# Denk-Checkliste: Was bleibt, wenn der Hype verraucht

Begleit-Spiegel zu *Die KI hinter dem Vorhang*, Epilog.
Companion-Version: 0.1.12 · Buchstand: Oktober 2026.
Kein Ersatz fürs Buch; Werkzeug für die Routine, kein Prüfsiegel.

Abgeleitet aus dem Stand der Technik 2026 – belastbar, nicht ewig.
Ändern sich Architekturen fundamental, verschieben sich auch die Maximen.

## Der eine Satz

> Ein Large Language Model sagt das nächste Token vorher – wieder und wieder;
> fast alles, was wir als Assistenz, Agenten oder Intelligenz erleben, ist das
> Produkt dieser Grundoperation plus der konstruierten Software-Schichten,
> die sie einbetten, ergänzen und begrenzen.

Klammer-Frage: **Modell oder Harness?**

## Fünf Maximen

### 1. Modelltext hat Entwurfscharakter, nicht Autorität

Jede Ausgabe eines LLM ist ein Entwurf: eine Hypothese in der Kleidung einer
fertigen Antwort. Die Architektur belohnt Passung, nicht Weltabgleich (Kap. 5).
In Standarddomänen ist das Resultat oft korrekt – nur eben nicht garantiert.
Lesen Sie eine Modell-Antwort wie die erste Skizze einer Kollegin –
interessiert, aber prüfend.

### 2. Nutzen ist dort am größten, wo Prüfung billig ist

Je einfacher und schneller Sie prüfen können, desto größer der Nutzen –
und desto geringer das Risiko. Code mit Compiler und Tests: in Sekunden
falsifizierbar; ob die Funktion das Richtige tut, bleibt Review. Am anderen
Ende: medizinische, juristische oder finanzielle Einordnung ohne Fachperson –
teuer, oft irreversibel. Die Ampel (Kap. 8) systematisiert dasselbe.
Frage: *Kann ich schnell genug prüfen, dass der Aufwand zum Nutzen passt?*

### 3. Agenten sind Software mit einem Sprachkern – keine Personen

Technisch ist ein Agent Software mit Sprachkern (Kap. 7): ein LLM in einer
Schleife aus Planung, Werkzeugen und Fehlerbehandlung. Als Software können Sie
ihn bewerten, konfigurieren und begrenzen – Autonomiegrad, Werkzeugzugriffe,
Protokoll. Prüffrage: **Was leistet das Modell – was der Harness – was der Mensch?**

### 4. Glänzende Produkte setzen Architektur-Grenzen nicht von allein außer Kraft

Ein glänzendes Produkt setzt die Grenzen aus Kapitel 5 nicht von allein außer
Kraft. Schichten – Retrieval, Tools, Memory, mehr Rechenaufwand zur Laufzeit –
können messbar etwas verschieben. Ob sie eine Grenze schließen, prüfen Sie am
Artefakt, nicht am Produktnamen.
Prüfen Sie bei jedem Launch: **neue Architektur oder bessere Hülle?**

### 5. Lernfähig bleiben – mit einem Denkrahmen, der trägt

Drei Bausteine für jede neue Ankündigung:

- **Next-Token:** Die Grundoperation. Plausibel ist nicht wahr.
- **Harness:** Werkzeuge, Planung und Autonomie sitzen in Software-Schichten
  ums Modell – nicht magisch im Prediktor.
- **Grenzen:** Manche Fehler verschwinden nicht durch mehr Training.
  Sie brauchen Systemarchitektur – oder menschliche Prüfung.

## Kurzer Durchlauf

Angenommen, ein „autonomer Arbeitsagent“ sortiert Mails und bucht Termine.

1. Modell oder Harness – neue Architektur oder bessere Hülle?
2. „Eigenständig“ = konfigurierter Autonomiegrad, keine Absicht.
3. Jede Mail und jede Buchung bleibt Entwurf, bis eine Prüfung greift.
4. Entwürfe und Optionen oft nützlich; irreversibles Absenden oder Zahlen
   erst mit Mensch oder automatisiertem Check dazwischen.
5. Nächstes Jahr, neuer Name: dasselbe Raster.

## Buch

Epilog · Abbildung I-E1.
Verwandt: Lese-Checkliste (Kap. 10), Ampel-Matrix (Kap. 8).