Nachdem ich den viralen Spielablauf von Fable 5 durchgespielt habe, merke ich, dass ich bereits beim ersten Einsatz von KI einen Fehler gemacht habe.

Nach dem Comeback von Fable 5 tauchen im Internet wieder eine Reihe von Anwendungsfällen auf, die viral gehen. Jedes Mal, wenn ich einen davon sehe, denke ich mir: Warum habe ich diese Spielweise nicht selbst entdeckt?

Kürzlich ist der Tagebuch-Trick von Tom Riddle aus *Harry Potter* populär geworden: Ein Entwickler hat sein reMarkable-Tablet mit Fable 5 in ein magisches Notizbuch verwandelt. Wenn wir einen Prompt auf das Papier schreiben, verschwindet dieser langsam, und dann blendet die Antwort der KI langsam ein – als ob sie auf magische Weise aus dem Papier auftaucht.

Dieses Video hat auf X bereits Millionen Aufrufe erhalten. Einige Nutzer haben die ähnliche Funktion auch schnell auf dem iPad umgesetzt: Sie lassen die KI eine einzelne HTML-Datei generieren, die beim Öffnen ein magisches Notizbuch darstellt. Nach dem Schreiben eines Prompts auf dem Bildschirm erhält man eine Antwort auf magische Weise.

Ein weiterer beliebter Anwendungsfall stammt von Ammaar Reshi, dem Leiter für Produkt und Design bei Google AI Studio: Er hat mit Fable 5 ein Spiel erstellt, das das 2003 veröffentlichte Spiel *Command & Conquer: Generals – Zero Hour* erfolgreich auf iPhone und iPad portiert – ohne Emulator.

Sogar der Leiter von Claude Code hat unter dem Beitrag überrascht kommentiert. Ammaar hat den gesamten Implementierungsablauf detailliert beschrieben: In seinem Open-Source-Repository auf GitHub erläutert er, wie man das Spiel auf seinem eigenen iOS-Gerät ausführt, seine Erfahrungen während des Prozesses sowie die bestehenden Probleme des Projekts.

Noch interessanter ist das „Fable 5 Selbstporträt“, das über 3 Millionen Aufrufe erzielt hat. Ein Nutzer bat Fable 5, ihm seine ausdrucksstärkste Form zu zeigen.

Fable 5 nutzte keinen vorhandenen Videogenerator, sondern schrieb seine eigene Rendering-Engine in der Terminal-Konsole des Computers, synthetisierte seine eigene Stimme und entwickelte von Grund auf eine generative ASCII-Engine, um seine ausdrucksstärkste Form darzustellen.

Einige Nutzer zweifelten daran, ob Fable 5 dabei eine entscheidende Rolle spielte – daraufhin veröffentlichte sie einfache Prompt-Informationen wie: „Hallo Fable, bitte erstelle mit ASCII-Zeichen, über Sprache, Audio und Animation ein kurzes Video, um dein wahrstes Inneres auszudrücken.“

Fable 5 hat das Potenzial, die Kluft zwischen verschiedenen Nutzern von KI-Tools voll auszuschöpfen.

Selbst mit grundlegenden Anwendungsfällen kann jemand mit Fable 5 ein Spiel entwickeln, das fast perfekt für die Veröffentlichung geeignet ist. Von der ursprünglichen Idee über die Grafik bis hin zu 3D-Modellen und Code hat ein Nutzer mit Fable 5 in Rork *Subway Surfers* perfekt nachgebaut – und das in nur einer Stunde.

Mit der Verbesserung der Modellfähigkeiten erzielen diejenigen, die wissen, wie man das Modell richtig einsetzt, bessere Prompts schreibt, ausgereiftere Fähigkeiten anwendet und passende Frameworks wählt, bessere Ergebnisse als die meisten anderen Nutzer, die ebenfalls Fable 5 verwenden.

Die Fähigkeit, Fable 5 zu nutzen, ist eine Schwelle – aber der Unterschied zwischen jemandem, der es gut beherrscht, und jemandem, der es nicht tut, ist noch größer.

Ein Partner von Y Combinator schrieb auf X, dass Fable unglaublich nützlich sei – und in den Kommentaren hieß es, dass er nur die Spitze des Eisbergs gesehen habe.

Ein Ingenieur von Claude Code veröffentlichte vor einigen Tagen einen Beitrag auf X, dessen Kernthema die Nutzung von fortgeschrittenen KI-Modellen war. Als Beispiel wurde Claude Fable 5 genannt, um die Produktivitätsgrenzen durch „Erkunden unbekannter Bereiche“ zu durchbrechen.

Unserer Meinung nach können wir nicht nur mit Fable 5, sondern auch mit jedem anderen leistungsstarken Modell, auf das wir zugreifen können, diese Methoden anwenden, um das Potenzial des Modells auszuschöpfen und gleichzeitig unser eigenes Potenzial zu entdecken.

Original-Link: https://claude.com/blog/a-field-guide-to-claude-fable-finding-your-unknowns

Die Karte ist nicht das Gebiet

Dieses philosophische Konzept aus den 1930er Jahren, ein berühmtes „semantisches Theorem“, beschreibt, dass es Unterschiede zwischen unserer Wahrnehmung und der tatsächlichen Situation gibt.

Genau wie eine Karte nicht alle Details und die Komplexität der realen Welt vollständig darstellen kann, ist unsere Beschreibung von Dingen nur eine Vereinfachung und Abstraktion – und spiegelt die Außenwelt oft nicht genau wider.

APPSO hat in der Zeit, in der KI-Modelle in rascher Folge veröffentlicht wurden, unsere Gedanken dazu geteilt – und dort wurde ein ähnlicher Standpunkt erwähnt.

