Linkliste

Gesammelte Werkzeuge, Nachschlagewerke und Fundstellen.

Was ausserhalb dieser Seiten liegt und sich zu merken lohnt. Die Liste wächst mit der Zeit; sie ist bewusst kommentiert, damit später erkennbar bleibt, wofür ein Link gut war.

Die Marken hinter jedem Link zeigen die Sprache: DE Deutsch, EN Englisch. Gemeint ist bei Lernangeboten der Inhalt, bei Werkzeugen Oberfläche und Dokumentation; Werkzeuge mit Sprachmodellen verstehen Anfragen ohnehin in beiden Sprachen.

Werkzeuge mit KI ändern sich schnell: Funktionen, Preise und Namen. Die Beschreibungen geben den Stand beim Eintragen wieder. Was ein solches Werkzeug ausgibt, gehört vor der Verwendung geprüft, siehe Modelle und Grenzen.

Recherche und Literatur

  • Connected Papers EN: Stellt verwandte Publikationen als Netzwerk dar. Hilft, von einem bekannten Paper aus die Nachbarschaft eines Themas zu erkunden.
  • Consensus EN: Suchmaschine für wissenschaftliche Publikationen. Sie beantwortet eine Frage nicht mit einer Trefferliste, sondern trägt zusammen, was Studien dazu sagen. Nützlich für den ersten Überblick zu einer Fragestellung und als Einstieg in die Primärquellen.
  • Elicit EN: Unterstützt systematische Literaturübersichten und zieht strukturierte Angaben (Stichprobe, Methode, Ergebnis) aus Papers in eine Tabelle.
  • NotebookLM DE EN: Macht eigene Quellen wie PDFs und Notizen durchsuchbar und beantwortet Fragen nur aus diesen Quellen; erzeugt auch Audio-Zusammenfassungen, Mindmaps und Karteikarten.
  • OpenAlex EN: Offene Datenbank wissenschaftlicher Publikationen mit über 320 Millionen Einträgen und einer REST-API, also auch aus R oder Python abfragbar.
  • Paperpal EN: Schreibassistent für wissenschaftliches Englisch mit Zitationsprüfung, eingebunden in Word und Overleaf.
  • Perplexity DE EN: Suchmaschine, die Antworten mit Quellenangaben liefert. Gut für schnelle Faktenprüfungen, bevor eine Aussage übernommen wird.
  • ResearchRabbit EN: Zeigt Zitationsbeziehungen als Graph und schlägt daraus weitere Papers vor.
  • Scite EN: Zeigt, ob eine Studie in späteren Arbeiten gestützt, widersprochen oder nur erwähnt wird.
  • STORM EN: Rechercheassistent der Stanford University. Aus einer Themenangabe entsteht ein gegliederter Übersichtsartikel mit Quellenangaben. Taugt, um sich in ein unbekanntes Gebiet einzulesen und von dort zu den Originalquellen zu kommen; der Text selbst ist ein Ausgangspunkt und keine zitierfähige Quelle.

Ein bewährter Ablauf: eigene Unterlagen in NotebookLM durchsuchbar machen, die Literatur mit Consensus oder Elicit erschliessen und einzelne Aussagen mit Perplexity gegenprüfen. Zitiert wird am Ende die Primärquelle, nie das Werkzeug.

Wissensmanagement

  • Audionotes EN: Transkribiert Besprechungen und Vorträge, fasst sie zusammen und erlaubt Fragen an die eigenen Notizen.
  • Capacities EN: Objektbasierte Notizen mit KI-Chat, visuell ausgerichtet.
  • Glean EN: Suche über bestehende Werkzeuge einer Organisation hinweg (Slack, Drive, Confluence und andere).
  • Mem EN: Notizen ohne Ordnerstruktur; die KI ordnet ein und findet Inhalte selbständig wieder.
  • Notion AI DE EN: Wikis und Projektdokumente mit KI-Suche über den ganzen Arbeitsbereich.
  • Obsidian DE EN: Notizen als lokale Markdown-Dateien mit voller Datenhoheit; KI optional über Erweiterungen wie Smart Connections und einen eigenen API-Schlüssel.
  • Reflect EN: Vernetzte Notizen mit Schwerpunkt auf schnellem Erfassen.
  • Tana EN: Baut aus Besprechungen und Notizen automatisch einen abfragbaren Wissensgraphen.

