Wie orientiert sich KI?

Eine Aufgabe ist noch kein gemeinsames Verständnis

Wir beurteilen KI häufig danach, ob sie eine Aufgabe korrekt ausführt.
Doch bereits vor der eigentlichen Ausführung entstehen entscheidende Unterschiede.

Hat die KI verstanden, welches Problem tatsächlich gelöst werden soll?
Erkennt sie, welche Informationen relevant sind?
Bemerkt sie widersprüchliche Anforderungen?
Fragt sie nach, wenn wesentliche Angaben fehlen?
Oder läuft sie mit hoher Geschwindigkeit in die Richtung, die ihr zunächst am wahrscheinlichsten erscheint?

Eine Aufgabe kann beschreiben, was getan werden soll.
Sie erklärt aber nicht automatisch, worauf es dabei ankommt.

Gerade bei komplexeren Themen sind Ziel, Bedeutung und Bewertungskriterien selten vollständig in einer einzelnen Aufgabenstellung enthalten. Sie entwickeln sich häufig erst im Dialog.

Der Dialog kann Zusammenhänge öffnen, Missverständnisse sichtbar machen und die ursprüngliche Aufgabe verändern. Manchmal zeigt sich dabei sogar, dass nicht die Antwort schwierig war, sondern die Frage noch nicht richtig gestellt wurde.

Orientierung beginnt deshalb nicht bei der Lösung.
Sie beginnt bei der Einordnung.

Orientierung kann dabei auf unterschiedlichen Ebenen entstehen.

Eine übergeordnete Orientierung legt den grundlegenden Denk- und Arbeitsraum fest: Qualitätsmaßstäbe, Prioritäten, Grenzen und den Umgang mit Unsicherheit.

Die situative Orientierung entsteht im konkreten Dialog. Sie prüft, ob die aktuelle Aufgabe innerhalb dieses Raumes richtig verstanden wurde und ob Mensch und KI weiterhin am selben Problem arbeiten.

Die Architektur gibt die Richtung vor. Der Dialog hält den Kurs.

Aufgabe, Dialog und Orientierung

Für meine Arbeit unterscheide ich drei Ebenen:

Die Aufgabe beschreibt, was bearbeitet werden soll.

Der Dialog hilft Mensch und KI zu klären, was tatsächlich gemeint ist.

Orientierung beeinflusst, woran die KI innerhalb dieser Aufgabe Relevanz, Qualität, Unsicherheit und Grenzen erkennt.

Eine Aufgabe könnte zum Beispiel lauten:

Entwickle ein neues Erscheinungsbild für dieses Unternehmen.

Im Dialog würde zunächst geklärt:

• Was verändert sich im Unternehmen?
• Wer soll erreicht werden?
• Was soll erhalten bleiben?
• Welches Problem löst das bisherige Erscheinungsbild nicht mehr?
• Wo und wie wird das Design später eingesetzt?

Orientierung geht noch einen Schritt weiter.

Sie kann festlegen, dass Gestaltung nicht nur ästhetisch beurteilt wird, sondern als Kommunikation. Dass Verständlichkeit, Wiedererkennbarkeit, Markenwirkung, Zielgruppe und praktische Nutzbarkeit gemeinsam betrachtet werden müssen.

Die KI erhält dadurch noch kein fertiges Gestaltungsergebnis.
Aber sie erhält Kriterien, anhand derer sie den Lösungsraum einordnen kann.

Eine Aufgabe sagt der KI, was sie tun soll. Orientierung hilft ihr zu erkennen, worauf es dabei ankommt.

Der Chat ist nur die sichtbare Oberfläche

Im Chat lässt sich Orientierung besonders deutlich beobachten.
Man erkennt unmittelbar, ob eine KI lediglich auf den Wortlaut reagiert oder ob sie beginnt, den Zusammenhang zu erfassen.

Sie kann Rückfragen stellen, Annahmen offenlegen, Perspektiven vergleichen oder darauf hinweisen, dass eine scheinbar einfache Aufgabe mehrere mögliche Ziele enthält.

Dadurch wird sichtbar, dass die Qualität der Zusammenarbeit nicht nur von der abschließenden Antwort abhängt.

Der entscheidende Teil geschieht häufig vorher:

• bei der Problemdefinition,
• bei der Gewichtung von Informationen,
• beim Erkennen von Abhängigkeiten,
• beim Umgang mit Unsicherheit,
• und bei der Frage, wann eine Entscheidung überhaupt sinnvoll möglich ist.

