Typische Fehlinterpretationen von KI: Mache einfache, echte Tests

Fehler: „Komplex" wird als „lang" interpretiert

Du schreibst:
„Erstelle eine komplexe Erklärung."

Die KI denkt:
„Ah, komplex = viele Worte."

Ergebnis:
lange Texte ohne echten Tiefgang.

Warum passiert das?
KI arbeitet mit Wahrscheinlichkeiten. Die meisten Trainingsdaten verbinden „Komplexität" mit „Länge".

Lösung:
Sag, worin die Komplexität bestehen soll.

Beispiel:
„Erstelle eine kurze, aber logisch komplexe Erklärung mit klarer Ursache-Wirkung."

Fehler: „Präzise" wird als „kurz" interpretiert

Viele Modelle denken:

„Präzise = knapp."

Das führt dazu, dass Beschreibungen zu stark gekürzt werden.

Warum passiert das?
Die KI hat gelernt:

„Präzision spart Wörter."

Aber das stimmt nicht immer.

Lösung:
Sag, was Präzision bedeutet.

Beispiel:
„Präzise = klar, eindeutig und vollständig – nicht kurz."

Fehler: „Kritisch prüfen" wird ignoriert

Wenn du schreibst:

„Prüfe den Text kritisch",

passiert oft nichts.

Warum?
Ohne konkrete Prüfregeln weiß die KI nicht, was kritisch bedeutet.

Lösung:
Gib eine Prüfliste vor.

Beispiel:
„Kritisch prüfen = Logikfehler finden, fehlende Infos erkennen, Widersprüche markieren."

Fehler: Mehrdeutige Begriffe führen zu falschen Annahmen

Beispiele:

• „Kunde" – meint das einen Bestandskunden, Interessenten oder Wunschkunden?
• „Text verbessern" – stilistisch? inhaltlich? emotional?
• „Locker" – wie locker? humorvoll? lässig? jugendlich?

Lösung:
Definiere Begriffe im Systemprompt oder im Userprompt.

Beispiel:
„Mit ‚locker' meine ich: weniger formell, kurze Sätze, kein Slang."

Fehler: KI denkt in der wahrscheinlichsten Bedeutung, nicht in deiner

Wenn ein Wort mehrere Bedeutungen hat, nimmt die KI die statistisch häufigere – nicht deine.

Beispiel:
„Pitch" → Verkaufspräsentation

Aber du meinst vielleicht: kurze Textidee.

Lösung:
Immer präzisieren:

„Mit ‚Pitch' meine ich eine kurze Textidee, maximal 3 Sätze."

Fehler: KI füllt fehlende Informationen automatisch auf („Halluzinationen")

Wenn die KI etwas nicht weiß, rät sie – sehr höflich, aber trotzdem falsch.

Warum passiert das?
KI-Modelle versuchen, Lücken zu schließen (sog. "completion bias").

Lösung:
Erlaube kein Raten.

Beispiel:
„Wenn Informationen fehlen, stelle eine Rückfrage. Rate niemals."

Test: Ambiguitäts-Test

Frage die KI:
„Was ist ein guter Kunde?"

Beobachte, worauf die KI eingeht:

• Umsatzstärke?
• Engagement?
• Freundlichkeit?
• Preisbereitschaft?

Du erkennst:
Die KI nimmt wahrscheinliche, nicht präzise Bedeutungen an.

Lerneffekt:
Begriffe definieren = Fehler vermeiden.

Test: Komplexitäts-Test

Frage die KI:
„Erkläre mir das Konzept der Positionierung komplex."

Ergebnis:
Meist ein langer, schwerer Text.

Danach fragst du:
„Erkläre mir das Konzept der Positionierung kurz, aber logisch komplex."

Ergebnis:
prägnanter, klarer, besser.

Lerneffekt:
Erklär, was du mit einem Wort meinst.

Test: Prüfregel-Test

Frage:
„Prüfe diesen Text kritisch."

Ergebnis:
Oft nur kosmetische Korrekturen.

Frag dann:
„Prüfe diesen Text kritisch:

• Logik
• Klarheit
• Zielgruppenbezug
• fehlende Informationen"

Ergebnis:
viel tiefere Analyse.

Lerneffekt:
Gib konkrete Prüfregeln vor.