Warum wir aufhören sollten, mit KI zu chatten

Wir haben plötzlich Zugriff auf sehr viel Intelligenz. Ein Sprachmodell schreibt, recherchiert, analysiert, übersetzt, versteht Bilder und Ton, bedient Software und handelt zunehmend selbst. Die Modelle werden weiter besser, in grossen Schritten.

Eine andere Frage bekommt dabei erstaunlich wenig Aufmerksamkeit:

Wie interagieren wir eigentlich mit all dieser Intelligenz?

Inhalt

• Heute bedienen wir KI fast nur über ein Textfeld
• Chat ist synchron, der Mensch muss jeden Schritt selbst anstossen
• Läuft die Intelligenz dauerhaft, passt sich das Interface der Situation an
• TikTok und Netflix verstehen Absicht aus Verhalten, ganz ohne Prompt
• Die KI braucht den passenden Kontext, keine Dauerüberwachung
• Die Rolle des Menschen wechselt vom Prompten zum Steuern
• Die KI erzeugt das passende Interface im Moment der Aufgabe
• Anwendungen lösen sich auf in eine Intelligenzschicht mit wechselnden Oberflächen
• Die KI meldet sich von selbst, wenn etwas Wichtiges passiert
• Alle Signale laufen auf einem Bus zusammen, nur das Relevante erreicht mich
• Brain-Computer-Interfaces sind für das nächste Jahrzehnt nicht der wichtigste Schritt
• Die Zukunft ist eine dauerhafte Intelligenzschicht mit vielen temporären Interfaces
• Drei Konsequenzen für Software, die heute gebaut wird
• Quellen und weiterführende Links

Heute bedienen wir KI fast nur über ein Textfeld

Die Antwort darauf ist bisher bemerkenswert konventionell. Ein Textfeld.

Sie öffnen ChatGPT, Claude, Gemini oder eine andere KI-Anwendung. Sie tippen, was Sie wollen. Das Modell antwortet. Sprache ändert daran wenig. Statt einen Prompt zu tippen, sprechen Sie ihn. Das Interaktionsmodell bleibt gleich.

Anfrage. Antwort. Anfrage. Antwort.

Chat ist das Standard-Interface zur künstlichen Intelligenz geworden. Ich arbeite selbst den ganzen Tag in solchen Fenstern und finde sie nützlich. Trotzdem vermute ich, wir werden irgendwann so darauf zurückblicken, wie wir heute auf die Kommandozeile schauen: mächtig, universell, immer noch täglich im Einsatz. Aber nicht der Weg, über den die meisten Menschen mit Computern arbeiten.

Chat ist synchron, der Mensch muss jeden Schritt selbst anstossen

Eine Eigenschaft von Chat wird leicht übersehen. Chat ist synchron.

Ich öffne ein Fenster, weil ich etwas will. Ich erkläre, was ich erreichen möchte, liefere Kontext nach, lese die Antwort, korrigiere, lese wieder. Damit die Zusammenarbeit funktioniert, muss ich im Takt der Konversation bleiben. Die Intelligenz mag enorm sein, aber ich bin die Person, welche die Arbeit vorantreibt.

Die Frage ist, ob das so bleibt, oder ob es andere Formen der Interaktion gibt.

Stellen Sie sich stattdessen eine Intelligenzschicht vor, die dauerhaft um Ihre Arbeit herum existiert. Sie weiss, an welchem Projekt Sie arbeiten und was Sie erreichen wollen. Sie hat Zugriff auf die relevanten Systeme. Sie merkt, was sich verändert hat, erinnert frühere Entscheidungen und bereitet Dinge vor, bevor jemand danach fragt.

Steht morgen ein wichtiger Kundentermin an, aktualisiert sie das Briefing. Sie sieht, dass drei Supportanfragen auf dieselbe Ursache zeigen. Sie erkennt, dass ein Projekt von einem seiner Ziele wegdriftet. Sie legt eine erste Version von etwas an, weil der nächste Schritt absehbar ist.

Diese Intelligenz muss nicht im Chatfenster darauf warten, dass ich vorbeikomme. Sie darf asynchron arbeiten, damit ich Mensch bleiben kann. Und wenn ich mit ihr arbeiten will, wähle ich das Interface, das gerade passt.

Damit stellt sich die Frage nach dem Interface ganz anders.

