Wie Fable5 die Wissensarbeit verändert hat – und wie es weitergeht

KI-Modelle verstehen, was gemeint ist, statt was gesagt wurde. Der Unterschied ist substantiell: Sie erfüllen Aufgaben nicht nur, sie definieren den Weg dorthin selbst. Das hat Folgen für die KI-Steuerung, und die sind komplexer, als man zunächst meinen könnte. Es geht um die Frage, welche Rolle menschliche Kompetenz für die Epistemik der KI-Interaktion spielt – für den Erkenntnisgewinn also, der in Dialogen mit Maschinen entsteht. Und um die Grenze, an die menschliche Intervention sehr bald stößt.

Von Prompt-Engineering spreche ich hier nicht. Der Begriff sagt nicht mehr als "eine Arbeitsanweisung klar formulieren", und das kann jeder, der Teams oder Unternehmen führt. Als eigenständige Disziplin war das ein Missverständnis: Der Prompt-Ingenieur ist der erste Beruf, den die Künstliche Intelligenz geschaffen und wieder abgeschafft hat, ohne dazwischen Luft zu holen. Man hat ihn einfach nicht mehr gebraucht, seit die Modelle von allein Rückfragen stellen und Problemstellungen eigenständig rahmen.

Das ist keine Randnotiz der Branchengeschichte, sondern die härteste verfügbare Auskunft über die Frage, wie man KI steuert. Denn was da verschwand, war die verbreitetste Steuerungsvorstellung überhaupt: dass Steuerung heißt, die Maschine besser zu bedienen. Bessere Fragen, präzisere Anweisungen, sauber zusammengefasster Kontext. Wer aus der Dienstleistungswelt kommt, nannte so etwas früher Briefing, und dort galt schon immer: Ein schlechtes Briefing produziert schlechte Ergebnisse. Rubbish in, rubbish out. Gute Dienstleister nehmen das Briefing deshalb nicht einfach entgegen. Sie recherchieren selbst, formulieren die Problemstellung neu und schärfen die Aufgabe – das Rebriefing. Sie wissen vorher, dass sie für die Qualität des Briefings haften, an dem ihr Output am Ende gemessen wird. Im KI-Dialog ist das nicht anders.

Der mehr oder weniger präzise gebriefte Berater wendet nun eigene Methoden an und entwickelt Analysen und Lösungshypothesen. Hier trennen sich die Experten, besonders dann, wenn das Problem komplex oder teuer ist. Nehmen wir die Unternehmensstrategie: Die Planungsschule arbeitet mit grundlegend anderen Methoden als die systemische Schule und kommt zu anderen Schlussfolgerungen. Wer die zugrundeliegende Axiomatik kennt, nickt an dieser Stelle. Weil eine KI im aufgespannten semantischen Raum "argumentiert" – was bedeutet: statistisch vorhersagt –, landet sie in der einen Schule, in der anderen oder in einer wohlklingenden Mischung aus beiden.

Der Unterschied zum Berater liegt dabei nicht im Können, sondern in der Haftung. Wer ein Briefing eigenständig schärft, tut das unter Bedingungen: Reputation, Honorar, im Zweifel Regress. Sein Rebriefing ist eine Setzung, weil jemand dafür geradesteht. Das Modell setzt den Rahmen mit derselben Souveränität und ist dabei niemand.

Die Antwort darauf heißt Denkarchitektur: ein logisches Gerüst, das die Setzung explizit macht und konsistente Argumentation erzwingt – welche Schule gilt, was als Beleg zählt, wann eine Frage beantwortet ist, was ausgeschlossen bleibt. Das ist nicht eine von mehreren Optionen. Es ist die einzige Stelle, an der ein Mensch in einem KI-Dialog noch etwas entscheidet, das die Maschine nicht ohnehin besser entscheiden würde. Alles davor ist Bedienung. Alles danach ist Ausführung.

