Praxisbericht
Ein Vogelquiz mit funktionierendem Code und falschen Fakten
Bei einem von Stefan Grunert berichteten Versuch erzeugte Qwen3.6-35B-A3B auf einem MacBook Pro mit M5 Max und 128 GB Arbeitsspeicher ein Vogelquiz aus einem einzelnen Auftrag. Die Oberfläche und die Auswertung der Antworten funktionierten. Bei den Vogelnamen und Beschreibungen fiel die Prüfung dagegen anders aus. Der Bericht beruht auf diesem Einzelfall; Laufzeitmessungen und ein kontrollierter Vergleich liegen für diesen Beitrag nicht vor.
Der ursprüngliche Auftrag
Der folgende englische Prompt wurde für den ersten Entwurf verwendet. Er ist hier unverändert wiedergegeben. Gefordert war ein Quiz als einzelne HTML-Datei, die im Browser ohne externe Bibliotheken, Bilder oder Internetzugriff funktioniert.
Das Quiz entstand im Bereich Code als neues Projekt. Auch dort arbeitet der Agent in einer Kopie: Die index.html liegt erst nach „Behalten“ im Projektordner und lässt sich dann per Doppelklick im Browser öffnen.
Create a single file called index.html: a simple bird quiz that works by opening it in a browser. No external libraries, images or internet access – plain HTML, CSS and JavaScript in one file. Content: 8 common Norwegian garden birds (for example great tit, blue tit, magpie, bullfinch, robin, house sparrow, chaffinch, fieldfare). For each bird, write a short description (2–3 sentences: colours, size, typical behaviour) without mentioning its name. How it works: - Show one description at a time, with 4 answer buttons (the correct bird plus 3 random wrong ones, in random order). - When the player clicks an answer, colour the correct button green and a wrong choice red, and show a short fun fact about the bird. - A "Next" button moves to the next question. - Show progress ("Question 3 of 8") and the current score. - At the end, show the final score with a friendly message and a "Play again" button that reshuffles the questions. Design: calm, nature-inspired colours (greens and earthy tones), large readable text, rounded buttons, centred layout that also works on a phone.
Funktion und Fachinhalt getrennt prüfen
Das Feedback zum ersten Entwurf beschrieb ein stimmiges Layout und eine funktionierende Markierung der richtigen Antwort, auch nach einem Fehlklick. Zugleich beanstandete es erfundene oder unpassende Vogelnamen, doppelte Antwortmöglichkeiten und fehlende Arten aus der gewünschten Auswahl.
Diese Beobachtung trennt zwei Prüfaufgaben: Ein Quiz kann Eingaben korrekt verarbeiten, obwohl seine Fragen oder Lösungen sachlich falsch sind. Ein Test der Schaltflächen hätte die inhaltlichen Fehler nicht erfasst. Die hier berichteten Beanstandungen werden nicht als eigenständige ornithologische Prüfung ausgegeben.
Die Inhalte mit Websuche überarbeiten
Stefan berichtete anschließend, dass sich die Fehler mit der integrierten Websuche korrigieren ließen. Ancilo kann auch in Coding-Sitzungen Suchanfragen stellen und Quellen heranziehen. Dafür wird unter System ein Suchanbieter eingerichtet: Wikipedia ohne Konto oder Google über Serper mit eigenem Schlüssel.
Ob gesucht werden darf, entscheidet der Schalter „Websuche“ neben dem Eingabefeld; er gilt für Chats, Aufgaben und Coding gleichermaßen. Ist er aus, wird jede Suchanfrage vor dem Versand angezeigt und wartet auf deine Freigabe. Ist er an, sucht der Agent selbst. Bei einer Überarbeitung sollten nicht nur die Namen, sondern auch Merkmale, Antwortzuordnungen und Vollständigkeit der Artenliste anhand der Quellen geprüft werden.
Ein Auftrag für eine nachvollziehbare Korrektur
Für einen erneuten Durchgang lässt sich die Faktenprüfung ausdrücklich vom Umbau der Oberfläche trennen. Der folgende Auftrag ist ein Vorschlag für weitere Versuche, nicht der Wortlaut des ursprünglichen Prompts.
Prüfe die Vogelnamen, Beschreibungen und richtigen Antworten in diesem Quiz anhand nachvollziehbarer Webquellen. Liste zuerst die fraglichen Angaben und die zugehörigen Quellen auf. Korrigiere danach nur die fachlichen Inhalte. Erhalte Layout und Bedienung. Prüfe außerdem, ob alle vorgegebenen Arten enthalten sind und jede Frage genau eine richtige Antwort hat.
Aussagegrenzen des Versuchs
Der Fall zeigt einen möglichen Arbeitsablauf: erzeugten Code ausprobieren, Inhalte gesondert prüfen und fragliche Angaben mit Quellen überarbeiten. Er belegt weder eine allgemeine Fehlerquote des Modells noch, dass Norwegisch die Ursache der Fehler war. Dafür wären vergleichbare Aufgaben mit festgehaltenen Einstellungen und mehreren Durchläufen nötig.
Websuche stellt zusätzliche Informationen bereit. Ob eine Quelle die konkrete Aussage trägt und ob die Korrektur richtig übernommen wurde, bleibt zu prüfen. Auch nach einer inhaltlichen Änderung sollte das Quiz erneut bedient werden, damit Antworttexte und Auswertungslogik zusammenpassen.