Läuft die Intelligenz dauerhaft, passt sich das Interface der Situation an

Wenn die Intelligenz unabhängig vom Interface weiterläuft, gibt es keinen Grund, warum ein einziges Interface dominieren sollte.

Beim Spazieren rede ich vielleicht einfach mit ihr: "Ist heute Morgen etwas Wichtiges im Projekt passiert?" Am Schreibtisch öffne ich ein Dashboard, das zeigt, woran meine KI-Kollegen arbeiten, was sich verändert hat und wo eine Entscheidung von mir gebraucht wird. Für etwas Kompliziertes gehe ich in ein synchrones Gespräch, ungefähr wie heute in ChatGPT.

Geht es um Orte, will ich eine Karte sehen. Geht es um Finanzen, eine Kurve. Vergleiche ich Szenarien, will ich Regler. Repariere ich etwas mit den Händen, ist das Interface vielleicht Sprache plus Einblendungen in einer Brille.

Die Intelligenz bleibt dieselbe. Nur die Oberfläche wechselt.

Das ist ein anderes Modell als heutige Software. Heute denken wir:

Anwendung, dann Interface, dann Fähigkeiten.

Die Zukunft sieht vielleicht eher so aus:

Intelligenz, dann Fähigkeiten, dann das Interface, das gerade nützlich ist.

TikTok und Netflix verstehen Absicht aus Verhalten, ganz ohne Prompt

Ein Blick auf TikTok hilft. Wenn Sie die App öffnen, erklären Sie dem Empfehlungssystem normalerweise nicht, was Sie sehen möchten. Sie schauen. Sie wischen weg. Sie halten an. Sie liken etwas. Vielleicht teilen Sie es. Jede dieser Handlungen ist ein Signal. TikTok beschreibt selbst, wie stark der Feed aus genau diesem Verhalten entsteht.

Netflix funktioniert ähnlich. Meine Partnerin und ich schauen abends eine Serie. Allein dadurch, dass wir etwas auswählen, weiterschauen oder abbrechen, lernt das System etwas über uns. Netflix Research hat dieses Prinzip über Jahre dokumentiert.

Diese Systeme sind offensichtlich etwas ganz anderes als ein Sprachmodell. Trotzdem steckt darin eine Lektion fürs Interaktionsdesign.

Explizite Anweisungen sind nur ein Weg, Absicht zu kommunizieren. Verhalten ist ein zweiter. Kontext ist ein dritter.

Künftige KI-Systeme werden auf alle drei zugreifen können. Das heisst nicht, dass sie alles überwachen müssen, was wir tun. Gute Systeme brauchen klare Grenzen: welchen Kontext dürfen sie sehen, was speichern sie, wofür verwenden sie es. Innerhalb dieser Grenzen wirkt es aber zunehmend absurd, einer KI immer wieder denselben Kontext zu erklären.

Die KI braucht den passenden Kontext, keine Dauerüberwachung

Beim Thema kontextbewusste KI landen viele sofort bei der Vorstellung einer KI, die permanent zuschaut. Das halte ich für den falschen Reflex.

Der nützlichere Begriff ist Kontext einsammeln.

Ein Projekt enthält bereits Kontext. Dokumente enthalten Kontext. Kalender, frühere Entscheide, der Zustand eines Systems, die Werkzeuge im Einsatz, das Ergebnis von gestern, ein Meeting von heute Morgen: alles Kontext, der ohnehin existiert. Genau dafür entstehen offene Schnittstellen wie das Model Context Protocol, über das ein Modell an bestehende Systeme andockt.

Ein System kann sich das meiste, was es braucht, aus diesen Signalen zusammensetzen. Ohne Kamera, die uns dauerhaft filmt.

Dieser Unterschied entscheidet, ob man so ein System überhaupt haben will. Das Ziel ist keine KI, die alles über mich weiss. Das Ziel ist eine KI, die den richtigen Kontext für die Sache hat, an der ich gerade arbeite.

Die Rolle des Menschen wechselt vom Prompten zum Steuern

Das verändert auch die Rolle des Menschen.

Heute stecken wir überraschend viel Aufwand ins Prompten. Wir formulieren Anweisungen, packen Kontext zusammen, entscheiden, wann die KI arbeiten soll, prüfen jedes Ergebnis und stossen den nächsten Schritt an. Das angeblich intelligente System braucht also ziemlich viel Orchestrierung durch uns, also Menschen, die jeden Schritt anstossen und Ergebnisse weiterreichen.