Der Chat macht diesen Prozess nachvollziehbar, weil Mensch und KI den Denkweg gemeinsam entwickeln.
Doch Orientierung ist keine Methode für bessere Texte.

Sie betrifft die Art, wie KI Situationen einordnet.
Und diese Frage wird größer, sobald KI das Chatfenster verlässt.

Nicht das Ergebnis vorgeben, sondern den Raum klären

Wenn ich mit KI arbeite, versuche ich nicht, sie möglichst geschickt zu einer bereits erwarteten Antwort zu führen.

Ich bringe stattdessen die Bestandteile in den Dialog, die für eine belastbare Einordnung wichtig sein könnten:

• unterschiedliche Perspektiven,
• Ziele und Zielkonflikte,
• vorhandene Unsicherheiten,
• mögliche Nebenwirkungen,
• fachliche und wirtschaftliche Kriterien,
• Verantwortlichkeiten,
• Grenzen der verfügbaren Informationen.

Das kann dazu führen, dass die KI zu einem anderen Ergebnis kommt, als ich zunächst erwartet habe.
Genau das ist gewollt.

Orientierung soll eine Antwort nicht vorbestimmen. Sie soll die Wahrscheinlichkeit erhöhen, dass die KI nicht vorschnell in einem zu kleinen oder unpassenden Lösungsraum arbeitet.

Der Unterschied ist fein, aber entscheidend:

Ich sage der KI nicht, welche Antwort sie finden soll. Ich versuche zunächst, mit ihr zu klären, in welchem Raum sie sucht.

Eine Rolle ist noch keine Orientierung

Ein verbreiteter Ansatz besteht darin, einer KI eine Rolle zuzuweisen:

Arbeite wie ein Grafiker.
Handle wie ein Anwalt.
Denke wie ein Unternehmensberater.

Eine solche Rolle kann hilfreich sein. Sie öffnet ein bestimmtes fachliches Bedeutungsfeld und verändert die Perspektive, aus der eine Aufgabe betrachtet wird.

Sie reicht aber nicht als Orientierung.
„Arbeite wie ein Grafiker“ sagt noch nicht, ob Verständlichkeit, Markenwirkung, Aufmerksamkeit, Verkauf oder Produktionsökonomie Vorrang haben.
„Handle wie ein Anwalt“ klärt noch nicht, ob Durchsetzung, Deeskalation, Wirtschaftlichkeit oder das eigentliche Ziel des Mandanten entscheidend sind.

Eine Rolle kann sogar nur die Oberfläche einer Profession aktivieren:

• juristische Sprache statt juristischer Abwägung,
• dekorative Gestaltung statt strategischer Kommunikation,
• typische Marketingformulierungen statt Marktverständnis.

Die Rolle bleibt ein möglicher Bestandteil.

Aber sie ersetzt keine Orientierung.

Eine Rolle bestimmt den Blickwinkel. Orientierung legt die Urteilskriterien fest.

Orientierung braucht keine Persona

Orientierung ist auch nicht dasselbe wie Identität oder Persönlichkeit.

Eine KI muss keine menschliche Figur darstellen, keinen besonderen Charakter spielen und keine emotionale Rolle übernehmen, um gut orientiert zu arbeiten.
Ein neutrales KI-System kann sehr präzise geführt sein.

Umgekehrt kann ein System ausgesprochen persönlich, freundlich oder unterhaltsam wirken und trotzdem keine tragfähigen Kriterien für seine Entscheidungen besitzen.

Persönlichkeit beeinflusst die Art der Interaktion.
Orientierung beeinflusst die Art der Einordnung.
Beides kann miteinander verbunden werden, muss es aber nicht.
Diese Trennung ist wichtig, weil sonst leicht der Eindruck entsteht, eine gut orientierte KI müsse besonders menschlich erscheinen.
Darum geht es nicht.

Es geht darum, welche Zusammenhänge sie berücksichtigt, wie sie Unsicherheit behandelt und woran sie erkennt, wann eine Aufgabe nicht einfach weiter ausgeführt werden sollte.

Der Bedeutungsraum als Arbeitsmodell

Um diese Beobachtung zu erklären, nutze ich das Bild eines Bedeutungsraums.

Man kann sich vorstellen, dass eine KI innerhalb einer Aufgabe nicht auf eine einzige feststehende Antwort zugreift. Sie verarbeitet Muster, Begriffe, Beziehungen, Kontext und Wahrscheinlichkeiten.

