Je besser die KI, desto wichtiger der Mensch

Künstliche Intelligenz liefert immer beeindruckendere Ergebnisse. Doch was brillant klingt, ist nicht unbedingt richtig. Gerade die leistungsfähigsten KI-Modelle stellen unsere Fähigkeit, Qualität zu beurteilen, auf die Probe. Zentral: Ein grundlegendes Verständnis der Technologie, der richtige Kontext und clever gebaute Prompts. Unsere KI-Werkstatt geht in die nächste Runde.

Wer kennt diesen Moment mittlerweile nicht? Ich habe der KI eine anspruchsvolle Aufgabe gestellt. Die Antwort kommt, und sie ist beeindruckend: klar strukturiert, sprachlich brillant, mit überraschenden Gedanken und überzeugenden Schlussfolgerungen. Ich denke: Wow, das hätte ich selbst kaum besser hingekriegt. 

Wow oder flau? 

Dann meldet sich ein leiser Zweifel. Irgendetwas stimmt nicht. Ich lese nochmals genauer, prüfe eine Aussage, gehe einer Schlussfolgerung nach. Und plötzlich wird klar: Ein grundlegender Gedanke der ganzen Antwort ist falsch. Vielleicht hat die KI einen Zusammenhang konstruiert, den es gar nicht gibt. Oder sie hat eine entscheidende Information übersehen. Aber mit fatalen Folgen: es geht hier nicht um einen kleinen Fehler, den man schnell korrigieren könnte, sondern die ganze Argumentation baut auf einer falschen Annahme. 

Was eben noch brillant erschien, ist auf einen Schlag wertlos. Alles in den Papierkorb. Zurück auf Feld eins. Diesmal mit Human Intelligence. Und das Beunruhigende daran: Je besser die KI wird, desto schwieriger wird es, solche Fehler überhaupt zu erkennen. 

Die Frontier-Modelle: beeindruckend leistungsfähig 

Die Entwicklung der künstlichen Intelligenz ist atemberaubend. Die sogenannten Frontier-Modelle – die jeweils leistungsfähigsten KI-Modelle an der technologischen Spitze wie Claude Opus oder ChatGPT Astra – bewältigen heute Aufgaben, die noch vor wenigen Jahren undenkbar schienen. Sie analysieren umfangreiche Dokumente, vergleichen komplexe Sachverhalte, entwickeln Argumentationen, schreiben Programme und bearbeiten anspruchsvolle Aufgaben in mehreren Schritten. 

Ihre Ergebnisse lassen sich zunehmend kaum noch von qualifizierter menschlicher Arbeit unterscheiden. Genau darin liegt eine neue Herausforderung: Offensichtliche Fehler erkennen wir leicht. Aber wie beurteilen wir eine differenzierte Analyse, die in neun von zehn Punkten überzeugt und im zehnten fundamental falsch liegt? Sprachliche Brillanz ist kein Beweis für inhaltliche Qualität. Je leistungsfähiger die Modelle werden, desto anspruchsvoller wird die menschliche Qualitätskontrolle. 

Und etwas geht in der Begeisterung leicht vergessen: Frontier-Modelle benötigen enorme Rechenleistung und damit viel Energie. Wie ressourcenintensiv unsere scheinbar mühelose KI-Nutzung tatsächlich ist, bleibt uns meist verborgen. Doch die Energie- und Ressourcenprobleme unseres Planeten holen auch die künstliche Intelligenz zunehmend ein. 

Was KI kann. Und weshalb sie nicht versteht. 

Um KI sinnvoll einzusetzen, müssen wir verstehen, was hinter der beeindruckenden Fassade steckt. Grosse Sprachmodelle haben anhand riesiger Datenmengen gelernt, sprachliche und inhaltliche Muster zu erkennen und fortzusetzen. Sie berechnen, welche Antworten in einem gegebenen Kontext wahrscheinlich passen. Daraus entstehen erstaunliche Fähigkeiten, die weit über das blosse Aneinanderreihen von Wörtern hinausgehen. 

KI ist hervorragend darin, Texte zusammenzufassen, Informationen zu strukturieren, Sachverhalte zu vergleichen, Inhalte zu übersetzen oder neue Formulierungen zu entwickeln. Sie kann in dieser Weise auch komplexe Schlussfolgerungen ziehen. Aber sie versteht die Welt nicht so, wie wir Menschen sie verstehen: durch Erfahrung, Wahrnehmung, soziale Beziehungen und ein Bewusstsein für Bedeutung und Verantwortung. 

Das erklärt eine ihrer grössten Schwächen. KI kann eine überzeugende Argumentation entwickeln, ohne zuverlässig beurteilen zu können, ob deren Grundlagen stimmen. Sie kann Zusammenhänge herstellen, die plausibel klingen, aber inhaltlich hohl sind. Und sie kann falsch liegen, ohne selbst Zweifel daran zu erkennen. 

Für uns bedeutet das: Wir müssen lernen, Aufgaben nach den tatsächlichen Stärken und Schwächen der KI auszuwählen. Und vor allem müssen wir unseren eigenen fachlichen Kompass schärfen. Denn was überzeugend klingt, ist noch lange nicht richtig. 

