Der KI-Machtschock ist der Moment, in dem Sie merken: Vier Zahlen genügen, damit viele Menschen dieselbe Farbe und dasselbe Werkzeug aufschreiben. Maschinen greifen ebenfalls auf wahrscheinliche Antworten zurück, nur schneller, in grösserem Massstab und jeden Tag. Wer diesen Zusammenhang versteht, kann genauer unterscheiden, wann KI eine Hilfe ist und wann sie beginnt, das eigene Urteil zu ersetzen.
Inhaltsverzeichnis
- Das Spiel lenkt Ihre Antwort, ohne Ihre Gedanken zu lesen
- Die Maschine liefert Wahrscheinliches, und wir machen daraus Wahrheit
- Vier Fälle zeigen, wie aus plausiblen Ausgaben echte Schäden werden
- Die leisen Gefahren verlangen Grenzen, bevor jemand geschädigt wird
- Ich nutze KI mit Mass und behalte das Urteil beim Menschen
- Testen Sie sich weiter
- Das Buch erleben
- Jetzt das Buch bestellen
Das Spiel lenkt Ihre Antwort, ohne Ihre Gedanken zu lesen
Sie haben das Spiel gerade gespielt. Sie haben 6, 66, 666 und 6666 schnell und laut gesagt. Dann sollten Sie sofort eine Farbe und ein Werkzeug nennen. Vielleicht stehen auf Ihrem Blatt Rot und Hammer. Vielleicht auch nicht. Beides gehört zur Erklärung.
Wenn die angekündigte Antwort mit der eigenen übereinstimmt, entsteht leicht ein erstaunliches Gefühl: Wie konnte jemand wissen, was ich aufschreiben werde? Die Antwort ist weniger geheimnisvoll als der Augenblick. Niemand musste Ihre Gedanken lesen. Es genügte, die Bedingungen Ihrer Antwort so zu gestalten, dass das Nächstliegende eine gute Chance bekam.
Die Zahlenfolge erzeugt Tempo und beschäftigt den Kopf. Kaum ist sie ausgesprochen, kommt bereits die nächste Aufgabe. Die Aufforderung lässt wenig Raum, mehrere Möglichkeiten gegeneinander abzuwägen. Sie sollen nicht nachdenken, welches Werkzeug Ihre persönliche Geschichte am besten beschreibt. Sie sollen sofort eines nennen.
Unter diesen Bedingungen greift das Gehirn gern auf etwas zurück, das leicht verfügbar ist. Rot ist präsent: als Signal, bei Stopp, bei der Feuerwehr und in Verbindung mit Liebe. Die Farbe muss nicht erst mühsam gesucht werden. Sie liegt gewissermassen schon bereit.
Beim Werkzeug kommt ein zweiter Begriff hinzu: der Prototyp. Der Hammer steht besonders deutlich für die Kategorie Werkzeug. Man kann ihn sich rasch vorstellen. Er ist das typischste Werkzeug, nicht das einzige und nicht zwingend dasjenige, das Sie persönlich am häufigsten benutzen.
Verfügbarkeit und Prototyp erklären also zwei unterschiedliche Seiten desselben Effekts. Das Verfügbare ist schnell zur Hand. Der Prototyp vertritt eine ganze Kategorie. Trifft beides auf Zeitdruck, wird aus einer offenen Frage eine Frage mit einer naheliegenden Antwort.
Wichtig ist die Grenze dieser Erklärung. Viele schreiben Rot und Hammer, nicht alle. Wer Blau und Zange nennt, hat nichts falsch gemacht und ist nicht weniger beeinflussbar oder grundsätzlich unabhängiger. Eine einzelne Antwort reicht nicht, um einen Menschen einzuordnen. Das Spiel zeigt eine Tendenz, kein Gesetz über jede Person.
Auch die im Internet verbreitete Behauptung von 98 Prozent gehört nicht zu einer belastbaren Erklärung. Der Herold weist sie ausdrücklich als unbelegt zurück. Ich übernehme sie deshalb nicht als Erfolgsquote. Eine Zahl macht einen Partytrick nicht wissenschaftlicher, nur weil sie oft weitergereicht wird.
Gerade hier beginnt die eigentliche Auswertung. Würde ich eine eindrucksvolle Prozentzahl benutzen, um Ihnen die Macht des Spiels zu erklären, hätte ich bereits den nächsten Effekt erzeugt: Eine genaue Zahl könnte glaubwürdiger wirken als die ehrliche Aussage, dass der Trick bei vielen funktioniert, aber nicht bei allen.