Und genau deshalb wird es unangenehm. Denn eine Denkarchitektur muss nicht nur gesetzt, sondern eingehalten werden – und ob sie eingehalten wurde, muss jemand prüfen. Diese Prüfung ist heute noch menschliche Arbeit. Sie wird es nicht bleiben. Die Modelle werden bald schneller, gründlicher und unbestechlicher gegen einen Rahmen prüfen, als der Mensch es kann, der ihn gesetzt hat. Wer dann noch auf eigener Prüfung besteht, prüft schlechter.

Damit steht die Frage anders, als sie üblicherweise gestellt wird. Sie lautet nicht, ob der Mensch in der Schleife bleibt, sondern an welcher Stelle. Meine These: Er bleibt an der Setzung und gibt die Prüfung ab, weil alles andere Eitelkeit wäre. Nur beginnt damit ein Problem, das die Systemtheorie kennt, seit es sie gibt – wer den Beobachter beobachtet, braucht einen Beobachter für den Beobachter, und so fort. Bislang hat die Knappheit diese Kette gestutzt: Niemand konnte sich beliebig viele Prüfinstanzen leisten. Maschinen können es.

Wer heute erklärt, warum die Arbeit mit KI ein methodisches Fundament braucht, muss deshalb zuerst sagen, welcher Teil dieses Fundaments sterblich ist. Und dann die härtere Frage stellen: was es bedeutet, wenn der Mensch nicht mehr selbst nachvollziehen kann, ob der von ihm selbst definierte und gesetzte Rahmen eingehalten wurde – und trotzdem gute Gründe hat, dem Ergebnis zu folgen.

Hier beginnt der interessante Teil.

Was stirbt eigentlich wann?

Richard Sutton, einer der Väter des maschinellen Lernens, hat 2019 einen dreiseitigen Text veröffentlicht, der zur unangenehmsten Selbstdiagnose seines Fachs geworden ist. Seine Beobachtung aus siebzig Jahren KI-Geschichte: Sorgfältig konstruiertes menschliches Expertenwissen verliert am Ende immer gegen generische Verfahren, die einfach mit mehr Rechenleistung skalieren. Schach, Sprachverarbeitung, Bilderkennung – jedes Mal waren die Experten sicher, ihre Regelwerke seien unersetzlich. Jedes Mal hat die Skalierung sie gefressen. Sutton nennt es die bittere Lektion. Bitter ist sie, weil sie eine Lebensleistung entwertet, nicht ein Produkt.

Seit die Muster verstanden sind, wird rechenbar, was als originär menschlich galt: Kreativität, Intuition, Hypothesenbildung. Zuletzt die Empathie – in blind bewerteten Studien gelten die Antworten der Maschine auf Patientenfragen als einfühlsamer als die von Ärzten. Man kann einwenden, dass hier nur der Ausdruck gemessen wird und nicht das Empfinden. Das stimmt. Es interessiert nur niemanden mehr, sobald das Ergebnis besser ist. Was reihenweise fällt, sind also nicht die Fähigkeiten selbst, sondern die Kriterien, an denen wir sie festgemacht haben.

Die bittere Lektion ist inzwischen bei denen angekommen, die auf Modellen aufbauen, statt sie zu trainieren. Das Muster wiederholt sich zuverlässig: Man konstruiert etwas, das eine Modellschwäche kompensiert, es funktioniert, und mit dem nächsten Release existiert die Schwäche nicht mehr. Die Faustregel unter Praktikern ist entsprechend schlicht geworden: Frag bei jedem Bauteil, ob es überflüssig wird, wenn das nächste Modell zehnmal besser ist. Bei Prompt-Kunstgriffen lautet die Antwort fast immer ja.

Das ist kein Bauchgefühl, sondern gemessen. Eine Wharton-Studie von 2025 hat den Wert des klassischen Chain of Thought untersucht – der Anweisung, in Schritten zu denken, aus der die gesamte Prompt-Methodik hervorgegangen ist. Bei älteren Modellen brachte sie zweistellige Verbesserungen. Bei Reasoning-Modellen sind die Gewinne marginal und der Aufwand kaum gerechtfertigt; bei einfachen Aufgaben erzeugt die aufgezwungene Denkstruktur sogar Fehler, die das Modell ohne Anleitung nicht gemacht hätte. Das strukturierte Denken ist in die Modelle eingewandert. Was von außen daraufgesetzt wird, stört zunehmend.