Je dauerhafter und agentischer KI wird, also je mehr sie Aufgaben selbstständig ausführt, desto stärker verschiebt sich diese Rolle. Wir bewegen uns vom Prompten zum Steuern.

Ich definiere ein Ziel. Ich setze Grenzen. Ich korrigiere die Richtung. Ich gebe eine wichtige Handlung frei. Ich beantworte die Frage, bei der menschliches Urteil zählt. Oder ich unterbreche, weil ich sehe, dass etwas schiefläuft.

Die mechanische Koordination übernimmt die KI. Das ist eine andere Beziehung zu Software, als wir sie heute kennen.

Die KI erzeugt das passende Interface im Moment der Aufgabe

Hier kommen generative Interfaces ins Spiel.

Jahrzehntelang haben Entwicklerinnen und Entwickler versucht vorherzusagen, was Nutzer tun könnten, und für jede dieser Möglichkeiten einen Screen gebaut. Menüs, Formulare, Tabellen, Filter, Buttons, Dashboards.

Eine KI weiss aber oft schon, was jemand erreichen will, bevor das Interface überhaupt existieren muss. Warum also nicht die passende Oberfläche in diesem Moment erzeugen?

Sie fragen nach einem Finanzszenario und bekommen Regler, eine Kurve und drei Varianten. Sie planen eine Reise und bekommen Karte, Zeitachse, Budgetregler und einen Vergleich der Unterkünfte. Sie analysieren Verkäufe und bekommen ein Dashboard. Sie diskutieren eine Organisationsstruktur und bekommen ein Diagramm, in dem Sie herumschieben können. Vercel hat das im AI SDK schon eingebaut. Dort gibt das Modell fertige Komponenten statt Text zurück.

Das Interface wird zum Nebenprodukt von Gespräch und Kontext, statt Software zu sein, die jemand vor Monaten entworfen hat.

Grafische Oberflächen verschwinden dabei nicht. Im Gegenteil, KI macht sie wichtiger.

Text ist gut, um eine offene Absicht auszudrücken. Zum Erfassen komplexer Information taugt er oft nicht. Ich will nicht, dass mir jemand eine Karte vorliest. Ich will die Karte sehen. Ich will keine 30 Finanzkennzahlen in Prosa erklärt bekommen. Zeig mir die Kurve. Ich will nicht fünf alternative Projektpläne nacheinander vorgetragen bekommen. Gib mir etwas, das ich nebeneinander vergleichen kann.

Sprache wird eine Form der Interaktion unter mehreren.

Anwendungen lösen sich auf in eine Intelligenzschicht mit wechselnden Oberflächen

Dahinter steckt eine grössere Verschiebung.

Seit rund vier Jahrzehnten organisiert sich Computerarbeit um Anwendungen. Ich öffne Excel. Ich öffne Salesforce. Ich öffne Photoshop. Ich öffne Jira. Die Anwendung enthält die Fähigkeit und ist gleichzeitig der einzige Weg, an sie heranzukommen.

KI trennt das. Fähigkeit, Intelligenz und Kontext können je für sich existieren. Das Interface entsteht erst, wenn es gebraucht wird.

Ich stelle mir das als Schicht über meiner digitalen Umgebung vor. Darunter liegen Modelle, Agenten, Werkzeuge, Gedächtnis, Daten und Fähigkeiten. Darüber liegen die Oberflächen: Sprache, Chat, Benachrichtigungen, Dashboards, generierte Interfaces, Visualisierungen, vielleicht eine Brille, vielleicht Geräte, die es noch nicht gibt.

Ich muss dann nicht mehr entscheiden, in welche KI-Anwendung ich "hineingehe". Ich arbeite mit der Intelligenz über die Oberfläche, die zur Situation passt. Diese Idee ist übrigens nicht neu: Mark Weiser hat sie 1991 im Aufsatz "The Computer for the 21st Century" beschrieben, lange bevor die Technik dafür existierte.

Die KI meldet sich von selbst, wenn etwas Wichtiges passiert

Dauerhafte Intelligenz kippt noch eine alte Konvention.

Heute warten Computer. Ich klicke, es reagiert. Ich frage, es antwortet.