Kontext schlägt Prompt 

Wer mit KI arbeitet, sucht oft nach dem perfekten Prompt – der richtigen Formulierung, die besonders gute Antworten hervorbringt. Doch entscheidender als die geschickteste Anweisung ist das Wissen, auf das die KI bei ihrer Arbeit zurückgreifen kann. Kontext schlägt Prompt. 

Gerade im gemeinnützigen Sektor sind drei Ebenen wichtig. Erstens der Organisationskontext: Was sind unsere Ziele, unsere Strategie, unsere Projekte und bisherigen Erfahrungen? Zweitens der Fachkontext: Wie funktionieren Förderbeziehungen, welche Kriterien bestimmen Förderentscheide, was macht ein wirkungsvolles Projekt aus? Und drittens der Recherchekontext: Welche aktuellen, verlässlichen Informationen stehen über eine Förderorganisation, eine Ausschreibung oder ein gesellschaftliches Problem zur Verfügung? 

Nehmen wir eine Förderanfrage. Ohne ausreichenden Kontext produziert KI einen sprachlich gefälligen, aber austauschbaren Text. Kennt sie hingegen das Projekt, die eigene Organisation, die Förderstrategie des Gegenübers und die Besonderheiten einer überzeugenden Förderanfrage, kann ein wirklich brauchbarer Entwurf entstehen. 

Guter Kontext reduziert Fehler und macht Ergebnisse relevanter. Er ersetzt aber nicht unsere Urteilsfähigkeit. Entscheidend bleibt deshalb, dass wir nicht nur wissen, was wir der KI mitgeben müssen, sondern auch, wie wir ihre Antworten beurteilen. 

KI-Werkstatt: KI verstehen und kompetent einsetzen 

Je leistungsfähiger KI wird, desto wichtiger wird unsere eigene Urteilsfähigkeit. Wir müssen erkennen, für welche Aufgaben KI besonders geeignet ist, wo ihre Grenzen liegen und wann wir ihr besser nicht vertrauen. Das setzt voraus, dass wir die grundlegende Funktionsweise der Technologie verstehen, ihre Stärken gezielt nutzen und ihre Ergebnisse kritisch hinterfragen können. Es braucht dazu ein solides Grundverständnis, methodisches Wissen und praktische Übung. Genau hier setzt unsere KI-Werkstatt an. 

In unserem dreistündigen Online-Workshop vermitteln wir die Grundlagen für einen bewussten und professionellen Umgang mit künstlicher Intelligenz. Was können moderne KI-Modelle wirklich? Wo liegen ihre Schwächen und Risiken? Was gilt es bei Datenschutz und Sicherheit zu beachten? Und wie schaffen wir mit dem richtigen Kontext die Voraussetzungen für bessere Ergebnisse? 

Spheriq AI: nicht alles neu erfinden 

Was wir in der KI-Werkstatt gemeinsam erarbeiten, setzen wir auf Spheriq auch ganz praktisch um. In den letzten Monaten ist auf unserer Plattform eine breite Palette erprobter, anwendungsorientierter KI-Prompts entstanden. Sie helfen bei konkreten Aufgaben im Fundraising, im Fördermanagement und in der täglichen Arbeit gemeinnütziger Organisationen. 

Das Besondere: Die Prompts enthalten nicht nur eine Arbeitsanweisung, sondern auch das nötige methodische Wissen und das Savoir-faire der gemeinnützigen Welt. Wie prüft man ein Fördergesuch auf Konsistenz? Was macht eine überzeugende Förderanfrage aus? Nach welchen Kriterien lässt sich die Passung zwischen einem Projekt und einer Förderorganisation beurteilen? Dieses Fachwissen ist bereits in die Anwendungen eingeflossen. 

Hinzu kommen die Informationen aus den Organisations- und Projektprofilen sowie die Förderlogiken auf der Plattform. So kann Spheriq AI auf einen qualitativ hochwertigen Kontext zurückgreifen, den Nutzer bei allgemeinen KI-Anwendungen oft erst mühsam zusammenstellen müssen. 

Je besser die KI, desto wichtiger der Mensch 

Die künstliche Intelligenz wird noch leistungsfähiger werden. Sie wird uns mit Fähigkeiten überraschen, die wir uns heute kaum vorstellen können. Umso wichtiger ist es, dass wir nicht nur die Technologie weiterentwickeln, sondern auch unsere eigene Kompetenz im Umgang mit ihr. 

Die entscheidende Frage lautet für mich nicht, wie viel Denken wir an KI delegieren können. Sondern wie wir ihre Fähigkeiten so nutzen, dass unsere Arbeit insgesamt wirklich besser wird. Anders gesagt: Ich möchte nicht weniger nachdenken, weil ich KI nutze. Ich möchte meine Zeit und Aufmerksamkeit dort einsetzen, wo menschliches Wissen, Erfahrung und Urteilsvermögen den entscheidenden Unterschied machen.