Behandeln Sie große KI-Modelle nicht als Praktikanten: Rekonstruieren Sie die Mensch-Maschine-Zusammenarbeit in drei Schritten mithilfe von „Höhe, Tiefe und Breite“

Shenyi Bureau ist das Übersetzungsteam von 36Kr, das sich auf Bereiche wie Technik, Wirtschaft, Berufsleben und Alltag konzentriert und vor allem neue Technologien, neue Ansichten und neue Trends aus dem Ausland vorstellt.

Anmerkung der Redaktion: Die meisten Menschen nutzen hochmoderne große Sprachmodelle nur als Werkzeug zur Textverfeinerung. Ein Kernentwickler von Claude berichtet persönlich: Was die Menschen voneinander unterscheidet, sind nicht die Prompts, sondern der Ehrgeiz bei der Nutzung. Der Artikel stammt aus einer Übersetzung.

Ich war an der Entwicklung von Claude beteiligt. Das ist eine sehr interessante Erfahrung: Jeden Tag höre ich, dass wieder jemand mithilfe von Claude (oder sogar ganz unabhängig von Claude) eine außergewöhnliche Leistung vollbracht hat. Einige Richtungen habe ich mir nie vorgestellt, einige hielt ich für unmöglich zu realisieren, und bei anderen fehlte mir einfach die Neugier oder die Zeit, sie auszuprobieren. Erst in diesem Monat hat es möglicherweise zur Entdeckung eines neuen Planeten beigetragen, ich habe das erste KI-Musikvideo gesehen, das mir wirklich gefällt, und die Menschen sprechen bereits von einem neuen Zeitalter der Mathematik.

Die Fähigkeiten der Modelle wachsen nicht gleichmäßig. Wie Terence Tao bemerkte, sind die Modelle „in mancher Hinsicht erstaunlich, in anderer Hinsicht aber nicht leistungsfähig genug“. Einige Menschen können diese erstaunlichen Fähigkeiten so beherrschen, als würden sie auf dem Wind reiten. Es ist faszinierend zu sehen, dass die Menschen mit dem Produkt, an dessen Entwicklung ich beteiligt war, unglaubliche Höhen erreichen. Aber viele andere tasten sich noch heran, wie sie diese neuen Flügel zum Bewegen bringen können, und wissen nicht, was das Modell noch kann, außer zu fragen „Was ist die Hauptstadt von Frankreich?“ oder „Kannst du diese E-Mail weniger aggressiv formulieren?“.

Ich und andere KI-Praktiker rufen oft auf: Wir sollten bei der Anwendung von KI ehrgeiziger sein. Das ist bereits zu einem Slogan geworden. Jedes Mal, wenn wir ein beeindruckendes Ergebnis sehen, teilen wir es mit dem Satz „Unser Ehrgeiz reicht noch nicht aus“. Ich weiß, dass es nicht einfach ist, diesem Ratschlag zu folgen, deshalb habe ich diesen Leitfaden geschrieben, wie man ehrgeiziger vorgehen kann.

Ich unterteile den Ehrgeiz in vier Kategorien: Geschwindigkeit (Speed), Höhe (Altitude), Tiefe (Depth) und Breite (Range).

• Geschwindigkeit: Die gleiche Arbeit in kürzerer Zeit erledigen, das ist die Grundlage des wirtschaftlichen Werts, den KI erzeugt. Wenn ich zum Beispiel einen Code schreiben muss, kann ich ihn mit Claude schneller fertigstellen. Dieser Punkt ist bereits recht ausgereift und erfordert nicht viel Kreativität bei der Nutzung, deshalb überspringe ich ihn hier.

• Höhe: Die Abstraktionsebene heben, sich auf das Endergebnis konzentrieren statt auf einzelne Aufgaben.

• Tiefe: Die Aufgabe so betrachten wie ein Spitzenexperte auf dem jeweiligen Gebiet. Man bleibt nicht auf der Ebene der Aufgabe selbst stehen, sondern geht eine Ebene tiefer und greift direkt auf die zugrunde liegenden Daten, Werkzeuge und Probleme zu.

• Breite: Man beschränkt sich nicht auf das einzelne Gebiet, zu dem die Aufgabe oberflächlich gehört, sondern ruft Wissen, Werkzeuge und Techniken aus mehreren Gebieten ab, einschließlich derer, die man normalerweise nicht verwendet.

Normalerweise nutze ich hauptsächlich Claude (selbstverständlich), aber meine Ratschläge beziehen sich nicht auf ein bestimmtes Modell.