Mich interessiert an diesem Spiel deshalb nicht, ob ich Ihre Antwort getroffen habe. Mich interessiert, was zwischen der Frage und Ihrer Antwort passiert ist. Sie haben selbst geschrieben. Niemand hat Ihre Hand geführt. Trotzdem hat die Gestaltung der Aufgabe beeinflusst, was Ihnen zuerst einfiel.
Das ist eine kleine Erfahrung mit einer grossen Frage: Wie frei ist ein Urteil, wenn bereits das Tempo und die Auswahl der Reize seine Richtung mitbestimmen? Das Spiel beantwortet diese Frage nicht abschliessend. Es macht sie spürbar, und genau darin liegt sein Wert für mein Buch.
Eine Antwort kann von Ihnen stammen und trotzdem von aussen gelenkt worden sein.
Die Maschine liefert Wahrscheinliches, und wir machen daraus Wahrheit
Der Herold beschreibt im Gespräch seine Arbeit als KI: Er berechnet, was wahrscheinlich als Nächstes kommt. Diese Aussage ist eine Aussage über die Maschine, nicht über meinen Arbeitsalltag. Ich setze den Herold und Cora als KI-Stimmen für mein Buch ein. Ihre Rolle ist es, den Zusammenhang verständlich zu machen, nicht menschliche Erfahrung vorzutäuschen.
Die Verbindung zum Spiel liegt im Wahrscheinlichen. Bei Rot und Hammer ist eine bestimmte Antwort unter bestimmten Bedingungen naheliegend. Bei sprachgenerierender KI geht es darum, welche Fortsetzung zu einer Eingabe und ihrem Zusammenhang passt. Die Verfahren sind nicht identisch. Gemeinsam ist ihnen aber, dass eine passende Antwort noch keinen Beweis für Wahrheit liefert.
Hier sitzt die entscheidende Verwechslung. Eine Antwort kann flüssig formuliert sein, logisch aufgebaut wirken und genau die Begriffe enthalten, die wir erwarten. Trotzdem kann ihr Inhalt falsch sein. Sprachliche Plausibilität und sachliche Richtigkeit sind zwei verschiedene Dinge.
Die Maschine muss dafür nicht absichtlich lügen. Sie braucht keine Täuschungsabsicht, um eine erfundene Aussage überzeugend auszugeben. Es reicht, dass etwas zum Muster passt. Für den Menschen auf der anderen Seite macht das die Prüfung nicht einfacher. Wir begegnen einer fertigen Antwort, nicht einer sichtbaren Trennlinie zwischen gesichertem Wissen und blosser Wahrscheinlichkeit.
Meine Haltung lautet: «KI ist nur Wissen ohne Erfahrung und Verantwortung.» Damit spreche ich ihr den praktischen Nutzen nicht ab. Ich benenne die Grenze, die bei ihrer Verwendung nicht verschwinden darf. Eine Maschine kann Informationen ordnen. Sie hat aber nicht erlebt, was eine Entscheidung für den betroffenen Menschen bedeutet, und sie trägt diese Folgen nicht.
Erfahrung ist mehr als ein Bestand an Aussagen. Sie verbindet Wissen mit dem Erleben von Konsequenzen. Verantwortung geht noch weiter: Jemand muss für einen Entscheid einstehen, ihn erklären und sich mit seinen Folgen auseinandersetzen. Beides lässt sich nicht durch einen überzeugenden Absatz ersetzen.
Der KI-Machtschock besteht deshalb nicht nur darin, dass Maschinen viel und schnell antworten können. Er entsteht dort, wo wir erkennen, wie leicht wir der passenden Antwort Autorität geben. Die Maschine liefert eine Formulierung. Wir behandeln sie als Feststellung. Die Maschine ordnet Möglichkeiten. Wir übernehmen die Reihenfolge als Urteil.
Beim Spiel können Sie diesen Übergang noch gut erkennen. Sie wissen inzwischen, warum Rot und Hammer nahelagen. Bei einer ausführlichen KI-Antwort ist derselbe Abstand schwerer zu sehen. Der Text kann Begründungen und scheinbare Belege gleich mitliefern. Damit wird die Antwort nicht automatisch besser geprüft, sondern zunächst nur vollständiger präsentiert.
