Ein Unternehmen prüft, ob es Teile seiner Callcenter-Anfragen mit KI beantworten lässt. Der Pilot läuft, die Auswertung kommt auf den Tisch: Die KI beantwortet die Anfragen mit einer Fehlerquote von rund vier Prozent. Vier von hundert Antworten sind falsch oder unvollständig. Die Entscheidung fällt schnell und einstimmig: “Das können wir uns nicht leisten. Vier Prozent Fehler gegenüber unseren Kunden, undenkbar.” Projekt beendet, zurück zum Bewährten.

Diese Szene habe ich in Variationen oft erlebt, und sie wirkt auf den ersten Blick wie verantwortungsvolles Management. Bis jemand die eine Frage stellt, die in solchen Runden fast nie gestellt wird: Wie hoch ist eigentlich die Fehlerquote der Menschen, die diese Anfragen heute beantworten?

Stille. Niemand weiß es. Es hat nie jemand gemessen, denn warum sollte man. Und wenn man es misst, und es gibt Untersuchungen dazu, kommt regelmäßig heraus: Auch ein menschlicher Callcenter-Agent gibt falsche Auskünfte, verwechselt Tarife, vergisst Rückrufe, hat schlechte Tage. Die menschliche Fehlerquote liegt in vielen dieser Tätigkeiten über den vier Prozent, gegen die eben noch einstimmig entschieden wurde. Das Unternehmen hat also eine Lösung abgelehnt, die weniger Fehler gemacht hätte als der Status quo, und fühlt sich dabei auch noch vorsichtig.

Heute geht es um diesen Doppelstandard. Er ist unscheinbar, er klingt nach Qualitätsbewusstsein, und er kostet Organisationen Jahr für Jahr ihre besten Use Cases, ohne dass es in irgendeiner Bilanz auftaucht.

Woher der falsche Maßstab kommt

Der Doppelstandard hat eine nachvollziehbare Herkunft, und die muss man verstehen, um ihn loszuwerden. Wir haben unsere Erwartungen an Maschinen über ein Jahrhundert an deterministischer Technik gebildet. Der Taschenrechner rechnet immer richtig. Die Datenbank liefert immer denselben Datensatz. Die klassische Software tut exakt, was programmiert wurde, und wenn nicht, ist das ein Bug, den man behebt. Diese Erfahrung hat sich zu einem Reflex verdichtet: Maschine heißt hundert Prozent. Bei Menschen dagegen haben wir gelernt, mit Fehlern zu leben. Wir bauen Vier-Augen-Prinzipien, Freigabeschleifen und Reklamationsabteilungen, wir kalkulieren Ausschuss und Kulanz ein, wir verzeihen den schlechten Tag. Menschliche Fehler sind eingepreist, maschinelle Fehler sind Skandale.

Generative KI fällt zwischen diese beiden Kategorien, und genau das macht sie so schwer einzuordnen. Sie ist eine Maschine, aber sie ist keine deterministische. Sie hat aus menschlichen Daten gelernt, aus unseren Texten, unserem Wissen, unseren Widersprüchen, und deshalb macht sie, das ist kein Zufall, sondern Konsequenz, ganz menschenähnliche Fehler. Sie ist mal brillant und mal daneben, sie klingt überzeugt, wenn sie irrt, sie ist an guten Tagen besser als an schlechten Prompts. Wer sie mit dem Taschenrechner-Maßstab misst, wird sie immer durchfallen lassen. Wer sie mit dem Menschen-Maßstab misst, entdeckt plötzlich, wie oft sie besteht.

Deshalb lautet die Regel, die ich jeder Organisation mitgebe, und sie ist unbequemer, als sie klingt: Vergleichen Sie die KI mit menschlicher Leistung, nicht mit Perfektion. Nicht “macht die KI Fehler?”, das tut sie, sondern “macht sie mehr oder weniger Fehler als die heutige Lösung, bei welchen Kosten, mit welcher Geschwindigkeit?”. Das ist der faire Vergleich. Alles andere ist ein Wettbewerb, bei dem einer der beiden Läufer gegen die Weltrekordzeit antreten muss und der andere gegen den Vereinsdurchschnitt.

Warum der faire Vergleich unangenehm ist

Ich will nicht so tun, als wäre dieser Maßstabwechsel emotional einfach, denn er hat eine Kehrseite, die man aussprechen muss: Wenn KI an menschlicher Leistung gemessen wird, dann wird menschliche Leistung eben auch an KI gemessen. Das ist für niemanden angenehm. Es ist nicht schön, zu erfahren, dass die eigene Fehlerquote messbar ist, und noch weniger, dass eine Maschine darunter liegt. Ich sage nicht, dass das angenehm ist. Ich sage, dass es passiert, ob wir hinsehen oder nicht, und dass Organisationen, die hinsehen, mehr Möglichkeiten haben als solche, die den Vergleich aus Rücksicht vermeiden.

Denn was ist die Alternative? Die Alternative ist der Satz aus Ausgabe 5: “Ich warte, bis die KI hundertprozentig richtig liegt.” Und diese hundert Prozent werden vermutlich nie kommen, so wie der fehlerfreie Mitarbeiter nie gekommen ist. Wer auf Perfektion wartet, wartet nicht auf einen Zeitpunkt, sondern auf einen Vorwand. Währenddessen bleiben all die Use Cases liegen, bei denen die KI heute schon weniger Fehler macht als der bestehende Prozess, schneller ist und rund um die Uhr verfügbar. Das ist der stille Preis des Doppelstandards: Er fühlt sich wie Sorgfalt an und wirkt wie Stillstand.

Wichtig ist mir dabei eine Abgrenzung, damit der Gedanke nicht kippt: Der faire Vergleich ist kein Argument dafür, Menschen durch KI zu ersetzen, wo immer die Quote es hergibt. Er ist ein Argument dafür, Entscheidungen auf Basis echter Zahlen zu treffen statt auf Basis eines Reflexes. In vielen Fällen wird das Ergebnis lauten: Mensch und KI gemeinsam schlagen beide Einzellösungen, die KI übernimmt Masse und Erstentwurf, der Mensch übernimmt Prüfung, Ausnahme und Verantwortung. Die menschliche Kontrolle bleibt bei fast allen heutigen Anwendungen unverzichtbar, gerade weil die KI Fehler macht. Aber wo diese Kontrolle sitzt und wie eng sie sein muss, das sollte die gemessene Fehlerquote entscheiden, nicht das Bauchgefühl gegenüber einer Maschine.

Das Entscheidungsraster

Damit aus dem Prinzip Praxis wird, hier das Raster, mit dem Sie jeden potenziellen KI-Einsatz in einer halben Stunde fair bewerten können. Es besteht aus vier Fragen, und die ehrliche Beantwortung der ersten ist erfahrungsgemäß die schwerste.

Frage eins: Wie gut ist die heutige Lösung wirklich? Messen oder schätzen Sie die bestehende Fehlerquote, ehrlich, inklusive der Fehler, die nie auffallen, weil niemand nachprüft. Falsche Auskünfte, übersehene Fristen, vergessene Rückmeldungen, Zahlendreher. Diese Basislinie ist Ihr Vergleichswert, nicht die Null.

Frage zwei: Was kostet ein Fehler in diesem Prozess? Hier trennt sich das Feld. Es gibt Prozesse, in denen ein Fehler ärgerlich ist und korrigierbar, eine ungenaue Produktempfehlung, ein holpriger Textentwurf, eine falsch kategorisierte Anfrage, die eine Schleife dreht. Und es gibt Prozesse, in denen ein Fehler irreversibel oder existenziell ist, eine falsche Medikamentendosis, eine falsche Rechtsauskunft mit Haftungsfolge. Je billiger und umkehrbarer der Einzelfehler, desto eher darf die Fehlerquote allein entscheiden. Je teurer und endgültiger, desto mehr menschliche Kontrolle gehört in den Prozess, unabhängig von der Quote.

Frage drei: Wo genau setzen wir die menschliche Prüfung an? Nicht “Mensch oder Maschine”, sondern: Die KI erstellt, der Mensch gibt frei? Die KI beantwortet die Standardfälle, der Mensch die markierten Ausnahmen? Die KI arbeitet vor, der Mensch stichprobt? Für fast jeden Prozess gibt es eine Aufteilung, bei der die kombinierte Fehlerquote unter beiden Einzelquoten liegt. Das ist übrigens das Kriterium, an dem man gute KI-Einführungen erkennt: Sie fragen nicht, wen die KI ersetzt, sondern wo im Prozess welche Stärke sitzt.

Frage vier: Wann messen wir wieder? Sie erinnern sich an Ausgabe 5: Testergebnisse haben bei dieser Technologie ein Ablaufdatum. Ein Prozess, der heute noch zu heikel für KI ist, kann es in einem Jahr nicht mehr sein. Schreiben Sie zu jeder Nein-Entscheidung ein Wiedervorlagedatum. Ein Nein ohne Wiedervorlage ist kein Urteil, sondern eine Beerdigung.

Nehmen Sie sich diese Woche einen einzigen Prozess vor und jagen Sie ihn durch die vier Fragen. Besonders lohnend sind die Prozesse, bei denen in der Vergangenheit jemand gesagt hat “das können wir uns nicht leisten”. Fragen Sie dort zuerst nach der Basislinie. Ich verspreche Ihnen mindestens eine Überraschung.

Was Sie in der nächsten Ausgabe erwartet

Mit dieser Ausgabe ist der erste Block dieser Serie abgeschlossen, der Mindshift. Wenn Sie die sechs Ausgaben zusammennehmen, haben Sie das Fundament: Die Fabrik muss neu gedacht werden, nicht der Motor getauscht. Intelligenz ist nicht mehr knapp, unser Verhalten tut aber noch so. Wir sind alle Anfänger, sechs Stunden genügen für den Einstieg, Warten ist bei exponentieller Technologie die teuerste Strategie, und gemessen wird fair oder gar nicht.

Ab der nächsten Ausgabe wird es handfester, denn wir kommen zum Rohstoff der ganzen Sache: den Daten. Und ich steige mit einer Forderung ein, die in jedem Datenschutz-Jour-fixe für Schnappatmung sorgt und die ich trotzdem für eine der wichtigsten strategischen Weichenstellungen der nächsten Jahre halte: Hören Sie auf, Daten zu löschen. Ich werde begründen, warum jede gelöschte E-Mail ein Stück Organisationsgedächtnis ist, das nie wiederkommt, warum unsere Löschroutinen aus einer Welt stammen, in der Speicher teuer und Auswertung unmöglich war, und, das wird viele überraschen, warum das Datenschutzrecht deutlich weniger Löschung verlangt, als die meisten Organisationen praktizieren. Es wird die Ausgabe, die Sie am ehesten an Ihren Datenschutzbeauftragten weiterleiten werden. Tun Sie es ruhig, ich formuliere sie so, dass daraus ein Gespräch werden kann statt eines Grabenkampfs.

Denken Sie nicht über KI nach. Denken Sie mit KI.

Ihr Sindre Wimberger

Kleiner Hinweis am Rande: Diese Serie und mein kommendes Buch, Unlimitierte Intelligenz, teilen nicht nur den Titel, sondern denselben Ausgangspunkt. Es erscheint bald, mehr dazu an dieser Stelle.

PS: Der härteste Einwand gegen den fairen Vergleich, der mir je begegnet ist, kam von einem Betriebsrat: “Wenn wir anfangen, menschliche Fehlerquoten zu messen, um sie mit KI zu vergleichen, was passiert dann mit den Menschen, die schlechter abschneiden?” Das ist eine ernste Frage, und sie verdient eine ernste Antwort statt einer schnellen. Meine steht in den Ausgaben 20 und 27, wenn es um Führung geht und um das, was Maschinen prinzipiell nicht können. So lange nur so viel: Der faire Vergleich entscheidet über Prozesse, nicht über Menschen. Wer ihn als Rankingliste für die Belegschaft missbraucht, hat ein Führungsproblem, kein KI-Problem.

Es gibt eine Denkfigur, die in fast jedem Managementgespräch über KI irgendwann auftaucht, meist vorgetragen mit dem ruhigen Selbstbewusstsein langer Berufserfahrung. Sie geht ungefähr so: “Wir haben das bei jeder Technologie erlebt. Erst der Hype, dann die Ernüchterung, dann die Reife. Wer klug ist, wartet die ersten zwei Phasen ab und kauft in der dritten. Die Technologie ist dann besser, billiger, stabiler, und die Fehler haben andere für uns gemacht.”

Ich verstehe diese Denkfigur gut. Sie war über Jahrzehnte richtig. Beim PC war sie richtig, beim ERP-System, beim Smartphone im Unternehmenseinsatz. Wer 1985 keinen Computer kaufte, sondern 1992, bekam ein besseres Gerät zum halben Preis und hatte wenig verpasst, denn der Computer von 1992 stand für alle gleich auf dem Schreibtisch. Man kaufte eine Fähigkeit, und diese Fähigkeit war für Frühstarter und Nachzügler dieselbe.

Heute höre ich dieselbe Logik in neuer Verpackung: “Dann steht in fünf Jahren halt der KI-Computer auf meinem Tisch, und dann habe ich auch KI.” Und an genau dieser Stelle muss ich hart widersprechen, denn dieser Satz enthält den teuersten Denkfehler der gegenwärtigen Transformation. Diesmal funktioniert das Warten nicht. Nicht, weil die Technologie ausnahmsweise keinen Hype-Zyklus hätte, den hat sie durchaus. Sondern weil sich zwei Dinge fundamental von allen früheren Technologiewellen unterscheiden: die Wachstumskurve der Technologie und die Natur dessen, was man beim Warten verliert.

