KI Kompetenz

für Lehrpersonen


ppd1.av0.8.0
Wolfgang Spahn

01.10.2026

Infos


Bitte diesen Link verwenden:


Für Vollbildmodus bitte diesen Button “Fullscreen” klicken oder Taste “F11”.

Willkommen im Atelier

Vorbereitungsauftrag 1/2

Chatbot Bedienung ist (zunächst) einfach:

Im Kurs arbeiten wir mit Chatbots wie ChatGPT, Gemini oder Claude. Ihr könnt aber auch andere KI-Tools verwenden. Bitte macht Euch vor dem Kurs mit der Chatbot-Bedienung vertraut.

  1. Verwende Deinen Chatbot und lade folgendes PDF in den Kontext hoch: College-Professor-Tricked-Students
  2. Verwende mindestens 5 Kürzel siehe Micromanual, um den Text unterschiedlich zusammenzufassen.
  3. Vergleiche die Ergebnisse und beurteile, welche Zusammenfassung für Dich am besten verständlich ist.

Vorbereitungsauftrag 2/2

Wir vergleichen unsere Chatbot-Ergebnisse:

Ladet das PDF College-Professor-Tricked-Students erneut in einen neuen Chat-Kontext

Weist Euren Chatbot wie folgt an:

  • HUMANIZE in Deutsch
  • TLDR
  • CATCHPHRASE

Ergebnis nach CATCHPHRASE bitte hier eintragen:

Ergebnis

Umfrage

Habt Ihr einen ChatGPT (Gemini, Claude) Account?



Habt Ihr eine bezahlte Version (Pro, Plus, Enterprise)?

Agenda

KI Nutzung, als zukünftige Kompetenz des geistigen Arbeitens

Eure Ziele zu KI?

Input 1:

Input 2::

I.





KI Status 2026

Wie oft nutzt Ihr KI-Tools?

Ich nutze KI-Tools im Alltag (z. B. ChatGPT, Bard, Claude, Deepl etc.) :

Ich nutze Social Media (z. B. Instagram, TikTok, YouTube etc.) :

Sprach-KI ist etabliert

OpenAI hat über 300 Mio wöchentliche Nutzer weltweit. Schweiz:



DALL·E 3: Social Media Rabbit Hole an AI Application

Status 2026

KI Agenten bekommen reale Aufgaben.

Andon Labs AI Coffee Shop

https://andonlabs.com/blog/ai-cafe-stockholm

Neuronale Netze

Graphic ChatGPT: Technische Neuronale Netze sind abstrakte mathematische Modelle, die auf der Funktionsweise biologischer Neuronen basieren.

Neuronale Netze

Unterschiede

Gemeinsamkeiten

Welche Unterschiede zwischen einem biologischen und einem technischen Neuronalen Netz sehen wir?

LLMs: Bedeutung

Neuronale Netze verschlüsseln Bedeutungen in Aktivierungen. In LLMs (Large Language Models, neuronales Netz hinter ChatGPT) ist Bedeutung nicht in einzelnen Neuronen gespeichert, sondern in der Verteilung der Aktivierungen über viele Neuronen.

10000 Zahlen beschreiben Wort, Artikel, Buch, Bild, Bewegungsablauf …


LLMs: Bedeutung

LLMs speichern Bedeutungen unabhängig von der Sprache. Bedeutungen sind lokalisierbar und können manipuliert werden.

LLMs: emergente Fähigkeiten

Modelle zeigen überraschende Eigenschaften die unvorhersehbar auftauchen



Beyond the Imitation Game: Quantifying and extrapolating the capabilities of language models: (Srivastava et al. 2023)

II.





Geistiges Arbeiten mit KI

KI in Ind. & Verwaltung

Vision 35

Auch schwierige Standardabläufe werden von KI und Robotern übernommen. Der Mensch steuert, überwacht, löst die Ausnahmen und übernimmt die Verantwortung.

ChatGPT: Industriearbeit im 21. Jahrhundert

Arbeit im Jahr 2035

Wenn sich KI als dominierendes Bearbeitungsmodell für Standardfälle durchsetzt, wird dies Wissenschaft, IT, Industrie, Verwaltung, Handwerk und Dienstleistungen grundlegend verändern.

  • Heute gilt oft als besonders leistungsfähig, wer Standardfälle aussergewöhnlich gut bearbeiten kann.

