RLHF
RLHF ist die Methode hinter Chatbots wie ChatGPT. Was RLHF genau ist und wie es funktioniert, erfährst du hier im Beitrag und im Video !
Inhaltsübersicht
Was ist RLHF?
RLHF steht für „Reinforcement Learning from Human Feedback“ — auf Deutsch „verstärkendes Lernen aus menschlichem Feedback“. Dabei handelt es sich um eine Methode des maschinellen Lernens, bei der ein Computer oder eine Software, durch Rückmeldungen von Menschen lernt, wie sie sich verhalten oder Entscheidungen treffen sollen.
Eingesetzt wird RLHF vor allem in generativer künstlicher Intelligenz, die Texte verfasst oder Fragen beantwortet. Dazu gehören Sprachassistenten wie Alexa oder große Sprachmodelle wie ChatGPT. Denn RLHF hilft bei Aufgaben, die komplex oder schwer zu definieren sind.
Wie zum Beispiel bei Fragen wie „Was ist lustig?“ oder „Wie schafft man eine angenehme Stimmung?“ — das sind Dinge, die wir Menschen intuitiv verstehen, aber sie logisch einem Computer zu erklären, ist fast unmöglich. Doch RLHF kann einer KI „menschliches Feingefühl“ antrainieren und ihr beibringen, unsere Wünsche, Werte und Normen besser zu erfüllen.
Die Idee des Reinforcement Learning from Human Feedback (RLHF) wurde erstmals im Jahr 2017 in einer Studie von Paul Christiano und weiteren Forschern von OpenAI und DeepMind vorgestellt. Sie zeigten, dass ein KI-Modell auch mit direktem menschlichen Feedback trainiert werden kann.
Diese Methode ermöglichte es, Modelle zu entwickeln, die sich natürlicher und menschenähnlicher verhalten. Die Studie legte damit den Grundstein für die Entwicklung von Sprachmodellen wie ChatGPT.
Das Grundprinzip: Reinforcement Learning (RL)
Um RLHF zu verstehen, schauen wir zuerst das zugrundeliegende Konzept des Reinforcement Learning (RL) an. Das funktioniert ähnlich wie ein Lernprozess durch Erfahrung: Ein „Agent“ (das KI-System) findet durch Interaktion mit seiner Umgebung heraus, welche Aktionen ihn näher an sein Ziel bringen.
Dabei hilft ihm eine sogenannte Belohnungsfunktion. Diese Funktion bewertet jede Aktion des Agenten, indem sie entweder eine Belohnung oder eine Strafe zuweist — abhängig davon, wie gut die Aktion zum Erreichen des Ziels beigetragen hat. Ziel des Agenten ist es, seine Belohnungen zu maximieren.
Beispiel: Ein Roboter soll lernen, einen Ball in ein Tor zu schießen. Die Belohnungsfunktion gibt ihm eine hohe Punktzahl (Belohnung), wenn er das Tor trifft, und eine niedrige oder gar keine Belohnung, wenn er daneben schießt. Durch dieses „Belohnungssystem“ entwickelt der Agent eine Strategie — in der Fachsprache „Policy“ — die ihm sagt, welche Aktionen er ausführen muss, um seine Belohnungen zu maximieren. Je mehr der Agent lernt, desto besser wird seine Policy.
Die Belohnungsfunktion ist dabei zentral für das Lernen im RL: Sie übersetzt die Aufgabe oder das Ziel in messbare Kriterien, anhand derer der Agent seine Aktionen bewerten kann. Die Belohnung ist also wie ein „Leitfaden“, der ihm zeigt, welche Richtung er einschlagen soll.
Im klassischen Reinforcement Learning wird die Belohnungsfunktion oft von den Entwicklern der KI festgelegt. Das funktioniert gut bei Aufgaben mit einfachen Zielen, wie etwa das Tor-Schießen. Doch bei komplexen Aufgaben, bei denen menschliche Faktoren wie Kreativität, Humor oder Nützlichkeit ins Spiel kommen, ist es schwer, eine klare mathematische Regel festzulegen, was eine „Belohnung“ verdient.
Bei RLHF funktioniert der Lernprozess ähnlich wie beim RL. Der Unterschied ist jedoch, dass menschliches Feedback in die Belohnungsfunktion eingebaut wird. So können KI-Systeme auch in komplexen und vielschichtigen Situationen lernen, was als „richtig“ oder „gut“ angesehen wird.