Die Linie sollte man ehrlich verlängern, auch wenn sie ins eigene Regal führt. Phasensteuerung, Divergenz-Konvergenz-Taktung, orchestrierte Rollenwechsel zwischen Analyse, Kritik und Synthese: Ein guter Teil dessen, wovon die Zunft der KI-Methodiker heute lebt, wandert in die Modelle. Multi-Agenten-Systeme lassen bereits automatisiert konkurrierende Positionen gegeneinander antreten. Künftige Modelle werden ihre Prämissen offenlegen, ihre Inkonsistenzen selbst finden und den Perspektivwechsel vorschlagen, bevor der Mensch merkt, dass einer nötig wäre.

Daraus folgt ein Satz, den man besser annimmt als wegdiskutiert: Wer begründet, dass eine Denkarchitektur nötig sei, weil die Maschine sonst schlechter arbeite, begründet mit einem schwindenden Rohstoff. Diese Begründung stirbt mit jedem Modellsprung. Man sollte sie nicht verteidigen, sondern abschreiben – und nachsehen, was übrig bleibt.

Und was stirbt nicht und warum?

Übrig bleibt die Setzung selbst, und sie ist etwas kategorial anderes als die Technik, die um sie herumgewachsen ist.

Kompensationstechnik ist Bedienung: Vorgaben, wie die Maschine rechnen soll. Denk in Schritten, prüf die Annahmen, nimm die Gegenposition ein. Solche Vorgaben verfallen mit dem Defekt, den sie beheben. Hier hat Sutton vollständig recht.

Die Denkarchitektur entscheidet etwas anderes: welches Denken gelten soll. Planungsproblem oder Emergenzphänomen. Falsifizierbarkeit oder Anschlussfähigkeit. Effizienz oder Resilienz. Das ist keine Rechenanweisung, und deshalb verfällt es nicht mit der Rechenleistung – es hing nie von ihr ab.

Der Grund dafür ist unbequemer, als er zunächst klingt: Die Rahmenwahl ist durch Daten nicht entscheidbar. Konkurrierende Schulen erklären dieselbe Welt. Beide haben ihre Triumphe, ihre Katastrophen und ihre Literatur. Es gibt keinen Datensatz, der bestimmt, ob dieses Unternehmen in dieser Lage als steuerbares Gebilde oder als eigensinniges System behandelt werden sollte. Denn ob die Wahl richtig war, zeigt keine Gegenprobe: Das Unternehmen, das der anderen Schule gefolgt wäre, existiert nicht und wird nie existieren. Wer meinen Text über die Zukunft der Wissensarbeit kennt, erkennt die Figur wieder. Dort ging es um strategischen Rat als Vertrauensgut, dessen Qualität weder vorher noch nachher prüfbar ist. Hier steht dieselbe Figur eine Etage tiefer, im Maschinenraum.

Ein besseres Modell kann diese Wahl deshalb nur simulieren. Es kann die Alternativen sauberer aufspannen als jeder Lehrbuchautor. Es kann sogar vorhersagen, welche Wahl zu Ergebnissen führt, die der Fragende später gutheißen wird – womit dessen Maßstab durch die Hintertür wieder zur Grundwahrheit geworden ist. Was es nicht kann, ist das Kriterium liefern, nach dem "besser" bemessen wird. Im Streit der Schulen ist das Kriterium der Streitgegenstand. Wer "besser" sagt, hat einen Zweck gesetzt, und Zwecke setzt, wer die Konsequenzen trägt.

Damit ist auch klar, an wen sich eine Denkarchitektur eigentlich richtet. Scheinbar an die Maschine. Tatsächlich an die Menschen, die mit dem Ergebnis leben müssen. Sie legt offen, unter welchen Prämissen gedacht wurde, und macht den Vorgang damit prüfbar und zurechenbar. Scheitert die Empfehlung, lässt sich rekonstruieren, ob der Rahmen falsch gewählt war oder das Denken in ihm falsch lief. An diesem Unterschied hängt, ob eine Organisation lernt oder nur enttäuscht ist.