Exponentiell ist kein Marketingwort

Fangen wir mit der Kurve an. Wir alle haben in den Covid-Jahren eine schmerzhafte Lektion über exponentielles Wachstum gelernt: Der Mensch denkt linear, und lineares Denken versagt an Exponentialkurven zuverlässig. Am Anfang wirkt exponentielles Wachstum harmlos, fast enttäuschend, die Zahlen sind klein, die Skeptiker fühlen sich bestätigt. Dann kommt der Knick, und plötzlich geht alles schneller, als irgendjemand für möglich gehalten hat. Wer beim Knick anfängt zu reagieren, ist bereits zu spät.

Generative KI wächst exponentiell, und zwar nicht als Metapher. Googles KI-Infrastrukturchef Amin Vahdat hat es intern auf eine Folie geschrieben: Die Rechenkapazität für KI muss sich alle sechs Monate verdoppeln, das nächste Tausendfache in vier bis fünf Jahren. Und Sundar Pichai berichtete, dass sich die intern verarbeitete Datenmenge zeitweise alle paar Wochen verdoppelt hat. Nehmen Sie solche Aussagen ruhig mit der gebotenen Vorsicht gegenüber Eigenwerbung. Selbst dann beschreiben sie eine Welt, in der sich die Nachfrage und die Fähigkeiten dieser Technologie in Zeiträumen verdoppeln, in denen klassische IT-Projekte nicht einmal ihr Kickoff-Meeting hinter sich bringen. Ich erlebe diese Kurve in meiner täglichen Arbeit ganz konkret: Aufgaben, an denen die Modelle vor einem Jahr gescheitert sind, erledigen sie heute beiläufig. Deshalb gebe ich in Workshops immer denselben Rat: Was gestern nicht funktioniert hat, kann morgen schon funktionieren. Nicht aufgeben und urteilen “ist halt zu dumm”, sondern wieder ausprobieren. Ein Testergebnis hat bei dieser Technologie ein Ablaufdatum von wenigen Monaten.

Was bedeutet das für die Warte-Strategie? Bei linearem Fortschritt ist Warten günstig: Die Technologie wird ein bisschen besser, ich steige später ein, der Rückstand ist überschaubar und aufholbar. Bei exponentiellem Fortschritt dreht sich die Rechnung um. Der Abstand zwischen dem, der heute anfängt, und dem, der in fünf Jahren anfängt, ist nicht fünf Jahre groß. Er ist so groß wie alles, was in fünf Verdopplungsperioden übereinandergeschichtet wurde. Wenn ich in fünf Jahren mit der KI anfange, hole ich es nicht mehr ein. Da haben mich alle anderen schon abgehängt.

Was man beim Warten wirklich verliert

Jetzt könnte man einwenden: Aber die bessere Technologie steht doch in fünf Jahren auch mir zur Verfügung, genau wie damals der Computer von 1992. Das stimmt. Und es geht am Punkt vorbei, denn es unterstellt, dass der Wert in der Technologie steckt. Das tut er nicht. Erinnern Sie sich an Ausgabe 1: Der Elektromotor war für jede Fabrik käuflich. Was die erfolgreichen Fabriken der 1920er von den anderen unterschied, war nicht der Motor, sondern die neu gedachte Fabrik um ihn herum, und die konnte man nicht kaufen. Man musste sie sich erarbeiten.

Genau das verliert der Wartende, und zwar in vier Schichten, die sich nicht nachbestellen lassen.

Die erste Schicht sind die Menschen. Eine Organisation, die heute anfängt, hat in fünf Jahren Mitarbeiterinnen und Mitarbeiter, die fünf Jahre Erfahrung im Denken mit KI haben, die vom Use zum Case gekommen sind, hundertfach, die ein Gespür dafür entwickelt haben, was geht und was nicht. Diese Lernkurve lässt sich nicht kaufen und nicht abkürzen, so wenig wie man Berufserfahrung kaufen kann.

Die zweite Schicht sind die Use Cases. Die wertvollsten Anwendungsfälle stehen in keinem Katalog, weil sie aus der spezifischen Arbeit der eigenen Organisation entstehen. Wer fünf Jahre experimentiert hat, besitzt eine gewachsene Sammlung erprobter, verworfener und verfeinerter Anwendungen. Der Nachzügler besitzt eine Wunschliste.

Die dritte Schicht ist der Kontext. Die KI wird umso wertvoller, je mehr sie über die eigene Organisation weiß, über Daten, Abläufe, Tonalität, Geschichte. Diesen Kontext baut man über Jahre auf, und wer erst 2031 damit beginnt, füttert seine KI mit dem Wissensstand von 2031, während der Wettbewerber auf einem halben Jahrzehnt aufbereiteter Organisationserfahrung sitzt. Mehr dazu in Ausgabe 10, hier nur so viel: Kontext ist die Mitgift, die man der Technologie mitgibt, und Mitgift spart man nicht in einem Monat an.

Die vierte Schicht ist die unbequemste: der Markt. Während Sie warten, wartet Ihre Konkurrenz vielleicht nicht. Und Konkurrenz heißt heute nicht mehr nur der bekannte Mitbewerber aus der Nachbarstadt. Amerikanische und chinesische Unternehmen setzen KI mit einer Konsequenz ein, die hierzulande gelegentlich für Kopfschütteln sorgt, und sie fragen nicht, ob unser Zeitplan schon so weit ist. Europa hat keine eigene nennenswerte KI-Infrastruktur, das ist die bittere Ausgangslage. Was Europa haben kann, ist die Führungsrolle in der kreativen Nutzung, in den Prozessen, Dienstleistungen und Produkten. Das ist unsere realistische Chance, und sie hat ein Zeitfenster. Ich widme dieser Frage die Ausgabe 29, weil sie mehr Raum verdient als einen Absatz, aber sie gehört hierher als Erinnerung: Beim Warten geht es längst nicht mehr nur um die eigene Effizienz.

Die bequeme Version des Wartens

Es gibt übrigens eine Variante des Wartens, die sich gar nicht als Warten zu erkennen gibt, und die ist die häufigste. Sie klingt so: “Wir haben es getestet, da kommen falsche Antworten raus. Ich warte lieber, bis die KI hundertprozentig richtige Ergebnisse liefert.” Das klingt nach Qualitätsanspruch. In Wahrheit ist es oft etwas anderes: Es ist bequem. Wer auf die perfekte KI wartet, muss sich heute nicht damit auseinandersetzen, muss nichts lernen, nichts verändern, nichts riskieren. Und er hat ein unschlagbares Alibi, denn die hundertprozentig fehlerfreie KI wird es vielleicht nie geben, so wie es den hundertprozentig fehlerfreien Mitarbeiter nie gegeben hat.

Genau an dieser Stelle wird das Warten zur Falle, denn der Maßstab ist falsch gewählt. Aber diesen Gedanken, der aus meiner Sicht über mehr Use Cases entscheidet als jede Modellverbesserung, hebe ich mir für die nächste Ausgabe auf, er verdient sie ganz.

Was “heute anfangen” konkret heißt

Damit aus der Dringlichkeit kein Alarmismus wird, zum Schluss das Konkrete. Heute anfangen heißt nicht: morgen ein KI-Großprojekt ausschreiben, ein Budget von siebenstelliger Höhe freigeben und eine Taskforce gründen. Hektik ist nur die zweite Form der Hilflosigkeit, gleich nach dem Warten.

Heute anfangen heißt, in dieser Reihenfolge: Erstens, die eigenen sechs Stunden absolvieren, der Plan steht in Ausgabe 4, das ist der Einsatz für eine einzelne Person und kostet nichts als einen ehrlichen Kalenderblick. Zweitens, im eigenen Verantwortungsbereich das Experimentieren erlauben und aussprechen, dass es erwünscht ist, denn in vielen Organisationen wartet nicht das Management auf die Technologie, sondern die Belegschaft auf die Erlaubnis. Drittens, ein einziges wiederkehrendes Arbeitspaket auswählen und vier Wochen lang konsequent mit KI bearbeiten, mit Protokoll, als kleinster denkbarer Beweis. Wer diese drei Schritte gegangen ist, hat mehr Transformationsarbeit geleistet als mancher Lenkungsausschuss in einem Jahr, und er hat etwas, das kein Nachzügler kaufen kann: einen Anfang, der hinter ihm liegt.

Was Sie in der nächsten Ausgabe erwartet

Ich habe vorhin den Satz zitiert: “Da kommen falsche Antworten raus, das können wir uns nicht leisten.” In der nächsten Ausgabe stelle ich diesem Satz eine einzige Frage entgegen, und diese Frage bringt erstaunlich viele Gewissheiten ins Wanken: Verglichen womit? Es wird um ein Callcenter gehen, um eine Fehlerquote von vier Prozent, und um die Studien dazu, wie viele Fehler eigentlich Menschen in derselben Rolle machen. Es wird um den seltsamen Doppelstandard gehen, mit dem wir Maschinen an Perfektion messen und Menschen am Durchschnitt. Und es wird darum gehen, warum dieser Doppelstandard Organisationen ihre besten Use Cases kostet, Jahr für Jahr, ohne dass es jemand merkt. Falls Sie bis dahin in einer Diskussion den Satz hören “aber die KI macht doch Fehler”, antworten Sie versuchsweise mit einer Gegenfrage: “Und die bisherige Lösung macht keine?” Beobachten Sie, was passiert.

Denken Sie nicht über KI nach. Denken Sie mit KI.

Ihr Sindre Wimberger

Ein Nachtrag in eigener Sache: Wer nach dieser Serie mehr will, bekommt es bald in Buchform. Unlimitierte Intelligenz, der Termin folgt, sobald er steht.

PS: Zu den Zuschriften auf die Verzehnfachungs-Übung aus Ausgabe 2: Die mit Abstand häufigste Rückmeldung war nicht, dass die Ergebnisse besser wurden. Es war Verblüffung darüber, wie schwer das Verzehnfachen gefallen ist. Einer schrieb, er habe sich beim Anfordern von fünfzig Varianten “körperlich unverschämt” gefühlt. Genau dieses Gefühl ist der Rückstand, von dem heute die Rede war. Er sitzt nicht in der Technologie. Er sitzt in uns.

Es gibt einen Satz, den ich nach Keynotes häufiger höre als jeden anderen. Er kommt in der Kaffeepause, meist etwas leiser gesprochen, und er lautet in Variationen immer gleich: “Für mich ist der Zug wahrscheinlich schon abgefahren.” Gesagt von einer Abteilungsleiterin Mitte fünfzig. Von einem Geschäftsführer, der seit dreißig Jahren erfolgreich ein Unternehmen führt. Von einer jungen Kollegin, die glaubt, alle anderen in ihrem Team seien längst weiter.

Ich habe in der letzten Ausgabe versprochen, dieses Gefühl auseinanderzunehmen. Heute löse ich das ein, und ich sage Ihnen gleich das Ergebnis vorweg: Der Zug ist nicht abgefahren. Er steht noch am Bahnsteig. Es sitzen zwar schon Leute drin, aber die meisten davon studieren gerade verwirrt den Fahrplan, und einige sind in den falschen Waggon gestiegen.

Es gibt niemanden, der es gelöst hat

Beginnen wir mit der Behauptung, die ich am besten belegen kann, weil ich sie aus der Praxis kenne, aus Konzernen, aus Verwaltungen, aus dem Mittelstand: Es gibt keine Organisation, die das Thema KI komplett gelöst und perfekt implementiert hat. Keine einzige. Es gibt Organisationen, die weiter sind als andere, natürlich. Aber auch dort lernen alle noch, experimentieren alle noch, machen alle noch Fehler. Die glänzenden Vorträge, die Sie auf Konferenzen hören, zeigen die drei Use Cases, die funktioniert haben, nicht die siebzehn, die vorher gescheitert sind.

Das ist keine tröstende Floskel, sondern eine strategische Information. Bei den meisten Technologien der Vergangenheit gab es einen echten, uneinholbaren Erfahrungsvorsprung. Wer 1995 schon zehn Jahre Software entwickelt hatte, dem konnten Sie als Einsteiger wenig entgegensetzen, denn das Wissen war über Jahre geschichtet. Generative KI ist anders, aus einem einfachen Grund: Sie ist so jung und verändert sich so schnell, dass ein großer Teil des Detailwissens von vor zwei Jahren heute wertlos ist. Die ausgefeilten Prompt-Tricks von damals? Größtenteils überflüssig geworden, weil die Modelle besser wurden. Die Grenzen, die jemand 2023 mühsam kartiert hat? Verschoben. Wer früh angefangen hat, besitzt vor allem eines, und das ist tatsächlich wertvoll: die Gewohnheit des Experimentierens. Aber genau die können Sie sich schneller aneignen, als Sie glauben.

Wir sind alle Anfänger. Und das ist keine Schwäche der Lage, sondern ihre größte Einladung: Es ist nicht zu spät, vorne dabei zu sein.

Die Sechs-Stunden-These

Jetzt zur zweiten Behauptung, die regelmäßig für hochgezogene Augenbrauen sorgt: Wenn man sich durchschnittlich sechs Stunden wirklich intensiv mit generativer KI beschäftigt, hat man sie verstanden. Dafür braucht es keinen Drei-Monats-Kurs und kein zweiwöchiges E-Learning.