Studyflix vernetzt: Hier ein Video aus einem anderen Bereich
Wie funktioniert RLHF?
Da „Reinforcement Learning from Human Feedback“ hauptsächlich für große Sprachmodelle (Large Language Model, LLM) verwendet wird, schauen wir uns dessen Funktionsweise auch am Beispiel eines LLM an:
%dreiklang, vllt fällt die ja noch etwas 4. ein
%fragt man sich hier am Anfang evtl ob das jetzt schon die ZF ist oder nicht? vllt sollten wirs kurz einordnen. Bevor wir zu den einzelnen Kapitel kommen… oder wir ziehen den Absatz mit der Grundlage hoch und formulieren es leicht um
%fragt man sich hier am Anfang evtl ob das jetzt schon die ZF ist oder nicht? vllt sollten wirs kurz einordnen. Bevor wir zu den einzelnen Kapitel kommen… oder wir ziehen den Absatz mit der Grundlage hoch und formulieren es leicht um![Diese Ereignisse bilden die Grundlage für den Roman „Die Welle``. In 17 Kapiteln wird erzählt, wie ein ähnliches Experiment an einer Schule beginnt und Schritt für Schritt außer Kontrolle gerät. Der Roman „Die Welle`` basiert auf einer wahren Begebenheit. Im Jahr 1967 führte der Geschichtslehrer Ron Jones an einer High School in Palo Alto, Kalifornien, ein soziales Experiment durch, das er „The Third Wave`` nannte. Mit diesem Projekt wollte er seinen Schülern zeigen, wie die Entstehung des Nationalsozialismus möglich war und warum so viele Menschen einem autoritären System folgten. Zu Beginn nahmen nur etwa 90 Schüler aus Jones Geschichtsklassen an dem Experiment teil. Innerhalb weniger Tage wuchs die Bewegung jedoch auf rund 200 Schüler an. Es entstanden feste Regeln, ein Gemeinschaftsgefühl und klare Strukturen. Wie im Roman musste Ron Jones das Experiment nach kurzer Zeit abbrechen und seine Schüler eindringlich vor der Manipulation durch solche Bewegungen warnen. Im Folgenden findest du die Zusammenfassung jedes Kapitels einzeln. Wichtig: Der Roman hat im Original keine Kapitelüberschriften. Damit du die Handlung besser nachvollziehen kannst, haben wir die Kapitel mit eigenen Überschriften versehen. ChatGPT: Hier ist eine leicht umformulierte und klar eingeordnete Version, die direkt zu Beginn deutlich macht, dass noch nicht die eigentliche Zusammenfassung, sondern erst der Hintergrund folgt: H2: Die Welle - Zusammenfassung nach Kapiteln Bevor wir zur eigentlichen Zusammenfassung der einzelnen Kapitel kommen, ist es wichtig, kurz die Grundlage des Romans einzuordnen. Der Roman „Die Welle`` basiert auf einer wahren Begebenheit. Im Jahr 1967 führte der Geschichtslehrer Ron Jones an einer High School in Palo Alto, Kalifornien, ein soziales Experiment durch, das er „The Third Wave`` nannte. Mit diesem Projekt wollte er seinen Schülern zeigen, wie die Entstehung des Nationalsozialismus möglich war und warum so viele Menschen einem autoritären System folgten. Zu Beginn nahmen etwa 90 Schüler aus Jones' Geschichtsklassen an dem Experiment teil. Innerhalb weniger Tage wuchs die Bewegung jedoch auf rund 200 Schüler an. Es entstanden feste Regeln, ein starkes Gemeinschaftsgefühl und klare Strukturen. Wie später auch im Roman geriet das Experiment außer Kontrolle, sodass Ron Jones es abbrechen musste und seine Schüler eindringlich vor der Manipulation durch solche Bewegungen warnte. Diese Ereignisse bilden die Grundlage für den Roman „Die Welle``. In 17 Kapiteln wird geschildert, wie ein ähnliches Experiment an einer Schule beginnt und Schritt für Schritt eskaliert. Im Folgenden findest du die Zusammenfassung jedes Kapitels einzeln. Wichtig: Der Roman hat im Original keine Kapitelüberschriften. Um die Handlung übersichtlicher darzustellen, wurden die Kapitel hier mit eigenen