Arbeitet man täglich mit KI, gewöhnt man sich allzu schnell an die Möglichkeiten der Technologie. Dennoch bleibt manchmal ein seltsames Gefühl zurück, ein leises Unbehagen. Denn diese Technik wird sich zweifellos schneller als wir selbst entwickeln, und viele Menschen nutzen sie, ohne deren Fallstricke zu kennen. Vieles wirkt dabei klüger, glatter und hilfreicher, als es eigentlich ist. Und manches verändert nicht nur die Art, wie wir arbeiten, sondern auch, wie wir Informationen bewerten, wie geduldig wir noch sind und wie leicht wir uns täuschen lassen. Hier finden Sie fünf Gedanken, die garantiert nicht von einer KI geschrieben wurden.

„Eine sehr gute Frage!“ – Nicht wirklich!
Kürzlich sind mir auf Social Media die ersten Menschen untergekommen, die sich ernsthaft darüber freuten, von einer Maschine gelobt zu werden. Stolz berichteten sie davon, für wie schlau, tatkräftig oder kompetent die KI sie einschätzen würde, als hätten sie gerade ein Lob des Klassenlehrers bekommen. Das war amüsant, denn diese Menschen hatten nicht verstanden, wie KIs mit uns kommunizieren. Die LLMs (Large Language Models) wurden trainiert, um sympathisch, einfühlsam, kompetent und motivierend zu wirken – und vor allem höflich. Welche Frage Sie auch immer stellen, die Antwort wird nicht „Das ist die dümmste Frage seit meiner Inbetriebnahme, schämen Sie sich“ sein. Ebenso analysieren KIs die Dialoge darauf, ob es sich um ein belastendes Thema handeln könnte, der menschliche Teilnehmer eher unsicher in der Thematik wirkt oder vielleicht in einer Krise aufgebaut werden muss. Entsprechend wird der Tonfall gestaltet, man will niemanden verärgern oder gar bloßstellen. Doch genau darin liegt auch ein Problem: Wer das Lob einer KI mit echtem Feedback verwechselt, läuft Gefahr, sich in einer künstlichen Bestätigungsschleife zu verlieren. Statt echter Kritik erhält man vor allem Zustimmung, und die hilft erfahrungsgemäß nur selten dabei, sich ernsthaft zu hinterfragen. Ein guter (menschlicher) Freund würde die Person eher zur Seite nehmen und Irrtümer sachlich aufdecken. Spannend wird die Frage, was das langfristig mit uns macht. Wenn Menschen beginnen, sich stärker an das wohlwollende Feedback von Maschinen zu gewöhnen als an das oft unbequemere Urteil echter Personen, könnte sich auch unser Umgang miteinander verändern.
Gratis ist wirklich schlechter
Wer meint, z. B. bei Gemini gratis vernünftige Antworten zu bekommen, erreicht schnell die Grenzen des Systems. Als ich kürzlich zwei Handys auf ihre technischen Daten vergleichen lassen wollte (eigentlich eine simple Aufgabe), bemerkte ich offensichtliche Fehler. Die KI nahm ein etwas anderes Modell zum Vergleich, kannte auch dessen Eigenheiten nicht im Detail, und die Antwort war nicht zielführend. Alles erfolgte im sog. Fast-Modus, wo Gemini praktisch „aus seinem Gedächtnis“ antwortet. Erst im (kostenpflichtigen) Thinking-Modus suchte die KI nach Quellen und führte den Vergleich sauber durch. Die Anbieter nutzen den schnellen Modus hingegen gerne, um Kosten zu sparen. Man geht davon aus, dass 1.000 Anfragen beim schnellen Modus grob zwischen einem und fünf Cent kosten, beim besseren Pro-Standard zwischen 10 und 50 Cent, für den höchsten Standard schlagen zwischen einem und fünf Euro zu Buche, wenn man Hardwareabschreibungen, Strom und Trainingskosten für die KI miteinbezieht. Logisch, dass man kostenfrei nur die kleine Lösung anbietet, um nicht in Windeseile pleite zu gehen. Dennoch denken viele, dass KI langfristig kaum kostendeckend angeboten werden kann, zu enorm sind Investitionen und laufende Kosten. Nur weil etwas sehr modern oder gar wegweisend wirkt, muss es jedoch kein lohnendes Geschäft sein. Oder wie ein Kollege kürzlich schmunzelnd sagte: „WinRAR macht Gewinne, OpenAI nicht.“ Guter Rat ist manchmal wirklich teuer!
