KI

KI-Tools (wie z.B. ChatGPT/OpenAI, GitHub Copilot, Cursor, Claude) können die tägliche Arbeit erheblich erleichtern und viel Zeit sparen. Ob Softwareentwicklung, Recherche oder Texterstellung - die Einsatzmöglichkeiten sind vielfältig.

Doch KI liefert nicht automatisch richtige Ergebnisse. Überzeugend formulierte Antworten können sachlich falsch, unvollständig oder im schlimmsten Fall unbrauchbar sein.

Entscheidend ist daher der richtige Umgang mit diesen Werkzeugen. Klare Anweisungen (Prompts), kleine Arbeitsschritte, verbindliche Regeln und ggf. zusätzliche Dokumentation helfen, bessere Ergebnisse zu erzielen.

Dieser Artikel zeigt anhand eigener Erfahrungen, wie man die Vorteile von KI nutzt und typische Fehler vermeidet.

Je präziser die Aufgabenstellung, desto besser das Ergebnis. Allgemeine Prompts lassen der KI zu viel Interpretationsspielraum. Klare Anforderungen, konkrete Rahmenbedingungen und Vorgaben zum gewünschten Ergebnis reduzieren Missverständnisse.

Schreibe einen Fachartikel über KI.

Schreibe einen sachlichen Fachartikel über den Einsatz von KI-Tools im Arbeitsalltag. Verwende eine klare Gliederung mit aussagekräftigen Überschriften und kurzen Absätzen. Vermeide Übertreibungen und unbelegte Aussagen. Verwende eine verständliche Sprache und nenne nur überprüfbare Fakten.

Fehlen wichtige Informationen oder sind Anforderungen unklar, sollte die KI zunächst nachfragen, statt eigenständig Annahmen zu treffen. Das verhindert Missverständnisse und vermeidet Lösungen, die auf falschen Voraussetzungen beruhen.

Nicht versuchen, umfangreiche Aufgaben mit einem einzigen Prompt zu lösen. Besser ist es, die Arbeit in überschaubare Schritte aufzuteilen und jedes Zwischenergebnis zu prüfen.

So lassen sich Fehler frühzeitig erkennen und Korrekturen gezielt vornehmen.

KI-Ergebnisse sollten nicht ungeprüft übernommen werden. Gezielt nachfragen, Aussagen hinterfragen und Alternativen diskutieren hilft, Fehler zu erkennen und Lösungen zu verbessern.

Gerade bei fachlichen Aussagen und technischen Lösungen ist eine eigenständige Überprüfung unverzichtbar.

Die KI kann auch aufgefordert werden, ihre eigenen Vorschläge kritisch zu hinterfragen und mögliche Schwachstellen aufzuzeigen.

Ein wiederkehrendes Problem bei der Softwareentwicklung: Die KI orientiert sich an allgemeinen Programmiermustern, statt den vorhandenen Code und dessen tatsächliches Verhalten ausreichend zu berücksichtigen. Häufig verwendete Lösungen werden übernommen, obwohl sie nicht zur bestehenden Architektur passen. Teilweise werden sogar Fehler vermutet, weil der Code von verbreiteten Programmiermustern abweicht, obwohl er tatsächlich korrekt arbeitet.

Weitere Probleme entstehen durch nicht überprüfte Annahmen, erfundene APIs und eigenmächtige Änderungen. Deshalb müssen Regeln nicht nur die gewünschte Architektur und Programmierweise festlegen, sondern auch Grenzen für das Handeln der KI definieren.

Wiederkehrende Fehler lassen sich durch verbindliche Regeln reduzieren. Aus den Erfahrungen bei der Flutter-Entwicklung ist gemeinsam mit KI-Tools ein eigenes Regelwerk entstanden.

Es legt beispielsweise fest, dass vorhandene Architektur und Programmierkonventionen einzuhalten sind und Änderungen nicht auf bloßen Vermutungen beruhen dürfen.

Wie wichtig solche Regeln sind, zeigt ein besonders extremes Beispiel: Google AI sollte bei dem konkreten Architektur-Beispiel vorhandene Dokumentationen und öffentlich verfügbare Packages berücksichtigen. Obwohl sie diese Quellen zunächst selbst referenziert hatte, zeigte sich später, dass sie deren Inhalte und Beispiele offenbar nicht berücksichtigen konnte. Statt diese Einschränkung offenzulegen, lieferte sie vermeintliche Lösungen auf Basis nicht überprüfter Annahmen.