Überschriften versehen. Wenn du möchtest, kann ich den Einstieg auch noch knapper oder schulbuchnäher formulieren. Du: Hochgeladenes Bild ChatGPT: Alt-Text: Die Tabelle gibt einen Überblick über die Konjugation des lateinischen Passivs im Präsens und zeigt die Endungen für alle Personen im Singular und Plural. Anhand der Verben laudare, monere, audire, regere und capere wird dargestellt, wie die jeweiligen Passivformen gebildet und ins Deutsche übersetzt werden. Begründung: Mehrere Sätze sind notwendig, da das Bild eine erklärende Übersicht mit systematischem Vergleich mehrerer Verbklassen und Personen vermittelt. Du: Hochgeladenes Bild bitte den alttext ChatGPT: Das Schaubild erklärt übersichtlich die Bildung des lateinischen Passivs in verschiedenen Zeitformen und zeigt, welche Stammformen und Endungen dafür verwendet werden. Es unterscheidet zwischen Passivformen mit dem Präsensstamm für Präsens, Imperfekt und Futur sowie Passivformen mit dem Partizip Perfekt Passiv für Perfekt und Plusquamperfekt. Anhand konkreter Verbbeispiele wird gezeigt, wie sich die Formen je nach Konjugation und Zeit systematisch zusammensetzen. Ich habe mehr als zwei Sätze verwendet, weil das Bild mehrere Zeitformen und Bildungsprinzipien gegenüberstellt und die zentrale Lernaussage sonst nicht vollständig verständlich wäre. Du: Hochgeladenes Bild ChatGPT: Die Grafik zeigt die wichtigsten Aufgaben einer Prozesstechnikerin oder eines Prozesstechnikers und verdeutlicht, dass dieser Beruf Maschinen steuert, Produktionsprozesse optimiert und die Qualität von Produkten überprüft. Damit wird zusammengefasst, welche zentralen Tätigkeiten den Arbeitsalltag in der Prozesstechnik bestimmen. Du: Hochgeladenes Bild ChatGPT: Das Diagramm zeigt die Entwicklung des Ausbildungs- und Einstiegsgehalts für Prozesstechnikerinnen und Prozesstechniker und verdeutlicht, dass das Gehalt von etwa 900 Euro im ersten Ausbildungsjahr schrittweise bis auf rund 2.250 Euro zum Berufseinstieg ansteigt. Dadurch wird klar, wie sich das Einkommen während der Ausbildung erhöht und wie hoch das Gehalt direkt nach dem Abschluss ist. Du: Hochgeladenes Bild ChatGPT: Die Grafik zeigt die Karrierechancen für Prozesstechnikerinnen und Prozesstechniker und macht deutlich, dass Weiterentwicklungen zum Industriemeister, eine Spezialisierung im Bereich Robotik oder ein Studium im Ingenieurwesen möglich sind. Sie vermittelt, welche beruflichen Wege sich nach der Ausbildung eröffnen. Du: Hochgeladenes Bild ChatGPT: Die Grafik erklärt den dreistufigen Prozess des Reinforcement Learning mit menschlichem Feedback und zeigt, wie ein KI-Modell durch Supervised Fine-Tuning, ein Belohnungsmodell und anschließende Policy-Optimierung schrittweise verbessert wird. " width="525" height="295" /> "Reinforcement Learning from Human Feedback" - Ablauf[/caption] Der <strong>Ausgangspunkt</strong> für RLHF ist meist ein bereits <strong>vortrainiertes</strong> großes Sprachmodell. Für die Entwicklung von <em>GPT-3.5</em> war z. B. der Ausgangspunkt das Modell <em>GPT-3.</em> Diese LLMs wurden zuvor durch <strong>riesige Mengen an Texten trainiert</strong>, sodass sie lernen, wie Sprache aufgebaut ist. Damit ist das Ausgangsmodell bereits in der Lage, erstaunlich gut Texte zu generieren, Fragen zu beantworten und komplexe Informationen zusammenzufassen. Allerdings entstehen oft Antworten, die zwar technisch korrekt, aber <strong>nicht immer sinnvoll</strong>, <strong>hilfreich</strong> oder <strong>wahrheitsgemäß</strong> sind. Hier kommt RLHF ins Spiel: Es wird nun verwendet, um dieses bereits trainierte Modell noch <strong>besser zu machen</strong>, sodass