Ohne ihn bekommt man das, woran Unternehmen gerade ersticken: stimmige Analysen, die niemand verantworten kann, weil niemand mehr sagen kann, was gedacht wurde, als sie entstanden. Wer maschinelle Empfehlungen unterschreibt, ohne ihre Epistemik zu kennen, unterschreibt blind. Blinde Unterschriften sind keine Verantwortung, sondern Deckung mit Amtssiegel.

Die Denkarchitektur überlebt also nicht trotz der bitteren Lektion, sondern jenseits von ihr. Ihre Halbwertszeit ist nicht technologisch, sondern institutionell: Sie hängt nicht daran, was Maschinen können, sondern daran, ob Rechtsordnungen und Organisationen weiter auf Zurechnung bestehen. Das können sie aufgeben. Aber das wäre eine Entscheidung, keine Entwicklung.

Die Prüfung abgeben

Die Setzung bleibt beim Menschen. Bei der Prüfung wird es unangenehm, denn hier steht das eigene Urteil zur Disposition, und dagegen wehrt man sich reflexhaft. Man sollte es trotzdem nicht tun, und zwar aus einem Grund, der seit siebzig Jahren aktenkundig ist.

1954 veröffentlichte der Psychologe Paul Meehl eine schmale Untersuchung mit einem unbequemen Befund: Bei Prognosen schlagen simple statistische Modelle das klinische Urteil erfahrener Experten. Nicht knapp, nicht in Sonderfällen, sondern systematisch. Die Fachwelt reagierte empört, dann mit Gegenstudien. Die Gegenstudien bestätigten Meehl. Bis 1996 hatte er mit William Grove 136 Vergleichsstudien zusammengetragen; das mechanische Verfahren war in der großen Mehrheit gleich gut oder besser, das menschliche in einer kleinen Minderheit überlegen. Medizin, Justiz, Personalauswahl – überall dasselbe Bild.

Bemerkenswert ist nicht der Befund. Bemerkenswert ist, was die Professionen daraus gemacht haben: nichts. Sie haben weiter selbst geurteilt, mit messbarem Schaden für die Menschen, über die geurteilt wurde. Wer Meehl liest und dann in eine Gutachterpraxis schaut, versteht, dass die Weigerung, dem besseren Urteil zu folgen, selbst die Irrationalität sein kann. Eitelkeit im Kostüm der Verantwortung.

Das Schach liefert den zweiten Beleg, und er ist unbarmherziger, weil er jünger ist. Nach Kasparovs Niederlage 1997 kam die Phase, in der Mensch und Maschine gemeinsam die Maschine allein schlugen. Eine Dekade lang galt das als Blaupause der Kollaboration, und die halbe KI-Ethik zitiert sie bis heute als Beweis, dass der Mensch gebraucht wird. Sie war real. Sie war auch vorbei. Heute verschlechtert menschliches Eingreifen die Bewertung der Engine in aller Regel, und die Spieler sind gefolgt – geräuschlos, ohne Trauerfeier. Niemand nennt es Kapitulation. Das Schach hat stattdessen seine Bedeutung verschoben: vom Anspruch auf den besten Zug zur Praxis des eigenen.

Übertragen auf die Denkarchitektur heißt das: Die Prüfung, ob ein gesetzter Rahmen eingehalten wurde, ist genau die Sorte Aufgabe, bei der Meehl gilt. Sie ist regelgebunden. Sie hat ein definiertes Kriterium – den Rahmen selbst. Sie ist ermüdend, und Ermüdung ist der zuverlässigste Feind menschlicher Konsistenz. Ein Mensch, der einen dreißigseitigen Output gegen sein eigenes Gerüst prüft, übersieht Brüche, weil er die Argumentation kennt und beim Lesen ergänzt, was er erwartet hat. Die Maschine kennt sie nicht und ergänzt nichts. Sie prüft die zweiundzwanzigste Seite so unbestechlich wie die erste.

