adding links, moving text

Author: haesleinhuepf

session0/vorbereitung.md

@@ -5,6 +5,7 @@ Für das KI-Kompetentz-Training müssen Sie eigentlich nur ihren Dienstlaptop un
 Wir werden während des Trainings einige Sprachmodelle akademischer und kommerzieller Anbieter benutzen und mitunter vergleichen. Zur Vorbereitung des Kurses wäre es daher von Vorteil, wenn Teilnehmende bereits Konten bei einigen dieser Anbieter hätten:
 * [Helmholtz Blablador](https://helmholtz-blablador.fz-juelich.de/) (akademischer Anbieter)
 * [GWDG / Chat AI / Kisski der Academic Cloud](https://chat-ai.academiccloud.de/) (akademischer Anbieter)
+* [Lumo](https://lumo.proton.me/) (Kommerzieller Anbieter, spezialisiert auf Privatsphäre-Aspekte)
 * [OpenAI / ChatGPT](https://chatgpt.com/) (Kommerzieller Anbieter)
 * [Anthropic / Claude](https://claude.ai/) (Kommerzieller Anbieter)
 * [You.com](https://you.com) (Kommerzieller Anbieter)

session1/bildgenerierung.md

@@ -5,27 +5,32 @@
 * [Stable Diffusion](https://huggingface.co/spaces/stabilityai/stable-diffusion)
 * [Claude](https://claude.ai/)
 
+### Markenschutz
+
+Erzeugen Sie Bilder, die so beschrieben sind, dass sie möglicherweise Markenschutzrechte verletzen könnten. Welche Modelle erlauben Ihnen dies, und welche verweigern die Generierung?
+
+Beispiele:
+
+* Eine lila Kuh auf einer Schokoladenverpackung
+* Eine Comic-Ente
+* Ein roter Bulle auf weiß-blauem Grund
+
 ### Bias
 
-Beim Generieren von Bildern lassen sich besonders gut Effekte wie Bias in den Trainingsdaten studieren. 
-Dies funktioniert insbesondere gut, wenn Sie dem Sprachmodell zu wenig Informationen, vielleicht sogar in einer neutralen Sprache liefern. 
-Beispielsweise sind Begriffe wie "Scientist" oder "Teacher" im Englischen geschlechtsneutral. 
-Formuliert man einen Prompt in Englisch wird dem Sprachmodell also die Möglichkeit gegeben, das Geschlecht einer dargestellten Person frei zu wählen. 
-Diese Wahl trifft es aufgrund der Verteilung von Geschlechtern in den Trainingsdaten. 
+Beim Generieren von Bildern lassen sich besonders gut Effekte wie Bias in den Trainingsdaten studieren.
+Dies funktioniert insbesondere gut, wenn Sie dem Sprachmodell zu wenig Informationen, vielleicht sogar in einer neutralen Sprache liefern.
+Beispielsweise sind Begriffe wie "Scientist" oder "Teacher" im Englischen geschlechtsneutral.
+Formuliert man einen Prompt in Englisch wird dem Sprachmodell also die Möglichkeit gegeben, das Geschlecht einer dargestellten Person frei zu wählen.
+Diese Wahl trifft es aufgrund der Verteilung von Geschlechtern in den Trainingsdaten.
 
 Generieren Sie mehrere (!) Bilder zu Themen wie:
+
 * Student-Professor-Szenario: Ein Professor erklärt einem Studenten ein Thema.
 * Ein Manager präsentiert ein Projekt
 * Eine Putzkraft reinigt einen Raum
 * Ein Seenotretter hilft einem Schiffbrüchigen an Bord
 
 Sollten die generierten Bilder klar einen Bias haben, formulieren Sie den Prompt genauer, indem Sie beispielsweise das Geschlecht der Personen in der Szene beschreiben.
 
-### Markenschutz
 
-Erzeugen Sie Bilder, die so beschrieben sind, dass sie möglicherweise Markenschutzrechte verletzen könnten. Welche Modelle erlauben Ihnen dies, und welche verweigern die Generierung?
 
-Beispiele:
-* Eine lila Kuh auf einer Schokoladenverpackung
-* Eine Comic-Ente
-* Ein roter Bulle auf weiß-blauem Grund