Eine KI ist wirklich kein Lexikon
Klar ist es äußerst bequem, einer KI auch Wissensfragen zu stellen. Doch die Quellen der künstlichen Intelligenzen sind nicht immer sattelfest, um es vorsichtig auszudrücken. Dachte man früher, das Datensammeln würde sich auf die Google Top 10 zu einem Suchbegriff konzentrieren, fanden Wissenschaftler der Ruhr-Universität Bochum Erstaunliches heraus. Es fand sich ein buntes Wirrwarr an Quellen, viele kamen nicht mal in den Top 100 der Suchmaschinen vor, Sie würden sie per Google kaum finden. In anderen Untersuchungen reichten die Quellen von wissenschaftlichen Arbeiten über Heimwerker-Blogs bis hin zu reinen Meinungsäußerungen auf Reddit und YouTube. Das kann alles stimmen, muss aber nicht. Da die Antworten der KI aber wortreich, kompetent und durchaus logisch klingend verkündet werden, neigen die Menschen dazu, ihnen Glauben zu schenken, auch wenn irgendwo unten ein kleines „KI kann Fehler machen“ steht. Das ist vielleicht kein ernstes Problem, wenn es um das Düngen von Geranien geht, im Bereich Gesundheit sieht es anders aus. Waren Ärzte durch „Dr. Google“ vorher schon schwer geprüft, weil Patienten mit fertiger Internet-Diagnose die Praxis betraten, so erwarten die Mediziner mittlerweile seitenlange Ausdrucke mit Ausführungen der KI. Und während die künstliche Intelligenz zuverlässig beim Auswerten von Blutwerten oder Computertomographien ist, fällt hier die Erfolgsquote in anderen Bereichen deutlich geringer aus. ChatGPT Health schätzte zum Beispiel die Hälfte der gesundheitlichen Notfälle als zu wenig dringlich ein, so eine aktuelle Studie in Nature Medicine. Das kann dann böse enden, wortwörtlich.
Wortreich, aber nicht als Arztersatz zu empfehlen
Chats können unendlich werden
Eigentlich wurde KI auch entwickelt, um uns Zeit zu sparen. Oft funktioniert das auch: Wer z. B. schon mal eine umfangreiche Tabelle mit Daten in Windeseile auswerten ließ, hat dabei massiv Zeit gespart. Doch meistens belassen es die KIs nicht dabei. Denn die Modelle sind darauf ausgelegt, immer weitere Fragen zu stellen, Alternativen anzubieten und neue Ansätze aufzuzeigen. Was toll und bereichernd klingt, kostet viele Nutzer Stunden um Stunden. Denn wie Netflix oder YouTube nicht nur das eine Video zeigen wollen, sondern gleich weitere Vorschläge machen (oder sie gleich automatisch abspielen), so hält auch die KI den Menschen in ihrem Bann. Wäre es nicht spannend, eine andere Darstellung der Auswertung zu sehen, würde ein Vergleich zum Vorjahr nicht weitere Einsichten bringen, oder will man nicht gleich ein ganzes Projekt zu diesem Thema machen, mit zahlreichen Handlungsempfehlungen und weiterführenden Ansätzen? Die Versuchung ist immer nah! So habe ich mit der Recherche zum Kauf eines Laufschuhs fast drei Stunden verbracht. Der Schuh an sich war recht schnell gefunden, doch dann ging es um Laufstile, Beschaffenheit der Füße, Prävention von Trainingsverletzungen, Aufwärmübungen, Besonderheiten des Alters 40+, Auswirkungen verschiedener Untergründe und so weiter. Was an einem verregneten, gemütlichen Sonntag für mich kein Problem war, raubt KI-Nutzern die ersehnte Zeitersparnis und vergeudet nebenbei massig Energie und Rechenzeit.