Im heutigen Kontext der KI-Entwicklung sind die Prompts, Fähigkeiten und Kontexte, die wir an die KI übermitteln – genauer gesagt auch die Anforderungsdokumente – nur die „Karte“, also unsere Beschreibung der Aufgabe.

Die komplexen Codebasen, realen Geschäftsszenarien, praktischen Einschränkungen und Betriebsregeln sind dagegen das eigentliche „Gebiet“.

Zwischen „Karte“ und „Gebiet“ gibt es viele unbekannte Faktoren. Wenn man einem Navigationssystem eine Straßenkarte gibt, kann es uns sagen, wie man von A nach B kommt – aber die Straßenzustände, die nur vor Ort sichtbar sind, lassen sich nicht in einem einzigen Prompt vollständig beschreiben.

Wenn wir beim „Vibe-Coding“ einen Prompt wie „Erstelle mir eine Editor-Symbolleiste“ eingeben, stellt Claude bei der tatsächlichen Umsetzung fest: Wie kann man vorhandene Komponenten wiederverwenden? Wo platziert man die Schaltflächen? Wie speichert man Zustände? Wird es auf Mobilgeräten zu überfüllt? Bevorzugen Sie ein schlichtes oder ein funktionsreiches Design?

Diese Unklarheiten bleiben auch dann bestehen, wenn der Prompt sehr detailliert ist – er ist nur eine komprimierte Version der Aufgabe. Die echten Details tauchen erst während der Ausführung durch Claude auf.

Diese Details werden als „Unknowns“ bezeichnet: Unbekannte Faktoren oder Lücken. Einige Lücken kennen wir selbst, andere haben wir im Kopf, können sie aber nicht klar formulieren – und wieder andere sind uns überhaupt nicht bewusst.

Genauer gesagt teilt der Ingenieur von Claude Code diese Unklarheiten basierend auf unserer Zusammenarbeit mit KI in vier Quadranten ein:

• Bekannte Bekannte (Known Knowns): Die Anforderungen, die wir explizit im Prompt festgelegt haben.
• Bekannte Unbekannte (Known Unknowns): Die Probleme, von denen wir wissen, dass wir sie noch nicht verstanden haben, und die wir klären oder entscheiden müssen.
• Unbekannte Bekannte (Unknown Knowns): Die Intuitionen, die wir für selbstverständlich halten und nicht einmal in Dokumente schreiben – aber die wir sofort beurteilen können, wenn wir sie sehen. Zum Beispiel verborgene ästhetische Vorlieben oder gelernte Abläufe.
• Unbekannte Unbekannte (Unknown Unknowns): Die blinden Flecken, die wir überhaupt nicht wahrnehmen – von denen wir nicht einmal wissen, dass wir sie nicht wissen.

Je leistungsstärker das Modell ist, desto deutlicher treten diese Unklarheiten hervor.

Früher dachten wir immer, KI-Tools seien nicht gut genug, weil sie „nicht klug genug“ waren und der generierte Code Fehler enthielt. Mit der Generation von Claude Fable 5 wird jedoch eine neue Tatsache offensichtlich:

Das größte Hindernis für den Fortschritt von Projekten ist nicht mehr die Fähigkeit der KI, Code zu kompilieren – sondern die Fähigkeit des Menschen, seine eigenen „Unbekannten“ zu erkennen und zu klären.

Mit anderen Worten: Übermitteln Sie nicht einfach Ihre Anforderungen an die KI – sondern helfen Sie ihr zuerst, die Punkte zu finden, die Sie nicht klar ausgedrückt oder selbst noch nicht vollständig durchdacht haben.

Wie man Unklarheiten aufdeckt

Früher war der häufigste Ratschlag für die Nutzung von KI, die Prompts klar, spezifisch und vollständig zu formulieren.

Bei leistungsstärkeren Modellen wird das Problem differenzierter. Es reicht nicht, die Anweisungen immer länger zu machen – sondern es sollte vor, während und nach der Entwicklung praktische Techniken und Prompt-Vorlagen geben.

Erstelle mir zuerst 10 Demos

Wenn wir in ein unbekanntes Codemodul eintauchen oder ein Framework verwenden wollen, mit dem wir noch nie gearbeitet haben, ist es am klügsten, direkt zu Claude zu sagen:

Ich möchte ein neues Authentifizierungsmodul integrieren, aber ich kenne die Authentifizierungslogik dieser Codebasis überhaupt nicht. Bitte führe für mich einen „Blind-Spot-Pass“ durch, um die „unbekannten Unbekannten“ aufzudecken, die ich noch nicht wahrgenommen habe – und zeige mir, wie ich dir bessere Fragen stellen kann.

Bei den „unbekannten Bekannten“, die sich schwer beschreiben lassen, sollten Sie die KI nicht direkt den Produktivcode ändern lassen – sondern sie zuerst eine eigenständige HTML-Seite mit Beispieldaten erstellen lassen.

Bei Frontend-Designs zum Beispiel haben manche Ingenieure Schwierigkeiten, ihre ästhetischen Vorstellungen in Worte zu fassen. Sobald sie jedoch das Ergebnis sehen, können sie sofort sagen, was ihnen nicht gefällt.

In diesem Fall können wir der KI sagen:

Ich möchte ein Daten-Dashboard erstellen, aber ich habe kein gutes ästhetisches Gespür. Bitte generiere eine HTML-Seite mit vier völlig unterschiedlichen Designrichtungen, damit ich ein direktes Gefühl dafür bekomme.

Das ist keine Verschwendung von Rechenleistung – der Kern der Methode, Unklarheiten aufzudecken, besteht darin, mit sehr geringen Kosten Fehler zu testen, um teure Korrekturen im Kerncode zu vermeiden.