Programmieren mit KI

  • Aider EN: Quelloffener Programmierpartner im Terminal, mit verschiedenen Modellen nutzbar.
  • Claude Code EN: Agent im Terminal oder in der Desktop-App, der über ganze Codebasen hinweg liest, ändert und Befehle ausführt; auch für R- und Python-Projekte.
  • Cline EN: Autonomer Coding-Agent als Erweiterung für VS Code.
  • Codex EN: Coding-Agent von OpenAI.
  • Cursor EN: Editor auf Basis von VS Code mit eingebauter KI, kann Änderungen über mehrere Dateien hinweg vornehmen.
  • GitHub Copilot EN: Codevervollständigung und Chat in VS Code, RStudio und weiteren Editoren, eng mit GitHub verbunden.
  • Positron EN: IDE von Posit für R und Python gleichermassen, mit KI-Unterstützung.
  • RunCell EN: Agent für Jupyter-Notebooks, der Daten sichtet, Zellen ausführt und die Analyse schrittweise verfeinert.
  • Windsurf EN: Editor mit eingebauter KI, gilt als einsteigerfreundlich.
  • Zed EN: Sehr schneller Editor mit KI-Funktionen.

App-Baukästen für Prototypen

  • Bolt.new EN: Erzeugt Webanwendungen aus einer Beschreibung im Browser.
  • Lovable EN: Baut aus einer Beschreibung eine lauffähige Webanwendung, ohne dass Code angefasst werden muss.
  • Replit EN: Der Agent setzt eine beschriebene Idee als App um, einschliesslich Bereitstellung.
  • v0 EN: Erzeugt Oberflächen und Webanwendungen aus Beschreibungen, von Vercel.

Solche Ergebnisse taugen für Prototypen. Für den produktiven Einsatz müssen sie meist von Hand überarbeitet werden.

Datenanalyse mit KI

  • ChatGPT DE EN: Schreibt im Chat Python-Code und führt ihn aus; brauchbar für beschreibende Statistik, Regression und Tests, sofern der Code angesehen wird.
  • Claude für Excel DE EN: Add-in, das in Excel-Arbeitsmappen liest, rechnet und Formeln erklärt.
  • Energent.ai EN: Analyse-Agent, der unstrukturierte Tabellen und PDFs ohne Code auswertet.
  • Julius AI EN: Datei hochladen und in Alltagssprache fragen; rechnet t-Tests, Korrelationen, Regression und ANOVA und zeigt den erzeugten R- oder Python-Code. Gut zum Gegenprüfen eigener Ergebnisse.

Statistiksoftware

  • Dataiku EN: Plattform für gemeinsame Data-Science-Arbeit im Team, mit KI-gestützten Abläufen.
  • Jamovi DE EN: Kostenlose, quelloffene Statistiksoftware mit Oberfläche ähnlich SPSS und R im Hintergrund.
  • Minitab DE EN: Klassische Statistiksoftware, stark in Prozessverbesserung und Six Sigma.
  • Statsig EN: A/B-Tests und Experimente mit statistischer Auswertung.
  • XLSTAT DE EN: Über 300 statistische Verfahren als Excel-Add-in, ohne Code.

Business Intelligence und Visualisierung

  • Polymer EN: Visualisierung mit KI ohne Code.
  • Power BI DE EN: Microsofts BI-Werkzeug; Copilot erstellt Berichte und beantwortet Fragen zu den Daten.
  • Tableau DE EN: Visualisierungs- und BI-Plattform mit KI-gestützten Hinweisen (Tableau Pulse).
  • ThoughtSpot EN: Abfragen auf Unternehmensdaten in natürlicher Sprache.

Machine Learning und Experimente

  • DataCamp DataLab EN: Notebook im Browser für Python, R und SQL mit KI-Assistent.
  • DataRobot EN: AutoML-Plattform für Unternehmen.
  • Google Vertex AI EN: Cloud-Plattform mit AutoML für Merkmalsaufbereitung, Modellwahl und Hyperparameter-Tuning.
  • Hugging Face EN: Verzeichnis für vortrainierte Modelle und Datensätze, dazu Spaces für kleine Demo-Apps.
  • MLflow EN: Quelloffenes Werkzeug, das Experimente protokolliert und Modelle verwaltet.
  • Weights & Biases EN: Protokolliert Trainingsläufe, vergleicht Modelle und visualisiert Verläufe.