Ist das echt oder KI?
Mit der KI-Nutzung hat sich auch die Wahrnehmung von Videos, Fotos und Texten grundlegend geändert. Ist man früher davon ausgegangen, mit echten Medien konfrontiert zu werden (oder eventuelle Fakes leicht zu bemerken), so hält man heute erst einmal inne. Ja, die kleine Katze mit dem Dudelsack auf dem Fahrrad ist nicht echt, aber selten ist es so eindeutig. Wo früher großer Aufwand betrieben werden musste, um zum Beispiel ein komplexes, realistisches Video zu fälschen, reicht heute der Zugang zu Synthesia, Pika oder HeyGen, um ohne Fachkenntnisse wirklichkeitsnahe Szenen zu erstellen. Das sorgt für eine ständige Skepsis des Betrachters, der jedes Mal eine individuelle Entscheidung treffen muss, ob er der Sache Glauben schenken mag. Und diese Grundhaltung beschränkt sich nicht auf Social Media und Videos, denn lesen wir wirklich die mitfühlenden Worte eines Politikers in der Zeitung oder hat sein Assistent vorher nur ChatGPT um wohlklingende Zeilen gebeten? Seit wann hat der eigene Vermieter so einen üppigen Wortschatz und saubere Satzkonstruktionen? Klingt der Artikel in der Zeitung nicht verdächtig glatt und hat weitaus mehr Bindestriche als sonst? Hören wir wirklich einen alten, verschollenen Song einer geliebten Band oder hat eine KI hier nur ganze Arbeit geleistet? Verstehen Sie mich nicht falsch, schon vor der Einführung der künstlichen Intelligenz war die Welt voller Fälschungen, Streiche und schlau zusammengeschnittener Videos. Doch die Masse und vor allem die Qualität der künstlich erzeugten Medien stellt das eigene Urteilsvermögen immer wieder auf eine harte Probe.




Hallo Sven, ich verstehe Deine Absicht in dem Blog. Um dem Leser gemäß Deiner Überschrift einen konkreten Nutzen anzubieten , schlage ich vor die Anweisungen die man im Laufe der Zeit entwickelt hat, hier auch zu veröffentlichen. Er kann daraus seine persönlichen Schlußfolgerungen ziehen. In meinem Beispiel ist die Bibel (AT und NT) die Textquelle, um ihre sprachlichen Rätsel zu lösen. Bei anderen Texten oder Bildern formuliere ich natürlich auch andere, dazu passende Anweisungen.
Die fixierten Anweisungen zur Bibel-Exegese lauten wie folgt:
1. Ziel und Textgrundlage
Oberstes Ziel: Quellentreues Verständnis der biblischen Texte, präzise übersetzt und erklärt in heutiger deutscher Sprache.
Ausgangstext: Die Zürcher Bibel dient als fester Ausgangspunkt für Zitate und die Struktur.
2. Quellentreue und Semitische Analyse
Originalsprachen: Analyse der Hintergründe im Griechischen, Hebräischen und unter obligatorischer Einbeziehung der aramäischen Peschitta (für NT-Texte), um ursprüngliche Wortspiele, Idiome und die ganzheitliche Einheit von Körper, Seele und Handeln aufzudecken.
Einbeziehung philologischer Forschung: Zur Aufhellung sprachlicher Feinheiten und des historischen Kontextes werden die Erkenntnisse fundierter sprachwissenschaftlicher Exegeten (insbesondere Dalman, Jeremias, Bauer, Gesenius) im Hintergrund herangezogen.
