Auf Mastodon ansehen
Wer einen KI-Assistenten nach der Einwohnerzahl eines bestimmten Landkreises oder einer kleinen Gemeinde fragt, bekommt oft eine plausible, aber falsche Zahl. Das Modell hat die Zahl nie gesehen und rät. Für Verwaltungen, Regionalmedien oder Vereine, die ein Sprachmodell mit eigenen Tabellen füttern (RAG), ist genau das das Problem.
Ich habe deshalb zwei offene Trainingsdatensätze veröffentlicht, beide unter CC BY 4.0:
- Deutschland: 44 Dialoge zu den 400 Landkreisen und kreisfreien Städten (Destatis, Stand 2024)
- Österreich: 41 Dialoge zu den Gemeinden (Statistik Austria, 1. Januar 2026)
In jedem Dialog bekommt das Modell die passenden Zeilen der amtlichen Statistik mitgeliefert. Es lernt, die Zahl abzulesen, die Quelle zu nennen und abzulehnen, wenn die gesuchte Gemeinde nicht in den Zeilen steht. Jede Zahl in den Antworten wird automatisch gegen die Quelldaten geprüft, damit sich keine Tippfehler einschleichen.
Contexte Tech
Die Datensätze sind Teil von Contexte Tech, einem freien Katalog von KI-Ressourcen (Prompts, Datensätze, Agenten, Workflows). Zu jeder Ressource gibt es eine Analyse, die ohne KI-Modell auskommt: einfache Regeln, reguläre Ausdrücke und Zählungen. Bei einem Datensatz zeigt sie zum Beispiel, welche Fragetypen abgedeckt sind und ob Ablehnungsfälle fehlen. Bei einem Agenten zeigt sie, welche Aktionen schreibend oder unumkehrbar sind und ob ein Mensch sie bestätigen muss.
Feedback
Der Code (Astro und Svelte im Frontend, FastAPI und PostgreSQL im Backend) liegt auf GitHub. Kritik an den Analyse-Regeln ist sehr willkommen: Was fehlt, was ist zu streng?
Quellen:
Datensatz Deutschland: https://contextetech.com/de/datensaetze/assistent-landkreise-deutschland-otvy8c
Datensatz Österreich: https://contextetech.com/de/datensaetze/assistent-gemeinden-oesterreich-szpess
Destatis: https://www.destatis.de
Statistik Austria: https://www.statistik.at
Quellcode: https://github.com/contexte-tech/contextetech