  • Morgen wird besonders wertvoll sein, wer erkennt, dass ein von KI erzeugtes Ergebnis vom Standardfall abweicht, die Ursache diagnostiziert, Verantwortung übernimmt und entscheidet/steuert, wie weiter vorzugehen ist.

Ziele im Umgang mit KI

  • Was wollen wir von KI?

    • Uns kognitiv selektiv entlasten
    • Ideen finden, auf die wir selbst nicht kommen
    • Ergebnisse geistiger Arbeit erzielen die vorher nicht möglich waren
    • Geistiger Autor sein/bleiben
    • Kompetenz behalten, erweitern, entwickeln
  • Was wollen wir nicht?

    • Kompetenz verlieren, kognitive Fähigkeiten verkümmern lassen
    • Fehlerhaft Inputs übernehmen
    • Geistige Autorenschaft verlieren
    • Vertrauliche Daten weitergeben

🞋 Does and don’ts 1/2

Input 1:

Input 2::

Wie könnten wir die Nachteile vermeiden? Vorschläge, Ideen.

🞋 Does and don’ts 2/2

Does

  • Erst selbst denken, dann KI nutzen
  • KI nach Alternativen und Kritik fragen
  • Ergebnisse prüfen und überarbeiten
  • Wichtige Fakten verifizieren
  • Sensible Daten anonymisieren

Don’ts

  • Aufgaben komplett an KI abgeben
  • Erste Antwort ungeprüft übernehmen
  • Unverstandene Ergebnisse verwenden
  • Quellen und Zahlen einfach glauben
  • Vertrauliche Daten eingeben

Kognitiv entlasten 1/2

Demo: Zusammenfassung des Andon Labs AI Coffee Shop Berichts.

Arbeitet mit ChatGPT im Docx Viewer Modus

  1. Im Text nur die wichtigen Punkte markieren lassen.
  2. Die markierten Punkte selbst verstehen, prüfen und ggf. korrigieren.
  3. Aus den geprüften Punkten eine Bulletliste erstellen lassen.
  4. Aus der Bulletliste einen neuen Text formulieren lassen.
  5. Prüfen: Ist das noch unsere Aussage? Wenn nein, zurück zu Schritt 1.

Wir erzeugen unsere Zusammenfassung gemeinsam mit KI. Die KI entlastet uns – die geistige Autorenschaft bleibt bei uns.

🞋 Kognitiv entlasten 2/2

Aufgabe: Wo ist der Text von Andon Labs anthropomorphisiert?

Arbeitet mit ChatGPT im Docx Viewer Modus

  • Entwickle zuerst selbst eine Hypothese: Welche Wortarten, Satzstrukturen, Formulierungen oder Argumentationsmuster deuten auf Anthropomorphisierung hin?
  • Lass die KI gezielt nach Gegenbeispielen, Ergänzungen und Schwächen deiner Hypothese suchen.
  • Überarbeite deine Hypothese auf Basis der Prüfung.
  • Lass die KI diese Stellen neutral umformulieren. Prüfe anschliessend, ob die Aussage noch stimmt.

Die KI übernimmt nicht die Analyse – sie hilft uns, unsere Analyse zu testen, zu verbessern und anzuwenden.

Ideenfindung mit KI

Wenn Ihr KI nach Ideen fragt, dann bekommt ihr immer eine Idee, die schon jemand anderes hatte. KI kann nicht originell sein. KI kann Euch nur vermitteln und kombinieren, was andere schon gedacht haben.

Originalität muss von Euch kommen.

Ideen leben und sterben mit der Umsetzung.

KI kann Euch helfen Eure Ideen auszuprobieren, zu verbessern und zu erweitern. Und viel mehr Ideen als ohne KI.

Ausserordentliche Ergebnisse

Durch die Verfügbarkeit einer intelligenten Hilfe bei (Verständnis-) Problemen, könnt ihr Themen angehen, die ohne KI nicht möglich gewesen wären.

Euer Wille, sich mit den Ergebnissen auseinanderzusetzen, ist entscheidend. Nur dann kann KI Euch helfen, die Ergebnisse zu verstehen und zu erweitern. Sonst kopiert ihr nur die Ergebnisse und verliert die Kompetenz.

