Wenn Eigenschaften kollidieren

Was du lernen wirst

Geschätzter Zeitaufwand: 25 Minuten

Am Ende dieser Lektion wirst du in der Lage sein:

• Zu erkennen, dass die meisten KI-Fehler zwei oder mehr Eigenschaften beinhalten, die miteinander interagieren
• Häufige Fehlermuster (halluzinierte Zitate, Drift in langen Gesprächen, selbstbewusst falsche Mathematik, zustimmende schlechte Prämissen) zu diagnostizieren, indem du identifizierst, welche Eigenschaften eine Rolle spielen
• Eine gezielte Lösung anzuwenden, basierend darauf, welche Eigenschaft der limitierende Faktor ist

KI-Fehler diagnostizieren

(3 Minuten)

Die vier Eigenschaften funktionieren nicht isoliert. Die meisten echten Fehler entstehen durch das Zusammentreffen von zwei Eigenschaften. Sobald du benennen kannst, welche zwei es sind, weißt du, welche Lösung du anwenden solltest.

Zwei Eigenschaften treffen aufeinander: diagnostizieren, was schiefgelaufen ist

Die meisten realen KI-Fehler entstehen durch das Zusammentreffen von zwei Eigenschaften.

Next Token Prediction

Generiert, was sich richtig anhört

Knowledge

Weiß, worauf es trainiert wurde

Working Memory

Achtet auf das, was in der Nähe ist

Steerability

Folgt der lautesten Anweisung

Ziehe zwei Eigenschaften nahe beieinander, um zu sehen, was passiert, wenn sie kollidieren

Wichtigste Erkenntnisse

• Fehler in der realen Welt entstehen normalerweise durch zwei Eigenschaften, die miteinander interagieren, nicht durch eine allein.
• Diagnostische Paare zum Erkennen:
• Next Token Prediction + Knowledge (halluzinierte Spezifika)
• Working Memory + Steerability (Drift in langen Gesprächen)
• Die Benennung der beteiligten Eigenschaften zeigt dir direkt die Lösung: Spezifika überprüfen, Kontext erneut bereitstellen, an Code-Ausführung auslagern oder um Gegenargumente bitten.
• **Dieser diagnostische Schritt ist Discernment angewendet. ** Du bewertest besser, wenn du weißt, welche Art von Fehler du vor dir hast.

Übungen

Übung: Die Fehlerdiagnose

Warum? Die meisten realen KI-Fehler entstehen nicht durch eine Eigenschaft allein. Sie entstehen durch das Zusammentreffen von zwei Eigenschaften. Die Benennung dieser beiden ändert die Lösung völlig.

Denke zurück auf deine Erfahrung mit KI (einschließlich dessen, was du während dieses Kurses beobachtet hast). Identifiziere zwei oder drei Momente, in denen dich eine KI-Ausgabe wirklich enttäuscht oder überrascht hat. Beschreibe für jeden Moment in ein oder zwei Sätzen: was du gefragt hast, was du bekommen hast, was enttäuschend oder überraschend war.

• **Gehe jeden Moment mit der KI durch. ** Beschreibe, was passiert ist, und frage: „Basierend auf den vier Eigenschaften (Next Token Prediction, Knowledge, Working Memory, Steerability), welche waren hier wahrscheinlich am Werk, und warum? "
• **Bewerte ihre Diagnose gegen das, was du jetzt weißt. ** Stimmst du zu? Wenn nicht, widerspreche. (Denke an den Sycophancy-Fingerabdruck aus Lektion 3: Die KI könnte deinem Framing zu bereitwillig zustimmen. Wenn du denkst, dass sie falsch liegt, sag es. )
• Frage für jede Diagnose: „Angesichts dieser Diagnose, was ist die gezielteste Lösung? " Wenn möglich, teste die Anpassung jetzt gleich bei einer ähnlichen Aufgabe.

Schaue dir jetzt deine Aufgabenliste aus Lektion 1 mit all ihren gesammelten Anmerkungen an (Property-Tags aus Lektion 2, Verifizierungswerte aus Lektion 4, Knowledge-Flaggen aus Lektion 5, Kontextbedarf aus Lektion 6, Zielaussagen aus Lektion 7). Für die Aufgaben, die dir die meisten Schwierigkeiten bereitet haben, benenne, welche zwei Eigenschaften kollidiert sind. Schreibe die Diagnose neben jede auf.

Lektion-Reflexion

• Hat die Benennung des Property-Paares geändert, welche Lösung du anwenden würdest? Hätte du vor diesem Kurs eine andere (weniger effektive) Lösung versucht?
• Welches Property-Pairing denkst du, wirst du in deiner täglichen Arbeit am häufigsten antreffen?

Was kommt als Nächstes

In der letzten Lektion konsolidieren wir das, was du aufgebaut hast, verbinden es zurück zum 4D Framework als vollständiges System und zeigen dir, wo du tiefer gehen kannst.

Feedback

Während du den Kurs durcharbeitest, würden wir gerne von dir hören, wie du Konzepte aus dem Kurs in deiner Arbeit nutzt, sowie jedes Feedback, das du haben könntest. Teile dein Feedback hier.

Danksagungen und Lizenz

Copyright 2026 Anthropic. Originalwerk basierend auf dem AI Fluency Framework, das von Prof. Rick Dakan (Ringling College of Art and Design) und Prof. Joseph Feller (University College Cork) entwickelt wurde. Veröffentlicht unter der CC BY-NC-SA 4. 0 Lizenz.