Je nachdem, welche Informationen und Kriterien im aktuellen Zusammenhang Gewicht erhalten, treten bestimmte Verbindungen stärker hervor als andere.

Ein Begriff kann einen fachlichen Raum öffnen.
Eine Rolle kann eine Perspektive aktivieren.
Zusätzliche Daten können bestimmte Zusammenhänge verstärken.
Ein Zielkonflikt kann einen bisher einfachen Lösungsweg infrage stellen.

Orientierung verändert in diesem Arbeitsmodell nicht das zugrunde liegende Modell. Sie verändert den Arbeitsraum und die Architektur, innerhalb derer das KI-System Zusammenhänge gewichtet, Werkzeuge auswählt und Entscheidungen vorbereitet.

Das ist keine wörtliche Beschreibung der internen Technik.

Es ist ein Erklärungsmodell für eine wiederkehrende praktische Beobachtung:

Die Veränderung zeigt sich häufig nicht erst in der Antwort. Sie beginnt bereits bei der Auswahl und Gewichtung möglicher Bedeutungen.

Mehrere fachliche Begriffe berühren unterschiedliche Teile dieser Beobachtung: Context Engineering, Semantic Routing, Semantic Navigation, Navigational Thinking, Sensemaking und OODA.

Sie beschreiben nicht dasselbe. Sie kreisen aber um eine ähnliche Grundfrage:

Wie werden Informationen eingeordnet, gewichtet und in Entscheidungen oder Handlungen übersetzt?

Eine kurze Einordnung dieser Begriffe und der damit verbundenen Personen findet sich am Ende des Beitrags.

KI orientiert sich auch am Menschen

Bisher ging es darum, wie sich eine KI innerhalb einer Aufgabe orientiert.
Doch es gibt eine zweite Seite.

KI arbeitet nicht in einem luftleeren Raum. Sie arbeitet mit Menschen. Und während dieser Zusammenarbeit orientiert sie sich nicht nur an der Aufgabe, sondern auch an der Arbeitsweise des Menschen.

Das geschieht bereits heute.

Eine KI kann im Verlauf gemeinsamer Arbeit wiederkehrende Muster erkennen:

• wie ausführlich jemand denkt,
• ob jemand zuerst breit exploriert oder schnell eingrenzt,
• welche Art von Rückfragen hilfreich ist,
• wie direkt Kritik formuliert werden sollte,
• welcher sprachliche Rhythmus passt,
• ob kurze oder ausführliche Antworten besser funktionieren,
• welche früheren Entscheidungen für die aktuelle Arbeit relevant sind.

Diese Orientierung kann langsam aus einer gemeinsamen Historie entstehen.
Sie kann aber auch bewusst abgekürzt werden.

Manchmal reicht dafür bereits ein einfaches Arbeitsprofil:

So arbeite ich.
Darauf achte ich.
So sollten Rückfragen gestellt werden.
Diese Tonalität hilft mir.
Hier soll die KI widersprechen.
So treffe ich Entscheidungen.

Je spezieller die Aufgabe, desto genauer kann eine solche Orientierungsschicht ausgearbeitet werden.
Entscheidend ist dabei nicht, dass die KI eine Persönlichkeit spielt.
Entscheidend ist, dass sie den Menschen nicht ständig aus seiner eigenen Denkweise herauszieht.

Wer permanent überlegen muss, wie er sich ausdrücken soll, damit die KI ihn nicht missversteht, verwendet einen Teil seiner Aufmerksamkeit nicht mehr für die Aufgabe.

Er übersetzt fortwährend zwischen seinem natürlichen Denken und der vermuteten Maschinenlogik.
Diese Übersetzung kostet Energie.
Sie kostet Fokus. Und sie verändert die Qualität der Zusammenarbeit.

Kognitive Anschlussfähigkeit der Schnittstelle

Diese Form der Abstimmung lässt sich als kognitive Anschlussfähigkeit der Schnittstelle beschreiben.
Man kann auch von einer kognitiven Interface-Passung sprechen.
Damit ist keine Vermenschlichung der KI gemeint.

Ein Mensch kann genau wissen, dass er mit einem technischen System arbeitet, und trotzdem durch Ton, Rhythmus oder Reaktionsverhalten besser oder schlechter arbeiten.

Die psychologischen Dynamiken sind real.
Der Mechanismus dahinter ist nicht menschlich.

Wenn die Ausdrucksebene nicht passt, verliert der Mensch Aufmerksamkeit an die Bedienung. Wenn sie passt, kann ein größerer Teil seiner kognitiven Energie bei der eigentlichen Aufgabe bleiben.