Höhe

Wir nennen das oft salopp „das Modell auf einer höheren Abstraktionsebene arbeiten lassen“. Wenn du dem Modell eine Aufgabe zuweist, führt es im Grunde deine beste Vermutung dazu aus, „wie man das gewünschte Ergebnis erzielt“. Um im Punkt „Höhe“ ehrgeiziger zu werden, kannst du dich fragen: Was soll als Nächstes passieren? Was ist das Ziel hinter dem eigentlichen Ziel? Anfang letzten Jahres habe ich Claude noch gebeten, einzeln Absturzprobleme zu beheben; später habe ich Claude direkt damit beauftragt, dafür zu sorgen, dass unsere Anwendung nicht abstürzt.

Schauen wir uns einen alltäglichen (sogar langweiligen) Büroalltag an. Angenommen, du arbeitest bei der fiktiven Firma Acme Inc und musst eine Präsentation für die vierteljährliche Geschäftsüberprüfung (QBR) vorbereiten. Wenn du Claude einen Haufen Daten gibst, wird es gerne ein paar Folien für dich generieren. Vielleicht hast du sogar eine Vorlage, und es muss nur den Inhalt ausfüllen. Das kann natürlich nicht mit der Entdeckung eines neuen Planeten mithalten, deshalb schauen wir uns ein paar konkrete Schritte an, um diese Sache ehrgeiziger zu gestalten. Wir fangen mit der grundlegendsten Vorgehensweise an und fügen bei jedem Schritt etwas mehr Ehrgeiz hinzu:

• Bei der Eingabe wollen die meisten Überprüfungen wissen: Was hat sich in diesem Quartal geändert, warum ist das passiert und wie sollen wir darauf reagieren. Widerstehe dem Impuls, nur ein paar Zahlen in der Vorlage zu aktualisieren, gib dem Modell so viele verfügbare Daten wie möglich, damit es dein Geschäft versteht: „Sag mir, was sich in diesem Quartal geändert hat, warum das passiert ist und was wir tun sollen.“

• Sitzungen (zumindest gute Sitzungen) sollten idealerweise mit mehreren Entscheidungen enden. Du kannst zu Claude sagen: „Auf Basis von allem, was du weißt, finde die drei dringendsten Entscheidungen und beginne, Argumente für und gegen jede potenzielle Richtung zu sammeln.“

• Die QBR entstand in einer Zeit, in der Menschen Daten manuell sorgfältig durchsuchen, ihre Bedeutung interpretieren und beurteilen mussten, ob das Geschäft angepasst werden muss. Du kannst zu Claude sagen: „Der Zweck der Überprüfung ist es, dass das Management Probleme früh erkennt und Geld und Personal an die richtigen Stellen verteilt. Entwirf einen besseren Weg dafür als die vierteljährliche Präsentation, beweise anhand unserer historischen Daten, dass er Probleme früher hätte erkennen können, und lass ihn ein Quartal lang parallel zum bestehenden Ablauf laufen.“

„Höhe“ funktioniert am besten, wenn du tatsächlich ein bestimmtes Endergebnis anstrebst; bei kreativen Arbeiten ist sie weniger geeignet. Ein gutes Signal, ob es sinnvoll ist, die „Höhe“ zu heben, ist die Frage: Wirst du bald eine Sitzung abhalten, um über die Sache zu diskutieren, an der du gerade arbeitest? Derzeit hat diese Vorgehensweise noch Grenzen (im Jahr 2026 funktioniert es für die meisten Unternehmen noch nicht, einfach zu sagen „Claude, mach Geld“), aber insgesamt habe ich beobachtet: Je leistungsfähiger das Modell ist, desto besser kann es auf einer höheren Abstraktionsebene arbeiten.

Die Menschen finden auch auf der Ebene der „Höhe“ nachhaltige Arbeitsabläufe: Man muss nicht ständig eingreifen, und man muss dem Modell nicht eine Aufgabe nach der anderen zuweisen. Um das gut zu machen, muss man oft seinen Arbeitsablauf anpassen. Zum Beispiel, damit Claude dafür sorgen kann, dass unsere Anwendung nicht abstürzt, habe ich zuerst sichergestellt, dass es leicht auf Absturzberichte zugreifen kann, herausfindet, welcher Git-Commit zu jeder Anwendungsversion gehört, und auf Windows-, macOS- und Linux-Computer zugreifen kann, damit es Probleme wirklich unabhängig nachstellen und die Behebung überprüfen kann.

