Missverständnis KI – warum so viele Urteile am Gegenstand vorbeigehen

Hier geht es zum Podcast

„Diese Texte haben keine Seele." „Die Bilder sind beliebig." „KI versteht meinen Bereich nicht." Solche Pauschalurteile begegnen mir fast täglich – auf LinkedIn, in Gesprächen mit Geschäftsführern, manchmal auch von Menschen, die beruflich tief in ihrer Materie stecken. Was mich daran nicht stört, ist die Skepsis. Skepsis ist berechtigt, in dieser Phase der Entwicklung sogar geboten. Was mich stört, ist die Selbstverständlichkeit, mit der diese Urteile gefällt werden – und die Unkenntnis dessen, was eigentlich beurteilt wird.

Wer ein KI-System aus dem Sichtfeld der eigenen Profession testet, sieht zunächst die eigenen Use Cases. Der Designer prüft, ob das Modell ein anständiges Layout liefert. Die Übersetzerin hört auf den Klang. Der Jurist sucht nach präziser Subsumtion. Das ist nicht falsch – es ist sogar unvermeidlich, denn das Sichtfeld jedes Menschen ist seine Welt. Problematisch wird es erst dort, wo aus einem partiellen Eindruck ein generelles Urteil wird, ohne dass die Beurteilenden bemerken, wie schmal die Basis ihres Urteils tatsächlich ist.

Doch das ist nur die halbe Diagnose. Die andere Hälfte liegt tiefer und betrifft fast alle, die heute über KI urteilen: ein stiller, fast unbemerkter Denkfehler. Der Fehler heißt, KI als Software zu denken.

Wir haben drei Jahrzehnte Digitalisierung hinter uns. Software hat uns trainiert, in einem klaren Schema zu denken: Eingabe rein, Funktion läuft, Output kommt heraus. Excel rechnet. Photoshop bearbeitet. Outlook versendet. Das Ergebnis hängt fast vollständig vom Werkzeug ab, kaum vom Bediener. Wer mit dieser Erwartung an ein Sprachmodell herantritt – tippt einen Prompt, drückt Enter, urteilt über das Ergebnis – wendet eine Logik an, die hier nicht greift. Es ist, als würde jemand einen elektrischen Rasenmäher über den Rasen schieben, ohne den Motor einzuschalten, und sich dann beschweren, das Gerät schneide nicht.

Sprachmodelle sind keine Werkzeuge im klassischen Sinn. Sie sind Systeme, deren Output ganz wesentlich davon abhängt, wer sie wie bedient. Derselbe Prompt, einmal als „Schreib mir einen Text über X" formuliert, einmal mit Kontext, Zielgruppe, Tonalität, Struktur und einem Beispiel des gewünschten Stils versehen, produziert zwei vollkommen verschiedene Ergebnisse. Im einen Fall bekommt man einen mittelmäßigen Allgemeintext, der tatsächlich nach Beliebigkeit klingt. Im anderen Fall einen Text, an dem kaum noch nachzuschleifen ist. Beide stammen vom selben Modell. Der Unterschied liegt nicht in der Technologie, sondern in der Beziehung zwischen Mensch und System.

Wer das verinnerlicht, erlebt einen leisen, aber folgenreichen Perspektivwechsel. KI hört auf, ein Werkzeug zu sein, und wird zum Sparringspartner. Zu einem Gegenüber, mit dem man iteriert, präzisiert, korrigiert, vertieft. Das Ergebnis entsteht nicht aus dem Modell, es entsteht zwischen Mensch und Modell. Das ist keine semantische Spielerei, sondern eine andere Form der Arbeit. Sie verlangt etwas, das in den klassischen Software-Workflows kaum gefragt war: Mitdenken während des Prozesses, nicht nur an seinem Anfang und seinem Ende.

Diese Verschiebung erklärt, warum Pauschalurteile so oft danebenliegen. Wer den Output eines Sprachmodells beurteilt, ohne den eigenen Anteil daran zu reflektieren, beurteilt nicht das System, sondern die eigene Bedienungsweise. „Die KI versteht keinen Kontext" heißt in den meisten Fällen: Man hat keinen geliefert. „Die Texte haben keine Seele" heißt häufig: Man hat keinen Stil definiert. „Die Vorschläge sind generisch" heißt fast immer: Der Prompt war es auch.

Das ist keine Verteidigung der Modelle. Sie sind nicht perfekt. Sie produzieren Fehler in Wortwahl, Grammatik, Logik und gelegentlich im Faktischen. Aber gerade diese Imperfektion ist kein Argument gegen sie, sondern ein Argument für eine bestimmte Haltung im Umgang mit ihnen: für epistemische Wachsamkeit – jene kritische Grundhaltung, die Aussagen nicht blind übernimmt, sondern auf Konsistenz, Plausibilität und Quellenlage prüft. Wer KI als Sparringspartner nutzt, übernimmt diese Wachsamkeit ohnehin, sie ist Teil der Kooperation. Wer KI wie Software behandelt und sich dann wundert, dass der Output nicht stimmt, hat sie nie wirklich eingesetzt.

Die praktische Konsequenz ist banal und folgenreich zugleich: Wer heute über KI urteilen will, sollte zuerst lernen, mit ihr zu arbeiten. Nicht im Sinne eines Bedienkurses, sondern im Sinne einer kooperativen Praxis. Das ist mehr Aufwand, als drei Prompts in ein Chatfenster zu tippen. Es ist aber der einzige Weg, sich ein Urteil zu bilden, das den Namen verdient.

Und vielleicht ist das die ehrlichste Umkehrung der eingangs zitierten Pauschalurteile: Wer sein Sichtfeld nicht erweitert, urteilt nicht über KI. Er urteilt über sich selbst.