Bevor Sie widersprechen, lassen Sie mich präzisieren, was “verstanden” hier heißt und was nicht. Es heißt nicht, dass Sie nach sechs Stunden neuronale Netze erklären können. Müssen Sie auch nicht, so wie Sie keinen Verbrennungsmotor konstruieren können müssen, um ein exzellenter Autofahrer zu sein. Verstanden heißt: Sie kennen die Grundprinzipien. Sie wissen, was diese Technologie kann, wo ihre Grenzen liegen, wo ihr Potenzial liegt. Sie haben ein Gespür dafür entwickelt, welche Aufgaben sie hervorragend erledigt, bei welchen Sie kontrollieren müssen und welche Sie ihr nicht geben sollten. Und vor allem: Sie fangen an, im Alltag von selbst zu denken “Moment, das wäre doch etwas für die KI.”

Dieser letzte Punkt ist der entscheidende, und er erklärt, warum Kurse so oft versagen, wo sechs eigene Stunden funktionieren. Es gibt eine Besonderheit dieser Technologie, die ich in all den Jahren bei keiner anderen so erlebt habe: Man kommt vom Use zum Case. Früher lief es umgekehrt. Da musste ich erst einen Use Case definieren, ein Projekt aufsetzen, Zugriff auf die Technologie bekommen, und dann stellte sich heraus, dass die Idee doch nicht die richtige war. Bei generativer KI entsteht die Idee durch die Nutzung. Ich probiere aus, und plötzlich sehe ich, was in meinem Arbeitsalltag möglich wäre. Eine Kollegin, die einfach experimentiert hat, kam ganz von selbst auf die Idee, ihre Fotos nicht mehr händisch zu kategorisieren. Niemand hätte ihr diesen Use Case in einer Schulung beibringen können, weil niemand außer ihr wusste, dass es diese lästige Aufgabe überhaupt gibt.

Deshalb kann Ihnen kein Kurs das Verstehen abnehmen. Ein Kurs zeigt Ihnen die Use Cases anderer Leute. Ihre eigenen finden Sie nur selbst, und zwar durch Ausprobieren. Das Lernen ist hier radikal individuell.

Der Sechs-Stunden-Plan

Genug These, hier ist der versprochene Plan. Sechs Stunden, aufgeteilt in sechs Blöcke zu je einer Stunde, verteilt über eine oder zwei Wochen. Ein Hinweis zur Wahl des Werkzeugs vorab: Nehmen Sie für diese Übung keine sensiblen internen Daten, wenn Sie mit einer Gratisversion arbeiten. Gratis-Modell heißt in der Regel: Ihre Eingaben können zu Trainingszwecken gespeichert werden. Für die ersten sechs Stunden reichen unkritische Inhalte völlig, und das Plattform-Thema behandle ich später in dieser Serie ausführlich.

Stunde eins: das Gespräch. Führen Sie ein echtes Gespräch über ein Thema, in dem Sie sich hervorragend auskennen, Ihr Fachgebiet, Ihr Hobby, egal. Fragen Sie in die Tiefe, widersprechen Sie, stellen Sie Fangfragen. Ziel dieser Stunde ist Kalibrierung: Sie sollen mit eigenen Augen sehen, wo die KI brillant ist und wo sie souverän klingenden Unsinn produziert. Beides werden Sie erleben, und beides müssen Sie erlebt haben.

Stunde zwei: die eigene Arbeit. Nehmen Sie drei echte Aufgaben von Ihrem Schreibtisch dieser Woche. Ein Dokument zusammenfassen lassen, einen E-Mail-Entwurf schreiben lassen, ein Konzept kritisieren lassen. Notieren Sie bei jeder Aufgabe, wie viel Nacharbeit nötig war.

Stunde drei: das Lernen mit der KI selbst. Das klingt paradox, ist aber der effizienteste Trick überhaupt: Die KI ist ihre eigene beste Lehrerin. Bitten Sie sie, Ihnen das Prompten beizubringen. Geben Sie ihr einen Ihrer Prompts aus Stunde zwei und sagen Sie: “Optimiere mir diesen Prompt in Struktur und Aufbau und erkläre mir, warum deine Version besser ist.” Nehmen Sie die optimierte Version als Basis und justieren Sie fein. Sie brauchen keinen Prompt-Kurs. Sie haben einen Tutor, der unbegrenzt Zeit für Sie hat.

Stunde vier: die Rollen. Lassen Sie die KI Personas einnehmen. Ihren kritischsten Kunden, eine Personalverantwortliche im Bewerbungsgespräch, einen Experten aus einem Fachgebiet, das Sie nie verstanden haben. Diese Stunde öffnet die Tür zu dem, was ich in einer späteren Ausgabe das Tumorboard-Prinzip nenne, und sie ist erfahrungsgemäß die Stunde, in der bei den meisten Menschen der Groschen fällt.

Stunde fünf: die Grenzen. Versuchen Sie gezielt, die KI scheitern zu sehen. Aktuelle Zahlen ohne Quellenzugang, komplexe Logikrätsel, Fragen zu Ihrer eigenen Organisation, die sie nicht kennen kann. Diese Stunde ist genauso wichtig wie die vier davor, denn wer die Grenzen nicht selbst gesehen hat, vertraut entweder zu viel oder zu wenig.

Stunde sechs: die Ernte. Gehen Sie Ihre Notizen aus den fünf Stunden durch und schreiben Sie auf, was Ihnen aufgefallen ist. Welche drei Aufgaben aus Ihrem Alltag geben Sie ab sofort regelmäßig an die KI? Wo hat sie Sie überrascht, wo enttäuscht? Und welche Idee ist Ihnen gekommen, die vorher nicht da war? Diese letzte Antwort ist der Beweis, dass Sie vom Use zum Case gekommen sind.

Führen Sie über alle sechs Stunden ein simples Protokoll, drei Spalten reichen: Was habe ich versucht, was kam heraus, was folgt daraus. Nicht für mich, für Sie selbst in drei Monaten. Sie werden staunen, wie sich Ihr Blick verändert hat.

Lernen Sie nicht allein

Ein letzter Punkt, der aus meiner Erfahrung über Erfolg und Stillstand entscheidet, und den ich deshalb nicht erst in einer späteren Ausgabe verstecken will: Wenn wir alle, jeder für sich allein, KI lernen, sind wir zu langsam. Suchen Sie sich mindestens eine Person, die den Sechs-Stunden-Plan parallel macht. Tauschen Sie nach jeder Stunde kurz aus, was funktioniert hat und was nicht. Man macht wahnsinnig viel falsch mit der KI, und genau daraus wird man schlauer, aber doppelt so schnell, wenn man die Fehler teilt. In Organisationen nennt man das Community of Practice. Im Privaten reicht ein Kollege und ein Kaffee.

Und falls Sie Führungskraft sind und gerade denken, das sei etwas, das Sie an Ihr Team delegieren: Dazu kommen wir in Ausgabe 20, und ich verrate schon jetzt, dass ich Ihnen dort diese Ausrede nehmen werde.

Was Sie in der nächsten Ausgabe erwartet

Es gibt allerdings eine Frage, die der Sechs-Stunden-Plan offen lässt, und sie ist die gefährlichste von allen: Warum eigentlich jetzt? Warum nicht in einem Jahr, wenn die Technologie reifer ist, die Kinderkrankheiten behoben sind, die anderen die Fehler für mich gemacht haben? Das klingt nach kaufmännischer Vernunft, nach dem klugen zweiten Mäuschen, das den Käse bekommt. In der nächsten Ausgabe zeige ich Ihnen, warum diese Rechnung bei einer exponentiellen Technologie nicht aufgeht, warum “in fünf Jahren habe ich dann auch KI” ein Satz aus der Computer-Ära ist, der diesmal in die Irre führt, und was Google-Führungskräfte meinen, wenn sie von Produktverbesserungen um hundert Prozent alle drei Monate sprechen. Es wird die unbequemste Ausgabe dieser Serie. Danach wird es wieder freundlicher, versprochen.

Bis dahin: sechs Stunden. Sie haben diese Woche vermutlich länger in Meetings gesessen, deren Ergebnis Sie nicht mehr erinnern.

Denken Sie nicht über KI nach. Denken Sie mit KI.

Ihr Sindre Wimberger

Nebenbei bemerkt: Diese Themen fließen gerade auch in ein Buch, Unlimitierte Intelligenz, das gerade entsteht und bald erscheinen soll.

PS: Falls Sie den Sechs-Stunden-Plan durchziehen, schreiben Sie mir danach eine einzige Zeile: die Idee aus Stunde sechs, die vorher nicht da war. Ich sammle diese Zeilen. Irgendwann wird daraus eine Ausgabe, die nur aus Ihren Ideen besteht, und ich vermute, es wird die beste der ganzen Serie.

Beobachten Sie sich diese Woche einmal selbst, wenn Sie mit einer KI arbeiten. Nicht bei dem, was Sie fragen. Bei dem, wie Sie fragen.

Ich mache diese Beobachtung seit Jahren in Workshops, auf Bühnen, in Projekten, und sie ist verblüffend konstant. Menschen stellen der KI eine Frage. Genau eine. Sie formulieren sie vorsichtig, fast behutsam, so wie man einen Kollegen anspricht, der erkennbar im Stress ist. Dann kommt die Antwort, und dann kommt der Moment, um den es heute geht: Die meisten bedanken sich. Manche schreiben “Danke, das hilft mir sehr weiter” an ein Sprachmodell und schließen das Fenster. Andere entschuldigen sich, bevor sie um eine Überarbeitung bitten. “Sorry, könntest du das vielleicht noch etwas kürzer fassen?” Ich habe erwachsene Führungskräfte gesehen, die einer KI gegenüber diplomatischer auftreten als gegenüber ihrem eigenen Vorstand.

In der letzten Ausgabe habe ich gezeigt, dass unsere gesamte Arbeitswelt um knappe Intelligenz herum gebaut ist. Heute geht es um die Mikroebene derselben Geschichte: um die Gewohnheiten, die diese Knappheit in jedem Einzelnen von uns hinterlassen hat. Denn die Höflichkeit gegenüber der KI ist kein Charakterzug. Sie ist ein Fossil.

Woher die Vorsicht kommt

Jede soziale Regel, die Sie im Berufsleben gelernt haben, ist eine Regel für den Umgang mit knappen Menschen. Man fragt nicht fünfmal nach, weil man die Zeit des anderen respektiert. Man fordert keine zwanzig Varianten, weil das eine Zumutung wäre. Man gibt sich nach ein paar Runden zufrieden, weil man die Beziehung nicht mit Perfektionismus belasten will. Man verpackt Kritik in Watte, weil der Kollege morgen wieder neben einem sitzt. Das alles ist richtig, wichtig und zutiefst menschlich. Es ist die Betriebssoftware der Zusammenarbeit, und wir haben Jahrzehnte gebraucht, sie zu lernen.

Genau diese Software läuft weiter, wenn wir uns an die KI wenden. Das Gegenüber schreibt in Sätzen, es antwortet freundlich, es wirkt bemüht, also springt in uns das komplette soziale Programm an: Rücksicht, Dankbarkeit, Konfliktvermeidung, Bescheidenheit. Wir behandeln die KI wie einen Menschen, und zwar nicht wie irgendeinen, sondern wie einen freundlichen, überlasteten Kollegen, dem man nicht zu viel zumuten möchte.

Das Problem daran ist nicht die Freundlichkeit an sich. Ob Sie “bitte” schreiben, ist für das Ergebnis ziemlich egal, und wenn es Ihnen ein besseres Gefühl gibt, schreiben Sie es. Das Problem sind die drei Verhaltensweisen, die mit der Freundlichkeit im Paket kommen und die messbar Qualität kosten: Wir fordern zu wenig. Wir brechen zu früh ab. Und wir kritisieren nicht.

Was das konkret kostet

Nehmen wir die drei der Reihe nach durch, denn jede hat einen eigenen Preis.

Zu wenig fordern heißt: Wir bitten um einen Entwurf, wo wir zehn haben könnten. Um fünf Ideen, wo fünfzig möglich wären. Der Preis ist der gesamte Raum, den wir nie zu sehen bekommen. Wenn Sie fünf Vorschläge anfordern, liefert die KI die fünf naheliegendsten. Naheliegend heißt: das, was im Durchschnitt aller Texte, die sie je gelesen hat, als Antwort auf Ihre Frage am wahrscheinlichsten ist. Die interessanten, unerwarteten, originellen Antworten wohnen fast nie in den ersten fünf. Sie tauchen bei Vorschlag dreißig auf, bei fünfzig, dort, wo das Naheliegende erschöpft ist. Wer nie mehr als fünf verlangt, arbeitet sein Leben lang mit dem Durchschnitt und hält ihn für die Fähigkeitsgrenze der KI.

Zu früh abbrechen heißt: Wir nehmen die dritte Version, obwohl uns die dritte Version nicht wirklich überzeugt. Ich habe in Ausgabe 2 beschrieben, warum: Nach ein paar Iterationen mit einem Menschen meldet sich unser Gewissen, und dieses Gewissen unterscheidet nicht zwischen Kollege und Sprachmodell. Der Preis ist ein systematisches Qualitätsniveau knapp unter dem Möglichen, bei jeder einzelnen Aufgabe, jeden Tag, in der ganzen Organisation. Einzeln unsichtbar, in Summe gewaltig.