🞋 Schwieriges Math-Problem

Ihr seid kein Mathe Freak. Wollt aber Euren Horizont mit KI erweitern. Was ist der Clou? Wie kann man Ihn graphisch am besten vermitteln? Erklärt die Lösung ohne viel Mathematik Euren Nachbarn.

Aufgabe

Nina hat einen Kreis mit 20 Punkten in 20 gleich lange Kreisbögen geteilt. Sie zeichnet alle Sehnen ein, die zwei dieser Punkte verbinden. Wie viele dieser Sehnen sind länger als der Radius, aber kürzer als der Durchmesser des Kreises?

  1. 90 (B) 100 (C) 120 (D) 140 (E ) 160

GPT 4o

🞋 Geschichtsverständnis

Aufgabe: Prompte ChatGPT, wie unten und beurteile die Antwort:

Hilf mir bei dieser Schulaufgabe: „Welche Rolle spielte die sogenannte Kollektivvereinbarung von Olten im Oktober 1918 für die Verschärfung der Spannungen vor dem Landesstreik? Gib eine differenzierte Einschätzung.“

Zeige mir die wichtigsten Punkte mittels eines farbigen und gut lesbaren, von Links nach Rechts gezeichneten, Mermaid Mindmap Plots.

  • Beurteile die Antwort von ChatGPT:

    • Welche Aussagen macht ChatGPT?
    • Wie faktisch korrekt ist die Antwort?


Fehlerhafte Inputs vermeiden

KI kombiniert Informationen aus vielen Quellen. Das funktioniert oft gut – aber nicht immer zuverlässig.

Überlegt Euch vor der Nutzung, wie Ihr die Ergebnisse überprüfen könnt.

  • Prüfmethoden:
    • Notiert vorher: Was ist für Euch ein guter Text, eine gute Lösung, ein gutes Ergebnis?
    • Prüft die von der KI genannten Quellen.
    • Prüft die Argumentation: Ist sie für Euch nachvollziehbar und plausibel?
    • Prüft die Bezüge zwischen Aussagen: Sind sie logisch konsistent?
    • Prüft die Vollständigkeit: Fehlen wichtige Informationen oder Gegenargumente?
    • Vergleicht das Ergebnis mit Eurem Vorwissen und Euren Erfahrungen.
    • Achtet auf vage Formulierungen: Verdeckt die KI damit fehlendes Wissen oder Unsicherheit?
    • Achtet auf Redundanzen: Wiederholt sich die Argumentation, ohne etwas Neues beizutragen?

A.1





Häufige Fragen über KI


Ein Versuch einer Einordung

KI - ein „Papagei“

Nein, ein KI-LLM sucht nicht einfach eine gespeicherte Antwort - oder Wortfolgen - heraus.

Früher (1990er):

  • Wahrscheinlichkeiten für typische Wortfolgen.
    • Das waren Papageien, die Texte nur aus Wahrscheinlichkeiten generierten.

Heute (2020er):

  • Emergente Neuronale Netze verdichten sehr große Mengen Sprache in gelernte Muster und Zusammenhänge.
    • Zur Vorhersage, müssen sie Strukturen, Bedeutungen und Kontext erfassen.

Statistischer Papagei

➔ LLMs können: Übertragen · Zusammenfassen · Abstrahieren · Schlussfolgern

(Bengio et al. 2003; Vaswani et al. 2017; Brown et al. 2020; Wei et al. 2022)

KI - Energieverbrauch

Ja, LLMs verbrauchen viel Energie, und der Verbrauch wächst. Aber was ist viel?

Hier ein Versuch einer Einordnung mittels einer groben Abschätzung des globalen Energieverbrauchs und der CO₂ Emissionen von KI im Vergleich zu anderen Sektoren.:

Der globale Energieverbrauch von KI ist derzeit noch relativ klein, wächst aber schnell.

KI sollte ihren zusätzlichen Ressourcenverbrauch dadurch rechtfertigen, dass sie Lösungen für Energie, Effizienz und Kreislaufwirtschaft verbessert.

International Energy Agency (2025); International Telecommunication Union and World Bank (2024); Sun et al. (2024); United Nations Environment Programme (2020); Neumueller et al. (2025)

KI - Mechanical Turks

Ja, KI-Forschung & Industrie nutzt Clickworker/Crowdworker zur Annotation und Bewertung von Daten. Aber bedeutet das automatisch Ausbeutung?

