Fortschritt im Lernpfad

0 von 6 abgeschlossen (0%)

ChatGPT als Protein-Explainer

lock
Bevorstehend

Prompt-Engineering testen: ChatGPT erklärt Proteine — und du verifizierst die Antworten.

Ziele dieses Moduls
  • Die SuS können ChatGPT als Lernassistenz fĂĽr Protein-Erklärungen einsetzen und die Ergebnisse kritisch an der AlphaFold DB verifizieren.
    K3
attachment Materialien
    sticky_note_2
    AB5 — ChatGPT Protein-Explainer

    Material fĂĽr L4/L5: ChatGPT als Lernassistenz. Siehe AB5_ChatGPT-Protein-Explainer.md im Material-Ordner.

label
KI

ChatGPT kann Proteinstrukturen erklären — aber wie zuverlässig? Du testest verschiedene Prompts, erkennst typische Halluzinationen und vergleichst ChatGPT-Antworten mit der AlphaFold DB. Meta-Ebene: Ein KI-System erklärt, was ein anderes KI-System vorhersagt.

ChatGPT als Protein-Explainer

ChatGPT kann Proteinstrukturen erklären — aber wie zuverlässig sind die Antworten? In diesem Modul testest du verschiedene Prompts und verifizierst die Ergebnisse an der AlphaFold DB.

Prompt-Engineering: 3 Versuche

Versuch 1 — Vager Prompt:
«Erkläre mir ein Protein.»

Versuch 2 — Spezifischer Prompt:
«Erkläre mir die Struktur und Funktion von humanem Hämoglobin (UniProt: P68871). Welche Sekundärstrukturen enthält es und wie ist die Quartärstruktur aufgebaut?»

Versuch 3 — Prompt mit Verifikations-Aufforderung:
«Erkläre mir die Struktur und Funktion von humanem Hämoglobin (UniProt: P68871). Gib an, welche Teile deiner Antwort du sicher weisst und welche du vermutest. Vergleiche deine Beschreibung mit der AlphaFold-Vorhersage.»

Warning

Typische Halluzinationen erkennen

ChatGPT kann bei Protein-Erklärungen typische Fehler machen:

  • Falsche Zuordnung von Sekundärstrukturen (α-Helix behauptet, wo β-Faltblatt ist)
  • Erfundene Domänen-Namen
  • Plausible, aber falsche Funktionsbeschreibungen
  • Ăśberzeugte Erklärungen zu Regionen mit niedriger Confidence

Wichtig: AlphaFold zeigt seine Unsicherheit transparent (pLDDT). ChatGPT tut das nicht — es klingt immer überzeugend, auch wenn es falsch liegt.

Reflection

Drei-Quellen-Vergleich: Vergleiche für ein Protein die Informationen aus ChatGPT, AlphaFold DB und dem Schulbuch/Internet. Wo stimmen sie überein? Wo widersprechen sie sich? Welche Quelle vertraust du am meisten — und warum?

Meta-Ebene: Du hast gerade zwei KI-Systeme genutzt. ChatGPT = generative KI (Texte erzeugen). AlphaFold = predictive KI (Strukturen vorhersagen). Beide können falsch liegen — aber auf unterschiedliche Weise.