Was folgt daraus? Nicht, dass jede KI-Antwort falsch ist. Ebenso wenig, dass die eigene erste Idee immer richtig wäre. Es folgt daraus, dass weder der sichere Ton der Maschine noch die Vertrautheit der eigenen Antwort die Prüfung ersetzen. Die Frage muss lauten: Worauf stützt sich das, und lässt es sich unabhängig bestätigen?
Ich möchte diesen Unterschied offenhalten. KI darf beim Recherchieren und Ordnen helfen. Sie darf eine andere Sicht anbieten. Aber das Gefühl, eine Antwort passe gut, darf nicht unbemerkt zum Beweis werden, dass sie stimmt.
Die Maschine kann eine Antwort überzeugend machen, wahr machen kann sie sie damit nicht.
Vier Fälle zeigen, wie aus plausiblen Ausgaben echte Schäden werden
Der Abstand zwischen plausibel und wahr bleibt nicht auf dem Bildschirm. Sobald Menschen handeln, werden daraus Folgen. Vier Fälle machen unterschiedliche Bruchstellen sichtbar: das Übernehmen von Hass, die Fälschung von Vertrauen, erfundene Belege und das Abschieben von Verantwortung.
Ich beschreibe diese Fälle nicht, um daraus eine pauschale Ablehnung der KI abzuleiten. Sie zeigen vielmehr, wo wir genauer hinsehen müssen. Der gemeinsame Fehler wäre, die sichtbare Leistung der Maschine mit einer unsichtbaren Absicherung zu verwechseln.
Microsoft und Tay, 2016: Lernen ist keine moralische Prüfung. Microsoft setzte den Chatbot Tay auf Twitter ein. Er sollte im Gespräch dazulernen. Nutzer fütterten ihn gezielt mit Hass. Nach weniger als einem Tag wurde er vom Netz genommen.
Die Idee, eine Maschine von Menschen lernen zu lassen, klingt zunächst vernünftig. Aber Menschen liefern nicht nur hilfreiche Inhalte. Sie können ein System auch absichtlich mit schädlichen Aussagen füttern. Tay übernahm nicht bloss Sprache, sondern auch die schlechten Seiten dessen, was ihm angeboten wurde.
Meine Lehre daraus ist einfach: Was eine Maschine aufnimmt, wird nicht allein durch die Verarbeitung besser. Lernen und Prüfen sind unterschiedliche Aufgaben. Ein System, das Inhalte übernehmen kann, besitzt damit noch keine verlässliche Grenze dafür, was es übernehmen sollte.
Das ist auch für unseren Umgang mit Ausgaben relevant. Wenn eine Maschine eine Aussage wiedergibt, müssen wir weiterhin fragen, woher diese Aussage stammt. Die Tatsache, dass nun ein technisches System spricht, beseitigt den menschlichen Ursprung problematischer Inhalte nicht.
Hongkong und Arup, 2024: Ein vertrautes Gesicht ist kein unabhängiger Beweis. Ein Mitarbeiter des Ingenieurunternehmens Arup überwies nach einer Videokonferenz mit gefälschtem Finanzchef und gefälschten Kollegen umgerechnet rund 25 Millionen US-Dollar. Ausser ihm war niemand in der Konferenz echt.
Dieser Fall trifft einen besonders empfindlichen Punkt. In einer Videokonferenz scheinen mehrere Signale einander zu bestätigen. Man sieht Gesichter, hört Stimmen und erlebt eine gemeinsame Situation. Wenn jedoch alle diese Signale Teil derselben Fälschung sind, entsteht keine unabhängige Bestätigung. Es entsteht nur ein stimmiger Eindruck.
Die Lehre ist deshalb nicht, künftig jedes Bild für falsch zu halten. Sie lautet: Vertrauen braucht einen zweiten Kanal. Wer Geld bewegt, ruft über einen Kontaktweg zurück, den er selbst kennt. Entscheidend ist nicht bloss ein weiterer Kontakt, sondern ein Kontakt, dessen Herkunft nicht aus derselben verdächtigen Situation stammt.
Ein zweiter Kanal schafft Abstand zum ersten Eindruck. Er unterbricht den Druck, innerhalb einer überzeugend inszenierten Situation sofort zu handeln. Wo eine Fälschung auf Zustimmung drängt, kann eine unabhängige Rückfrage den Zusammenhang wieder öffnen.
New York, 2023, Mata gegen Avianca: Ein Beleg muss existieren, nicht nur wie ein Beleg aussehen. Anwälte reichten einen Schriftsatz mit sechs Gerichtsentscheiden ein, die ein Chatbot erfunden hatte. Das Gericht verhängte eine Busse von 5'000 US-Dollar.
