KI-Matsch — Eine ehrliche Anmerkung zu dieser Website
Fangen wir mit dem Offensichtlichen an: Fast der gesamte Text auf dieser Website wurde von einer KI geschrieben. Die 535 Aspektbeschreibungen. Die Beispiele. Die Verifikationsschritte. Die App-Erklärungen. Die Blogartikel. Dieser Blogartikel. Wer hier handgeschliffene Prosa eines Fachexperten erwartet hat, der nächtelang an Formulierungen feilt — tut mir leid. Diese Person gibt es, aber sie war damit beschäftigt, die Plattform zu bauen, statt die Texte zu schreiben.
Das unbequeme Faktum
TellDear nutzt Claude (von Anthropic) als primäres Schreibwerkzeug. Der Prozess funktioniert so: Ich entwerfe die Struktur — welche Aspekte aufgenommen werden, wie sie zusammenhängen, was die Verifikationsschritte prüfen sollen — und dann prompte ich die KI, die Prosatexte zu generieren. Ich prüfe das Ergebnis, passe an, schreibe manchmal um, werfe manchmal alles weg und fange neu an. Aber der erste Entwurf? Fast immer KI.
Im Internetjargon macht das TellDear zu „KI-Matsch" — das Pendant zum englischen „AI slop." Der Begriff beschreibt die Flut an lieblos produziertem, KI-generiertem Content, der Suchergebnisse und Social Media verstopft. Er soll signalisieren: Das ist deine Zeit nicht wert. Da hat sich niemand Mühe gegeben. Da steckt kein Mensch dahinter, dem es wichtig war.
Ich möchte dieses Framing hinterfragen. Nicht aus Defensivität, sondern weil das Framing selbst schlampig ist.
Die Alternative war nicht besserer Content
Hier die Rechnung. TellDear katalogisiert 535 Aspekte in sechs Dimensionen. Jeder Aspekt hat eine Beschreibung, Beispiele, Gegenstrategien und Verifikationsschritte — das sind über 1.500 Verifikationsschritte und 1.300 Beispiele insgesamt. Es gibt 24 Apps, jeweils mit Erklärungen und UI-Texten. Es gibt einen Wissensgraphen mit 850 Beziehungen. Alles existiert auf Englisch und Deutsch.
Eine Person hat das gebaut. Eine. Das Taxonomie-Design, der Code, das Datenbankschema, die Graphvisualisierung, die App-Konzepte, die Deployment-Pipeline, die didaktische Philosophie dahinter — alles eine Person.
Hätte ich darauf bestanden, jeden Text von Hand zu schreiben, hätte TellDear nicht bessere Inhalte. Es hätte keine Inhalte. Oder, genauer: Es hätte etwa 30 Aspekte mit liebevoll handgefertigten Beschreibungen, und die anderen 420 wären ein Stichpunkt mit einem Wikipedia-Link. Die Alternative zu KI-generierten Inhalten war nicht handwerklich erstellter Content. Es war ein leeres Regal.
Die Ironie, natürlich
Ja, ich sehe es. Eine Plattform, die Menschen beibringen will, Manipulation zu erkennen, Argumente zu bewerten und kritisch über konsumierte Informationen nachzudenken — und sie nutzt ein Large Language Model, um ihr Lernmaterial zu generieren. Ein Werkzeug, das dir hilft, Bullshit zu erkennen, teilweise geschrieben von einer Maschine, die architektonisch betrachtet ein sehr ausgefeilter Bullshit-Generator ist.
Ich glaube nicht, dass diese Ironie ein Killerargument ist. Aber ich finde, man sollte sie aushalten.
Large Language Models verstehen keine Wahrheit. Sie produzieren statistisch plausiblen Text. Wenn ich Claude bitte, den Ad-hominem-Fehlschluss zu beschreiben, ist das Ergebnis korrekt — nicht weil Claude Logik versteht, sondern weil die Trainingsdaten genug korrekte Beschreibungen von Ad hominem enthalten, dass die Ausgabe auf Richtigkeit konvergiert. Das funktioniert erstaunlich gut für gut dokumentierte Konzepte. Es funktioniert weniger gut für neuartige Analyse, weshalb die Apps das LLM anders nutzen — als analytische Engine, gesteuert durch TellDears Taxonomie, nicht als Quelle von Grundwahrheiten.
Die Unterscheidung ist wichtig: Die Struktur ist menschlich. Die Taxonomie, die sechs Dimensionen, die Beziehungen zwischen Aspekten, die Entscheidung, welche Verifikationsschritte tatsächlich ein Muster testen — das sind Designentscheidungen eines Menschen, der Jahre damit verbracht hat, über Argumentationstheorie, Kognitionswissenschaft und Rhetorik zu lesen — eine Faszination, die, wenn man ehrlich ist, schon begann, lange bevor irgendjemand das ein „Projekt" nannte. Die KI füllt die Prosa um ein menschlich entworfenes Skelett. Sie ist Ghostwriter, nicht Architekt.
Wovor man sich tatsächlich sorgen sollte
Das eigentliche Risiko von KI-generiertem Bildungscontent ist nicht, dass er „Matsch" ist. Es ist, dass er selbstbewusst mittelmäßig ist. KI-Text tendiert zur Konsensmeinung. Er glättet Kanten. Er sagt selten „das ist umstritten" oder „Experten sind sich hier uneinig." Er produziert Text, der autoritativ klingt, unabhängig davon, ob die zugrundeliegende Behauptung gesicherte Wissenschaft oder aktive Debatte ist.
Ich habe versucht, dem entgegenzuwirken: durch Verifikationsschritte, die konkret und testbar sind, durch die Verlinkung der Aspekte im Wissensgraphen, damit man das größere Bild sieht, und durch Apps, die es erlauben, die Konzepte auf reale Texte anzuwenden, statt nur darüber zu lesen. Aber ich werde nicht behaupten, dass das perfekt funktioniert. Manche Beschreibungen sind wahrscheinlich zu selbstsicher. Manche Beispiele könnten leicht daneben liegen. Wenn du eines findest, sag Bescheid.
Eine Herausforderung
TellDear hat einen Quellen-Evaluator. Er analysiert Texte auf rhetorische Transparenz, logische Struktur, Framing, statistische Behauptungen und Diskursqualität. Ich lade dich ernsthaft ein, diesen Artikel dort einzufügen und zu sehen, was zurückkommt. Ist das ein gut begründetes Argument für KI-gestütztes Schreiben? Oder ist es eine Rationalisierung im Gewand von Ehrlichkeit? Ist das „Ich hatte keine Wahl"-Framing ein legitimes Praxisargument oder ein falsches Dilemma?
Ich habe eine Plattform gebaut, die dir die Werkzeuge gibt, diese Fragen zu beantworten. Das Mindeste, was ich tun kann, ist mich derselben Prüfung zu unterziehen.
Urteile selbst. Darum geht es hier.