Savant Maschinen

Letzte Woche habe ich einen Essay zum Thema LLMs veröffentlicht. Es geht darin um die Frage, die ich mir derzeit täglich stelle: Was gebe ich an die Maschine ab — und was nicht?

Die Kurzfassung.

Large Language Models (LLMs) sind wie Savants: in einzelnen Momenten brillant, im Ganzen unzuverlässig. Baut man allerdings ein Gerüst darum — Toolzugriff, Websuche, Gedächtnis/Speicher, Ausführungsschleifen — werden sie erstaunlich kompetent.

Dabei muss man aber drei Fähigkeiten auseinanderhalten:

• Kompetenz — eine Aufgabe ausführen können.
• Urteilsvermögen — beurteilen können, ob das Ergebnis taugt.
• Praktische Weisheit (Aristoteles) — entscheiden, was überhaupt getan werden muss, und die Folgen tragen.

Die ersten beiden holt sich die Maschine eher früher als später. Die dritte nicht. Denn dafür müsste sie etwas zu verlieren haben. Die Maschine hat keine Stakes, keine Gefühle, keine Verantwortung.

Was also abgeben?

1. Affenarbeit — wenn ich mich weniger wie ein denkender Mensch fühle und mehr wie ein dressierter Affe am Hebel, dann sollte ich zur Savantmaschine greifen.
2. Pareto-Arbeit — einmalige Kleinigkeiten, bei denen „gut genug“ wirklich genug ist. Es lohnt sich meist nicht mehr, sich hier zu bemühen, wenn die Maschine es besser und schneller kann.
3. Breite Geländesondierung — wenn es um etwas geht, das größer ist, als ich es im Kopf halten kann (zu viele Quellen, zu viel Material, zu viele Stellschrauben). Dann kann mir die KI helfen, eine erste Karte (kein Urteil!) dafür zu bauen.

Behalten würde ich die Arbeit, wenn das Ziel noch unklar ist, wenn viel auf dem Spiel steht, wenn die Mühe genau das Urteilsvermögen aufbaut, das ich später brauche — und immer dann, wenn ich am Ende geradestehe.

Denn nicht jede Schwierigkeit ist ein Hindernis. Manche ist die Übung selbst.

Die Hauptidee ist daher: Scale the monkey work. Own what matters.