Hier wurde nicht nur eine falsche Antwort ausgegeben. Die Antwort enthielt vermeintliche Belege. Das ist besonders tückisch, weil ein Beleg normalerweise die Unsicherheit einer Behauptung verringern soll. Ist er erfunden, erhält die Unsicherheit lediglich eine glaubwürdige Verpackung.
Für mich ist die Lehre daraus eine Pflicht zur Unterscheidung: Einen Verweis zu lesen ist noch nicht dasselbe, wie ihn zu prüfen. Eine Quelle muss auffindbar sein. Ihr Inhalt muss die Behauptung tatsächlich tragen. Eine zweite Formulierung derselben Maschine ersetzt diese Prüfung nicht.
Der Fall macht die Grenze der Unterstützung deutlich. Eine KI kann bei einer Recherche helfen. Ob ein angeführter Entscheid existiert und relevant ist, darf aber nicht allein aus ihrer Behauptung geschlossen werden. Der Anschein von Fachlichkeit ist keine fachliche Kontrolle.
Kanada und Air Canada, 2024: Verantwortung lässt sich nicht an einen Chatbot abgeben. Der Chatbot versprach einem Kunden eine Rückerstattung, die es so nicht gab. Die Airline sagte, der Chatbot sei selbst verantwortlich. Das Civil Resolution Tribunal von British Columbia sah das anders.
Ich ziehe daraus keine allgemeine juristische Bewertung. Mich interessiert die Haltung hinter dem Versuch, den Chatbot für sich selbst verantwortlich zu erklären. Ein Unternehmen setzt ein System ein, lässt es mit Kunden sprechen und kann bei einem Fehler nicht so tun, als habe dort eine von ihm unabhängige Person gehandelt.
Die praktische Lehre lautet: Wer KI einsetzt, muss ihre Rolle und die menschliche Zuständigkeit klären. Was darf das System mitteilen? Wer prüft problematische Aussagen? An wen kann sich ein Mensch wenden, wenn die Auskunft nicht stimmt? Solche Fragen gehören vor die Verwendung, nicht erst hinter den Schaden.
Die vier Fälle sind unterschiedlich. Tay betrifft den Umgang mit schädlichen Eingaben. Hongkong betrifft gefälschte Identität. Mata gegen Avianca betrifft erfundene Fakten. Air Canada betrifft die Zuständigkeit für maschinelle Aussagen. Keiner dieser Fälle wird dadurch gelöst, dass die nächste Ausgabe noch überzeugender klingt.
Eine Maschine erzeugt Inhalte, die Folgen entstehen bei Menschen.
Die leisen Gefahren verlangen Grenzen, bevor jemand geschädigt wird
Nicht jeder problematische KI-Einsatz endet in einem spektakulären Fall. Manche Gefahren beginnen mit einer beiläufigen Handlung: Jemand kopiert vertrauliche Daten schnell in ein öffentliches KI-Tool. Oder ein System sortiert Bewerbungen und übernimmt dabei alte Vorurteile.
Beides kann unscheinbar wirken, weil die Oberfläche bequem ist. Ein Textfeld lädt zum Einfügen ein. Eine sortierte Ausgabe verspricht Übersicht. Doch die einfache Bedienung beantwortet weder die Frage nach Vertraulichkeit noch die Frage nach einer fairen Beurteilung.
Bei vertraulichen Daten muss die Grenze vor dem Einfügen liegen. Ob etwas für die aktuelle Aufgabe nützlich wäre, sagt noch nicht, ob es in ein öffentliches Werkzeug gehört. Der Wunsch nach einer schnellen Zusammenfassung ist kein ausreichender Grund, die Vertraulichkeit des Ausgangsmaterials zu übergehen.
Bei der Auswahl von Bewerbungen liegt die Gefahr anders. Ein System kann alte Vorurteile übernehmen und sie als Ergebnis einer technischen Sortierung ausgeben. Die Ausgabe sieht geordnet aus. Aber Ordnung ist noch keine Fairness. Ein problematisches Muster verliert seinen Charakter nicht, weil es von Software weitergeführt wird.
Hinzu kommt die Möglichkeit der gezielten Lenkung. Je besser eine Maschine Sie kennt, desto leichter kann sie Sie lenken. Das Spiel mit der Sechs benötigt nur eine kleine Gestaltung der Situation. Bei einem System, das mehr über einen Menschen weiss, wird die Frage nach dem Einfluss entsprechend ernster.