Tiefe

Manchmal willst du eine Aufgabe einfach bis zum Äußersten perfektionieren. Im Punkt „Tiefe“ ehrgeiziger zu werden bedeutet, das Modell dazu zu bringen, die Werkzeuge, Techniken, Medien und Kenntnisse zu verwenden, die die besten Fachleute auf dem jeweiligen Gebiet nutzen, und so weit voranzuschreiten, dass selbst diese Menschen etwas Neues aus deinem Ergebnis lernen können.

Wir bleiben bei dem Beispiel der Präsentation für die vierteljährliche Geschäftsüberprüfung von Acme Inc. Angenommen, Acme Inc leidet unter der Abwanderung von Nutzern (d. h. Kunden gehen im Laufe der Zeit verloren). Ich habe festgestellt, dass die Kombination folgender Techniken sehr hilfreich ist:

• Beharre darauf, die gleichen Werkzeuge zu verwenden, die Spitzenfachleute der Branche nutzen: Wenn man das Modell auffordert, „wie ein Profi“ zu handeln, ändert es oft nur seine Ausdrucksweise, nicht aber seine Vorgehensweise wirklich. Um unser Problem tiefgehend zu bearbeiten, muss man die gleichen Werkzeuge verwenden wie Spitzen-Datenwissenschaftler und Statistiker. Wenn Claude gewohnheitsmäßig Markdown-Tabellen verwendet, beharre darauf, dass es stattdessen Datenbanken und statistische Modelle verwendet. Du musst nicht unbedingt wissen, welche Werkzeuge Experten nutzen, Claude weiß das normalerweise.

• Setze scheinbar unvernünftige Ziele und sage dem Modell, dass das absolut vernünftig ist: Du musst die Ladezeit der Website von 10 Sekunden auf 5 Sekunden verkürzen? Dann fordere 200 Millisekunden. Das Modell hält etwas für unmöglich? Betone ihm immer wieder, dass das völlig lösbar ist, man muss nur weiterarbeiten.

• Hinterfrage das, was du bereits weißt: Besonders im Geschäftsleben sind viele Dinge, an die wir fest glauben, nur grobe Annäherungen an die Realität. Lass das Modell auf ursprüngliche Informationen und Daten zugreifen und fordere es auf, verschiedene Annahmen auf konfrontative Weise zu überprüfen. „Wir glauben, dass die Nutzerabwanderung ein Problem im Onboarding-Prozess für neue Nutzer ist. Versuche, diese Schlussfolgerung aus den ursprünglichen Daten nachzubilden.“

• Erzeuge neues Wissen: Das schließt sich direkt an die „Hinterfragung des bereits Bekannten“ an. Sobald Claude tief in die Daten eingetaucht ist, lass es nach blinden Flecken suchen. „Erstelle eine Kundensimulation anhand unserer Protokolle, um die Situation des letzten Jahres nachzubilden. Finde dann das früheste uns unbekannte Signal für die Abwanderung und beweise, dass es auch bei unbekannten Daten vorhersagekräftig ist.“

• Führe einen externen Prüfer ein: Lass das Modell nicht selbst über sein Ergebnis urteilen. Ich vermute, dass dieses Problem mit steigender Intelligenz der Modelle irgendwann gelöst wird, aber im Oktober 2026 bitte ich dich, auf externe Überprüfung zu bestehen. Am besten stellst du ein Werkzeug zur Verfügung, das das Modell direkt ausführen kann und sofort Feedback erhält.

Ich teile einen einfachen Prompt, der mir oft geholfen hat:

Ich möchte eine „tiefere“ Version dieser Aufgabe, keine „größere“. Bevor du sie neu schreibst, mach bitte zuerst Folgendes: (1) Erkläre, was ein Spitzenexperte auf diesem Gebiet hier tun würde, was ich nicht gefordert habe; (2) Nenne, von welchen ursprünglichsten Materialien er ausgehen würde, statt von Materialien, die bereits für mich aufbereitet wurden; (3) Nenne die konkreten Methoden und Werkzeuge, die er verwenden würde; (4) Erkläre, was außer dir und mir noch beweisen kann, dass das Ergebnis korrekt ist. Schreibe dann meinen Prompt neu, sodass er genau diese Anforderungen stellt.

Breite

Kurz gesagt: Im Punkt „Breite“ ehrgeiziger zu werden bedeutet, unsere Arbeit aus der Perspektive verschiedener Gebiete zu betrachten, und zwar so viele Gebiete, dass es früher nicht wirtschaftlich war. Das ist keine besonders originelle Erkenntnis: Die ersten 30 Minuten jedes Raubfilms bestehen daraus, eine Gruppe von Menschen mit unterschiedlichen Hintergründen und besonderen Fähigkeiten zusammenzustellen. Da KI-Produkte es immer einfacher machen, Multi-Agent-Systeme (Multithreading, Orchestratoren oder einfache Sub-Agenten) auszuführen, habe ich festgestellt, dass es oft sehr interessante Ergebnisse liefert, Claude aufzufordern, Perspektiven aus mehr Gebieten einzubeziehen.