Umgebungen und Paketquellen

  • Anaconda EN: Distribution für Python und R mit der Paketverwaltung conda.
  • CRAN EN: Offizielles Paketverzeichnis für R.
  • Google Colab DE EN: Kostenlose Jupyter-Notebooks in der Cloud, mit GPU und TPU.
  • Jupyter EN: Notebook-Standard für Python, auch für R und Julia; die Oberfläche JupyterLab ist die heutige Arbeitsumgebung.
  • Miniconda EN: Schlanke Variante von Anaconda, nur conda und Python.
  • Posit EN: Firma hinter RStudio, Quarto, Posit Cloud und Posit Connect.
  • Posit Cloud EN: RStudio im Browser, ohne Installation.
  • PyPI EN: Offizielles Paketverzeichnis für Python.
  • Quarto EN: Nachfolger von R Markdown für Berichte, Bücher und Websites; mit Quarto ist auch diese Seite gebaut.
  • RStudio EN: Die verbreitetste IDE für R, über reticulate auch für Python.

Python-Bibliotheken

  • Matplotlib EN: Grundlegende Grafikbibliothek; darauf baut Seaborn für statistische Grafiken auf.
  • NumPy EN: Arrays und numerisches Rechnen.
  • pandas EN: Tabellen einlesen, umformen und zusammenfassen.
  • Plotly EN: Interaktive Grafiken.
  • Polars EN: Schnelle Alternative zu pandas, in Rust geschrieben.
  • PyMC EN: Bayessche Modellierung.
  • PyTorch EN: Deep Learning; die verbreitete Alternative ist TensorFlow.
  • scikit-learn EN: Klassisches Machine Learning mit einheitlicher Schnittstelle.
  • SciPy EN: Wissenschaftliches Rechnen, Verteilungen, Tests und Optimierung.
  • statsmodels EN: Klassische Statistik mit ausführlichem Output, etwa Regression, Zeitreihen und Tests.
  • XGBoost EN: Gradient Boosting; ähnlich und oft schneller ist LightGBM.

R-Pakete

  • brms EN: Bayessche Regressionsmodelle mit Formelsyntax wie lm, gerechnet mit Stan; direkt mit Stan arbeitet rstan.
  • caret EN: Einheitliche Schnittstelle für Machine Learning; Nachfolger ist tidymodels.
  • dplyr EN: Daten filtern, umformen, gruppieren und zusammenfassen.
  • fable EN: Zeitreihenprognosen im Tidy-Stil; der Vorgänger ist forecast.
  • ggplot2 EN: Grafiken nach der Grammar of Graphics.
  • lme4 EN: Gemischte Modelle.
  • Shiny EN: Interaktive Web-Apps direkt aus R.
  • tidyverse EN: Sammelpaket mit dplyr, ggplot2, tidyr, readr, purrr und tibble.

Datenquellen

Offizielle Statistik

  • Bundesamt für Statistik DE EN: Amtliche Statistik der Schweiz, Tabellen über STAT-TAB und Daten zum Herunterladen.
  • Destatis DE EN: Statistisches Bundesamt Deutschlands, mit der Datenbank GENESIS-Online.
  • Eurostat DE EN: Statistisches Amt der EU, vergleichbare Zahlen für alle Mitgliedstaaten.
  • Statistik Austria DE EN: Amtliche Statistik Österreichs.
  • Weltbank Open Data EN: Entwicklungsindikatoren für fast alle Länder, lange Zeitreihen.

Offene Verwaltungsdaten

  • data.gv.at DE: Offene Verwaltungsdaten Österreichs.
  • GovData DE: Offene Verwaltungsdaten Deutschlands von Bund, Ländern und Gemeinden.
  • Open Data Zürich DE: Offene Daten der Stadt Zürich, von Verkehr bis Bevölkerung.
  • opendata.swiss DE EN: Offene Behördendaten der Schweiz, zentral durchsuchbar.

Übungs- und Forschungsdaten

  • Gapminder EN: Weltweite Indikatoren zu Gesundheit, Wohlstand und Bevölkerung, gut für Visualisierungsübungen.
  • Google Dataset Search EN: Suchmaschine für Datensätze aus dem ganzen Web.
  • Hugging Face Datasets EN: Datensätze für Machine Learning, besonders Text, Bild und Audio, direkt aus Python ladbar.
  • Kaggle Datasets EN: Grosse Sammlung von Datensätzen mit Beispielauswertungen anderer Nutzer.
  • OpenML EN: Datensätze mit einheitlichen Metadaten und Benchmarks, aus R und Python abrufbar.
  • Our World in Data EN: Aufbereitete Daten zu globalen Themen, jede Grafik mit Datendownload und Quellenangabe.
  • Rdatasets EN: Die Beispieldatensätze aus R-Paketen als CSV, auch für Python nutzbar.
  • TidyTuesday EN: Jede Woche ein neuer, sauber beschriebener Datensatz zum Üben von Wrangling und Visualisierung.
  • UCI Machine Learning Repository EN: Klassische Datensätze für Machine Learning, viele davon in Lehrbüchern verwendet.