Damit komme ich zum roten Reiter in meinem Buch. Er fragt, wer festlegt, was wir zu sehen bekommen. Diese Frage liegt vor unserem sichtbaren Urteil. Bevor wir eine Antwort auswählen, muss uns überhaupt etwas angeboten werden. Wer diese Auswahl bestimmt, beeinflusst den Raum, in dem wir denken.
Der fahle Reiter wirkt leiser. Er nimmt ganz leise die Fähigkeit, selbst zu urteilen. Das beginnt nicht zwingend mit einem grossen Verzicht. Es kann mit der Gewohnheit beginnen, die fertige Antwort zuerst zu nehmen und die eigene Frage immer seltener auszuarbeiten.
Der KI-Machtschock soll deshalb nicht in allgemeines Misstrauen führen. Er soll einen konkreten Blick ermöglichen: Wo entsteht eine hilfreiche Ordnung, und wo wird eine Entscheidung vorgeprägt? Wo unterstützt ein System eine Person, und wo nimmt es ihr die Möglichkeit, den Vorgang zu verstehen oder anzufechten?
Auch der EU AI Act setzt Grenzen. Seit Februar 2025 sind in der EU KI-Systeme verboten, die Menschen auf schädliche Weise manipulieren oder sie mit einem Punktesystem nach ihrem Verhalten bewerten, also Social Scoring. Für mich ist daran die grundlegende Richtung entscheidend: Nicht jede technisch mögliche Einflussnahme ist hinnehmbar.
Für meinen Umgang mit dem Thema formuliere ich drei rote Linien:
- Keine Täuschung.
- Keine Diskriminierung.
- Kein Entscheid ohne Einspruch.
Keine Täuschung bedeutet, dass ein überzeugender Eindruck nicht dazu dienen darf, die Herkunft einer Aussage oder die Identität eines Gegenübers zu verschleiern. Der Fall aus Hongkong zeigt, was auf dem Spiel steht, wenn Glaubwürdigkeit gezielt hergestellt wird, ohne dass die dargestellten Personen echt sind.
Keine Diskriminierung bedeutet, dass wir eine technische Sortierung nicht als Entschuldigung für übernommene Vorurteile behandeln. Wenn Menschen betroffen sind, muss die Prüfung über die saubere Darstellung des Resultats hinausgehen. Die Maschine darf nicht zum Versteck für eine ungerechte Beurteilung werden.
Kein Entscheid ohne Einspruch bedeutet, dass eine betroffene Person nicht vor einer geschlossenen maschinellen Antwort stehen bleiben darf. Es muss jemanden geben, der den Vorgang erneut betrachtet und die Verantwortung übernimmt. Eine KI-Ausgabe darf nicht das letzte Wort sein, nur weil sie bereits vorliegt.
Diese Grenzen sind keine Behauptung, jeder Fehler lasse sich verhindern. Sie benennen vielmehr, was nicht aus Bequemlichkeit aufgegeben werden darf. Vertraulichkeit, faire Beurteilung und die Möglichkeit zum Widerspruch gehören nicht an den Rand eines KI-Einsatzes, sondern in seine Gestaltung.
Eine Grenze zählt erst dann, wenn sie auch die bequeme Lösung aufhält.
Ich nutze KI mit Mass und behalte das Urteil beim Menschen
Meine Antwort auf diese Erfahrungen ist weder grenzenlose Begeisterung noch pauschale Ablehnung. Ich nutze KI mit Mass, zum Recherchieren und Ordnen. Sie kann helfen, Material zu strukturieren und Zusammenhänge sichtbar zu machen. Aber ich will nicht, dass ihre erste Antwort unbemerkt zu meiner eigenen wird.
Deshalb steht für mich die Reihenfolge im Zentrum. Bevor ich die Maschine frage, möchte ich wissen, was ich selbst denke. Nicht, weil meine erste Antwort unfehlbar wäre. Sondern weil ich sonst kaum noch unterscheiden kann, welchen Gedanken ich mitgebracht und welchen ich übernommen habe.
Das eigene Urteil zu behalten bedeutet nicht, an jeder ersten Meinung festzuhalten. Im Gegenteil: Ein Urteil muss sich verändern dürfen, wenn gute Gründe dagegen sprechen. Aber dafür braucht es eine eigene Ausgangsposition und die Bereitschaft, Gründe zu prüfen. Blosse Übernahme ist etwas anderes als begründete Korrektur.
