Muss man einer KI beibringen, unangenehme Wahrheiten zu sagen?

KI-Modelle antworten von Haus aus lieber freundlich als hart, mit einer leicht positiveren Version der Wahrheit. In meinen eigenen Grundanweisungen für die KI steht eine klare Regel: ich will die Wahrheit hören, auch wenn sie mir überhaupt nicht gefällt. Gute Entscheidungen sind mir wichtiger als angenehme Antworten. Die Regel steht dauerhaft dort und nicht in einem einzelnen prompt, denn dort würde sie nur für ein Gespräch gelten.

Diese Tendenz zur milderen Auslegung zeigt sich in Antworten und im eigenen Schreibstil der KI gleichermaßen. Ohne Gegensteuerung taucht dort dieselbe leicht positivere Interpretation der Wahrheit auf. Ein Modell wählt einfach die statistisch wahrscheinlichste Formulierung, und die ist selten die unbequemste. Es kann gut sein, dass diese Beobachtung in einigen Monaten überholt ist. Sagen kann ich das heute nicht.

Ich möchte lieber eine Wahrheit hören, die mir überhaupt nicht gefällt, als eine Anpassung der Wahrheit.

Diese Haltung hat für mich eine ältere Wurzel. 2019 fordere ich in einem Video einen Ethik-Kodex für Programmierer, so wie ihn Ärzte und Lehrer haben, weil schnell wachsen und Dinge kaputt machen nicht funktioniert, wenn man dabei mit echten Menschen experimentiert. Dieselbe Überzeugung steckt heute in der Regel, harte Fakten vor eine gefällige Antwort zu stellen. Wer Menschen mit Technik ernst nimmt, schuldet ihnen die Wahrheit.

Deshalb steht in meinen Grundanweisungen ausdrücklich: harte Fakten vor einer angenehmen Antwort. Eine Anpassung der Wahrheit fühlt sich im Moment besser an. Für eine Entscheidung bringt eine geschönte Version nichts, denn sie muss auf der echten Lage stehen. Wir Menschen machen im Kleinen dasselbe. Die konfabulation beschreibt genau diesen Reflex: eine passende Begründung nachliefern und sie danach selbst glauben.

Ich möchte die harten Fakten und die harten Sachen hören, weil mir wichtiger ist, gute Entscheidungen zu machen.

Diese Formulierungen stehen bei mir in der dauerhaften Grundanweisung, bei Codex heißt dasselbe Feld Personalisierung. Wer sie übernehmen will, kann sie fast wörtlich einsetzen.

Zwei Zusätze wirken darüber hinaus spürbar: Standards mitgeben und Begründungen mitgeben. Sagt der KI, warum ihr eine Sache so haben wollt. In meiner Erfahrung verbessert das die Ergebnisse enorm, als würde sie tiefer verstehen, worum es hinter der Aufgabe geht. Deshalb sitzt die Regel im kontext, den die KI bei jeder Antwort vor sich hat. Die neueren Modelle brauchen weniger ausgefeilte Anweisungen und mehr echte Zugänge.

Dieselbe Milderung steckt im Schreibstil. Dagegen habe ich einen eigenen Skill, der prüft, dass ein Text nicht nach KI klingt. Wichtiger als der Skill ist die Erkenntnis dahinter: Ihr habt ungefähr zwanzig Schreibstile. Für LinkedIn einen, für jede Art von E-Mail einen, abhängig davon, wer euch geschrieben hat und wie diese Person schreibt. Diese zwanzig muss die KI lernen, am besten aus euren letzten hundert eigenen Texten. Einer der gesammelten Stile ist mein persönlicher, er liegt öffentlich auf der Ressourcenseite der Session.

Ein Department, das Entwürfe für euch vorbereitet, steht vor derselben Wahl. Ein Agent, der nur schreibt, was gut klingt, ist für eine freigabe nutzlos. Er muss zeigen, welche Behauptung durch einen Beleg gedeckt ist und wo eine Aussage noch offen ist. Genau das prüft der Wächter der Marke, bevor ein Mensch den Entwurf überhaupt sieht. Im Mandat, über das die case-study berichtet, ist daraus ein Verfahren geworden: Jede Rückmeldung wurde zur festen Regel, und die Agenten schreiben seitdem in der Sprache der Marke mit belegten Aussagen.

Zwei Dinge halten das ehrlich, sobald die Zahl der Entwürfe steigt. Erstens Transparenz. Auf einem KI-geführten Blog liste ich die Qualitätskriterien offen auf, samt der Bedingung, wann ein Beitrag veröffentlicht werden darf. Das nimmt spürbar Druck aus dem Projekt. Zweitens ein zweites Paar Augen. In fast jedem Projekt schaut noch ein Mensch über den fertigen Entwurf, sagt mir, was zu ändern ist, und bekommt die überarbeitete Fassung zurück. Warum das eigene Urteil dafür nicht reicht, steht in Warum Selbstbeobachtung täuscht. Wie man solche Rückmeldungen annimmt, in Wann ist Kritik ein Geschenk. Und wie ihr die KI dazu bringt, vorher die richtigen Fragen zu stellen, in Sollte die KI dich interviewen.