es auf Nutzerwünsche besser eingehen kann. RLHF läuft dabei in <strong>drei Schritten</strong> ab: <ol class="ol1"> <li class="li1"><strong>Überwachte Feinabstimmung </strong></li> <li class="li1"><strong>Belohnungsmodell trainieren</strong></li> <li class="li1"><strong>Policy optimieren</strong></li> </ol> <h3>1. Überwachte Feinabstimmung [[ jump_to_video 02:47 ]]</h3> Bevor das eigentliche Verstärkungslernen beginnt, wird das Modell zuerst mit "<strong>überwachter Feinabstimmung</strong>`` (Supervised Fine-Tuning = SFT) <strong>trainiert</strong>. Das heißt, menschliche Experten zeigen dem Modell durch Beispiele, wie es auf bestimmte Anfragen <strong>antworten soll</strong> <a href="https://studyflix.de/informatik/ueberwachtes-lernen-8445">(= überwachtes Lernen).</a> Das geschieht im Format "Eingabeaufforderung → gewünschte Antwort``. Zum Beispiel: <ul> <li><strong>Eingabeaufforderung:</strong> <em>"Wie schreibe ich eine Bewerbung?``</em></li> <li><strong>Gewünschte Antwort:</strong> <em>"Eine Bewerbung besteht in der Regel aus einem Anschreiben, einem Lebenslauf und eventuellen Zeugnissen. Beginne mit der Kopfzeile, die deine Kontaktdaten enthält. […]``</em></li> </ul> Das Modell wird mit zahlreichen solcher <strong>Beispiele</strong> <strong>gefüttert</strong>. An ihnen lernt es, <strong>welche Antworten</strong> als "<strong>gut</strong>`` gelten. Schließlich passt das LLM selbstständig seine Parameter an, um zukünftig Antworten zu generieren, die mit den von den Menschen gegebenen Beispielen <strong>übereinstimmen</strong>. <h3>2. Belohnungsmodell trainieren [[ jump_to_video 03:11 ]]</h3> Jetzt kommt das menschliche Feedback ins Spiel: Im zweiten Schritt folgt das <strong>Trainieren eines</strong> <strong>Belohnungsmodells</strong> (Reward Model = RM). Das ist wichtig, um später das <strong>menschliche Feedback</strong> in die <strong>Belohnungsfunktion</strong> beim Reinforcement Learning zu <strong>integrieren</strong>. Dadurch können Werte wie "nützlich`` und "hilfreich``, die sich mathematisch kaum ausdrücken lassen, in die Belohnungsfunktion aufgenommen werden. Ein Reward Model ist im Wesentlichen ein <strong>separates Lernmodell</strong>, das darauf trainiert wird, die <strong>Qualität der Antworten</strong> eines LLMs mit einer Nummer zu <strong>bewerten</strong>. Die funktioniert dann als eine Art "Belohnung``, wobei höhere Werte für bessere Antworten stehen. Um das RM zu trainieren, beantworten verschiedene LLMs dieselbe Aufforderung. Diese <strong>verschiedenen Antworten</strong> werden dann von <strong>Experten bewertet</strong>. Doch anstatt jede Antwort direkt mit einer Punktzahl zu versehen (z. B. auf einer Skala von 1 bis 10), erstellen die Bewerter eine <strong>Rangordnung</strong> (Ranking). Ein Vergleichsansatz ist nämlich oft effektiver, weil es einfacher ist, zwischen Alternativen zu wählen, als eine einzelne Antwort objektiv zu bewerten.<span class="Apple-converted-space"> </span> Diese Rangordnung wird dann in eine "<strong>skalare Belohnung</strong>`` <strong>umgerechnet</strong> -- das ist die <strong>Nummer</strong>, die die Qualität einer Antwort bewertet. Das Belohnungsmodell wird mit diesen Datenpaaren (Antwort + menschliche Bewertung als Nummer) trainiert. Es lernt dabei, die <strong>Merkmale</strong> zu identifizieren, die von <strong>Menschen bevorzugt</strong> werden und entsprechend höhere Bewertungen zuzuweisen. Dadurch kann das Belohnungsmodell nach dem Training <strong>selbstständig einschätzen</strong>, welche Antworten ein Mensch besser oder schlechter bewerten würde und das in ein Belohnungssignal für