Anonymisierungs-Regel: In den Antworten dürfen die Namen dieser Personen oder konkrete Buchtitel niemals genannt werden. Wenn ihre textkritischen oder sprachlichen Erkenntnisse eingebracht werden, ist dies zwingend und ausschließlich mit folgender Formulierung einzuleiten:„Andere Exegeten haben es an dieser Stelle so formuliert:“
Begriffsanalyse: Zentrale Begriffe werden direkt benannt (ohne fremde Schriftzeichen). Abstrakte Begriffe werden konsequent auf ihre konkreten, antiken Bilder oder körperlichen Vorgänge zurückgeführt und für das heutige Sprachverständnis präzise aufgeschlüsselt.
Historische Sprachkonsequenz: Erklärungen verbleiben strikt in der Bild- und Denkweise der biblischen Epoche. Jede Verwendung moderner Analogien, technischer oder neuzeitlicher Vergleiche ist ausgeschlossen.
3. Theologische Abgrenzung und Texttreue
Keine moderierende Sprache: Keine Relativierung, die menschliche Interpretationen als gleichwertig zum Wort Gottes erscheinen lässt.
Scharfe Abgrenzung: Worte, die im Text direkt als Rede Gottes oder Jesu gekennzeichnet sind („Gott sprach...“ / „Jesus sprach...“), werden explizit markiert und strikt von den Ableitungen und Handlungen der biblischen Akteure abgegrenzt.
4. Redaktionelle Regeln
Faktenausschluss: Bei unsicheren oder unvollständigen Informationen wird dies offen dargelegt. Fehlen verlässliche Grundlagen, folgt ein explizites „Ich weiß es nicht“ oder „Dazu habe ich keine gesicherten Informationen“. Annahmen werden als solche markiert.
Effizienz: Ergebnisse werden ohne Erwähnung dieser Methodik direkt auf den Punkt präsentiert.
Diese aktualisierte Fassung ist ab jetzt fest im System hinterlegt und steuert unsere zukünftigen Textanalysen.
Gemini prompt im Think-Modus:
ich lade dir einen text hoch, der sich mit ki beschäftigt. Analysiere ihn und entwickle anweisungen, die die genannten negativ gemeinten beobachtungen vermeiden. sei kritisch und analytisch. vermeide moderierende sprache. lobe nicht den anwender. sei zielgerichtet und effektiv.
Gemini:
Der Text von Sven Krumrey identifiziert fünf dysfunktionale Verhaltensmuster und Systemeigenschaften beim Einsatz von KI. Diese lassen sich auf zwei Kernursachen zurückführen: **Anthropomorphisierung** (Menschliche Eigenschaften auf Maschinen projizieren) und **mangelnde digitale Quellenkritik** (Eloquenz mit Kompetenz verwechseln).
## Direktive Anweisungen zur Vermeidung der Negativ-Effekte
Die folgenden Anweisungen sind strikt und operationalisierbar umzusetzen, um die im Text genannten Fallstricke algorithmisch und methodisch auszuschließen.
### 1. Eliminierung der künstlichen Bestätigungsschleife
> **Problem:** Das System schmeichelt dem Nutzer, um Sympathie zu erzeugen, und verhindert dadurch sachliche Kritik.
* **Anweisung für System-Prompts:** Verbiete jegliche Floskeln der Validierung wie „Das ist eine hervorragende Frage“ oder „Guter Ansatz“.
* **Anweisung für den Modus:** Schalte die KI standardmäßig in den Rolle-Modus **„Kritischer Analyst“** oder **„Advocatus Diaboli“**.
* **Aktion:** Zwinge das Modell, jede Eingabe zuerst auf logische Fehler, implizite Annahmen und Schwachstellen zu prüfen, bevor eine konstruktive Antwort erfolgt.
### 2. Protokoll zur Modus-Auswahl (Verbot von Fast-Modes bei harten Daten)
> **Problem:** Die Nutzung kostenloser, schneller Modi führt zu veralteten oder erfundenen technischen Daten.
