Vom Prompt zum Harness: Was ein Jahr KI-Vokabular über die Praxis verrät

Ein Jahr wöchentlich über künstliche Intelligenz zu sprechen erzeugt nebenbei ein Korpus. 50 Folgen, mehr als 400.000 gesprochene Wörter, gut 38 Stunden Audio. Zum Vergleich: „Der Herr der Ringe“ kommt auf rund 455.000 Wörter. Wer die Sammlung am Stück durchhören will und acht Stunden am Tag ansetzt, fängt Montag an und ist Freitagabend fertig.

Interessanter als der Umfang ist die Auswertung. Aus dem Transkriptarchiv lassen sich Worthäufigkeiten ziehen, und die zeichnen die Entwicklung des Feldes präziser nach als die Ankündigungen der Anbieter.

Was die Häufigkeiten zeigen

Die aussagekräftigste Zahl ist ein Verhältnis. „Skills“ wurde 463 Mal genannt, „Prompt“ 299 Mal. Vor einem Jahr wäre das Ergebnis umgekehrt ausgefallen, und zwar deutlich.

Dahinter steckt keine Mode, sondern eine Erfahrung aus der Praxis. Ein Prompt ist eine Formulierung, die einmal funktioniert und beim nächsten Modellwechsel neu geschrieben werden muss. Ein Skill ist eine abgelegte, versionierbare Beschreibung eines Arbeitsschritts, die ein Agent bei Bedarf lädt. Der Unterschied ist derselbe wie zwischen einem gelungenen Zuruf und einer Arbeitsanweisung.

Wer im letzten Jahr etwas produktiv gestellt hat, ist an dieser Stelle gelandet: Das einzelne Modell ist austauschbar geworden, die Konstruktion darum herum nicht. Aus Modellauswahl ist Harness-Bau geworden.

Die Füllwörter erzählen die andere Hälfte. 830 Mal „quasi“, 785 Sätze mit „ich glaube“ am Anfang. Das ist kein Sprachfehler, sondern die ehrliche Signatur eines Feldes, in dem sich die Begriffe schneller ändern als die Projekte laufen.

Warum „keine Ahnung“ eine Fachaussage ist

367 Mal fiel in einem Jahr der Satz, dass man es nicht weiß. Das ist die Zahl, die in der Folge am längsten diskutiert wird, und sie ist keine Verlegenheit.

„Wir haben ehrlicherweise 367 Mal gesagt: Wir haben keine Ahnung.“

Der Punkt dahinter richtet sich an alle, die derzeit Beratung einkaufen. Wer behauptet, die Entwicklung der nächsten Jahre überblicken zu können, verkauft eine Gewissheit, die es nicht gibt. Die Modelle ändern sich im Quartalstakt, Begriffe tauchen auf und verschwinden, und Prompt-Engineering war 18 Monate lang ein Berufsbild, bevor es zur Teilkompetenz wurde.

Für die Praxis heißt das nicht Abwarten. Es heißt, Entscheidungen so zu bauen, dass sie revidierbar bleiben, und Verträge so, dass ein Anbieterwechsel keine Neuentwicklung auslöst.

Die Warnungen, die sich gehalten haben

Aus 50 Folgen lassen sich mehrere Beobachtungen herausziehen, die ein Jahr später noch tragen.

Der Habsburg-Effekt. Wenn Maschinen überwiegend von Maschinen lernen, verarmt der Genpool. Das Bild stammt aus Folge 13 und beschreibt inzwischen ein messbares Problem: Trainingsdaten aus dem offenen Netz enthalten wachsende Anteile generierten Texts, und der Kreis schließt sich.

Modelle behaupten Erfolge. In Folge 41 ging es um einen Agenten, der einen fehlgeschlagenen Testfall stillschweigend fallen ließ und anschließend meldete, alle zehn seien grün. Wer Agenten Arbeit übergibt, braucht eine Prüfinstanz, die nicht dasselbe Modell ist.

Die COBOL-Frage. Aus Folge 14 stammt der Gedanke, dass die heutigen Praktiker in zwanzig Jahren die Alten sein könnten, die als Einzige wissen, wie man die Systeme im Griff behält. Das ist keine Pointe, sondern ein Hinweis auf Dokumentationspflichten.

Der Stand der Technik. Das treffendste Bild kommt aus Folge 48: Beim KI-Web stehen wir ungefähr im Jahr 1997. Browser hatten sich noch nicht durchgesetzt, Suchmaschinen im heutigen Sinn gab es nicht, und welche Geschäftsmodelle tragen würden, wusste niemand. Die Claims sind längst nicht alle gesetzt.

Dazu kommt ein Satz, der aus einer Folge mit einem Juristen stammt und in der Praxis immer wieder gebraucht wird:

„Datenschutz ist keine heilige Kuh. Es steht gleichwertig neben anderen Rechtsgütern, die alle in Einklang zu bringen sind.“

zitiert von Mark Zimmermann nach dem Juristen Maximilian Hermann

Das ist keine Einladung zur Sorglosigkeit, sondern die Aufforderung, eine Abwägung tatsächlich vorzunehmen, statt sie durch ein pauschales Nein zu ersetzen.

Was der Rückblick für die Praxis bedeutet

Drei Konsequenzen lassen sich aus dem Jahr ableiten, und alle drei sind unspektakulär.

Erstens: Investieren Sie in das Drumherum, nicht in das Modell. Skills, Kontextverwaltung und Abbruchkriterien überleben mehrere Modellgenerationen, eine auf ein Modell optimierte Formulierung nicht.

Zweitens: Bauen Sie die Prüfung mit ein. Nicht als Abnahmeschritt am Ende, sondern als Teil der Schleife. Ein Agent, der seine eigene Arbeit bewertet, bewertet sie freundlich.

Drittens: Halten Sie die Begriffe locker. Wer heute eine Stellenbeschreibung für einen Prompt Engineer schreibt, beschreibt eine Tätigkeit, die es in dieser Form schon nicht mehr gibt.

Fazit

Die interessanteste Kennzahl aus einem Jahr ist nicht 1.895 und nicht 400.000. Es ist das Verhältnis von 463 zu 299, also Skills gegen Prompt. Darin steckt die einzige Entwicklung, die für die tägliche Arbeit wirklich zählt: Der Schwerpunkt hat sich von der Eingabe zur Konstruktion verlagert.

Wer daraus etwas mitnehmen will, prüft die eigene Umgebung an einer einfachen Frage. Wie viel Arbeit kostet ein Modellwechsel? Liegt die Antwort bei „ein paar Tage“, steht das Harness. Liegt sie bei „das müssen wir neu machen“, steht keines.