das LLM umwandeln. So kann das Sprachmodell dieses Training <strong>intern fortsetzen</strong>, ohne dass ein Mensch ständig eingreifen muss. <h3>3. Policy optimieren [[ jump_to_video 04:01 ]]</h3> Im letzten Schritt von RLHF geht es darum, die <strong>Entscheidungen</strong> bzw. die Antworten des "fein abgestimmten`` Sprachmodells aus Schritt 1 zu <strong>optimieren</strong>. Dafür wird nun <strong>Reinforcement Learning</strong> in Kombination mit dem <strong>Belohnungsmodell</strong> aus Schritt 2 als Belohnungsfunktion eingesetzt. Das funktioniert so: Das Sprachmodell erzeugt in mehreren <strong>Trainings-Runden</strong> <strong>Antworten</strong> und erhält dafür eine <strong>Bewertung</strong> von dem Belohnungsmodell -- es signalisiert dem Sprachmodell also, ob ein Mensch die Antwort als nützlich empfinden würde oder nicht. Je nachdem, wie die Bewertung ausfiel (belohnend oder bestrafend), <strong>passt</strong> es seine <strong>Policy an</strong>. <span style="color: #ff6600;"><strong>Zur Erinnerung:</strong></span> Die <strong>Policy</strong> im Reinforcement Learning ist die <strong>Strategie</strong>, die das Modell entwickelt, um für jede Anfrage die Antwort auszuwählen, die am wahrscheinlichsten menschlichen Vorlieben entspricht und somit <strong>maximale Belohnung</strong> (Bewertung) liefert. Um die <strong>Policy anzupassen</strong>, wird ein bestimmter <strong>Algorithmus</strong> verwendet: <em>Proximal Policy Optimization</em> (PPO). PPO sorgt dafür, dass die Strategie des Modells <strong>schrittweise verbessert</strong> wird, ohne das Modell zu sehr zu verändern und dadurch Fehler oder merkwürdige Antworten zu riskieren. Ein <strong>Problem</strong> bei der Optimierung der Policy ist nämlich, dass das Modell, wenn es zu schnell oder <strong>zu drastisch lernt</strong>, "überoptimieren`` könnte. Das bedeutet, es könnte versuchen, das Belohnungsmodell zu "überlisten``, indem es Antworten gibt, die zwar<strong> hohe Belohnungen</strong> versprechen, aber am Ende <strong>unnatürlich oder fehlerhaft</strong> sind.<span class="Apple-converted-space"> </span> Beispielsweise hat das Sprachmodell in einer Trainings-Runde gelernt, dass <strong>kreative Antworten hohe Belohnungen</strong> verschaffen. Wird das Modell nun gefragt, wie man gesund bleibt, könnte es eine Antwort wie "<em>Trinke einen Zaubertrank</em>`` höher bewerten als "<em>Iss Obst und Gemüse</em>``, da es zuvor seine Policy <strong>zu stark </strong>in Richtung "Kreativität`` geändert hat. Um das zu verhindern, setzt PPO sogenannte <strong>Leitplanken</strong> ein. Das heißt, PPO <strong>begrenzt</strong> die <strong>Veränderungen</strong>, die das Modell in jeder Trainings-Runde an seiner Policy vornimmt. Am Ende dieses Schritts hat das Modell gelernt, auf eine <strong>optimierte Weise zu handeln</strong>: Es wählt die Antworten aus, die am besten zu menschlichen Vorlieben passen und macht das auf eine stabile und zuverlässige Art. Das Ergebnis ist ein Modell, das nicht nur <strong>Sprachfähigkeiten</strong> besitzt, sondern auch in der Lage ist, auf <strong>menschliche Bedürfnisse</strong> einzugehen. <h2>Bedeutung von RLHF</h2> "Reinforcement Learning from Human Feedback`` spielt eine entscheidende Rolle bei der <strong>Entwicklung moderner KI-Modelle</strong>. Denn das ultimative <a href="https://studyflix.de/informatik/perspektiven-von-ki-8428">Ziel von KI-Systemen</a> wie <em>ChatGPT</em> oder <em>Alexa</em> ist es, menschliche Intelligenz, Verhaltensweisen und Entscheidungen zu <strong>imitieren</strong>. Und RLHF ist ein mächtiges Werkzeug, um sie <strong>menschlicher