Ich bin der limitierende Faktor

Ein einfacher Versuch. Man gibt einer KI eine Aufgabe. Dann gibt man ihr dieselbe Aufgabe noch einmal — aber beschreibt sie besser.

Und jetzt vergleicht man nicht die eigene Leistung mit der der Maschine. Das wäre das falsche Experiment, und fast jeder baut es so auf. Vage Anweisung rein, vages Ergebnis raus, beruhigte Gewissheit mit nach Hause: „Siehst du? Taugt nichts." Das ist kein Test. Das ist eine selbsterfüllende Prophezeiung. Schlechter Input liefert schlechten Output, und der schlechte Output ist die perfekte Ausrede, um nie lernen zu müssen, wie man einen anständigen Input formuliert. Die Schleife ist zu.

Also: den direkten Vergleich weglassen. Stattdessen beobachten, was passiert, wenn man selbst besser wird. Die Bedingungen schärfen. Leitplanken setzen. Den Kontext wasserdicht machen. Die genaue Form des gewünschten Ergebnisses definieren. Und dann die erste Antwort der KI mit der dritten vergleichen. Oder der fünften.

Der Unterschied ist brutal.

Und er liegt nicht an irgendwelchen obskuren Prompt-Tricks. Es gibt keine Tricks, die diesen Namen verdienten. Der Prompt ist nicht der eigentliche Input. Der Gedanke ist der Input — der Prompt ist nur die Stelle, an der der Gedanke sichtbar wird. Ein schwammiges Ergebnis ist meistens ein schwammiger Wunsch im Kostüm. Die meisten von uns sind es nicht gewohnt, dass das eigene Denken einem so gnadenlos präzise zurückgespiegelt wird, und die erste Begegnung damit ist selten schmeichelhaft. Man verlangt etwas, bekommt exakt das, was man verlangt hat, und merkt erst beim Hinsehen, dass das, was man verlangt hat, nicht das war, was man wollte. Das Problem lag nie darin, wie die Maschine liest. Es liegt im Wünschen selbst.

Gute Fragen zu stellen ist Handwerk. Es setzt voraus, dass man vorab weiß, wie Erfolg aussieht — und, was viel schwieriger ist, wie Scheitern aussieht. Es bedeutet, ein komplexes Problem im Kopf so lange stillzuhalten, bis man es präzise umreißen kann. Und es bedeutet, zu sagen, was man nicht will — denn genau dort steckt meistens die eigentliche Information.

Vor etwa einem Jahr ist mir etwas aufgefallen: Ich habe aufgehört zu registrieren, ob die Modelle besser werden. Stattdessen merkte ich, dass ich besser wurde. Die Fähigkeit, Ideen so scharf zu durchdenken, dass sie sich fehlerfrei beschreiben lassen, war plötzlich die einzige Variable, die noch zählte. Die KI war die Konstante. Ich war der bewegliche Teil. Und je besser ich das Problem einkreiste, desto eleganter wurde die Lösung — bis das System Ergebnisse lieferte, die ich im Alleingang so nie hingekriegt hätte.

Ich halte mich für halbwegs intelligent. Über dreißig Jahre Softwareentwicklung auf dem Buckel. Ich weiß, was ich tue. Und trotzdem bin ich der limitierende Faktor. Nicht irgendwann in einer fernen Zukunft. Sondern jetzt.

Das ist ein ungemütlicher Gedanke, gerade für jemanden, der weiß, dass er nicht dumm ist. Aber kognitive Kapazität war hier nie das Nadelöhr. Präzision war. Und Präzision lässt sich trainieren — heute billiger als je zuvor. Ein ungenauer Wunsch kostet im schlimmsten Fall einen erneuten Versuch, nicht mehr einen verschwendeten Entwicklungsmonat. Man kann vor dem Mittagessen hundertmal im Detail scheitern und zahlt ein paar Cent dafür. Nichts in meiner gesamten beruflichen Laufbahn hat Unschärfe so schnell, so schmerzhaft und gleichzeitig so produktiv bestraft.

Die landläufige Angst behauptet, KI würde das menschliche Denken entwerten. Meine Erfahrung zeigt das Gegenteil: Sie hat den Wert klaren Denkens massiv verteuert. Unscharfes Denken konnte sich früher wunderbar verstecken — in aufgeblähten Stundenkonten, endlosen Meetings, redundantem Code. Heute ist der unpräzise Gedanke der einzige Teil der Pipeline, der völlig ungeschützt daliegt. Und er scheitert sofort, gnadenlos und für jeden sichtbar im Output.

Die Frage ist nicht, ob eine KI denken kann. Die Frage ist, ob man gut genug fragen kann, um herauszufinden, was sie kann.