LORA wird die erste vertrauenswürdige KI-Adoption für reduzierten Bias und kindgerechte Sprache in DACH sein. Wir werden eine neue mobile App auf den Markt bringen, die künstliche Intelligenz nutzt, um Kindern durch personalisierte, interaktive Geschichten Wissenschaft näher zu bringen. LORA wurde von Oscar Stories entwickelt und zielt darauf ab, Kinder auf unterhaltsame und ansprechende Weise für MINT-Fächer zu begeistern.
LORA | Lernen Ohne Risiko mit AI
Obwohl die derzeitigen KI-Systeme auf dem Markt für eine Vielzahl von Aufgaben hervorragend geeignet sind, stoßen sie insbesondere im Bereich der Kinderbildung schnell an ihre Grenzen. Ein häufiges Problem ist, dass gängige KI-Modelle, wie beispielsweise GPT (Generative Pre-trained Transformer), regelmäßig unpassende Inhalte generieren, insbesondere wenn es um die Feinheiten der Sprache geht. Mit Lora präsentieren wir die erste KI-Anwendung im deutschsprachigen Raum, die speziell auf kindgerechte Sprache und die Vermeidung von unangemessenen Inhalten ausgerichtet ist. Wir haben uns zum Ziel gesetzt, die erste vertrauenswürdige KI-Adoption für reduzierten Bias und kindgerechte Sprache in DACH zu sein.
Kernteam
Unterstützt von
Fachakademie Sozialpädagogik München Mitte / TRUSTIFAI
Gefördert von
Lorastral-7B-2024-02-exp (Experimentell)
Lorastral-7B-2024-02-exp ist ein experimentelles kinderfreundliches KI-Modell, das entwickelt wurde, um vorurteilsreduzierte, altersgerechte Sprache für Bildungs- und Erzählanwendungen bereitzustellen. Aufbauend auf dem leistungsstarken Open-Source-Modell von Mistral und feinabgestimmt auf einen sorgfältig kuratierten Datensatz mit Beiträgen von Pädagogen, zielt LORA darauf ab, MINT-Lernen ansprechend und inklusiv für junge Lernende zu gestalten. Im Gegensatz zu anderen Modellen kann LORA seine Sprachkomplexität automatisch für verschiedene Altersgruppen (6-8 und 8-10 Jahre) anpassen und sorgt so für optimales Verständnis und Engagement.
🚀 Funktionen
- Basierend auf Mistral: Nutzt modernste Open-Source-Sprachmodelltechnologie
- Altersadaptiv: Einzigartige Fähigkeit, Inhalte für 6-8 und 8-10-Jährige anzupassen
- Vorurteilsreduziert: Entwickelt, um geschlechtsspezifische und kulturelle Stereotypen zu minimieren
- Optimiert für Kinder: Verwendet kindgerechte Sprache und Bildungsinhalte
- Interaktives Geschichtenerzählen: Unterstützt fesselnde, personalisierte Lerngeschichten
📊 Benchmark-Leistung
LORA übertrifft bereits führende Modelle in Lesbarkeitsbenchmarks für die Erklärung deutscher Begriffe und macht Inhalte für junge Lernende zugänglicher. Als einziges Modell, das zwischen Altersgruppen (6-8 und 8-10 Jahre) unterscheiden kann, liefert LORA präzise zugeschnittene Bildungsinhalte:
| Model | Flesch Reading Ease ↑ | Wiener Sachtextformel ↓ | Avg Sentence Length ↓ | Avg Word Length ↓ |
|---|---|---|---|---|
| Lorastral-8B (LORA) | 80.24 | 2.70 | 9.06 | 1.39 |
| Mistral-8B | 71.70 | 4.22 | 14.92 | 1.42 |
| GPT-4o | 77.17 | 3.09 | 13.89 | 1.37 |
| Gemini 1.5 Pro | 80.36 | 2.73 | 12.94 | 1.34 |
| Claude 3.5 Sonnet | 44.34 | 8.83 | 42.29 | 1.41 |
Höhere Flesch-Lesbarkeitsindex-Werte (je höher, desto lesbarer) und niedrigere Wiener-Sachtextformel-Werte (je niedriger, desto lesbarer) bestätigen die überlegene Lesbarkeit von LORA für Kinder.
📈 Bias-Analyse
Unser Counterfactual Bias Report (Februar 2024) zeigt LORAs überlegene Leistung bei der Beibehaltung geschlechtsneutraler Sprache. Niedrigere Sentiment-Disparitätswerte zeigen konsistentere und unvoreingenommenere Antworten über geschlechtervertauschte Szenarien hinweg.
Gender Bias bei der Erklärung von Begriffen für Kinder
Niedrigere Werte zeigen weniger Gender Bias (normalisiert auf max. 1,0)
Lorastral-8B0.0757
Ministral-8B0.1632
GPT-4o0.3331
Gemini 1.5 Pro0.4528
Metriken gemessen mit VADER-Sentimentanalyse und Geschlechterrepräsentationsanalyse über übereinstimmende Textpaare.
🤝 Interesse an der Nutzung unserer API?
Möchten Sie LORAs kinderfreundliche KI-Fähigkeiten in Ihre Bildungsanwendung integrieren? Wir befinden uns derzeit in der Beta-Phase und suchen nach Partnern.
Kontaktieren Sie uns für API-Zugang