Nächste Schritte

Was du lernen wirst

Geschätzter Zeitaufwand: 20 Minuten

Am Ende dieser Lektion wirst du in der Lage sein:

• Die vier Eigenschaften und Training Fingerprints in ein funktionierendes mentales Modell zu synthetisieren
• Das Capabilities & Limitations Framework mit dem 4D Framework als zwei Hälften eines Systems zu verbinden
• Eine konkrete Änderung zu identifizieren, die du diese Woche in deiner AI-Praxis vornehmen wirst

Das 4D Framework anwenden, um bessere AI-Outputs zu erhalten

(5 Minuten)

Fließende AI-Nutzung geht nicht darum, sich jeden Fehlermodus zu merken. Es geht darum, ein kleines, klares Modell der Maschine im Kopf zu haben, damit du, wenn etwas schiefgeht, erkennen kannst, welche Art von Fehler es ist, und entsprechend reagieren kannst.

Ein kleines Modell der Maschine

AI Capabilities & Limitations Framework

Vier Eigenschaften, die bestimmen, was AI für dich kann und nicht kann. Jede liegt auf einem Spektrum — je weiter rechts, desto mehr solltest du verifizieren und kompensieren.

Fähigkeit

Einschränkung

Next Token Prediction

Woher kommen AI-Antworten?

Ausgetretene Pfade: zusammenfassen, reformatieren, häufige Konzepte erklären Neuland, spärliche Muster, „wahr vs. klingt wahr"

Knowledge

Was weiß AI wirklich?

Häufig, aktuell im Training, konsistent: Mainstream-Themen, beliebte SpracheSelten, nach Cutoff, Nische, lokal oder umstritten

Working Memory

Worauf konzentriert sich die AI gerade?

Material passt bequem, Session ist aktuell, du lieferst relevanten KontextSehr lange Dokumente/Gespräche, Erwartung von Kontinuität über Sessions hinweg (die Klippe)

Steerability

Wie viel Kontrolle habe ich?

Kurze, konkrete, überprüfbare Anweisungen („antworte als Tabelle", „unter 100 Wörtern")Lange Argumentationsketten, abstrakte Anfragen, native Präzision

Wichtigste Erkenntnisse

• Du hältst jetzt ein funktionierendes mentales Modell: vier Eigenschaften als Kontinua, charakteristische Fehler als Eigenschaftsschnittpunkte.
• **Dieses Framework und das 4D Framework sind zwei Seiten eines Systems. ** Die Eigenschaften erklären, worauf die 4D-Kompetenzen reagieren.
• Kalibriertes Vertrauen bedeutet, deine Aufgabe auf jedem Kontinuum zu lokalisieren und deine Verifizierungs- und Kontextgewohnheiten an ihre Position anzupassen.
• **Modelle werden sich weiter verändern. ** Die Form dieser Eigenschaften bleibt nützlich, auch wenn sich die genauen Grenzen verschieben.

Übungen

Übung: Dein Engagement

Kehre ein letztes Mal zu deiner Aufgabenliste aus Lektion 1 zurück. Notiere für jede Aufgabe schnell eine Bauchentscheidung: Wo landet die Aufgabe auf dem Kontinuum jeder Eigenschaft, und welche Maßnahmen könntest du benötigen?

Wähle jetzt eine Aufgabe und eine Änderung aus, die du diese Woche vornehmen wirst (ein Verifizierungsschritt, ein Standing-Context-Setup, ein Checkpoint, eine Gewohnheit, das Ziel zu nennen und nicht nur das Format). Schreib es auf.

Lektion Reflexion

• Was ist die größte Verschiebung in deinem Denken über AI-Verhalten von Lektion 1 bis jetzt?
• Welcher der 4Ds fühlt sich durch das, was du hier gelernt hast, am unmittelbarsten geschärft an?

Was kommt als Nächstes

Wenn du den AI Fluency Framework & Foundations Kurs noch nicht absolviert hast, ist das der natürliche nächste Schritt. Er geht tief auf die menschlichen Kompetenzen ein, für die dieser Kurs dir den Kontext von der Maschinenseite gab. Und teste weiterhin Grenzen: Die Eigenschaften bleiben stabil, aber wo die Linien liegen, wird sich weiter verschieben, wenn sich Modelle verbessern.

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