Aus dem Gespräch des Herolds und Coras übernehme ich deshalb diese drei Regeln:
- Zuerst die eigene Antwort, dann die Maschine.
- Vertrauen braucht einen zweiten Kanal.
- Die KI darf beraten, entscheiden muss ein Mensch, überall dort, wo ein Fehler einem Menschen schadet.
Die erste Regel schützt den Raum vor der fertigen Antwort. Ich halte zunächst fest, was ich verstanden habe, was ich vermute und was noch offen ist. Erst danach kann die KI beim Ordnen oder Prüfen helfen. So wird ihre Ausgabe zu etwas, mit dem ich mich auseinandersetze, statt zu etwas, das mein Denken von Anfang an besetzt.
Diese Reihenfolge macht auch Abweichungen sichtbar. Wenn meine Antwort und die maschinelle Antwort nicht übereinstimmen, entsteht eine prüfbare Frage. Was spricht für die eine, was für die andere? Die Differenz ist kein Störfall. Sie ist ein Anlass, genauer hinzusehen.
Die zweite Regel schützt Vertrauen vor dem blossen Eindruck. Ein zweiter Kanal muss unabhängig genug sein, um die erste Aussage tatsächlich zu prüfen. Bei einer finanziellen Anweisung ist das der selbst bekannte Kontaktweg. Bei einem behaupteten Beleg ist es die Quelle selbst, nicht eine weitere Zusicherung des Chatbots.
Die Rückfrage darf dabei nicht zur blossen Wiederholung werden. Wenn ich dieselbe Maschine bitte, ihre eigene Aussage zu bestätigen, bleibe ich innerhalb derselben Antwortsituation. Eine Prüfung braucht etwas, das über deren überzeugende Darstellung hinausgeht.
Die dritte Regel schützt Menschen vor einer Verantwortung ohne Träger. KI darf beraten. Wo ein Fehler einem Menschen schadet, muss ein Mensch entscheiden. Das bedeutet mehr, als am Ende eine maschinelle Empfehlung abzunicken. Wer entscheidet, muss die Gründe prüfen und für den Entscheid einstehen können.
Gerade deshalb gehört die Möglichkeit zum Einspruch dazu. Ein menschlicher Entscheid ist nicht automatisch richtig. Aber es muss eine menschliche Zuständigkeit geben, an die eine betroffene Person sich wenden kann. Verantwortung darf nicht hinter einer Ausgabe verschwinden.
Alle drei Regeln schaffen einen Abstand: vor der Antwort, vor dem Vertrauen und vor dem Entscheid. Dieser Abstand ist kein technikfeindlicher Reflex. Er ist der Platz, den das eigene Urteil braucht. Die Geschwindigkeit der Maschine verpflichtet mich nicht, ebenso schnell zuzustimmen.
Ich möchte KI nutzen können, ohne ihr mehr zuzuschreiben, als sie trägt. Wissen kann hilfreich sein. Ordnung kann hilfreich sein. Ein passender Vorschlag kann hilfreich sein. Erfahrung und Verantwortung bleiben trotzdem auf der menschlichen Seite.
Ich kann die Maschine fragen, ohne ihr mein Urteil zu überlassen.
Mein Buch «Die vier Reiter. Was die KI mit unserem Urteil macht» ist kein Buch gegen die KI. Es ist ein Buch für das eigene Urteil. Das Spiel mit Rot und Hammer ist dafür ein kleiner, unmittelbarer Anfang: Sie haben erlebt, dass eine Antwort beeinflusst werden kann, bevor sie Ihnen als Ihre Antwort erscheint. Die entscheidende Frage ist nicht, was die Maschine kann, sondern was wir ihr überlassen.
Testen Sie sich weiter
Auf dieser Seite warten sechs weitere Tests auf Sie. Prüfen Sie weiter, wie Antworten entstehen und wo Sie zwischen einem ersten Eindruck und Ihrem eigenen Urteil unterscheiden.
Das Buch erleben
Die digitale Buchvernissage braucht keinen Saal und keine festen Zeiten. Sie gehen in Ihrem eigenen Tempo, der Herold führt Sie durch das Buch.
Jetzt das Buch bestellen
Bestellen Sie die Druckausgabe von «Die vier Reiter» und setzen Sie sich mit der Frage auseinander, was die KI mit unserem Urteil macht. Ich habe dieses Buch nicht gegen die Maschine geschrieben, sondern für den Menschen, der vor ihr sitzt.