Hier liegt die Trennlinie, die den ganzen Text trägt: Wo "besser" ein Maß hat, ist Folgen rational und Beharren Folklore. Ob eine Schlussfolgerung aus den gesetzten Prämissen folgt, hat ein Maß. Ob die Prämissen die richtigen waren, hat keines. Das eine ist Prüfung, das andere ist Setzung. Wer beides zusammenwirft, verteidigt am Ende die Prüfung mit Argumenten, die nur für die Setzung gelten – und verliert beides, weil das Argument nicht hält.

Nur beginnt genau an dieser Stelle das eigentliche Problem, und es ist kein Bedenken gegen die Abgabe, sondern ihre logische Folge.

Denn die prüfende Maschine ist selbst ein Beobachter mit einem Rahmen, den sie nicht sieht. Sie prüft nach Kriterien, deren Auslegung wieder eine Setzung ist. Wer das ernst nimmt, braucht eine zweite Instanz, die die erste prüft – und für die zweite eine dritte. Die Systemtheorie kennt das seit Heinz von Foerster: Der Beobachter zweiter Ordnung sieht den blinden Fleck des ersten und erzeugt dabei einen neuen. Es gibt keinen letzten Beobachter.

Bislang war das ein philosophisches Problem, weil die Ökonomie es gelöst hat. Niemand konnte sich eine vierte Prüfinstanz leisten; Verfahren enden, weil sie Geld und Zeit kosten. Der Abbruch sah deshalb aus wie Vernunft, obwohl er ökonomisches Gebot war. Aber mit Maschinen kostet die nächste Ordnung fast nichts.

Wer beobachtet den Beobachter

Sobald die nächste Prüfinstanz nichts mehr kostet, verschwindet die Ausrede. Vorher konnte man den Abbruch der Prüfkette Wirtschaftlichkeit nennen. Jetzt wird sichtbar, was er immer war: eine Setzung, kein Erkenntnisgewinn. Man hört nicht auf zu prüfen, weil man fertig ist. Man hört auf, weil man aufhört.

Die Justiz weiß das seit langem und hat es präziser formuliert als jede Erkenntnistheorie. Robert H. Jackson, Richter am US Supreme Court, schrieb 1953 über sein eigenes Gericht: Das letzte Gericht entscheidet nicht, weil es recht hat, sondern weil es das letzte ist. Endgültig ist man also nicht, weil man unfehlbar ist, sondern umgekehrt: unfehlbar allein deshalb, weil endgültig. Das ist keine Koketterie, sondern simple Beschreibung. Der Instanzenzug endet nicht dort, wo die Wahrheit erreicht ist, sondern dort, wo eine Ordnung ihn enden lässt. Rechtsordnungen haben den Regress nie aufgelöst. Sie haben ihn abgeschnitten und den Schnitt durch Verfahren legitimiert.

Genau das steht der maschinellen Prüfkette bevor – nur ohne Verfassung, ohne Instanzenordnung und ohne jemanden, der den Schnitt unterschreibt. Wer drei Modelle übereinanderlegt, hat nicht dreifache Sicherheit, sondern eine Entscheidung getroffen, bei drei aufzuhören. Diese Entscheidung trifft heute niemand bewusst. Sie ergibt sich aus Latenz, Token-Budget und Ungeduld.

Und sie ist nicht das größte Problem. Das größte Problem ist, dass Tiefe nichts kauft.

Prüfinstanzen sind nur dann etwas wert, wenn sie unabhängig irren. Modelle derselben Architektur, trainiert auf überlappenden Datenbasen, ausgerichtet nach ähnlichen Verfahren, teilen ihre blinden Flecke systematisch. Zehn solcher Instanzen liefern nicht zehnfache Sicherheit, sondern zehnfache Bestätigung – und zwar mit steigender Überzeugungskraft, weil Übereinstimmung wie Evidenz aussieht. Der Regress wird dann nicht zum Erkenntnisverfahren, sondern zur Echokammer mit Prüfsiegel. Was zählt, ist nicht die Ordnung der Beobachtung, sondern die Dekorrelation der Beobachter: verschiedene Anbieter, verschiedene Trainingsstände, verschiedene Rahmen, vor allem verschiedene Fehlerarten. Wer maschinell gegenprüfen lässt, prüft nicht tiefer. Er prüft quer.

