltern das CoderDojo vom Hasso-Plattner-Institut besucht – und hatte nun für meine Seminararbeit in der Schule ein gutes Thema gesucht, um eine KI auf einen bestimmten Anwendungszweck hin zu trainieren, denn dafür sind die bisher bekannten Sprachmodelle eine ganz gute Grundlage. Die entscheidende Idee kam dann aber von meiner Mutter, die beim Paritätischen Gesamtverband arbeitet. „Mach doch eine KI für Leichte Sprache – die Leute hätten da sicher Interesse dran.“ Ich habe mir das dann genauer angesehen und dachte mir: „Ja, das ist perfekt!“ Ich nutze Sprachmodelle nicht nur genau dafür, worin sie schon (ganz) gut sind, sondern ich kann sie durch mein Training richtig für „Leichte Sprache“ fine-tunen. Denn man kann zwar die gängigen Sprachmodelle auch per Prompts bitten, Sprache zu vereinfachen, aber das machen sie dann meist nicht nach den Regeln für „Leichte Sprache“, die es tatsächlich gibt. Es gibt nämlich einen Unterschied zwischen „einfacher“ und „Leichter“ Sprache und wie diese Texte dann auch auf Menschen wirken, die Probleme beim Verstehen haben. Meine KI „Jacob“ soll also eigentlich wie ChatGPT als Chatbot funktionieren, aber für Menschen mit besonderen Bedürfnissen.

Du hast also ein Ziel für dein KI-Training gefunden, das ganz konkret und nicht nur abstrakt ist und auch bestimmten Regeln folgt – du wusstest also im Grunde, für wen du ein LLM trainierst und auch womit?

Ja. Es gibt viele Menschen, die Lernschwierigkeiten haben oder auf eine andere Art und Weise im Sprachverstehen eingeschränkt und daher nicht in der Lage sind, jeden Text gleich zu verstehen. Deutsch kann sehr kompliziert werden – zum Beispiel durch viele verkettete Satzstrukturen. Leichte Sprache versucht, eine stark vereinfachte Form des Deutschen bereitzustellen. Es gibt dafür einige Regelwerke, die als Grundlage dienen können, wie zum Beispiel das vom „Netzwerk Leichte Sprache“. Diese geben Maximallängen für Wörter und Sätze, eine Einschränkung bei den Nebensätzen, bei Verneinung und auch etwa der Nutzung des Genitivs vor.

Wie hast du das dann technisch umgesetzt?

Ich nehme jetzt einmal vorweg, dass ich, wenn ich von „KI“ spreche, genauer gesagt sogenannte Sprachmodelle meine, beide Begriffe aber der Einfachheit halber synonym verwende. Aber ja, wie habe ich das gemacht? Ich habe mir ein Modell von einem der großen Unternehmen rausgesucht, die Modelle bereitstellen, die man auch als Nutzerin und Nutzer weiter trainieren darf. Mir war es aus Gründen der digitalen Souveränität dabei wichtig, dass ich ein europäisches Modell genutzt habe, auch wenn es teilweise bessere für meine Zwecke gibt – zum Beispiel die chinesischen Modelle wie Qwen. Die bringen aber unter anderem das Problem mit sich, dass sie nicht ausreichend mit deutschsprachigen Quellen trainiert wurden, und da es mir auch genau um die Sprachspezialisierung ging, war der Fokus auf europäische Modelle auch deshalb viel passender für mein Projekt. Auch wenn ich dann im Prozess nicht immer ganz zufrieden war, habe ich mich letztendlich für das LLM Mistral Small 3.2 entschieden.

Mein Fine-Tuning des Modells habe ich dann so umgesetzt: Ich habe mir Datensätze angefertigt, mit denen ich das Sprachmodell später trainieren kann. Ich habe dann eine größere, fähigere Cloud-KI Konversationen mit sich selbst betreiben lassen, um aus diesen Konversationen jene auswählen zu können, die besonders dem Ziel der Leichten Sprache nahe kamen, um diese wieder als Vorbilder auswählen zu können. Auf diesen wurde das kleinere Sprachmodell Mistral Small 3.2 letztendlich trainiert.