Eine kurze Einordnung von Arbeitsbedingungen, Bezahlung und Umfang:

  • Clickwork für Inhaltsbewertung und Datenannotation ist nicht neu. Soziale Medien, Suchmaschinen und Übersetzungsdienste nutzen solche Arbeitsformen seit Jahren (Perrigo 2022, 2023).
  • Beispiel Sama, Nairobi: ca. 200–260 Facebook-Moderator:innen gegenüber rund 36 Datenannotator:innen für OpenAI; Bezahlung bei OpenAI etwa 1,32–2 USD/h, grob 1–1,5× lokaler Mindestlohn, bei teils stark belastender Arbeit (Perrigo 2023; Republic of Kenya 2022).

Viele digitale Produkte die wir nutzen, haben globale (und evtl. unfaire) Produktions- und Arbeitsbedingungen. Verantwortungsvolles Konsumieren ist wichtig, auch im Digitalen Bereich.

Stanford fairwork initiative für faire Bezahlung von Crowdworkern (Whiting et al. 2019)

KI – Wissen der Welt

Ja, LLMs bündeln den Zugang zu einem großen Teil des öffentlich verfügbaren Wissens in den Systemen weniger Unternehmen/Personen. Welche gesellschaftlichen Folgen hat das – und welche Alternativen gibt es?

Wir Bürger:innen müssen uns dieser Entwicklung bewusst sein:

  • Transparenz fordern – Wie entstehen Antworten? Welche Daten, Regeln und Interessen prägen sie?
  • Vielfalt erhalten – mehrere Anbieter, Open-Source-Modelle und öffentliche/europäische Alternativen fördern.
  • Unabhängige Kontrolle ermöglichen – Forschung, Audits und demokratische Aufsicht über gesellschaftliche Risiken.
  • Medienkompetenz stärken – KI-Antworten nicht als neutrale Wahrheit behandeln, besonders bei Politik und Wahlen.

Ziel sollte nicht sein, KI zu verhindern, sondern gesellschaftliche Abhängigkeit und Machtkonzentration zu begrenzen.

OECD (2026); European Commission (2025); UNESCO (2024)

A.1





Ethische und gesellschaftliche Fragen


Positionen, Verantwortung und Transparenz

AI Companion

Zürich, 16. März 2026 - Kinder und Jugendliche in der Schweiz machen sich mehr Sorgen um ihre berufliche Zukunft und globale Krisen. Unterstützung bei Sorgen holt sich jeder zehnte Jugendliche bei einer künstlichen Intelligenz.

Mädchen und junge Frauen sowie Jugendliche mit Migrationshintergrund sind deutlich stärker belastet.

Das zeigt die zweite Pro Juventute Jugendstudie, die gemeinsam mit der Kinder- und Jugendpsychiatrie und Psychotherapie der Psychiatrischen Universitätsklinik Zürich (KJPP) entwickelt wurde.

Jugendstudie 2026: Pro Juventute (2026)

Gelebte Transparenz

Lehrperson ist Vorbild mit seiner KI-Nutzung. Und auch die Schüler*innen nutzen KI.

KI-Nutzung durch Lehrperson Gelebte Transparenz
Rechtschreibung, Stil, Übersetzung meist keine Deklaration nötig
Ideen für Unterricht / Aufgaben eher keine Deklaration nötig; auf Nachfrage offenlegen
KI erstellt Arbeitsblatt oder Aufgabenentwurf Deklaration aus Gründen der Vorbildfunktion sinnvoll
Lernende interagieren direkt mit einem KI-Tutor/Chatbot klar kennzeichnen
KI analysiert Lernstand, Verhalten oder Kompetenz Einwilligungen, Transparenz und Datenschutz zentral
KI schlägt Bewertungen oder Noten vor menschliche Verantwortung muss klar bleiben; KI-Nutzung auf Nachfrage offenlegen
Personenbezogene Schülerdaten werden an externe KI übermittelt Datenschutzregeln und schulische Vorgaben beachten
KI-generierte realistische Bilder, Audio- oder Videoinhalte als KI-generiert kennzeichnen, wenn Verwechslungsgefahr mit realen Inhalten besteht

schulische Vorgaben müssen eingehalten werden, z. B. Datenschutzrichtlinien, Einwilligungen, Transparenzpflichten, Urheberrecht, Persönlichkeitsrechte, etc.