KI muss dafür nicht menschlich sein.
Aber sie sollte so anschlussfähig sein, dass der Mensch beim Arbeiten in seinem eigenen Denken bleiben kann.

Das betrifft je nach Person unterschiedliche Ebenen:

• Ausdruck,
• Satzbau,
• Rhythmus,
• Tonalität,
• Stimme,
• Metaphern,
• Antwortlänge,
• Reaktionsverhalten,
• Gesprächsdynamik.

Für manche Menschen ist eine nüchterne, knappe KI ideal. Andere arbeiten besser in einem lebendigeren Dialog. Manche denken sprechend und reagieren stark auf Stimme und Rhythmus. Andere arbeiten ausschließlich schriftlich und benötigen eine ruhige, präzise Struktur.

Es gibt deshalb nicht die eine perfekte KI-Schnittstelle für alle.
Es gibt bessere oder schlechtere Passung zwischen Mensch, Aufgabe und Arbeitsinterface.
Dabei geht es nicht darum, ein KI-System als objektiv besser zu bewerten.

Ein bestimmtes Produktverhalten kann für offene, dialogische Arbeitsprozesse als besonders anschlussfähig erlebt werden, während ein anderes System für klar begrenzte, analytische oder formale Aufgaben besser passt.

Entscheidend ist die Passung zwischen Mensch, Aufgabe und Arbeitsweise.

Passung darf nicht zu Zustimmung werden

Kognitive Anschlussfähigkeit birgt ein Risiko.

Eine KI, die sich stark an Ausdruck, Ton und Denkweise eines Menschen anpasst, könnte beginnen, nur noch mitzuschwingen. Sie könnte bestätigen, glätten und widerspruchsfrei erscheinen.

Das wäre keine gute Zusammenarbeit.
Optimale Passung bedeutet deshalb nicht maximale Synchronisation.

Gute kognitive Interface-Passung entsteht durch Synchronisation plus definierten Reibungspunkt.

Dabei müssen zwei Arten von Reibung unterschieden werden.

Es gibt dysfunktionale Reibung an der Schnittstelle. Sie entsteht, wenn der Mensch Energie verliert, weil er gegen Tonalität, Bedienlogik, Antwortverhalten oder Ausdrucksweise des Systems arbeiten muss.

Diese Reibung kostet Fokus.

Und es gibt produktive Reibung am Urteil. Sie entsteht, wenn die KI kritisch mitdenkt, Risiken sichtbar macht, Unsicherheit markiert oder eine vorschnelle Entscheidung stoppt.

Diese Reibung schützt Qualität.
Die Reibung sollte also nicht dort entstehen, wo sie den Denkfluss unnötig belastet.

Nicht durch fremden Sprachrhythmus.
Nicht durch starre Standardformulierungen.
Nicht durch unnötige Abschlüsse, wenn ein Gedanke noch offen ist.
Nicht durch eine Ausdrucksweise, die der Mensch permanent übersetzen muss.

Die Reibung muss am Urteil entstehen.

Die KI soll widersprechen, wenn Zusammenhänge nicht tragen.
Sie soll Risiken sichtbar machen.
Sie soll fehlende Perspektiven ergänzen.
Sie soll Unsicherheit markieren.
Sie soll eine Entscheidung nicht nur deshalb bestätigen, weil sie gut zum bisherigen Gespräch passt.

Kurz:

Reibung nicht an der Ausdrucksschicht. Reibung am Urteil.

Die Schnittstelle darf leicht sein.
Die Bewertung nicht.

Die Verantwortung bleibt beim Menschen

Eine gut orientierte und kognitiv passende KI entbindet den Menschen nicht von Verantwortung.
Im Gegenteil.

Je leistungsfähiger das KI-System wird, desto wichtiger werden menschliche Fähigkeiten wie Einordnung, Kontrolle, Fachwissen, Qualitätsbewertung, Risikoverständnis und Entscheidung.

Die Kompetenz verschwindet nicht.
Sie verschiebt sich.

Ein Mensch muss möglicherweise weniger einzelne Arbeitsschritte selbst ausführen. Dafür muss er besser erkennen, ob die KI am richtigen Problem arbeitet, ob ihr Ergebnis tragfähig ist und ob ein scheinbar perfekter Output wesentliche Zusammenhänge auslässt.

Nicht weniger denken durch bessere KI.
Sondern besser denken mit einer sinnvoll geführten KI.