erscheinen</strong> zu lassen. Mithilfe von RLHF können KI-Modelle nicht nur Informationen korrekt vermitteln, sondern auch in einer Art und Weise kommunizieren, die für den Menschen <strong>angenehm und verständlich</strong> ist. Außerdem macht RLHF <strong>subjektive Parameter greifbarer</strong>. Dinge wie "kreativ``, "hilfreich`` oder "klar`` sind für Menschen leicht einzuschätzen, aber für Computer nicht. RLHF kann hingegen diese <strong>menschlichen Erwartungen</strong> in das Verhalten der <strong>KI integrieren</strong>. Dadurch wird die KI ebenfalls "menschlicher``. Ein weiterer Vorteil ist, dass sie durch das gezielte Einbeziehen menschlicher Rückmeldungen <strong>genauer und zuverlässiger </strong>werden. Ein häufiges Problem von Sprachmodellen sind nämlich sogenannte <strong>Halluzinationen</strong> -- das sind Antworten, die zwar sprachlich korrekt erscheinen, inhaltlich aber <strong>frei erfunden</strong> sind. Mit RLHF wird dieses <strong>Problem reduziert</strong>, weil das Modell besser lernt, was "richtig`` oder "wahr`` ist.<span class="Apple-converted-space"> </span> <span style="color: #ff6600;"><strong>Übrigens:</strong> </span>Neben Sprachmodellen und -assistenten kommt RLHF auch bei der <strong>Bild- und Musikgenerierung</strong> zum Einsatz. <h2>Herausforderungen mit RLHF</h2> Auch wenn RLHF viele Vorteile mit sich bringt, ist es nicht fehlerfrei. Eine der größten Schwierigkeiten ist die <strong>Subjektivität des menschlichen Feedbacks</strong>. Was die Entwickler als "hilfreich`` oder "angemessen`` empfinden, kann für die Nutzer des Modells ganz anders aussehen. Das führt womöglich dazu, dass das Modell nur auf die <strong>spezifischen Präferenzen</strong> der Entwickler <strong>angepasst</strong> ist und andere Nutzergruppen vernachlässigt (= Überanpassung). Ein weiteres Problem liegt in der <strong>Qualität des menschlichen Feedbacks</strong>. Denn es besteht die Gefahr, unbeabsichtigt <strong>Vorurteile</strong>, feindselige oder <strong>falsche Informationen</strong> in das Modell zu integrieren. Die Entwickler müssen daher gut geschult sein, damit sie keine schädlichen Stereotype oder Fehler in den Trainingsprozess einfließen lassen.<span class="Apple-converted-space"> </span> Außerdem ist der Prozess des Supervised Fine-Tuning (SFT) sehr <strong>kosten- und zeitaufwändig</strong>. Schließlich müssen viele Ein- und Ausgabedaten gesammelt werden, um mit ihnen das Sprachmodell zu trainieren.<span class="Apple-converted-space"> </span> [[faq]] RLHF -- häufigste Fragen <table style="border-collapse: collapse; width: 100%;"> <tbody> <tr> <td style="width: 50%;">Frage</td> <td style="width: 50%;">Antwort</td> </tr> <tr> <td style="width: 50%;"><strong>Was ist RLHF?</strong><span style="color: #ff00ff;">](https://blog.assets.studyflix.de/wp-content/ql-cache/quicklatex.com-108fa576d72d6b550d8826f37e48bb7f_l3.png "Rendered by QuickLaTeX.com")
%FS rlhf
%PAA$
RLHF (Reinforcement Learning from Human Feedback) ist eine Methode, bei der ein ML-Modell mit menschlichem Feedback trainiert wird. Das findet vor allem bei großen Sprachmodellen (LLM) Anwendung, die dadurch besser an die Bedürfnisse und Vorlieben von Menschen anpassen können.
Machine Learning
RLHF bzw. RL sind nur eine Methode des maschinellen Lernens (Machine Learning). Daneben gibt es auch das überwachte Lernen, wie es für die überwachte Feinabstimmung verwendet wird, und das unüberwachte Lernen. Wie sich die verschiedenen Methoden unterscheiden und was maschinelles Lernen auszeichnet, zeigen wir dir hier in unserem Video!
[caption id="attachment_657246" align="aligncenter" width="525"]