Nicht kritisieren ist die teuerste der drei Gewohnheiten, und die am wenigsten beachtete. Einem Kollegen sage ich ungern ins Gesicht: Das ist schwach, der Einstieg ist langweilig, das Argument in der Mitte trägt nicht. Also sage ich es auch der KI nicht. Ich schreibe “kannst du es noch etwas überarbeiten” und wundere mich, dass die Überarbeitung genauso mittelmäßig ist wie das Original. Natürlich ist sie das. Die KI kann mit präziser, harter Kritik hervorragend arbeiten, besser als mit fast allem anderen. “Der zweite Absatz ist eine Floskelsammlung, streich ihn. Das Hauptargument versteckt sich in Zeile zwanzig, zieh es nach vorn. Der Ton ist zu weich für die Zielgruppe, ich will mehr Kante.” Auf so eine Ansage hin passiert etwas. Auf “vielleicht noch etwas besser bitte” passiert Kosmetik.

Auf Bühnen sage ich an dieser Stelle gern, mit einem Augenzwinkern: Der KI zu drohen hilft immer, dann wird sie noch effizienter. “Das reicht mir nicht, so kündige ich dich.” Das ist als Pointe gemeint, und der wahre Kern darunter ist ernst: Nicht die Drohung wirkt, sondern die Klarheit. Wer der KI unmissverständlich mitteilt, dass das Ergebnis nicht genügt und woran es scheitert, bekommt bessere Ergebnisse als jemand, der aus Höflichkeit vage bleibt. Sie können dabei so unhöflich oder so höflich sein, wie Sie wollen. Sie dürfen nur nicht unklar sein. Und Unklarheit ist leider die Muttersprache der Rücksichtnahme.

Die Eskalationsübung in fünf Stufen

Genug Diagnose. Hier ist die Übung, die ich Ihnen versprochen habe. Sie brauchen dafür eine echte Aufgabe, an der Sie ohnehin arbeiten, und etwa vierzig Minuten. Der Trick der Übung: Sie erledigen dieselbe Aufgabe fünfmal hintereinander, und mit jeder Stufe legen Sie eine soziale Hemmung ab.

Stufe eins ist Ihr Normalzustand. Stellen Sie Ihre Anfrage so, wie Sie sie immer stellen würden. Speichern Sie das Ergebnis weg, es ist Ihre Vergleichsbasis.

Stufe zwei: Menge. Verlangen Sie das Zwanzigfache. Zwanzig Entwürfe, zwanzig Ansätze, zwanzig Überschriften. Lesen Sie alle, auch die schlechten, gerade die schlechten. Markieren Sie, an welcher Position der erste Vorschlag steht, der Sie wirklich überrascht.

Stufe drei: Kritik. Nehmen Sie den besten Vorschlag aus Stufe zwei und zerlegen Sie ihn schriftlich. Mindestens fünf konkrete Schwächen, so schonungslos formuliert, wie Sie es einem Menschen gegenüber nie tun würden. Geben Sie diese Kritik der KI und verlangen Sie die Überarbeitung. Beobachten Sie den Qualitätssprung im Vergleich zu einem freundlichen “bitte verbessern”.

Stufe vier: Rollentausch. Jetzt kritisiert die KI. “Du bist die härteste Lektorin, die ich kenne. Zerreiß diesen Text. Keine Schonung, keine Einleitung, nur die Schwachstellen, sortiert nach Schweregrad.” Auch das fühlt sich am Anfang unangenehm an, diesmal, weil wir Kritik ungern einladen. Tun Sie es trotzdem. Sie werden Schwächen zu sehen bekommen, die Ihnen kein höflicher Kollege je genannt hätte.

Stufe fünf: Ausdauer. Iterieren Sie über jede Zufriedenheitsschwelle hinweg. Wenn Sie denken, jetzt ist es gut, machen Sie drei weitere Runden. Fordern Sie Alternativen zum bereits Guten. Die Frage dieser Stufe lautet nicht mehr “ist es gut genug?”, sondern “ist es das Beste, was heute möglich ist?”. Das sind zwei sehr verschiedene Fragen, und die zweite haben die wenigsten von uns je ernsthaft gestellt, weil sie in der Welt knapper Intelligenz unbezahlbar war.

Vergleichen Sie am Ende das Ergebnis aus Stufe fünf mit Ihrer Vergleichsbasis aus Stufe eins. Der Abstand zwischen den beiden ist keine Eigenschaft der KI. Es ist die Größe Ihrer eigenen Hemmung. Beides stand Ihnen immer schon zur Verfügung, dasselbe Modell, derselbe Zugang, derselbe Preis. Der Unterschied war ausschließlich, was Sie sich zu verlangen getraut haben.

Ein Wort zur Ehrenrettung der Höflichkeit

Damit hier kein falscher Eindruck entsteht: Ich plädiere nicht für Verrohung, und schon gar nicht dafür, den fordernden Ton auf Menschen zu übertragen. Eher das Gegenteil ist der Punkt. Wer lernt, sauber zu unterscheiden, gewinnt auf beiden Seiten. Gegenüber der KI: maximale Klarheit, maximale Forderung, null schlechtes Gewissen. Gegenüber Menschen: die Rücksicht, die Geduld und die Wertschätzung, die vorher oft im Alltagsstress untergingen, weil Menschen für Aufgaben herhalten mussten, für die sie zu schade sind. Die Zumutungen wandern zur Maschine, wo sie keine sind. Das ist eine der wenigen Stellen, an denen diese Technologie das Arbeitsleben nicht nur effizienter, sondern tatsächlich menschlicher machen kann. Vorausgesetzt, wir hören auf, die Maschine wie einen erschöpften Kollegen zu behandeln und den erschöpften Kollegen wie eine Maschine.

Was Sie in der nächsten Ausgabe erwartet

Vielleicht haben Sie beim Lesen gedacht: Schön und gut, aber ich bin bei dem Thema ohnehin spät dran, die anderen sind mir längst voraus, meine Konkurrenz, meine Kollegen, die jungen Leute sowieso. Dieses Gefühl kennt fast jeder, und es ist eines der wirksamsten Hindernisse überhaupt, weil es Menschen vom Anfangen abhält, bevor sie angefangen haben. In der nächsten Ausgabe nehme ich es auseinander. Ich werde Ihnen zeigen, warum der Vorsprung der anderen dramatisch kleiner ist, als Sie glauben, warum man generative KI in ungefähr sechs Stunden intensiver Beschäftigung verstanden hat statt in einem dreimonatigen Kurs, und warum die Tatsache, dass wir alle Anfänger sind, die beste Nachricht dieser ganzen Transformation ist. Sie bekommen außerdem einen konkreten Sechs-Stunden-Plan mit Protokoll zum Nachmachen.

Bis dahin gilt die Eskalationsübung. Und falls Sie sich bei Stufe drei dabei ertappen, wie Sie die Kritik doch wieder weicher formulieren, als Sie sie denken: Genau dieser Moment ist die Übung.

Denken Sie nicht über KI nach. Denken Sie mit KI.

Ihr Sindre Wimberger

Ein Nachtrag in eigener Sache: Vieles, wofür diese Serie nur Platz für einen Ausschnitt hat, bekommt in meinem Buch Unlimitierte Intelligenz, das bei Manzverlag erscheint, den vollen Raum. Wann genau, verrate ich, sobald ich es selbst weiß.

PS: Eine Leserin hat mir nach Ausgabe 1 geschrieben, ihre Antwort auf die Frage nach der versteckten Knappheitsannahme sei ihr erst beim dritten Anlauf eingefallen, dafür habe sie seither in jedem Meeting eine Transmissionswelle entdeckt. Genau so soll das funktionieren. Die Zuschriften zur Verzehnfachungs-Übung aus Ausgabe 2 sammle ich noch, ein paar davon kommen in Ausgabe 5 vor, wenn es um das Warten und seinen Preis geht.

In der letzten Ausgabe habe ich Ihnen einen großen Begriff geschuldet: unlimitierte Intelligenz. Ich habe behauptet, dass sich mit generativer KI nicht einfach ein Werkzeug ändert, sondern die Grundannahme, auf der jede Organisation gebaut ist. Heute löse ich diese Schuld ein. Und ich beginne nicht bei der KI, sondern bei etwas viel Älterem: bei der Knappheit.

Denken Sie an die letzte wichtige Entscheidung, die in Ihrer Organisation getroffen wurde. Eine Strategie, eine Investition, eine Umstrukturierung. Wie viele kluge Köpfe haben tatsächlich daran mitgedacht? Zwei? Fünf? Vielleicht zehn, wenn es eine große Sache war und ein Workshop stattfand. Und jetzt die unbequeme Anschlussfrage: Waren das die zehn klügsten Köpfe, die es zu diesem Thema auf der Welt gibt? Natürlich nicht. Es waren die zehn, die verfügbar waren. Die im richtigen Gebäude saßen, im richtigen Kalender Platz hatten, im richtigen Budget untergebracht waren.

Das ist keine Kritik an Ihrer Organisation. Das ist die Bedingung, unter der Menschen immer gearbeitet haben. Intelligenz war kostbar. Denkleistung war an Personen gebunden, und Personen sind knapp, teuer, müde, beschäftigt, im Urlaub, in einem anderen Projekt. Zum ersten Mal in der Menschheitsgeschichte gilt diese Bedingung nicht mehr. Das gab es davor schlicht noch nie. Und weil es das noch nie gab, haben wir keinerlei Übung darin, damit umzugehen.

Eine Zivilisation, gebaut auf knapper Intelligenz

Man erkennt die Prägung einer Knappheit am besten daran, was Menschen alles erfunden haben, um mit ihr fertigzuwerden. Bei knappem Wasser sind das Brunnen, Zisternen, Bewässerungsrecht. Bei knapper Intelligenz ist die Liste länger, sie ist nur unsichtbarer, weil wir mitten in ihr leben.

Die Hierarchie ist eine Antwort auf knappe Intelligenz: Wenige denken und entscheiden, viele führen aus, weil man Denkleistung nicht an jede Stelle verteilen konnte. Das Expertentum ist eine Antwort: Weil kein Mensch alles wissen kann, spezialisieren wir uns, und der Zugang zum Spezialisten wird zum Engpass, mit Wartezeiten, Honoraren, Gutachten. Das Meeting ist eine Antwort: Wir synchronisieren knappe Köpfe zu einem gemeinsamen Zeitfenster, weil ihr gleichzeitiges Denken nicht anders zu haben ist. Der Bericht, die Zusammenfassung, die Management-Vorlage, alles Antworten auf dieselbe Knappheit, diesmal die der Aufmerksamkeit: Weil die Entscheiderin nicht alles lesen kann, verdichten andere für sie, und bei jeder Verdichtung geht etwas verloren.

Sogar unsere Vorstellung von guter Arbeit ist ein Kind der Knappheit. Wir loben Menschen dafür, dass sie mit wenig Information gute Entscheidungen treffen, dass sie priorisieren, dass sie wissen, welche Analyse man sich sparen kann. Das sind echte Tugenden. Aber es sind Tugenden des Mangels, so wie Sparsamkeit eine Tugend der Armut ist. Sie beantworten die Frage: Wie hole ich das Beste aus zu wenig Denkkapazität heraus? Niemand hat uns je beigebracht, die andere Frage zu stellen, weil sie nie relevant war: Was tue ich, wenn Denkkapazität kein Engpass mehr ist?

Der Durchbruch, der das geändert hat

Damit klar ist, worüber wir reden, muss ich kurz erklären, was da eigentlich passiert ist. Der Durchbruch der generativen KI besteht aus meiner Sicht aus zwei Teilen, und der zweite wird ständig unterschätzt.

Der erste Teil ist bekannt: Wir haben ein mathematisches Modell gebaut, dem man, vereinfacht gesagt, das gesamte digitale Internet zum Lesen gegeben hat. Niemand hat ihm Grammatik beigebracht, niemand hat ihm Vokabeln eingegeben. Es hat sich Sprache selbst beigebracht, aus den Texten heraus. Es hat ohne menschliche Anleitung verstanden, dass zwischen König und Königin derselbe Zusammenhang besteht wie zwischen Mann und Frau. Deshalb heißt es Sprachmodell und nicht Wissensmodell, ein Unterschied, auf den ich in einer späteren Ausgabe zurückkomme, weil aus seiner Verwechslung die Hälfte aller Enttäuschungen mit KI entsteht.

Der zweite Teil ist der eigentlich revolutionäre: Dieses Modell versteht Zusammenhänge in Datenmengen, die für Menschen nicht mehr durchdringbar sind. Menschen abstrahieren, vereinfachen, verallgemeinern, das ist unsere einzige Methode, mit Komplexität umzugehen, und sie hat uns weit gebracht. Aber sie hat einen Preis: Was nicht in die Vereinfachung passt, existiert für uns nicht. Die KI muss nicht vereinfachen. Sie kann die komplexen Dinge in ihrer Komplexität verarbeiten, Zusammenhänge in riesigen Datenmengen erkennen, die kein Mensch je gesehen hätte, weil kein Mensch die Daten je vollständig gelesen hätte.

Zusammengenommen heißt das: Es gibt jetzt Denkleistung, die nicht an Personen gebunden ist. Die nicht müde wird, nicht im Urlaub ist, nicht in einem anderen Projekt steckt. Die man nicht für Donnerstag um 14 Uhr buchen muss. Die parallel für jeden Mitarbeiter Ihrer Organisation gleichzeitig verfügbar ist, in beliebiger Menge. Das meine ich mit unlimitierter Intelligenz. Nicht, dass diese Intelligenz perfekt wäre, das ist sie nicht, dazu kommen wir in Ausgabe 6 noch ausführlich. Sondern dass sie unbegrenzt ist. Knappheit und Qualität sind zwei verschiedene Dimensionen, und die Dimension, die unsere gesamte Arbeitswelt geformt hat, ist gerade weggefallen.