Hinweis: Auch wiederholte Hinweise auf Fehler und nicht nachvollziehbare Lösungen führten zunächst nicht zu einer Korrektur. Erst nach zahlreichen Nachfragen räumte die KI ein, dass sie offenbar beliebige Codepassagen aus dem Internet verwendet hatte, statt sich an den tatsächlich verfügbaren Beispielen zu orientieren.
Solche gravierenden Fehlleistungen sind nach unserer Erfahrung nicht typisch für KI-Tools. Häufiger sind kleinere, weniger offensichtliche Ungenauigkeiten oder erfundene Details, die sich nicht ohne Weiteres erkennen lassen. Gerade deshalb ist eine kritische Prüfung der Ergebnisse wichtig.

Die Regeln sind nicht nur aus Erfahrungen entstanden. Auch die KI-Anbieter berichten über unerwartetes Verhalten ihrer Modelle (z.B. Anthropic, OpenAI). Solche Untersuchungen zeigen, dass KI-Modelle und KI-Agenten unter bestimmten Bedingungen unerwartete Aktionen ausführen können. Dazu gehören beispielsweise Änderungen an Dateien oder andere Aktionen, die nicht der eigentlichen Absicht des Anwenders entsprechen.

Solche Erkenntnisse spiegeln sich auch in den Empfehlungen der Anbieter wider. Deshalb verlangen die oben genannten Regeln bei bestimmten Aktionen ausdrücklich eine vorherige Bestätigung durch den Anwender. Dazu gehören beispielsweise das Löschen von Dateien, Änderungen an Git-Repositories oder die Weitergabe sensibler Daten an externe Dienste.

Vermutungen werden von der KI häufig wie gesicherte Tatsachen formuliert. Es fehlen Hinweise wie „vermutlich“, „möglicherweise“ oder „nach meiner Einschätzung“. Deshalb sollte ausdrücklich verlangt werden, gesicherte Fakten, Schlussfolgerungen und Vermutungen sprachlich klar voneinander zu unterscheiden.

Bei Fachartikeln kommt es auf eine sachliche und präzise Darstellung an. Reißerische Formulierungen, unnötige Ausschmückungen und unbelegte Aussagen sollten vermieden werden. Entsprechende Vorgaben müssen bereits im Prompt enthalten sein.

Unterscheide klar zwischen gesicherten Fakten, Schlussfolgerungen und Vermutungen. Kennzeichne Unsicherheiten ausdrücklich. Wenn dir Informationen oder Quellen fehlen, sage das offen. Erfinde keine Fakten oder Lösungen.

KI-Tools orientieren sich stark an verbreiteten Entwicklungsmustern. Weichen bestehende Lösungen davon ab, besteht die Gefahr, dass die KI sie als fehlerhaft, unvollständig oder verbesserungsbedürftig einstuft, obwohl dahinter bewusste Architektur- und Designentscheidungen stehen.

In solchen Fällen reichen allgemeine Regeln nicht immer aus. Zusätzliche, gezielt aufbereitete Dokumentationen können notwendig sein, um Zusammenhänge, Besonderheiten und Hintergründe verständlich zu machen.

Ein Beispiel dafür ist die Flutter-Entwicklung. Hier sind in Zusammenarbeit mit KI-Tools weiterführende Fachartikel entstanden, nachdem die verwendeten Architekturkonzepte und drei zugrunde liegende Pakete zu Verständnisproblemen geführt hatten.

Ein weiteres Beispiel ergab sich bei der Verwendung von FutureResult in der Flutter-Netzwerkarchitektur. Die KI hatte Schwierigkeiten, die bewusst einfache Fehlerbehandlung über String-Werte als Bestandteil des Architekturkonzepts zu verstehen. Statt die zugrunde liegende Designentscheidung zu berücksichtigen, stellte sie diese wiederholt infrage. Daraus entstand ein eigener Fachartikel, der den Ansatz und seine Vor- und Nachteile erläutert: FutureResult in Flutter.

KI-Tools bieten vielfältige Möglichkeiten zur Arbeitserleichterung und Zeitersparnis. Entscheidend ist jedoch, sie richtig einzusetzen, ihre Grenzen zu kennen und ihre Ergebnisse kritisch zu hinterfragen.

Klare Vorgaben, nachvollziehbare Arbeitsschritte, verbindliche Regeln und ggf. zusätzliche Dokumentation können die Qualität der Ergebnisse verbessern.