Damit ist die Aufgabe des Menschen präzise umrissen, und sie ist kleiner, als es den meisten gefallen wird. Er setzt den Rahmen. Er sorgt dafür, dass die Prüfer nicht dieselbe Familie sind. Und er entscheidet, wann Schluss ist. Das Prüfen selbst tut er nicht mehr, weil er es schlechter täte.

Was er dabei verliert, sollte man nicht beschönigen: die Fähigkeit zu erkennen, ob die Kette in eine gemeinsame Fehlrichtung gelaufen ist. Genau diesen Fall erzeugt Korrelation, und genau diesen Fall sieht man von innen nicht. Übereinstimmende Prüfergebnisse sehen identisch aus, egal ob sie unabhängig zustande kamen oder gemeinsam danebenlagen. Der Mensch am Ende der Kette bekommt ein Urteil über sein eigenes Urteil, das er nicht mehr durchdringt. Er kann es nicht verifizieren. Er kann nur entscheiden, ob er es gelten lässt.

An dieser Stelle wird deutlich, warum der Regress kein Erkenntnisproblem ist, das man lösen müsste, sondern eine Kategorie, die man verlassen muss. Jede Prüfung ist eine Behauptung über Richtigkeit und deshalb selbst wieder prüfbar – daher die Endlosigkeit. Eine Zwecksetzung ist keine Behauptung über Richtigkeit. Man kann sie bestreiten, politisch, moralisch, geschmacklich. Widerlegen kann man sie nicht. Deshalb erzeugt sie keine nächste Ordnung. Sie beendet den Regress nicht durch eine Antwort, sondern durch einen Kategoriewechsel.

Übersetzt: Die Prüfkette darf beliebig tief werden und wird es. Beenden kann sie sich nicht. Beendet wird sie von jemandem, der sagt, dass es gut genug ist für das, was er will – und das ist kein Erkenntnisakt, sondern ein Haftungsakt. Der Mensch bleibt nicht in der Schleife, weil er besser urteilt. Er bleibt, weil ein Verfahren, das sich selbst beendet, niemanden hat, den man belangen kann.

Das ist eine schwächere Position als die, mit der Berater und Experten sich üblicherweise legitimieren. Es ist auch die einzige, die hält.

Wenn Folgen vernünftig wird

Die Frage im Untertitel ist damit beantwortbar, und die Antwort ist unbequemer, als sie klingt.

Der Maschine zu folgen statt der eigenen Intuition ist keine Kapitulation, solange die Richtung die eigene bleibt. Delegation mit behaltener Rückrufoption; jeder brauchbare Aufsichtsrat arbeitet so. Wer einen Rahmen setzt, die Prüfung querlaufen lässt und am Ende entscheidet, ob das Ergebnis gilt, hat nichts abgegeben außer der Arbeit, die er schlechter gemacht hätte. Das ist kein Verlust, sondern Arbeitsteilung.

Nur hat diese Formel zwei Sollbruchstellen, und es wäre feige, sie zu verschweigen.

Die erste ist eine Rekursion. Um zu beurteilen, ob die Maschine im konkreten Fall überlegen ist, braucht man genau die Sachkompetenz, die durch Nichtgebrauch verkümmert. Die Prüfinstanz zehrt von einem Vorrat, den das Prüfen nicht auffüllt. Wer zehn Jahre lang nur noch Rahmen setzt und Ergebnisse entgegennimmt, setzt irgendwann Rahmen, die er selbst nicht mehr ausfüllen könnte – und merkt es nicht, weil ihm niemand widerspricht. Das ist die stille Version des Problems: Die Setzung bleibt formal beim Menschen und wird inhaltlich zur Zeremonie. Er unterschreibt weiter. Er weiß nur nicht mehr, was.