Du hast also zwischendurch diese Konversationen bewertet, einige verworfen und dann die in den Datensatz übernommen, die besser die Regeln Leichter Sprache umsetzen. Gab es denn noch Datensätze oder Bibliotheken, die du von irgendwoher übernehmen konntest, um das nicht alles selbst zu machen?

Das ist tatsächlich die Neuerung bei meinem Projekt, weil es so einen Datensatz noch nicht gab. Es gibt zwar Texte in Leichter Sprache, die man online finden kann, aber die sind nicht wie Konversationen gestaltet, die ein Chatbot normalerweise mit einem Nutzer hat. Um dieses große Datensatzproblem zu lösen, habe ich meine Konversationen synthetisch von einem großen Modell in der Cloud generieren lassen und dann einen Algorithmus entwickelt, der einschätzen kann, wie gut die generierten Texte in Leichter Sprache schon sind. Anhand der Regelwerke habe ich den Algorithmus erarbeitet, um sicherzustellen, dass die Ausgaben des Modells am Ende möglichst dem Regelwerk konform sind.

Wenn man an bereits vorhandene Texte in Leichter Sprache denkt, dann kommen mir zum Beispiel vor allem Parteiprogramme oder Dokumente bei Behörden in den Sinn, die sprachlich stark im Politischen verortet sind oder bestimmte Rechtsgrundlagen leichter erklären.

Genau. Und wenn meine KI auch mehr als nur so etwas reproduzieren können soll, dann braucht sie auch für alltägliche Kommunikation Vorbilder beziehungsweise Beispieltexte. Sie kann sonst nicht wirklich hilfreich sein. Ich musste also auch überlegen, was die KI sprachlich alles vereinfachen sollte, wenn sie auch alltagstauglich sein soll. Wie soll zum Beispiel eine Frage zum Wetter beantwortet werden? Wie wird mir ein Rezept präsentiert, wenn ich etwas backen möchte? Solche Konversationen habe ich sie üben lassen. Dafür habe ich das genannte große Cloud-Modell genutzt – Mistral Medium 3.1 –, weil dieses deutlich fähiger war, als nur kleine lokale Modelle danach zu fragen. Dieses große Modell durfte dann tausendfach Konversationen führen, die ich mittels meines Algorithmus gefiltert habe. So konnte ich dann sichergehen, dass die Datenqualität hinreichend ist, um fortzufahren.

Was war denn besonders schwierig bei dieser Arbeit?

Es ist auf jeden Fall gar nicht so einfach, jede Regel für Leichte Sprache in einem Algorithmus darzustellen. Ich kann sehr einfach überprüfen lassen, wie lang ein Wort ist, aber es lässt sich nicht so einfach überprüfen, ob ein Satz im Genitiv steht. Klar gibt es dafür Wörter, auf die man achten kann, wie z. B. „des“, aber dann gibt es auch viele falsche Treffer. Auch Verneinungen sind nicht immer eindeutig erkennbar. Und manche Regeln wurden zwischendurch auch zu stark umgesetzt, wie etwa die Vermeidung von vielen Kommata, wie sie durch Nebensätze entstehen. Da hat die KI sogar etwas – in Anführungszeichen – „geschummelt“ und eigentlich nötige Kommata gelöscht. Mein Algorithmus ist also auch (noch) nicht perfekt. Er regelt zwar vieles korrekt, aber damit er noch genauer wird, habe ich jetzt noch ein zweites KI-Modell auf Basis von BERT trainiert. Das ist auch gerade der aktuelle Stand meines Projektes. Ich benutze mittlerweile neuere Modelle, da der Beginn von meinem Projekt schon etwas zurückliegt. Die vorher genannten sind schon etwas älter, aber ich habe mit dem Projekt so circa im ersten Halbjahr der 11. Klasse angefangen und gerade meine Abiturprüfungen abgelegt – da war die Zeit etwas knapp.

Das heißt: Das, was du bei Jugend forscht eingereicht hast, ist kein abgeschlossenes Projekt, sondern du arbeitest daran weiter. Und du hast auch erwähnt, dass du eigentlich wegen einer Seminararbeit an dem Thema gearbeitet hast. Du hattest also am Anfang gar nicht „Jugend forscht“ im Sinn?