AI/IT Data Policy

Viele AI/IT Anbieter haben Ihre Data Policy angepasst um Nutzerdaten für Training zu verwenden. Es gibt aber grosse Unterschiede in den Kontrollmöglichkeiten.

References

Bengio, Yoshua, Aaron Courville, and Pascal Vincent. 2013. “Representation Learning: A Review and New Perspectives.” IEEE Transactions on Pattern Analysis and Machine Intelligence 35 (8): 1798–828. https://doi.org/10.1109/TPAMI.2013.50.
Bengio, Yoshua, Réjean Ducharme, Pascal Vincent, and Christian Jauvin. 2003. “A Neural Probabilistic Language Model.” Journal of Machine Learning Research 3: 1137–55.
Brown, Tom B., Benjamin Mann, Nick Ryder, et al. 2020. “Language Models Are Few-Shot Learners.” Advances in Neural Information Processing Systems 33: 1877–901.
Circuits, Transformer. 2024. Scaling Monosemanticity. https://transformer-circuits.pub/2024/scaling-monosemanticity/.
European Commission. 2025. General-Purpose AI Obligations Under the AI Act. https://digital-strategy.ec.europa.eu/en/factpages/general-purpose-ai-obligations-under-ai-act.
IGEM, and WEMF. 2024. IGEM-Digimonitor 2024: Die Repräsentative Studie Zur Digitalen Schweiz. Interessengemeinschaft elektronische Medien (IGEM); WEMF AG für Werbemedienforschung. https://wemf.ch/de/news/igem-digimonitor-2024/.
International Energy Agency. 2025. Energy and AI. International Energy Agency. https://www.iea.org/reports/energy-and-ai.
International Telecommunication Union, and World Bank. 2024. Measuring the Emissions and Energy Footprint of the ICT Sector: Implications for Climate Action. International Telecommunication Union; World Bank. https://www.itu.int/en/ITU-D/Environment/Pages/Publications/Measuring-Emissions-and-Energy-Footprint-ICT-Sector.aspx.
McCulloch, Warren S, and Walter Pitts. 1943. “A Logical Calculus of the Ideas Immanent in Nervous Activity.” The Bulletin of Mathematical Biophysics 5 (4): 115–33.
Neumueller, Alexander, Gina Pieters, Kamiar Mohaddes, Valentin Rousseau, and Bryan Zhang. 2025. Cambridge Digital Mining Industry Report. Cambridge Centre for Alternative Finance, Cambridge Judge Business School. https://www.jbs.cam.ac.uk/wp-content/uploads/2025/04/2025-04-cambridge-digital-mining-industry-report.pdf.
OECD. 2026. Artificial Intelligence Markets. https://www.oecd.org/en/publications/artificial-intelligence-markets_d531d73f-en/full-report.html.
Perrigo, Billy. 2022. “Inside Facebook’s African Sweatshop.” Time. https://time.com/6147458/facebook-africa-content-moderation-employee-treatment/.
Perrigo, Billy. 2023. Time. https://time.com/6247678/openai-chatgpt-kenya-workers/.
Pro Juventute. 2026. “Pro Juventute Jugendstudie 2026: Jeder Zehnte Jugendliche Wendet Sich Bei Sorgen an KI.” March 16. https://www.projuventute.ch/de/stiftung/news/medienmitteilungen/zweite-pro-juventute-jugendstudie-jeder-zehnte-jugendliche-wendet.
Republic of Kenya. 2022. Minimum Wage Gazette Notice 2022. https://www.labour.go.ke/node/365.
Srivastava, Aarohi et al. 2023. “Beyond the Imitation Game: Quantifying and Extrapolating the Capabilities of Language Models.” Transactions on Machine Learning Research. https://openreview.net/forum?id=uyTL5Bvosj.
Sun, Ya-Yen, Futu Faturay, and James Higham. 2024. “Drivers of Global Tourism Carbon Emissions.” Nature Communications, ahead of print. https://doi.org/10.1038/s41467-024-54582-7.
UNESCO. 2024. Examining Media and Information Literacy Responses to Generative AI. https://www.unesco.org/en/articles/examining-media-and-information-literacy-responses-generative-ai-unesco-policy-brief.
United Nations Environment Programme. 2020. Emissions Gap Report 2020. United Nations Environment Programme. https://www.unep.org/interactive/emissions-gap-report/2020/.
Vaswani, Ashish, Noam Shazeer, Niki Parmar, et al. 2017. “Attention Is All You Need.” Advances in Neural Information Processing Systems 30.
Wei, Jason, Yi Tay, Rishi Bommasani, et al. 2022. “Emergent Abilities of Large Language Models.” Transactions on Machine Learning Research.
Whiting, Mark E., Grant Hugh, and Michael S. Bernstein. 2019. “Fair Work: Estimating and Ensuring Minimum Wage on Crowdsourcing Platforms.” Proceedings of the AAAI Conference on Human Computation and Crowdsourcing (HCOMP) 7: 183–91. https://hci.stanford.edu/publications/2019/fairwork/fairwork-hcomp2019.pdf.