Vor der Verwendung Lizenz und Stand prüfen: Offene Daten sind nicht immer frei weiterverwendbar, und Übungsdaten sind manchmal bereinigt, ohne dass es dasteht.

Lernen und Tutorials

Kursplattformen

  • Codecademy EN: Interaktive Kurse im Browser, Code wird direkt neben der Erklärung geschrieben.
  • Coursera EN: Kurse von Universitäten und Firmen, oft kostenlos hörbar, Zertifikat kostenpflichtig.
  • DataCamp EN: Kurze interaktive Lektionen zu R, Python und SQL mit Lernpfaden für Data Science.
  • Dataquest EN: Projektorientierte Lernpfade für Datenanalyse mit Python, R und SQL.
  • edX EN: Universitätskurse, darunter Harvard und MIT, viele kostenlos zugänglich.
  • freeCodeCamp EN: Kostenlose Lehrgänge mit Zertifikat, auch zu Datenanalyse mit Python.
  • Kaggle Learn EN: Kurze, kostenlose Kurse zu pandas, Visualisierung, SQL und Machine Learning, jeweils mit Übungen auf echten Daten.
  • KI-Campus DE EN: Kostenlose Lernplattform für künstliche Intelligenz und Datenkompetenz, gefördert vom deutschen Bildungsministerium.
  • LinkedIn Learning DE EN: Videokurse zu Software, Programmierung und Datenanalyse, viele davon auch auf Deutsch.
  • openHPI DE EN: Kostenlose Onlinekurse des Hasso-Plattner-Instituts zu Informatik, Daten und KI.
  • The Carpentries EN: Offene Lehrmaterialien für Forschende, etwa Shell, Git, R und Python für die Datenanalyse.
  • Udemy DE EN: Grosser Marktplatz für Videokurse; Qualität schwankt, Bewertungen und Aktualität vor dem Kauf prüfen.
  • W3Schools EN: Knappe Nachschlage-Tutorials mit ausführbaren Beispielen, etwa zu Python, SQL, pandas und HTML.

Python

  • Python Data Science Handbook EN: Freies Buch zu NumPy, pandas, Matplotlib und scikit-learn.
  • python-kurs.eu DE EN: Ausführliches Python-Tutorial von den Grundlagen bis NumPy und pandas; die englische Fassung heisst python-course.eu.
  • Real Python EN: Gründliche Artikel und Videos zu Python, von Grundlagen bis Packaging.
  • Rheinwerk Openbook DE: Ganze Fachbücher kostenlos online, darunter Titel zu Python und Linux.

R

  • Posit Cheatsheets EN: Spickzettel zu dplyr, ggplot2, RStudio, Quarto und weiteren Paketen.
  • Posit Recipes EN: Kurze Anleitungen für einzelne Aufgaben in R, zum Kopieren und Anpassen.
  • R for Data Science EN: Das Standardbuch zum tidyverse, frei online, von Hadley Wickham und Koautoren.

Statistik und Mathematik

  • 3Blue1Brown EN: Animierte Videos, die lineare Algebra, Analysis und neuronale Netze anschaulich machen.
  • Björn Walther DE: Statistik-Tutorials mit Umsetzung in R, SPSS und Excel.
  • Crashkurs Statistik DE: Statistikbegriffe knapp und verständlich erklärt.
  • Khan Academy EN: Kostenloser Kurs zu Statistik und Wahrscheinlichkeit mit Übungen.
  • Numiqo DE EN: Früher DATAtab. Statistik-Erklärungen zu Tests und Verfahren, dazu ein Online-Rechner.
  • OpenIntro Statistics EN: Freies Einführungsbuch in die Statistik mit Übungen.
  • Serlo DE: Freie Lernplattform für Mathematik, gut zum Auffrischen der Grundlagen.
  • StatQuest EN: Videos, die Statistik und Machine Learning Schritt für Schritt erklären.
  • Studyflix DE: Kurze Erklärvideos, auch zu Statistik und Mathematik.

Machine Learning und SQL

Fachliche Quellen, die zu einem einzelnen Thema gehören, stehen dort unter „Verlinkte Ressourcen” und nicht hier. Diese Seite ist für alles, was über ein einzelnes Thema hinaus nützlich ist.