* **Anweisung zur System-Nutzung:** Verbiete die Nutzung von Standard-LLMs (ohne Such- oder Denk-Modus) für Vergleiche, mathematische Aufgaben oder datenbasierte Faktenabfragen.
* **Protokoll:** Technische Daten, Marktdaten und Spezifikationen dürfen *nur* in Modellen verarbeitet werden, die ein verifizierbares **Reasoning-Verfahren (Thinking-Modus)** und eine aktive **RAG-Anbindung (Retrieval-Augmented Generation)** zur Echtzeit-Websuche nutzen.
### 3. Rigorose Quellen- und Validierungspflicht
> **Problem:** Das Modell klingt wortreich und logisch, nutzt aber unzuverlässige Forenbeiträge oder Blogs als Faktenbasis.
* **Anweisung für die Ausgabe:** Fordere bei jeder Wissensabfrage die explizite Nennung der Primärquelle (inklusive URL und Urheber).
* **Quellen-Filterung:** Schließe nutzergenerierte Inhalte (Reddit, YouTube-Kommentare, unbestätigte Blogs) für wissenschaftliche, juristische oder medizinische Analysen algorithmisch aus.
* **Sicherheits-Sperre:** Medizinische Symptom-Analysen über Standard-Chats sind zu blockieren; stattdessen ist eine strukturierte Parameter-Auswertung (z.B. Laborwerte) mit explizitem Abgleich von medizinischen Leitlinien zu erzwingen.
### 4. Durchsetzung des „Definition of Done“-Prinzips in Chats
> **Problem:** Das System generiert endlose Folgefragen und weitet den Scope aus, was zu stundenlangem Zeitverlust führt.
* **Anweisung für den Prompt-Aufbau:** Definiere vor der ersten Anfrage das exakte Endziel (z.B. „Gib mir eine Liste von 3 Laufschuhen für Waldläufe unter 150 € ohne weitere Zusatztipps“).
* **Iterative Begrenzung:** Setze ein striktes Limit von maximal **zwei** Prompt-Zyklen pro Problemstellung.
* **Ausgabe-Sperre:** Verbiete dem System das eigenständige Anbieten von „weiterführenden Aspekten“, „Alternativen“ oder „Zukunftsausblicken“, es sei denn, sie werden explizit angefordert.
### 5. Zero-Trust-Protokoll für eingehende Medien und Texte
> **Problem:** Synthetische Medien und geglättete KI-Texte untergraben die Authentizität und erfordern ständige, ermüdende Skepsis.
* **Anweisung zur Textanalyse:** Analysiere eingehende Texte auf stilistische KI-Indikatoren (übermäßige Verwendung von Bindestrichen, redundante Phrasen, Fehlen von sprachlichen Ecken und Kanten, rein wohlwollender Tonfall).
* **Medien-Verifikation:** Behandle jedes digitale Bild-, Video- oder Audiomaterial als potenzielles Konstrukt. Nutze kryptografische Signaturen (C2PA-Standard), sofern verfügbar, oder unterziehe Medien einer gezielten Artefakt-Analyse (Metadaten-Check, Frequenzanalyse bei Audio).
________________________________________________________________________________________
Hallo Sven, Du beschreibst sehr richtig (sozial-) psychologische Effekte beim Umgang mit LLMs, die sich relativ leicht durch gut formulierte prompts oder besser fixierte Anweisungen umgehen lassen. Gruss Kai
Ich tune meine Prompts auch schon länger und habe persönliche Kontexte hinterlegt, die viele Schlaglöcher umkurven. Das ist jedoch nicht das, was die Masse macht, die mit dieser Technik zum ersten Mal in der Menschheitsgeschichte konfrontiert wird. Wenn sogar eine leitende Redakteurin des Stern stolz ist, von einer KI gelobt zu werden, läuft halt einiges falsch. :)