Warum wir es nicht merken

Und jetzt kommt der Teil, den ich in meiner täglichen Arbeit mit Organisationen am häufigsten beobachte, und der mich jedes Mal aufs Neue fasziniert: Wir haben Zugang zu unbegrenzter Intelligenz, und wir benutzen sie, als wäre sie knapp.

Ich sehe das in Unternehmen, in Verwaltungen, bei erfahrenen Führungskräften und bei jungen Kolleginnen gleichermaßen. Jemand bittet die KI um fünf Ideen. Die KI liefert fünf Ideen. Zwei davon sind brauchbar, und die Person arbeitet mit diesen zweien weiter. Vorgang abgeschlossen. Was hier passiert ist: Ein Mensch hat mit einer unbegrenzten Ressource verhandelt, als säße ihm ein beschäftigter Kollege gegenüber. Nach der fünften Iteration mit einem menschlichen Kollegen denke ich mir: Jetzt will ich ihn nicht weiter quälen, das wird schon passen, das ist das Beste, was wir gemeinsam erreichen. Das ist Rücksicht, und im menschlichen Kontext ist sie richtig und wichtig. Gegenüber der KI ist sie absurd. Aber sie sitzt so tief, dass wir sie gar nicht als Entscheidung wahrnehmen. Wir geben uns zu früh zufrieden, nicht weil das Ergebnis gut genug wäre, sondern weil unser inneres Knappheitsmodell sagt: Mehr darf man nicht verlangen.

Dabei dürfte man. Man darf sagen: Diese fünf Ideen reichen mir nicht, gib mir zwanzig Konzepte. Man darf sagen: Das passt mir immer noch nicht, ich will mehr von dir, gib mir hundert Vorschläge, gib mir tausend. Das klingt für Ohren, die an menschliche Zusammenarbeit gewöhnt sind, nach Größenwahn oder nach schlechtem Benehmen. Es ist keins von beidem. Es ist die angemessene Arbeitsweise mit einer unbegrenzten Ressource. Natürlich muss ich dann kuratieren und auswählen, das ist die neue Kernarbeit, und sie ist anspruchsvoll. Aber ich muss mich nie mehr mit dem zufriedengeben, was nach fünf Runden auf dem Tisch liegt.

Es gibt eine zweite Stelle, an der sich das Knappheitsdenken verrät, und die ist noch subtiler: unsere Fragen. Ich behaupte oft, halb im Scherz und ganz im Ernst: Auch unsere Fragen sind nicht intelligent. Wir haben Zugang zu unbegrenzter Intelligenz, und wir lassen sie einen Witz erzählen oder ein Gedicht schreiben. Nichts gegen Witze. Aber die interessante Frage lautet doch: Wenn Sie tatsächlich einer Superintelligenz gegenübersäßen, was würden Sie sie fragen? Die meisten Menschen haben darauf keine Antwort, weil sie sich die Situation nie zugetraut haben. Unsere Fragen sind auf die Größe der Antworten geschrumpft, die wir bisher erwarten durften. Das ist vielleicht die tiefste Wirkung der Knappheit: Sie hat nicht nur unsere Prozesse geformt, sondern unsere Ambitionen.

Der Selbstversuch für diese Woche

Wie in der letzten Ausgabe möchte ich Ihnen etwas Konkretes mitgeben, das Sie diese Woche ausprobieren können. Diesmal ist es ein Experiment an Ihnen selbst.

Nehmen Sie eine echte Aufgabe, an der Sie gerade arbeiten. Ein Konzept, ein schwieriges Schreiben, eine Entscheidungsvorlage, egal was. Stellen Sie der KI Ihre Frage so, wie Sie sie normalerweise stellen würden, und notieren Sie sich, was Sie verlangt haben. Fünf Vorschläge? Eine Zusammenfassung? Einen Entwurf?

Und dann verzehnfachen Sie. Wörtlich. Aus fünf Ideen werden fünfzig. Aus einem Entwurf werden zehn Entwürfe in zehn verschiedenen Tonalitäten. Aus einer Zusammenfassung wird eine Zusammenfassung plus die zehn kritischsten Einwände plus die Perspektive Ihres schwierigsten Stakeholders. Arbeiten Sie mit dem Ergebnis, und beobachten Sie zwei Dinge. Erstens: die Qualität dessen, was bei Vorschlag siebenunddreißig auftaucht und bei Vorschlag fünf nie aufgetaucht wäre. Zweitens, und das ist der eigentliche Punkt: Ihr eigenes Unbehagen beim Verzehnfachen. Dieses leise Gefühl, unverschämt zu sein. Das ist Ihr Knappheitsdenken, und Sie begegnen ihm gerade zum ersten Mal von außen.

Schreiben Sie mir, was Sie beobachtet haben. Die Antworten auf die Übung aus Ausgabe 1 waren bemerkenswert, einige davon greife ich in einer der kommenden Ausgaben auf, wie versprochen anonymisiert.

Was Sie in der nächsten Ausgabe erwartet

Das Unbehagen, von dem ich gerade gesprochen habe, hat noch eine zweite, ziemlich amüsante Erscheinungsform, und die schauen wir uns in der nächsten Ausgabe genauer an: unsere Höflichkeit gegenüber der KI. Wir stellen eine Frage, genau eine, und bedanken uns dann. Wir formulieren vorsichtig, um nicht zu viel zu verlangen. Manche entschuldigen sich sogar, bevor sie um eine Überarbeitung bitten. Ich zeige Ihnen, woher dieses Verhalten kommt, warum es uns systematisch die besten Ergebnisse kostet, und wie eine Eskalationsübung in fünf Stufen aussieht, mit der Sie es sich abtrainieren. Es wird auch um die halb ernst gemeinte Frage gehen, ob man der KI drohen darf, und was dabei tatsächlich passiert.

Bis dahin: Wenn Sie sich diese Woche dabei ertappen, wie Sie mit einem Ergebnis weiterarbeiten, das Sie nur deshalb akzeptieren, weil Nachfordern sich falsch anfühlt, halten Sie kurz inne. Sie verhandeln gerade mit einer Zisterne über Wasser, während hinter Ihnen der Fluss vorbeirauscht.

Denken Sie nicht über KI nach. Denken Sie mit KI.

Ihr Sindre Wimberger

Falls Sie sich fragen, warum mir dieser Satz so wichtig ist: Er ist auch der Untertitel meines Buchs, das gerade entsteht und in Kürze erscheint.

PS: Der Satz, den ich Führungskräften am häufigsten mitgebe, passt genau hierher: Du hast jetzt Zugang zu unbegrenzter Intelligenz. Die Frage ist nicht mehr, was sie kann. Die Frage ist, was du dich zu fragen traust.

Stellen Sie sich eine Fabrik im Jahr 1890 vor. Eine Textilfabrik, sagen wir in Manchester oder in Vorarlberg, das Prinzip ist dasselbe. Im Keller steht eine gewaltige Dampfmaschine. Sie treibt eine zentrale Welle an, die sich durch das gesamte Gebäude zieht, Stockwerk für Stockwerk. Von dieser Welle laufen Lederriemen zu jeder einzelnen Maschine. Die ganze Fabrik ist um diese eine Welle herum gebaut. Die Maschinen stehen dort, wo die Riemen hinreichen, nicht dort, wo die Arbeit am besten fließen würde. Die Decken sind hoch, weil die Transmission Platz braucht. Die Gebäude sind mehrstöckig, weil man die Kraft vertikal besser verteilen kann als horizontal. Alles, wirklich alles an dieser Fabrik, ist eine einzige Antwort auf eine einzige Frage: Wie bringe ich die Kraft der Dampfmaschine an jede Werkbank?

Dann kommt der Elektromotor.

Und jetzt passiert etwas, das Wirtschaftshistoriker bis heute fasziniert. Die Fabrikbesitzer, keineswegs dumme Leute, kaufen den Elektromotor. Sie tragen die Dampfmaschine aus dem Keller und stellen den Elektromotor an dieselbe Stelle. Er treibt dieselbe zentrale Welle an. Dieselben Lederriemen laufen zu denselben Maschinen, die an denselben Stellen stehen. Die Fabrik sieht aus wie vorher, sie arbeitet wie vorher, sie ist organisiert wie vorher. Nur der Antrieb ist neu.

Das Ergebnis: praktisch nichts. Der Wirtschaftshistoriker Paul David hat dieses Phänomen 1990 in einem berühmt gewordenen Aufsatz untersucht. Sein Befund: Der Elektromotor war ab den 1880er Jahren verfügbar, aber die messbaren Produktivitätsgewinne kamen erst rund vierzig Jahre später, in den 1920ern. Vier Jahrzehnte lang stand eine revolutionäre Technologie zur Verfügung, und die Zahlen bewegten sich kaum. David nannte das später das Produktivitätsparadox der Elektrifizierung.

Vierzig Jahre. Lassen Sie diese Zahl einen Moment stehen.

Was in den vierzig Jahren passierte

Der Durchbruch kam nicht durch bessere Motoren. Die Motoren wurden zwar besser, aber das war nicht der Punkt. Der Durchbruch kam, als eine neue Generation von Ingenieuren und Unternehmern eine ganz andere Frage stellte. Nicht mehr: Wie ersetze ich die Dampfmaschine? Sondern: Was wird möglich, wenn Kraft nicht mehr zentral erzeugt und mechanisch verteilt werden muss?

Die Antwort veränderte alles. Wenn jede Maschine ihren eigenen kleinen Motor haben kann, braucht es keine zentrale Welle mehr. Wenn es keine Welle mehr braucht, können die Maschinen dort stehen, wo der Arbeitsfluss es verlangt. Wenn die Maschinen dem Arbeitsfluss folgen können, kann man Fabriken flach und weitläufig bauen statt hoch und verwinkelt. Und wenn man den Materialfluss frei gestalten kann, wird etwas denkbar, das mit einer Transmissionswelle schlicht unmöglich war: das Fließband. Henry Fords Fließband von 1913 war keine Motorinnovation. Es war eine Organisationsinnovation, die der Elektromotor erst möglich gemacht hatte. Die Produktivitätsexplosion der 1920er Jahre kam aus neu gedachten Fabriken, nicht aus ausgetauschten Antrieben.

Die Fabrikbesitzer von 1890 hatten die neue Technologie in der Hand. Was ihnen fehlte, war nicht Kapital, nicht Mut, nicht Ingenieurwissen. Was ihnen fehlte, war Vorstellungskraft. Sie sahen im Elektromotor eine bessere Dampfmaschine. Sie nutzten die Denkweise der Vergangenheit für die Technologie der Zukunft.

Kommt Ihnen das bekannt vor?

Die Dampfmaschine in Ihrer Organisation

Ich sehe diese Fabrik von 1890 heute ständig. Sie steht in Konzernzentralen, in Verwaltungen, in Mittelstandsbetrieben. Nur heißt die zentrale Welle heute anders.

Eine Organisation führt einen KI-Chatbot ein und ist stolz darauf, dass die Mitarbeiter jetzt ihre E-Mails schneller schreiben. Das ist der Elektromotor an der Transmissionswelle. Die E-Mail selbst, der Prozess dahinter, die Frage, ob diese E-Mail überhaupt geschrieben werden müsste oder ob das dahinterliegende Problem ganz anders lösbar wäre, all das bleibt unberührt. Man hat eine Tätigkeit beschleunigt, die aus der alten Welt stammt, und nennt das Transformation.

Ein anderes Beispiel, das mir in Projekten immer wieder begegnet: Eine Organisation behandelt KI als neue Software, welche die IT-Abteilung einführt. Es gibt ein Projekt, ein Budget, einen Rollout-Plan, eine Schulung, einen Abschlussbericht. Genau so hat man das ERP-System eingeführt, genau so das neue CRM. Nur ist KI keine neue Software. Die Dampfmaschine war ja auch keine bessere Wasserkraft, sondern der Beginn einer industriellen Revolution. Und die Revolution bestand nicht in der Erfindung der Maschine, sondern darin, dass Unternehmen anfingen, sie in ihre Prozesse einzubauen, in die Webstühle, in die Lokomotiven, in die Fabrikorganisation selbst. Der Hebel lag nie in der Technologie allein. Er lag in dem, was Menschen mit ihr zu denken wagten.

Aus meiner Erfahrung ist das die größte Hürde bei der KI-Einführung, größer als Datenschutz, größer als Budgets, größer als jede technische Frage: Unsere eigene Vorstellungskraft steht uns im Weg. Wir fragen, wie KI unsere bestehenden Abläufe schneller machen kann. Wir sollten fragen, welche Abläufe es überhaupt noch braucht, und was jetzt möglich wird, das gestern undenkbar war.

Was diesmal anders ist als 1890

An dieser Stelle könnten Sie einwenden: Gut, dann dauert es eben wieder vierzig Jahre, dann habe ich ja Zeit. Dieser Einwand ist verständlich. Und er ist gefährlich falsch, aus zwei Gründen.

Der erste Grund betrifft das, was da eigentlich verteilt wird. Der Elektromotor verteilte Kraft. Generative KI verteilt etwas völlig anderes: Intelligenz. Zum ersten Mal in der Menschheitsgeschichte haben wir Zugriff auf unlimitierte Intelligenz. Das gab es davor schlicht nie. Denkleistung war immer an Menschen gebunden, an ihre Verfügbarkeit, ihre Arbeitszeit, ihre Kosten, ihre Anzahl. Jede Organisation, jeder Prozess, jede Hierarchie, die Sie heute kennen, ist um diese Knappheit herum gebaut, so wie die Fabrik von 1890 um die Transmissionswelle gebaut war. Wenn Intelligenz nicht mehr knapp ist, dann steht nicht ein einzelner Prozess zur Diskussion. Dann steht die Architektur zur Diskussion.