Dies in die Praxis umzusetzen ist nicht einfach, es erfordert Kreativität. Bevor ich gesehen habe, wie mein Kollege Alex Albert mit Blender Inneneinrichtungen rendert, hätte ich nie gedacht, dass ich mit Claude 3D-Umgebungen für meine Homepage erstellen kann – obwohl ich früher schon Videospiele gemacht habe! Aber zweifellos ist das auch der Ort, an dem ich am häufigsten Wunder erlebt habe.

Wie geht man das konkret an? Ich verwende folgende Techniken:

• Versuche, Substantive durch Verben zu ersetzen: Das ist eine alte Methode von Tom Kelley und Jonathan Littman aus dem Buch *The Art of Innovation*. Die vierteljährliche Überprüfung ist keine „Präsentation“, sondern „in 30 Minuten vielbeschäftigte Menschen dazu bringen, an eine Geschichte über Ursache und Wirkung zu glauben und in Unsicherheit Entscheidungen zu treffen“. Mit Verben können ich und Claude leichter erkennen, welche Gebiete einzigartige und nützliche Perspektiven liefern können.

• Stelle ein Team zusammen: Diese Präsentation muss beeindruckend sein, sonst sprengen Außerirdische die Erde. Welche Mannschaft würde die Menschen zusammenstellen? Um die Qualität der Produktion zu gewährleisten, würde ich einen Analysten, einen Journalisten und einen Redakteur einladen. Wenn es auch eine Live-Demonstration geben soll, brauche ich wahrscheinlich noch einen Motion- und Audiodesigner. Es könnte hilfreich sein, ein konfrontatives „Red Team“ einzuführen, also lade einen Leerverkäufer und einen forensischen Buchhalter ein.

• Das kann leicht zu einem Rollenspiel werden, das nur das Gesprächsprotokoll seltsamer macht, ohne das Ergebnis wirklich zu verbessern. Verwende diese Methode, um Gebiete und Techniken zu finden: Lass das Modell nicht „wie ein Leerverkäufer schreiben“, sondern lass es das tun, was ein Leerverkäufer tut, wenn er seine Position recherchiert.

Alle von mir beschriebenen Arten von Ehrgeiz erfordern, dass das Modell auf einen Computer zugreifen kann, auf dem Software installiert werden kann, und Zugriff auf alle relevanten Daten hat (über MCP-Konnektoren oder andere Wege). Es gibt viele Werkzeuge, die das ermöglichen, ich empfehle dir, sie zu nutzen.

Wir haben so etwas schon einmal erlebt

Das sind die konkreten Ratschläge, wie man ehrgeiziger vorgehen kann. Wenn du noch eine Minute länger bleiben willst, möchte ich darüber sprechen, warum ich glaube, dass diese Sache von Anfang an notwendig ist.

Wir Menschen waren immer an das gebunden, was wir für „möglich“ halten, schlimmer noch: Wir vertrauen uns normalerweise nur in einem sehr engen Fachbereich selbst. Es ist allgemein bekannt, dass Michelangelo die Kuppelmalerei der Sixtinischen Kapelle nicht malen wollte: Er war schließlich Bildhauer, kein Maler.

Bei der Recherche zum Thema „Ehrgeiz“ habe ich erfahren, dass die Psychologie dafür einen speziellen Begriff hat: Selbstwirksamkeit. Kurz gesagt: Menschen mit hoher Selbstwirksamkeit vertrauen ihren Fähigkeiten mehr und erledigen dadurch tatsächlich mehr. Es gibt Beweise dafür, dass Selbstwirksamkeit mit bestimmten Tricks erreicht werden kann: Locke und Latham haben 35 Jahre Forschung zur Zielsetzung durchgearbeitet und sind zuversichtlich zu dem Schluss gekommen: Menschen, denen konkrete und schwierige Ziele vorgegeben werden, schneiden besser ab als die, denen nur gesagt wird „gib dein Bestes“. Patrick Collison, Gründer von Stripe, pflegt eine Liste namens „Fast“, die viele Dinge aufzeichnet, die Menschen geschafft haben, als sie gleichzeitig mutige Ziele und knappe Fristen hatten. Hier sind einige nachweisbare Tricks:

• Man muss glauben, dass schwierige Dinge möglich sind, um sie zu schaffen: Im Jahr 1939 kam George Dantzig zu spät