Ja, es war so, dass meine MINT-Lehrerin meine Seminararbeit richtig gut fand, die ich im Seminarkurs MINT gemacht habe. Sie meinte zu mir: „Ja, Mensch, reich das doch bei Jugend forscht ein!“ Bei der Bewerbung hat sie mir dann auch sehr geholfen.

Das wirft für mich aber die Frage auf, wie du überhaupt für dein Projekt unterstützt wurdest. Einige LLMs kann man auf lokalen Rechnern betreiben und trainieren, aber dafür braucht man schon eine entsprechend gute Hardware. Hast du die dann von der Schule erhalten oder nutzen können? War das alles dein Privatvergnügen?

Ja, schon das Mistral Small zu benutzen, war nicht ganz einfach – auch aufgrund einiger Designentscheidungen seitens Mistral, die mich gezwungen haben, zwischendurch den Code von einigen großen Open-Source-Projekten zu bearbeiten. Aber das ist ein anderes Thema. Allein das kleine Modell hat auf jeden Fall schon 24 Milliarden Parameter: Es ist also nicht ganz klein, aber auch nicht riesig. Das hieß aber auch, dass ich das nicht einfach auf meinem Rechner zu Hause trainieren konnte. Vielleicht ausführen, aber nicht trainieren. Also habe ich mich an den Stadtjugendring in Potsdam gewandt und die meinten: „Was du da in der Behindertenhilfe machst, ist ja wunderbar.“ Und dann haben die mir zum Glück gefördert, dass ich mir Grafikkarten online mieten konnte. Auf denen habe ich das dann weiter trainiert.

Oh, wow. Das ist ja klasse! War es denn schwierig, diese Kontakte zu knüpfen, oder gibt es vor Ort bessere Voraussetzungen, weil durch das HPI in Potsdam Informatikinteressierte sowieso einen ganz guten Stand haben?

Damit hatte das tatsächlich nichts zu tun. Es gibt in Potsdam das Kinder- und Jugendbudget. Da können Kinder und Jugendliche hingehen und sagen: „Schauen Sie mal. Ich habe eine Idee. Ich brauche dafür etwas Geld.“ Und die Stadt Potsdam gibt dann bis zu 2000 Euro an jedes Projekt raus. Was man von dem Geld nicht benutzt, muss man wieder zurücküberweisen. Und es war wirklich einfach, das zu bekommen. Man geht auf deren Website und schreibt eine Mail. Dann bekommt man eine Einladung, um das Projekt vorzustellen, und in meinem Fall war danach dann relativ schnell das Geld da.

Das klingt richtig gut! Und ich finde, dass das auch richtig gut auf die Zukunft vorbereitet. Du musstest nötige Kapazitäten und Kosten durchrechnen, Partner finden. Das sind wertvolle Erfahrungen. Dein Projekt ist ja auch so praxisbezogen, dass du es vermutlich auch wirklich zum Einsatz gebracht hast – sicherlich auch für Feedback zur Qualität und Weiterentwicklung?

Ja, ich habe unter anderem Kontakt zur Lebenshilfe in Potsdam, die auch eine eigene Prüfgruppe für Leichte Sprache hat. Dort habe ich Jacob von Menschen in einigen Einrichtungen ausprobieren lassen und um Feedback gebeten. Das habe ich erst mit einem Feedbackbogen probiert, damit alles wissenschaftlicher ist, aber das hat leider nicht so gut funktioniert. Ich habe mir dann aber über die Betreuerin Feedback eingeholt. Und ich habe auch Feedback von der Behindertenbeauftragten der Stadt Potsdam erhalten. Die KI hat hier und da Probleme, die ich noch zu beheben versuche, aber sie formuliert laut der Tester ihre Antworten in Leichter Sprache und ist für den gedachten Zweck nutzbar. Die meisten Texte sollen sehr gut verständlich sein. Ein Kritikpunkt war dann eher, dass es manchmal Verzögerungen bei den Antworten gibt, da ich das ja alles nicht professionell betreibe und die gemietete Hardware ab und an an ihre Grenzen kommt.