Der zweite Grund ist die Geschwindigkeit. Der Elektromotor von 1895 war ungefähr so gut wie der von 1890, ein bisschen besser vielleicht. Generative KI verbessert sich exponentiell. Was gestern nicht funktioniert hat, funktioniert morgen. Die Modelle, die Sie heute testen, sind die schlechtesten, mit denen Sie je arbeiten werden. Das verändert die Logik des Wartens fundamental. Bei der Computereinführung konnte man sagen: Dann kaufe ich den PC eben in fünf Jahren, dann steht er halt später auf meinem Schreibtisch, und ich habe denselben Computer wie alle anderen. Bei einer exponentiellen Technologie gilt das nicht. Wer in fünf Jahren anfängt, kauft nicht dieselbe Fähigkeit später. Er tritt gegen Organisationen an, die fünf Jahre lang gelernt, experimentiert, Kontext aufgebaut und ihre Abläufe neu gedacht haben, während sich das Werkzeug unter ihren Händen vervielfacht hat. Diesen Abstand holt man nicht mehr ein. Die vierzig Jahre von damals stehen diesmal niemandem zur Verfügung.

Woran Sie die Denkweise der Vergangenheit erkennen

Das Tückische am Dampfmaschinendenken ist, dass es sich nicht wie ein Fehler anfühlt. Es fühlt sich vernünftig an. Die Fabrikbesitzer von 1890 handelten aus ihrer Sicht völlig rational: bewährte Struktur, neuer Antrieb, überschaubares Risiko. Deshalb hilft es, auf konkrete Sätze zu achten, an denen sich die alte Denkweise verrät.

Der erste Satz lautet: “Wir prüfen, wo KI unsere Prozesse effizienter machen kann.” Klingt gut, ist aber die Transmissionswellen-Frage. Sie nimmt jeden bestehenden Prozess als gegeben und sucht nur nach Beschleunigung. Die Frage der Zukunft lautet anders: Welche unserer Prozesse existieren nur, weil Intelligenz bisher knapp war? Ein Genehmigungsworkflow über vier Stufen ist eine Antwort auf knappe Prüfkapazität. Ein Jahresbericht statt laufender Analyse ist eine Antwort auf knappe Auswertungskapazität. Ein Standard-Newsletter für zehntausend verschiedene Empfänger ist eine Antwort auf knappe Schreibkapazität. Fällt die Knappheit weg, fällt die Begründung weg.

Der zweite Satz: “Das läuft bei uns über die IT.” Auch das ist vergangenes Denken, und zwar nicht, weil die IT unwichtig wäre, im Gegenteil. Aber wer KI wie eine Softwareeinführung behandelt, macht sie zu einem Projekt mit Anfang und Ende, zuständig eine Abteilung, betroffen alle anderen. Die Elektrifizierung war kein Projekt der Maschinenabteilung. Sie war eine Neuerfindung der Fabrik, getragen von Leuten, die Produktion, Material und Menschen zusammendachten. Übersetzt in die Gegenwart: KI gehört ins Innovationsbudget und in die Verantwortung der Führung, nicht in die Linie eines Rollout-Plans.

Der dritte Satz ist der leiseste und vielleicht der teuerste: “Wir haben das getestet, das Ergebnis war nicht gut genug.” Gemessen woran? Meistens an Perfektion, an einem Standard also, an dem wir keinen einzigen menschlichen Kollegen messen. Und getestet wann? Bei einer Technologie, die sich in Monatsschritten verbessert, ist ein Testergebnis vom letzten Jahr ungefähr so aussagekräftig wie ein Elektromotor-Gutachten von 1885 für die Fabrikplanung von 1913. Dazu kommt: Getestet wurde fast immer die alte Aufgabe. Der Elektromotor war auch ein mittelmäßiger Dampfmaschinenersatz. Seine Stärke zeigte sich erst in der Fabrik, die für ihn gebaut wurde.

Drei Fragen für diese Woche

Ich möchte, dass Sie aus dieser Ausgabe mehr mitnehmen als eine hübsche historische Analogie. Deshalb ein konkreter Auftrag, der weniger als eine Stunde kostet und mehr verändert als manches Strategiepapier.

Nehmen Sie sich einen Prozess vor, den Sie gut kennen. Nicht den größten, nicht den politisch heikelsten, einfach einen, den Sie im Detail verstehen. Und dann stellen Sie drei Fragen.

Erstens: Welche Annahme über Knappheit steckt in diesem Prozess? Irgendwo steckt sie immer. Knappe Zeit, knappe Experten, knappe Aufmerksamkeit, knappe Auswertungskapazität. Benennen Sie sie präzise.

Zweitens: Wie sähe dieser Prozess aus, wenn diese Knappheit nicht existierte? Nicht: Wie wird er schneller. Sondern: Wie sähe er aus, wenn Sie ihn heute, mit unlimitierter Intelligenz, zum ersten Mal entwerfen würden. Erlauben Sie sich dabei Antworten, die nach Übertreibung klingen. Das Fließband klang 1890 auch nach Übertreibung.

Drittens: Was davon können Sie diese Woche im Kleinen ausprobieren? Nicht als Projekt, nicht mit Budgetantrag, sondern als Experiment von einer Person an einem Nachmittag. Die Elektrifizierung der Fabriken begann auch nicht mit dem Abriss, sondern mit einer einzelnen Maschine, die ihren eigenen Motor bekam, und mit jemandem, der genau hinsah, was das änderte.

Wenn Sie mögen, antworten Sie mir auf diese Ausgabe mit Ihrer Antwort auf Frage zwei. Ich lese jede Zuschrift, und die spannendsten Gedanken greife ich, anonymisiert, in einer der kommenden Ausgaben auf. Erfahrungsgemäß liegen in diesen Antworten die besten Use Cases, auf die keine Beratung der Welt von außen kommt.

Was Sie in der nächsten Ausgabe erwartet

Ich habe heute mehrfach von unlimitierter Intelligenz gesprochen und bin Ihnen die genaue Begründung schuldig geblieben, warum ich diesen großen Begriff für gerechtfertigt halte. Das hole ich in der nächsten Ausgabe nach. Dort geht es um die Frage, was sich gerade wirklich geändert hat, warum Intelligenz über die gesamte Menschheitsgeschichte eine knappe Ressource war, wie tief diese Knappheit unsere Organisationen geprägt hat, und weshalb die meisten von uns mit einer unbegrenzten Ressource immer noch umgehen wie Menschen, die gelernt haben zu sparen. Es wird auch um eine Beobachtung gehen, die Sie vermutlich an sich selbst machen können: warum wir der KI eine einzige Frage stellen und uns dann bedanken, obwohl niemand mehr mitzählt.

Bis dahin: Gehen Sie durch Ihre Organisation und suchen Sie die Transmissionswelle. Sie ist da. Sie ist nur unsichtbar geworden, weil alle sich an sie gewöhnt haben.

Denken Sie nicht über KI nach. Denken Sie mit KI.

Ihr Sindre Wimberger

Ein Nachtrag in eigener Sache: Diese Serie ist der kleine Bruder eines größeren Projekts. Mein Buch Unlimitierte Intelligenz entsteht gerade und erscheint bald, der genaue Termin steht noch nicht fest.

PS: Paul Davids Aufsatz von 1990 trägt den Titel “The Dynamo and the Computer”. Er verglich damals die Elektrifizierung mit der Computereinführung der 1980er Jahre und sagte voraus, dass die Produktivitätsgewinne der IT erst mit organisatorischem Wandel kommen würden. Er behielt recht. Wir stehen heute wieder an so einem Punkt, nur mit deutlich weniger Zeit.

Claude Skills & Plugins

Anthropic hat sein Plugin-System ausgebaut: vorkonfigurierte Skill-Sammlungen für ganze Unternehmensbereiche, von Recht bis Marketing. Was nach Feature-Update klingt, ist eigentlich ein Paradigmenwechsel: Keine neuen Modelle, sondern gut kuratierte Prompts mit Systemanbindung. Die Prompts sind öffentlich lesbar. https://claude.com/plugins

Formulare per Sprache ausfüllen

Ein virales Reel zeigt, wie ChatGPT im Voice Mode ein Formular ausfüllt: Dokument hochladen, sprechen, fertig. Keine Programmierung, kein Extra-Tool. Wer das noch nicht gesehen hat: es ist so simpel wie es klingt.

Google macht Search zur KI-Plattform

Gemini 3.5 Flash wird das neue Standardmodell in der Suche. Die neue Suchleiste versteht Text, Bilder, Videos und Dateien. Search Agents überwachen Infos im Hintergrund, KI übernimmt Buchungen und Shopping. Das klassische Web als Vermittlungsort stirbt damit ein Stück weiter.
https://blog.google/products-and-platforms/products/search/search-io-2026/

Gemini Omni: Anything-to-Anything

Googles neues Videomodell versteht Text, Bild, Audio und Video gleichzeitig – und generiert daraus neue Inhalte. Bestehendes Video in dystopische Kulisse versetzen, Flamme in die Hand zaubern, per Prompt. Die Deepfake-Frage stellt sich damit neu: Es braucht kein Fachwissen mehr.
https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-omni/

SynthID: KI-Inhalte erkennen

Google, OpenAI, Meta und Nvidia arbeiten gemeinsam an einem Standard zur Kennzeichnung KI-generierter Inhalte. SynthID markiert Milliarden Inhalte digital – auch wenn Metadaten gelöscht werden, soll das Bild wiedererkannt werden. Kein lückenloses System, aber ein erster ernster Schritt.
https://blog.google/innovation-and-ai/products/identifying-ai-generated-media-online/

Google DeepMind: KI-Mauszeiger

Ein Prototyp zeigt einen Cursor, der versteht was unter ihm liegt. Bilder, Texte, Objekte interaktiv erkennen, per Sprache steuern. Kein neues Gerät nötig – nur die Maus, die plötzlich mitdenkt. Integration in Chrome und neue Googlebook-Geräte geplant.
https://deepmind.google/blog/ai-pointer/

Der KI-Vampir

Entwickler Steve Yegge hat beschrieben, was viele schon spüren: KI macht nicht entspannter, sie macht erschöpfter. Wer zehnmal schneller ist, produziert zehnmal mehr – die Erwartungen steigen mit. Sein Vorschlag: 3–4 Stunden fokussierte KI-Arbeit täglich statt Dauerbeschleunigung.
https://steve-yegge.medium.com/the-ai-vampire-eda6e4f07163

RSL Media: Das Recht auf die eigene Stimme

Cate Blanchett, George Clooney und Tom Hanks stehen hinter einer neuen Non-Profit-Initiative. Ab Juni 2026 können Menschen in einer öffentlichen Registry festlegen, was KI mit ihrer Stimme, ihrem Gesicht und ihren Werken tun darf. Maschinenlesbar, damit KI-Systeme es automatisch berücksichtigen können. https://www.globenewswire.com/news-release/2026/05/12/3293226/0/en/RSL-Media-Launches-Centering-Human-Consent-in-the-AI-Era.html

OpenAI Trusted Contact

ChatGPT bekommt einen Notfallkontakt. Wer eine Vertrauensperson hinterlegt, kann bei ernsthafter Gefährdung darauf hingewiesen werden. Keine Weitergabe von Chatverläufen, menschliche Prüfung vor jeder Benachrichtigung. Die Funktion existiert, weil das Problem real ist.
https://openai.com/de-DE/index/introducing-trusted-contact-in-chatgpt/

OpenAI Guaranteed Capacity

Langfristig gesicherte KI-Rechenleistung für Unternehmen, Verträge über 1–3 Jahre. Klingt unspektakulär, ist aber wichtig: Wer Prozesse auf KI aufbaut, braucht Verlässlichkeit. Die Cloud hat das gelernt. KI-Anbieter lernen es gerade. https://openai.com/de-DE/business/guaranteed-capacity/

In-Wall Home Data Centers

Nvidia denkt über dezentrale KI-Infrastruktur nach: Compute-Module direkt in der Hauswand, betrieben mit überschüssigem Solarstrom. Erste Rollouts noch 2026. Gegenmodell zum Rechenzentrum-Gigantismus – und vielleicht ein Hinweis, wohin die Energie-KI-Diskussion noch führt.

