Idee

Ein System die reale Arbeit produzieren zu lassen prüft es besser als eine Vorführung

Info

Ursprünglich auf Französisch verfasst. Von KI übersetzt — der Sinn wurde bewahrt, nicht der Stil.

Hauptgedanke

Der Artikel, der die auf ChatGPT portierte Kontext-Engine beschreibt, ist in dieser Engine vorbereitet worden: Ideen persistiert, Quellen ingestiert, blinde Flecken benannt, Aufgaben angelegt und abgeschlossen, erste Fassung erzeugt, gegengelesen, dann als V2 aus demselben Kontext heraus wieder aufgenommen. Das System ist nicht durch ein eigens für es gebautes Szenario getestet worden; es ist mit der Arbeit beauftragt worden, für die es existierte.

Der Unterschied liegt nicht in der Strenge, sondern in der Art der Prüfung. Eine Vorführung wählt ihre Daten und ihren Weg — sie prüft, ob der vorgesehene Pfad funktioniert. Reale Arbeit bringt, was niemand vorgesehen hatte: eine Idee, die ungeordnet ankommt, einen Widerspruch zwischen zwei Notizen, eine Wiederaufnahme mehrere Tage später, ein Volumen, mit dem nicht gerechnet war. Genau diese Situationen entscheiden, ob ein System hält.

Warum das wichtig ist

Das ändert, was man am Ende behaupten kann. Nach einer Vorführung weiß man, dass das System tut, was man es zeigen ließ. Nach einer bis zum Ergebnis geführten realen Arbeit ist die Frage „Funktioniert das?“ geschlossen, und die nächste Frage wird die der Skalierung — ein Fortschritt, weil sie auf einen Gebrauch zielt und nicht auf eine Fähigkeit.

Und es liefert eine praktische Disziplin: als ersten Einsatz eines Systems jenen zu wählen, den man ohnehin liefern muss, statt eines Schulbeispiels, dessen Abbruch nichts kostet.

Nuancen und Grenzen

Eine einzige reale Arbeit erschöpft die Nutzungsregime nicht. Einen Artikel über einige Tage zu produzieren sagt nichts über das Verhalten eines Kontexts, der über mehrere Wochen gespeist wird, und nichts über eine dichte Feldwoche — der Artikel räumt das ausdrücklich ein.

Und die Prüfung ist durch ihren Betreiber verzerrt: Wer das System gebaut hat, umgeht ohne nachzudenken, was er als fragil kennt. Die Arbeit ist real, der Nutzer nicht ganz.

Offene Fragen

  • Wie unterscheidet man in einem von seinem Autor geprüften System, was am System liegt und was an den Umgehungen, die er vornimmt, ohne sie zu bemerken?