Anhand deiner Erfahrungen mit dem Feedbackbogen zeigt sich eigentlich sehr anschaulich, wie gut oder auch schlecht manche Texte oder auch Formulare für Menschen mit besonderen Bedürfnissen funktionieren. Selbst da sieht man den Bedarf für Jacob. Wie möchtest du ihn noch weiterentwickeln? Du hast mit Abgabe der Seminararbeit ja nicht mit der Entwicklung aufgehört.

Ich arbeite tatsächlich immer noch an Verbesserungen. Ich probiere auch verschiedene Strategien aus, um den Datensatz zu bewerten und das Modell zu trainieren. Zum Beispiel ein Belohnungssystem, das sich mehr am Feedback der Nutzer orientiert, statt nur die Abweichungen von den Regeln möglichst gering zu halten. Allerdings muss ich hier auch einwenden: Ich möchte natürlich vermeiden, dass die KI halluziniert, nur um irgendeine Antwort auszugeben, oder Konversationen mit Nutzern führt, die sie am Ende schädigen. Jacob soll also nicht versuchen, möglichst viel Konversation zu betreiben, obwohl er keine gute Antwort parat hat, oder Menschen in kritischen Situationen im Gespräch halten, obwohl sie Hilfe brauchen. Es gibt also klare Anweisungen, dass beispielsweise schnell auf Hilfsangebote verwiesen wird, wenn der Nutzer oder die Nutzerin gefährliche Gedanken äußert – also etwa die 112 oder die Telefonseelsorge. Was die Nutzbarkeit betrifft, möchte ich noch eine Sprachein- und auch Sprachausgabe ermöglichen. Das ist für die Zielgruppe sehr sinnvoll.

Bisher ist Jacob browserbasiert. Steht dann auch eine App auf dem Plan? Die könnte es auch ermöglichen, dass über eine Kamera einfacher Texte erfasst und in Leichte Sprache übersetzt werden, wie man es in Bezug auf Fremdsprachen beispielsweise schon von Google Lens kennt.

Ja, in die Richtung will ich das angehen: das LLM multimodal halten. Mir war aber erst einmal eine API wichtig, aber das ist der angedachte Weg.

Hat der Name Jacob eigentlich eine besondere Bedeutung? Ist das ein Akronym?

Nein – ich habe nur während der Entwicklung erlebt, dass Nutzer nicht gerne „Hallo Chatbot“ schreiben, sondern lieber einen Namen nutzen, und Jacob ist mir als einfacher deutscher Name eingefallen. Als ich dann diesen Namen eingeführt hatte, führte das aber auch zu Verwirrungen, weil ich für den Ladeprozess ein „Jacob wacht auf“ habe anzeigen lassen. Manche Testerinnen und Tester glaubten deshalb, dass ein richtiger Mensch den Job von Jacob macht und dann auch mal schläft. Mich hat das gelehrt, dass zwar einerseits „Jacob“ für das Gespräch für die Nutzerinnen und Nutzer angenehmer ist, aber ich andererseits auch dem Chatbot die Anweisung geben muss, dass er immer wieder klarstellt, dass er kein Mensch ist. Fragen zu seinem Befinden – so etwas wie „Wie geht es dir?“ – soll er also auf keinen Fall mit „gut“ oder „heute schlecht“ beantworten, sondern antworten: „Ich habe keine Gefühle und kann auch keine haben, denn ich bin ein Chatbot“.

Du hast dich also nicht nur damit beschäftigen müssen, wie eine KI für die eigenen Zwecke trainiert werden kann und wie du sie dann Menschen zugänglich machst, sondern auch damit, welche ethischen Fragen mit so einem Angebot einhergehen. Was sind deine nächsten Pläne?

Ich habe erst überlegt, ob ich nach dem Abitur ein Jahr aussetze und Work-and-Travel mache, aber so ganz gut passt das jetzt doch nicht. Deshalb beginne ich erst einmal ein Studium an der TU München – natürlich in Richtung Informatik – und will dann aber im Studium auch mal ins Ausland gehen.

(kbe)