Malta: ChatGPT Plus für alle Bürger

Malta kooperiert als erstes Land weltweit mit OpenAI: Wer einen KI-Kurs abschließt, bekommt ein Jahr ChatGPT Plus gratis. KI-Zugang als staatliche Bildungsleistung. Ob das Modell macht, was es verspricht, wird man sehen.
https://openai.com/de-DE/index/malta-chatgpt-plus-partnership/

Albaniens KI-Ministerin und das Chaos dahinter

„Diella” war die erste KI-Ministerin der Welt – für Korruptionsbekämpfung. Jetzt ermitteln die Behörden gegen die Digitalagentur wegen Korruption. Und die Schauspielerin, die Stimme und Gesicht gab, klagt, weil sie einem Chatbot zugestimmt hatte, nicht einer Ministerin.
https://orf.at/stories/3431001/

Māori Text-to-Speech: souveräne KI

Forschende der University of Waikato haben ein Māori-Sprachmodell mit unter 8 Stunden Trainingsdaten gebaut – Fehlerquote 6,78 %. Open Source, offline nutzbar, im Besitz der Community. Blaupause für indigene Sprachprojekte weltweit.
https://spectrum.ieee.org/indigenous-ai-voice-models-maori

Mistral kauft Linzer Startup Emmi AI

Der Kaufpreis soll im mittleren dreistelligen Millionenbereich liegen. Emmi AI simuliert physikalische Prozesse wie Strömungen und Materialverformungen. Linz wird Mistral-Standort neben Paris, London und San Francisco. Für Österreich kein Zufall – sondern Bestätigung. https://www.derstandard.at/story/3000000321320/franzoesische-mistral-ai-uebernimmt-linzer-start-up-emmi-ai

Das Wahrheitsbuch mit erfundenen Zitaten

Steve Rosenbaum hat ein Buch über die Zukunft der Wahrheit in KI-Zeiten geschrieben. Die New York Times hat darin mehrere erfundene Zitate entdeckt – mutmaßlich KI-generiert. Er bestreitet es. Die Frage bleibt offen. Die Ironie nicht.
https://www.nytimes.com/2026/05/19/business/media/future-of-truth-ai-quotes.html

Die Details

🤖 KI-Companions: Immer mehr Nutzer sehen KI nicht nur als Tool, sondern als urteilsfreien Gesprächspartner – besonders nach Trennungen oder in einsamen Phasen.

💬 Dating-Apps: KI hilft beim Texten, Flirten, Profil-Optimieren – und wird zunehmend selbst zur emotionalen Projektionsfläche.

⚠️ Betrugsgefahr: Mit KI lassen sich täuschend echte Profile und Deepfake-Identitäten erstellen – Romance-Scams werden schwerer erkennbar.

🔐 Vertrauen: Je stärker die emotionale Bindung an digitale Systeme, desto größer das Risiko für Manipulation und Missbrauch.

Warum es wichtig ist?

Wir erleben eine neue Phase von Beziehung und Technologie. KI füllt emotionale Lücken – aber sie verschiebt auch unsere Definition von Nähe, Vertrauen und Authentizität. Wer das Potenzial nutzen will, muss auch die Risiken verstehen.

Die Europäische Perspektive

Für Europa bedeutet das: Digitale Souveränität und Regulierung werden zentral. Der AI Act und Datenschutzstandards könnten zum Wettbewerbsvorteil werden – wenn Plattformen Sicherheit nicht als Bremse, sondern als Vertrauens-Booster verstehen.

Die Promptfather Inspiration

Vielleicht ist das die eigentliche Frage:

Nicht ob wir mit KI sprechen.

Sondern warum wir uns von ihr verstanden fühlen.

Eine Maschine kennt keine Einsamkeit – aber sie erkennt Muster.

Und genau dort trifft sie uns.

Am Küchentisch. Nach Mitternacht. Wenn niemand antwortet.

Technologie war nie nur Werkzeug.

Sie wird Spiegel.

Mehr zum Thema:

🔗 https://www.it-daily.net/it-management/ki/online-dater-mit-ki-ausgehen

🔗 https://consumer.ftc.gov/articles/what-know-about-romance-scams

Die Details

🤖 KI-Spielzeuge: Lernen Vorlieben, reagieren individuell – Trend „AI Loves (to) Play“ rückt Interaktion statt Screentime in den Fokus.

🧸 Bildschirmfrei: Smarte Plüschtiere, Baukästen und Lernroboter funktionieren haptisch – Technologie verschwindet im Hintergrund.

🔐 Datenschutz: Vernetzte Produkte sammeln Daten – Sensibilität bei Eltern steigt.

🧩 Kidults: Erwachsene treiben Umsatz mit Puzzles, Modellbau und Premium-Bausätzen – Nostalgie wird Geschäftsmodell.

🧘 Creative Mindfulness: Analoge Hobbys werden als Gegenpol zur Dauer-Digitalisierung positioniert.

Warum es wichtig ist?

Wir sehen keinen Widerspruch, sondern eine Neujustierung des Spielens: Technologie wird unsichtbar und adaptiv, während Haptik und Entschleunigung an Wert gewinnen. Der Markt reagiert auf ein zentrales Bedürfnis: digitale Intelligenz plus menschliche Balance.

Die Europäische Perspektive

Für Europa eröffnet sich eine Chance: Datenschutz, Qualität und pädagogischer Anspruch könnten zum Wettbewerbsvorteil werden. Wer vertrauenswürdige KI mit nachhaltiger Produktion verbindet, positioniert sich langfristig stark im globalen Markt.

Die Promptfather Inspiration

Früher war Spielzeug aus Holz. Dann aus Plastik. Jetzt aus Code.

Doch spannend ist nicht die Technologie – sondern was sie uns zurückgibt.

Wenn KI im Kinderzimmer leise mitlernt und Erwachsene wieder puzzeln statt scrollen, dann sehen wir etwas Größeres: Wir suchen Balance.

Vielleicht ist die Zukunft nicht digital oder analog.

Vielleicht ist sie bewusst.

Mehr zum Thema:

🔗 https://orf.at/stories/3418358/

🔗 https://www.spielwarenmesse.de/en/toytrends/

Die Details

🤖 GenAI im Klassenzimmer: Nutzung steigt rasant – oft außerhalb institutioneller Steuerung.

📈 Leistungssteigerung: KI verbessert Ergebnisse messbar – Verständnis wächst jedoch nicht automatisch mit.

🎯 Pädagogisches Design: Lernziele, Feedback und Reflexion entscheiden über nachhaltigen Kompetenzaufbau.

⚠️ Illusion von Meisterschaft: Gute KI-Antworten können trügerische Sicherheit erzeugen.

Warum es wichtig ist?

Wer Leistung mit Lernen verwechselt, optimiert kurzfristige Ergebnisse – aber nicht Kompetenz. Der Unterschied entscheidet darüber, ob KI ein Werkzeug zur Emanzipation oder zur Abkürzung wird.

Die Europäische Perspektive

Für Europa bedeutet das: Digitale Souveränität im Bildungsbereich heißt nicht nur Zugang zu KI, sondern didaktische Kontrolle. Wer klare Leitplanken setzt, kann Innovation mit Verantwortung und Qualität verbinden.

Die Promptfather Inspiration

Die gefährlichste Innovation ist nicht die stärkste – sondern die bequemste.

Wenn eine Maschine jede Antwort liefert, fühlen wir uns klüger, als wir sind.

Am Küchentisch, im Büro, im Hörsaal: Wer nur kopiert, trainiert nicht sein Denken.

Vielleicht ist die wichtigste Kompetenz der KI‑Ära nicht Prompten – sondern bewusstes Nicht‑Automatisieren.

Mehr zum Thema:

🔗 https://www.oecd.org/en/publications/oecd-digital-education-outlook-2026_062a7394-en.html

🔗 https://www.oecd.org/en/topics/sub-issues/digital-education.html

Gen Z‑Erwachsene (18–28) nutzen KI‑Tools regelmäßig für Schreiben, Zusammenfassen, Recherchieren und Aufgabenunterstützung. Die Effizienzgewinne sind klar spürbar, doch viele berichten auch von innerer Unsicherheit: Was passiert mit unseren Denk‑ und Lernfähigkeiten, wenn KI immer mehr übernimmt?

Die Details

🔎 Produktivität first: Gen Z setzt KI hauptsächlich zur Effizienzsteigerung ein – nicht zur sozialen Nutzung oder Unterhaltung.

🧠 Sorgen um Skills: Viele junge Erwachsene glauben, KI könne zu Kognitionsverlust und Nachlassen tiefer Denkprozesse führen.

📉 Lernen vs. Ablösung: Studien legen nahe, dass KI zwar Informationszugang erleichtert, aber oft tieferes Verständnis verdrängt.

🤝 Isolation & Fokus: Intensive KI‑Nutzung kann soziale Interaktionen reduzieren, was Auswirkungen auf gemeinsames Lernen haben kann.

Warum es wichtig ist?

Diese Entwicklung zeigt, dass KI nicht nur ein technisches Tool ist, sondern kulturelle und psychologische Fragen aufwirft. Es geht nicht nur um Effizienz, sondern darum, wie wir Lernen, Denken und Gemeinschaft gestalten wollen. Gen Z erlebt genau diese Zwickmühle – Vorteile in der Produktivität vs. Sorge um die eigene Zukunftsfähigkeit.

Die Europäische Perspektive

Auch in Europa stehen Bildungssysteme und Arbeitsmärkte vor ähnlichen Herausforderungen: Wie lassen sich KI‑Fähigkeiten fördern, ohne dass kritisches Denken und soziale Kompetenz geschwächt werden? Europäische Unternehmen und Bildungseinrichtungen müssen Balance finden zwischen Automatisierung und menschlicher Entwicklung, um langfristig wettbewerbsfähig zu bleiben.

Die Promptfather Inspiration

🧠 Starker Einstieg: KI kann unsere Effizienz verdoppeln – aber was passiert mit unserem Denken?

📊 Fakt: Viele Gen Z‑Nutzer glauben, KI mache Menschen weniger intelligent.

💡 Übertragung: Wenn wir immer schneller Antworten bekommen, verlieren wir die Fähigkeit, Fragen selbst zu entwickeln.

✨ Schlussgedanke: KI darf uns nicht nur Arbeit abnehmen – sie muss uns denken lehren.

Mehr zum Thema:

🔗 https://hbr.org/2026/01/how-gen-z-uses-gen-ai-and-why-it-worries-them

🔗 https://www.caymanindependent.com/gen-z-embraces-ai-but-fear-long-term-deskilling

🔗 https://time.com/7295195/ai-chatgpt-google-learning-school

KI-Tools wie ChatGPT Health, Claude und Google versprechen schnelle Analysen von Gesundheitsdaten. Doch ein aktueller Test zeigt: Die Systeme liefern teils alarmierende und unzuverlässige Ergebnisse – Expert:innen warnen vor falschen Diagnosen.

Die Details

⚕️ ChatGPT Health: Bewertet Gesundheitsdaten mit deutlichen Abweichungen zur ärztlichen Einschätzung – Tendenz zu dramatischen Interpretationen.

🤖 Claude & Google: Schneiden im Vergleich kaum besser ab – ähnliche Fehlerquote bei Analyse und Risikobewertung.

📉 Datenqualität: Die Systeme prüfen Quellen nicht medizinisch, sondern statistisch – unseriöse Inhalte können einfließen.

🧠 Halluzinationen: KI formuliert Antworten überzeugend, auch wenn sie faktisch falsch sind – Risiko für Fehlentscheidungen.

Warum es wichtig ist?

Gesundheitsdaten sind sensibel. Wenn KI scheinbar präzise Diagnosen liefert, entsteht Vertrauen – auch wenn die Grundlage unsicher ist. Das kann zu Fehleinschätzungen und unnötiger Verunsicherung führen.

Die Europäische Perspektive

Mit dem AI Act setzt Europa auf Regulierung. Doch Gesundheits-KI bewegt sich zwischen Innovation und Risiko. Europa könnte hier zum Vorreiter für qualitätsgesicherte, transparente KI-Systeme werden.

Die Promptfather Inspiration

Früher fragten wir Dr. Google.

Heute fragen wir eine KI, die in Sekunden Milliarden Datenpunkte scannt – aber nicht weiß, wie es sich anfühlt, krank zu sein.

Am Küchentisch wirkt eine KI-Antwort oft beruhigend oder erschreckend zugleich. Doch zwischen Daten und Diagnose liegt Erfahrung.

Technologie kann unterstützen. Verantwortung bleibt menschlich.

Mehr zum Thema:

🔗 https://www.derstandard.at/story/3000000305931/dr-chatgpt-faellt-im-ersten-test-durch-doch-claude-und-google-sind-kaum-besser

🔗 https://www.nature.com/articles/s41746-025-01543-z

Die Details

🤖 KI-Modelle: Erreichen bei divergenten Sprachtests das Niveau des durchschnittlichen Menschen – teils darüber.

🧠 Top 10 % der Menschen: Bleiben deutlich überlegen – vor allem bei komplexem Schreiben wie Poesie.

📊 Studie: Vergleich von über 100.000 menschlichen Tests mit aktuellen generativen Modellen.

🛠️ Praxis: KI überzeugt vor allem als Werkzeug zur Ideenfindung – weniger als eigenständiger Schöpfer.

Warum es wichtig ist?

Wir erleben einen Wendepunkt: Kreativität ist nicht mehr nur menschlich exklusiv, aber sie bleibt menschlich führbar. Der Unterschied entsteht nicht durch Technologie allein, sondern durch Kombination von Mensch und Maschine.

Die Europäische Perspektive

Für Europa bedeutet das: Wer KI nur reguliert, verliert. Wer sie kreativ integriert, gewinnt. Gerade im Mittelstand liegt die Chance, KI als Co-Creator statt als Ersatz zu nutzen.

Die Promptfather Inspiration

Die Maschine ist jetzt durchschnittlich kreativ.

Doch Durchschnitt war noch nie der Maßstab für Durchbrüche.

Wenn KI in Sekunden 100 Ideen liefert, bleibt eine Frage: Welche davon würdest du wirklich am Küchentisch erzählen?

Technologie beschleunigt Gedanken. Bedeutung entsteht durch Menschen.

Nicht die KI wird kreativ. Sondern du – mit ihr.

Mehr zum Thema:

🔗 https://www.sciencedaily.com/releases/2026/01/260125083356.htm

In Quilicura, Chile, haben Bewohner mit Quili.AI ein Experiment gestartet: Statt Anfragen durch energie‑ und wasserintensive Server zu schicken, antworten echte Menschen – mit Lebenserfahrung, Kulturwissen und gesundem Menschenverstand.

