Michael Bücker
  • Home
  • Portfolio
  • Publikationen
  • CV
  • Blog
  • EN
Kategorien
alle (12)
AI Agents (2)
AI-Act (1)
APIs (1)
Automatisierung (1)
Bundestag (1)
DataScience (7)
Didaktik (3)
Embeddings (1)
FoundationModels (1)
Fußball (2)
Governance (2)
KI (3)
KI-Agenten (2)
Lehre (3)
LLMs (5)
MachineLearning (2)
NLP (1)
OpenData (1)
Prognosen (1)
Programmierung (2)
Python (2)
R (7)
RAG (1)
Simulation (2)
Statistik (3)
Strategie (1)
TabularData (1)
Transformation (1)

Blog

Gedanken zu Data Science, KI und akademischer Praxis

Animation des Becher-Lernens gegen einen perfekten Gegner. Links werden Steinchen vom Spielbrett genommen, unten steigt die Gewinnrate von null auf 100 Prozent, rechts werden im Becherraster nach und nach Chips blass, bis in fast jedem Becher nur noch ein Chip übrig ist.

Reinforcement Learning mit Bechern und Chips

Eine lernende Maschine, die man anfassen kann.
KI
MachineLearning
Lehre
Didaktik
Simulation
R

In KI-Schulungen erklären wir Reinforcement Learning mit neun Bechern und ein paar Chips. Was dabei passiert und was die Simulation dazu sagt.

04.09.2026
Michael Bücker

Wo liegt eigentlich das Gedächtnis eines KI-Agenten?

Eine Taxonomie entlang von vier Fragen: wo Information liegt, in welcher Form, wie sie zum Modell kommt und wie lange sie überlebt.
KI-Agenten
LLMs
RAG
Governance

Gedächtnis in agentischen Systemen ist kein einzelner Ort. Eine praktische Taxonomie aus vier Fragen und die Stelle, an der es keinen Rückweg gibt.

06.08.2026
Michael Bücker

Use-Cases sind der Anfang, nicht das Ziel

Wie konkrete KI-Projekte schrittweise organisatorische Fähigkeiten aufbauen können.
KI
DataScience
Transformation
AI Agents
Governance

Warum konkrete KI-Use-Cases ein sinnvoller Ausgangspunkt sind und wie Unternehmen daraus wiederverwendbare organisatorische Fähigkeiten entwickeln können.

17.07.2026
Michael Bücker

TabFM, TabPFN und TabICL: Ersetzen Tabular Foundation Models klassische Machine-Learning-Modelle?

Wie TabPFN, TabICL und TabFM die Modellwahl verändern und warum klassische Verfahren relevant bleiben.
DataScience
MachineLearning
R
Python
TabularData
FoundationModels
Statistik

TabPFN, TabICL und Googles TabFM fordern klassische Modelle auf tabellarischen Daten heraus. Was bedeutet das für Modellwahl, Interpretierbarkeit, Betrieb und Lehre?

07.07.2026
Michael Bücker

Drei Typen von KI-Agenten

Eine praktische Taxonomie von dialogischer Unterstützung über delegierte Aufgaben bis zu organisationalen Workflows.
KI-Agenten
LLMs
Automatisierung
Strategie

Eine praktische Taxonomie von Conversational Agents, Task-Agenten und Prozess-Agenten mit Blick auf Autonomie, Tools, Auslöser, menschliche Aufsicht und Governance.

02.07.2026
Michael Bücker

Liniendiagramm der erwarteten Zahl verschiedener Sticker im Album nach Anzahl gekaufter Tüten. Die Kurve steigt anfangs schnell und nähert sich dann langsam der Gesamtzahl von 980 Stickern an.

WM 2026: Wie teuer wird ein Panini-Album wirklich?

Warum die letzten Bilder die teuersten sind.
DataScience
Statistik
Fußball
Simulation
R

Eine Simulation zum Panini-Album der WM 2026: Wie teuer wird Sammeln, wenn man nur Tüten kauft, tauscht oder fehlende Bilder gezielt nachbestellt?

30.06.2026
Michael Bücker

Heatmap der Ergebniswahrscheinlichkeiten für Ecuador gegen Deutschland. Die Zeilen zeigen Tore von Ecuador von 0 bis 7, die Spalten Tore von Deutschland von 0 bis 7. Die höchsten Wahrscheinlichkeiten liegen bei 1:2, 0:2, 1:1 und 0:1.

WM 2026: Wie man als Statistiker Spielergebnisse tippt

Warum das wahrscheinlichste Ergebnis nicht immer der beste Tipp ist.
DataScience
Statistik
Fußball
Prognosen
R

Ein humorvoller Blick darauf, wie man aus Wettquoten, Poisson-Verteilungen und Erwartungswerten Fußballtipps ableiten kann.

25.06.2026
Michael Bücker

Screenshot aus der Posit-Assistant-Dokumentation: Chatbasierte explorative Datenanalyse mit erzeugter Zusammenfassung und Visualisierung.

Warum Studierende noch coden lernen müssen, wenn KI den Code schreibt

Über Coding Literacy, neue Prüfungsformate und Data-Science-Lehre im Jahr 2026.
DataScience
Lehre
Programmierung
KI
LLMs
Didaktik

Warum generative KI Coding-Grundlagen nicht überflüssig macht, sondern Lesen, Prüfen, Debuggen und Verantworten wichtiger werden lässt.

23.06.2026
Michael Bücker

KI in der Lehre: Von LLMs zu Agentic AI

Ein Erfahrungsbericht aus einer Vorlesung, in der Modellverständnis, Infrastruktur und Governance zusammenkommen.
Lehre
AI Agents
LLMs
Didaktik
Die Diskussion über generative KI hat sich in kurzer Zeit verschoben. Noch vor nicht allzu langer Zeit stand oft die Frage im Mittelpunkt, ob ein großes Sprachmodell…
05.03.2026
Michael Bücker

Prompt-Klassifikation mit klassischem Machine Learning

Ein Experiment auf Basis von Bundestagsreden und Embeddings
R
NLP
LLMs
Embeddings
Bundestag
AI-Act
Ich untersuche derzeit, wie sich Prompts vor der Ausführung automatisiert risikoorientiert klassifizieren lassen, um Governance-Entscheidungen gemäß KI-Verordnung der…
23.02.2026
Michael Bücker

Warum ich 2026 noch immer mit R programmiere

Über Muttersprachen, Qualitätsgräben und das stille Comeback einer unterschätzten Sprache.
R
Python
DataScience
Programmierung
R oder Python? Diese Frage ist in der Data-Science-Community so oft gestellt worden, dass sie sich fast schon als Meme qualifiziert hat — Artikel, Blogposts…
18.02.2026
Michael Bücker

bunddev: Wie bund.dev in R nutzbar wird

Von der bund.dev-Idee über echte API-Hürden bis zur dreischichtigen R-Architektur mit tidy Outputs.
R
OpenData
APIs
DataScience
bund.dev ist eine zentrale Infrastruktur für die Auffindbarkeit und Dokumentation von APIs der Bundesverwaltung.1 bunddev überträgt dieses Prinzip in ein R-orientiertes…
15.02.2026
Michael Bücker
Keine Treffer
 

© 2026 Michael Bücker · Built with Quarto

Cookie Preferences