Die zweite ist eine Kette. Die Grenze zwischen rationalem Folgen und aufgegebenem Wollen wird niemand in einem Akt überschreiten. Sie wird in tausend einzeln vernünftigen Delegationen überschritten, deren Summe niemand entschieden hat. Erst die Prüfung, weil die Maschine unbestechlicher liest. Dann die Auswahl der Prüfer, weil sie die Korrelationen besser kennt als ich. Dann die Vorformulierung des Rahmens, weil sie ihn ohnehin sauberer aufspannt und ich nur noch bestätige. Jeder einzelne Schritt ist begründbar, jeder für sich richtig. Die Kette ist es nicht.

Man kann das entdramatisieren, und einiges spricht dafür. Das Schach hat den Übergang hinter sich und ist nicht verschwunden, sondern hat seine Bedeutung verschoben: vom Anspruch auf den besten Zug zur Praxis des eigenen. Denkbar, dass dasselbe der Wissensarbeit bevorsteht – dass in zwanzig Jahren niemand mehr behauptet, besser zu urteilen als die Systeme, und dass das ähnlich wenig schmerzt wie heute die Einsicht, langsamer zu rechnen. Zwecke wären dann immer noch zu setzen, und wer sie setzt, hätte immer noch alles zu verantworten. Nur würde niemand das mehr Denken nennen.

Denkbar ist auch das Gegenteil: dass die Zurechnung sich als härter erweist, als die Technik erwartet. Rechtsordnungen brauchen Adressaten. Organisationen brauchen jemanden, der im Zweifel geht. Solange das gilt, gibt es einen Platz, den keine Fähigkeit besetzen kann, weil er nicht durch Fähigkeit vergeben wird.

Welche der beiden Linien sich durchsetzt, entscheidet keine Theorie. Es entscheidet die Praxis derer, die jetzt mit diesen Maschinen arbeiten – und die Frage, ob sie bemerken, an welcher Stelle der Kette sie gerade stehen. Ich weiß es nicht. Ich weiß nur, dass die Antwort nicht davon abhängt, was Maschinen können werden, sondern davon, was Menschen sich abnehmen lassen wollen, während jeder einzelne Schritt vernünftig aussieht.

Epilog: Die eigene Rechnung

Ein Text über Denkarchitekturen, geschrieben von jemandem, der welche baut, hat ein Beweisproblem. Es lässt sich nur auf eine Art lösen: die eigene These auf das eigene Regal anwenden.

Also. Ich betreibe eine Suite modularer Denkarchitekturen – Analysegerüste, Auditprotokolle, Beobachterinstanzen, kombinierbar und situativ geschaltet. Nach der Logik dieses Textes ist ein erheblicher Teil davon Kompensationstechnik mit Ablaufdatum. Prozeduranweisungen, Phasensteuerung, eingebaute Prüfschleifen: Sie beheben Schwächen, die kommende Modelle nicht mehr haben werden. Wenn es so weit ist, wird das nicht verteidigt, sondern abgeräumt.

Was bleibt, ist der Teil, der von Anfang an der eigentliche war: die explizite Setzung, unter welcher Epistemik gedacht wird. Die Trennung von Verifiziertem, Erschlossenem und Spekuliertem. Das Protokoll dessen, was gedacht wurde, als die Empfehlung entstand. Die Möglichkeit, hinterher zu unterscheiden, ob der Rahmen falsch war oder das Denken in ihm.

Das ist keine Steuerungstechnik für Maschinen. Das ist Buchführung über Verantwortung.

Und weil dieser Text von der Abgabe der Prüfung handelt, gehört das Ergebnis dazu: Er wurde maschinell gegengeprüft, quer, von Modellen verschiedener Herkunft. Zwei Einwände habe ich übernommen. Einen habe ich verworfen, ohne ihn widerlegen zu können. Er lautete, die Unterscheidung zwischen Setzung und Prüfung sei selbst nur eine Setzung.

Sie ist es. Genau darum steht mein Name darunter.