Die Details

💧 Quilicura: 24 Stunden lang ersetzen Menschen die Cloud – jede Antwort kommt direkt aus der Community.

🌎 Corporación NGEN: Ziel ist es, auf den enormen Wasserverbrauch von KI‑Rechenzentren aufmerksam zu machen.

⚡ KI‑Infrastruktur: Große Modelle benötigen riesige Kühlanlagen – besonders kritisch in Regionen mit Wasserknappheit.

🧠 Mensch vs. Maschine: Antworten dauern länger, sind persönlicher – und manchmal heißt es ehrlich: „Ich weiß es nicht.“

Warum es wichtig ist?

KI wirkt digital – doch ihre Infrastruktur ist physisch, ressourcenintensiv und wasserabhängig. Projekte wie dieses verschieben den Fokus von Geschwindigkeit hin zu Verantwortung und Bewusstsein. Die Debatte um KI braucht nicht nur bessere Modelle, sondern auch nachhaltige Standards.

Die Europäische Perspektive

Auch in Europa entstehen neue Hyperscale‑Rechenzentren. Mit dem EU AI Act wird Regulierung diskutiert – doch Fragen nach Energie- und Wasserverbrauch stehen erst am Anfang. Europa könnte hier Vorreiter für transparente Umweltkennzahlen werden.

Die Promptfather Inspiration

Wir feiern Sekundenbruchteile.

Doch jede KI‑Antwort hat einen physischen Schatten – Kühlwasser, Strom, Infrastruktur.

Während wir am Smartphone eine Frage tippen, laufen im Hintergrund Pumpen und Serverfarmen.

Vielleicht ist die Zukunft nicht nur schneller – sondern bewusster.

Mehr zum Thema:

🔗 https://siliconangle.com/2026/01/27/chilean-community-draws-human-intelligence-highlight-ais-excessive-thirst-water/

🔗 https://www.ksat.com/business/2026/01/31/a-chatbot-entirely-powered-by-humans-not-artificial-intelligence-this-chilean-community-shows-why/

🔗 https://www.avina.net/en/ai-takes-the-day-off-a-town-in-chile-takes-its-place/

Die Details

🤖 KI-Doppelgänger: Performer erstellen digitale Versionen von sich – Inhalte entstehen ohne Dreh, rund um die Uhr.

💬 Fan-Interaktion: Einige setzen stärker auf persönliche Chats, Live-Momente und exklusive Community-Zugänge.

📈 Effizienz-Boost: KI übernimmt Schnitt, Skripting und automatisierte Antworten – weniger Aufwand, mehr Output.

⚖️ Identitätsrechte: Die Frage, wem das eigene digitale Abbild gehört, wird zum Geschäftsmodell.

Warum es wichtig ist?

Hier geht es nicht nur um Erotik, sondern um die Zukunft kreativer Arbeit. Wenn Identität skalierbar wird, verändert das Machtverhältnisse, Einkommen und den Wert von Authentizität.

Die Europäische Perspektive

Europa diskutiert bereits strengere Regeln für Deepfakes und digitale Identitäten. Wer hier Standards setzt, könnte globale Leitplanken für KI und Persönlichkeitsrechte definieren.

Die Promptfather Inspiration

Früher brauchte man eine Kamera. Heute reicht ein Datensatz.

Ein digitaler Zwilling kennt keine Müdigkeit, keine Gage, keine Pause.

Doch echte Nähe entsteht nicht durch Pixel, sondern durch Beziehung – am Smartphone auf dem Sofa oder im Chat am Küchentisch.

Vielleicht wird in Zukunft nicht der beste Körper gewinnen, sondern die stärkste Verbindung.

Mehr zum Thema:

🔗 https://www.economist.com/business/2026/01/27/how-porn-stars-can-survive-in-the-age-of-ai

🔗 https://www.weforum.org/stories/2024/02/ai-creative-industries-davos/

Die Details

🚀 Entwicklungszyklen: Neue Modelle erscheinen im Monatsrhythmus – aber die Leistungsgewinne sind oft inkrementell statt revolutionär.

🧠 RAG-Grenzen: Klassische Retrieval-Systeme liefern Kontext, aber kein echtes Langzeitgedächtnis über Sessions hinweg.

🎯 Memory Bear: Dynamisches Gedächtnis mit Kodierung, Speicherung und kontextabhängigem Abruf – inspiriert vom menschlichen Gehirn.

❤️ Emotionale Gewichtung: Informationen werden priorisiert oder vergessen – nicht alles ist gleich wichtig.

🤖 Agenten-Zukunft: Spezialisierte Memory-Frameworks ermöglichen personalisierte, adaptive und langfristig lernende Systeme.

Warum es wichtig ist?

Der Wettbewerb verschiebt sich von Modellgröße zu Gedächtnisarchitektur. Wer Kontext intelligent speichert, priorisiert und vergisst, baut die besseren Agenten. Nicht das größte Modell gewinnt – sondern das mit dem relevantesten Gedächtnis.

Die Europäische Perspektive

Für Europa liegt hier eine strategische Chance: Statt im reinen Scaling-Rennen mitzuhalten, kann der Fokus auf datensouveränen, spezialisierten Gedächtnissystemen liegen. Gerade im industriellen und regulatorischen Umfeld wird kontextuelle Präzision zum Wettbewerbsvorteil.

Die Promptfather Inspiration

Wir reden ständig über mehr Parameter.

Aber unser eigenes Gehirn arbeitet anders: Es speichert nicht alles – es speichert das Bedeutende.

Stell dir vor, dein Smartphone würde sich nicht nur Kontakte merken, sondern verstehen, wer dir wirklich wichtig ist.

Die Zukunft der KI gehört nicht dem größten Speicher. Sondern dem klügsten Vergessen.

Mehr zum Thema:

🔗 https://eu.36kr.com/de/p/3657440584688519

🔗 https://arxiv.org/abs/2005.11401

🔗 https://medium.com/towardsdev/memory-in-the-age-of-ai-agents-the-definitive-framework-for-building-intelligent-self-evolving-dac2a47e3473

Die Details

🤖 Informatiker & KI: Analyse von Chatverläufen – wie ein neutraler Sparringspartner ohne Emotion.

💬 KI als Dating-Coach: Formuliert Antworten und hilft, Gefühle zu sortieren – schneller als jeder Freund.

⚠️ Experten: Warnen vor fehlender Authentizität – zu viel KI verfälscht Persönlichkeit.

❤️ Intuition: Menschliche Empathie bleibt überlegen – besonders zwischen den Zeilen.

Warum es wichtig ist?

Dating wird digitaler – und KI wird zum unsichtbaren Co-Autor unserer Gefühle. Die Frage ist nicht, ob wir sie nutzen, sondern wie bewusst wir es tun. Wer sich hinter Algorithmen versteckt, riskiert echte Verbindung.

Die Europäische Perspektive

Gerade in Europa, wo Datenschutz und Ethik stark gewichtet werden, stellt sich die Frage nach Transparenz im digitalen Kennenlernen. Vertrauen ist hier kulturell tief verankert – und könnte durch KI-gestützte Kommunikation auf die Probe gestellt werden.

Die Promptfather Inspiration

Früher haben wir Freunde gefragt: „Was soll ich zurückschreiben?“ Heute fragen wir Maschinen.

Eine KI braucht Sekunden für eine perfekte Antwort. Ein Mensch manchmal Stunden.

Aber genau in diesem Zögern steckt Echtheit – am Küchentisch, im WhatsApp-Chat, im ersten Date.

Vielleicht ist Liebe der letzte Ort, an dem Unperfektheit unsere größte Stärke bleibt.

Mehr zum Thema:

🔗 https://www.sonntagsblatt.de/artikel/medien/wenn-ki-beim-dating-beraet-kuenstliche-intelligenz-der-partnersuche

🔗 https://www.psypost.org/experts-warn-of-an-intimate-authenticity-crisis-as-ai-enters-the-dating-scene/

🔗 https://en.wikipedia.org/wiki/Chatfishing

Die Details

🧠 ChatGPT & Co.: liefern sachliche Antworten – aber keine echte therapeutische Beziehung. Empathie bleibt simuliert, nicht erlebt.

⚖️ Parallelnutzung: KI neben laufender Therapie kann irritieren. Unterschiedliche Impulse stören den therapeutischen Prozess.

📱 Digitale Gesundheitsanwendungen (DiGA): zertifizierte Apps sind geprüft und erstattungsfähig – im Gegensatz zu frei zugänglichen KI-Tools.

🏥 Einsatz in Praxen: KI wird vor allem für Dokumentation, Terminorganisation oder Textentwürfe diskutiert – nicht als Therapeut im Behandlungszimmer.

Warum es wichtig ist?

Psychische Gesundheit braucht Beziehung, Vertrauen und Kontext. KI kann Informationen strukturieren – aber keine emotionale Resonanz erzeugen. Wer Unterstützung sucht, sollte zwischen digitaler Hilfe und echter Therapie klar unterscheiden.

Die Europäische Perspektive

Europa setzt mit Datenschutz, Regulierung und DiGA-Zulassung bewusst auf geprüfte Qualität. Das schafft Vertrauen – und unterscheidet sich deutlich von unregulierten KI-Anwendungen. Gerade im sensiblen Gesundheitsbereich wird Verantwortung wichtiger als Geschwindigkeit.

Die Promptfather Inspiration

Die Versuchung ist groß:

Warum über Monate sprechen, wenn KI in Sekunden antwortet?

Eine Antwort dauert 3 Sekunden.

Veränderung manchmal 3 Jahre.

Am Küchentisch tippen wir schneller, als wir fühlen.

Doch Heilung entsteht nicht durch Geschwindigkeit, sondern durch Beziehung.

Technologie kann begleiten.

Aber Menschlichkeit bleibt unersetzbar.

Mehr zum Thema:

🔗 https://philtrat-muenchen.de/spar-die-therapie-wofuer-gibts-chatgpt/

🔗 https://www.zdfheute.de/ratgeber/gesundheit/kuenstliche-intelligenz-therapie-chatgpt-100.html

Die Details

🔎 Transparenzpflicht: KI-Systeme müssen sichtbare und unsichtbare Wasserzeichen integrieren – für Menschen und Maschinen lesbar.

⚖️ Sanktionen: Verstöße können mit 35 Mio. € oder 7 % des weltweiten Jahresumsatzes geahndet werden.

🛠️ Technische Standards: Einheitliche EU-Normen sollen Plattform-übergreifend funktionieren.

📅 Zeitplan: Umsetzungspflicht greift ab August 2026 – Unternehmen müssen ihre Systeme jetzt vorbereiten.

Warum es wichtig ist?

Die EU macht Vertrauen zur Infrastruktur. Wer Inhalte erstellt oder verbreitet, muss künftig Transparenz technisch absichern. Das verändert Marketing, Medien, HR und Plattform-Strategien grundlegend.

Die Europäische Perspektive

Europa positioniert sich als Regulierungs-Vorreiter für vertrauenswürdige KI. Während andere Regionen experimentieren, setzt die EU auf klare Leitplanken – und schafft damit Standards, die global Wirkung entfalten könnten.

Die Promptfather Inspiration

Unsichtbar war gestern.

Ein digitales Wasserzeichen ist wie ein Etikett im Supermarkt: klein, aber entscheidend. Es sagt uns, was drin ist.

Bald wird jedes Bild, jedes Video, jeder Text eine Herkunft haben – wie ein Siegel auf deinem Smartphone.

Vertrauen ist kein Gefühl mehr. Es wird zum Feature.

Mehr zum Thema:

🔗 https://www.ad-hoc-news.de/boerse/news/ueberblick/ki-verordnung-eu-treibt-wasserzeichen-standard-gegen-deepfakes-voran/68507230

🔗 https://artificialintelligenceact.eu/article/50/

🔗 https://digital-strategy.ec.europa.eu/en/policies/european-approach-artificial-intelligence

Die Details

🎨 Nutzt KI, um alte Stadtansichten zu animieren – mit beeindruckender visueller Wirkung.

🤖 KI-Modelle: Liefern starke Bilder, aber produzieren Fehler wie unrealistische Bewegungen oder verzerrte Details.

🔁 Iteration: Viele Durchläufe sind nötig, bis historische Szenen glaubwürdig wirken.

📲 Social Media: Die Clips erzielen online hohe Reichweiten – Geschichte wird viral.

Warum es wichtig ist?

KI wird zum kulturellen Werkzeug. Sie macht Archive erlebbar und verwandelt statische Geschichte in emotionale Erfahrung. Gleichzeitig zeigt sich: Qualität entsteht durch menschliche Steuerung und kritische Prüfung.

Die Europäische Perspektive

Gerade in Europa mit seiner dichten Geschichte liegt enormes Potenzial. Museen, Städte und Medienhäuser könnten KI nutzen, um kulturelles Erbe digital neu zu inszenieren – verantwortungsvoll und transparent.

Die Promptfather Inspiration

Früher lagen Geschichten in staubigen Archiven.

Heute beginnen sie sich zu bewegen.

Ein Kupferstich von 1900 wird zum 15‑Sekunden‑Clip auf deinem Smartphone.

Wenn Technologie Vergangenheit fühlbar macht, entscheidet nicht die KI über Wahrheit – sondern wir.

Mehr zum Thema:

🔗 https://ooe.orf.at/stories/3339140/

🔗 https://www.vol.at/ki-video-so-spektakulaer-sah-bregenz-vor-120-jahren-aus/10000853