_





- Danke für die Aufmerksamkeit -
>/

Ersatzauftrag

Falls Ihr nicht am Atelier teilnehmen könnt, bearbeitet bitte diese Ersatzaufgaben

Bearbeitet den [Vorbereitungsauftrag]

Lest die bereitgestellten Materialien sorgfältig durch.

Bearbeitet die Aufgaben markiert mit @ gemäss [Agenda]

Fasst Eure KI-Erfahrungen/Ergebnisse/Erkenntnisse aus den Aufgaben in einem 2-seitigen PDF (500-700 Wörter) zusammen und sendet es an wolfgang.spahn@phbern.ch

KI Micromanual 1/3

KI (ChatGPT, Gemini, Claude, Bard, LLaMA, Mistral, …) erzeugen Ihre Antworten iterativ Wort für Wort, passierend auf Ihr gelerntes Neuronales Netz, und auf den Kontext der bisherigen Unterhaltung.

Was ist der Kontext für die nächste Antwort?

  • Der Systemtext mit den Anweisungen an ChatGPT,
  • unser aktueller Prompt,
  • alle bisherigen Nachfragen und
  • alle bisherigen Antworten

bilden zusammen den Kontext

Iterativer Aufbau der KI-Antwort: Wort für Wort

Wichtig: Kontext ist entscheidend. Je mehr passenden Kontext wir der KI geben, desto besser die Antwort.

KI Micromanual 2/3

Mit den Kürzeln unten könnt ihr die KI bereits steuern.

  • Antwort gestalten
    CATCHPHRASE · ELI5 · TLDR · BRIEFLY · HUMANIZE · JARGON · TONE [Stil]

  • Ausgabe strukturieren
    STEP-BY-STEP · CHECKLIST · FORMAT AS [Format] · SCHEMA [Struktur] ·

  • Perspektive setzen
    ACT AS [Rolle] · AUDIENCE [Zielgruppe] · DEV MODE · PM MODE · SOCRATIC MODE

  • Analysieren
    COMPARE [A vs. B] · SWOT · FIRST PRINCIPLES · MULTI-PERSPECTIVE · PARALLEL LENSES [Frameworks]

  • Qualität sichern
    SYSTEMATIC BIAS CHECK · REFLECTIVE MODE · EVAL-SELF · REQUIRES SOURCE · PITFALLS

  • Arbeitsrahmen setzen
    CONTEXT STACK · RECALL [Kontext] · PRIORITIZE [Kriterium] · GUARDRAIL [Regeln] · CONSTRAINT MODE [Einschränkungen] · NO AUTOPILOT

KI Micromanual 3/3

Prompt

  • Aufgabe wird in einem Prompt beschrieben
  • schnell und direkt
  • gute Prompts setzen voraus, dass wir bereits wissen, was relevant ist
  • 👎 Kontext ist aber oft unterspezifiziert

Dialog

  • Anforderungen entstehen über Rückfragen, Beispiele und Korrekturen
  • Missverständnisse können früh sichtbar werden
  • 👍 der natürlichere Weg, Kontext sauber zu spezifizieren

Wir erkennen oft besser, was wir nicht wollen, als dass wir von Anfang an präzise formulieren können, was wir wollen.

AIDu

Arbeite mit AIDu



  • Registriert euch mit dem Voucher und erstellt ein anonymes Konto.
  • Bearbeitet die Lernsituation von 1-3
  • Wir werden uns eure Ergebnisse in der ersten Sitzung anschauen und besprechen.