Wenn eine KI die Arbeit um mich herum versteht, beginnt die nützlichste Interaktion manchmal bei ihr:

"Drei Kunden haben heute im Kern denselben Fehler gemeldet. Ich habe eine wahrscheinliche gemeinsame Ursache gefunden."

"Dein Termin startet in 20 Minuten. Seit dem Briefing von gestern haben sich zwei relevante Dinge geändert."

"Das Projekt reisst die Deadline, wenn das Tempo so bleibt. Ich sehe zwei Wege, den Scope zu reduzieren."

Damit entsteht ein neues Designproblem. Wie die KI antworten soll, ist nur noch die halbe Frage. Die andere Hälfte lautet, wann sie mich überhaupt unterbrechen darf.

Eine KI, die alle paar Minuten stört, ist unerträglich. Gloria Mark und ihr Team haben 2008 gemessen, was Unterbrechungen im Büro kosten. Die Arbeit wird zwar schneller erledigt, aber mit mehr Stress, mehr Frust und mehr Zeitdruck. Eine KI dagegen, die etwas Wichtiges sechs Stunden früher bemerkt als ich, und mich genau dann anspricht, ist Gold wert.

Aufmerksamkeit wird damit zu einer der wichtigsten Ressourcen, die solche Systeme verwalten müssen.

Alle Signale laufen auf einem Bus zusammen, nur das Relevante erreicht mich

Mir hilft ein anderes Bild. Statt sich KI als Person im Chatfenster vorzustellen, denken Sie an einen Bus, auf dem Intelligenz zirkuliert.

Gemeint ist nicht das Fahrzeug, sondern der Bus aus der Informatik. In jedem Computer verbindet ein Bus Prozessor, Speicher und Geräte über eine gemeinsame Leitung. Jedes Teil legt seine Daten darauf, jedes Teil liest heraus, was es betrifft. Die Idee gibt es auch in der Software: ein Software-Bus ist eine gemeinsame Leitung, über die Programme Nachrichten austauschen, ohne sich gegenseitig zu kennen. Niemand muss den anderen direkt ansprechen, es reicht, etwas auf die Leitung zu legen.

Verschiedene Quellen legen etwas darauf. Meine Arbeit erzeugt Signale. Agenten liefern Resultate. Systeme melden Änderungen. Modelle analysieren, was passiert. Ich steuere Gedanken und Entscheidungen bei.

Das meiste davon braucht meine Aufmerksamkeit nicht. Wird etwas für mich relevant, wählt das System einen passenden Weg, es sichtbar zu machen. Vielleicht höre ich es. Vielleicht sehe ich eine Benachrichtigung. Vielleicht erscheint eine Oberfläche. Vielleicht liegt es einfach bereit, wenn ich das nächste Mal danach frage.

Und ich kann selbst Dinge auf diesen Bus legen. Einen Satz. Eine Sprachnotiz. Eine Entscheidung. Ein Foto. Eine Anmerkung. Einen Gedanken, den ich nicht verlieren will.

Dieses Bild gefällt mir besser als der Chatbot.

Brain-Computer-Interfaces sind für das nächste Jahrzehnt nicht der wichtigste Schritt

Denkt man die Idee weit genug, landet man bei Brain-Computer-Interfaces. Vielleicht denke ich eines Tages "merk dir das", und irgendein Interface legt den Gedanken direkt in meiner Intelligenzschicht ab. Oder Information fliesst umgekehrt zurück. Firmen wie Neuralink arbeiten daran.

Technisch und philosophisch ist das faszinierend. Für das kommende Jahrzehnt halte ich es trotzdem nicht für die wichtigste Richtung.

Die Gegenthese reizt mich mehr. Vielleicht müssen wir unsere Gehirne gar nicht tief an KI anschliessen.

Mein biologisches Gehirn ist in manchen Dingen ausgezeichnet. Sehen. Kontext verstehen. Ungewöhnliche Verbindungen herstellen. Fühlen. Urteilen. Wollen. Entscheiden, was zählt.

Die KI darf ruhig ausserhalb davon bleiben, so wie Cloud Computing. Ich brauche keine Datenbank im Kopf, um von Datenbanken zu profitieren. Ich brauche kein Sprachmodell an meinen Neuronen, um von viel Intelligenz zu profitieren. Augen, Ohren, Sprache, Hände und ein paar gut gebaute Interfaces liefern wahrscheinlich mehr als genug Bandbreite.

Brain-Computer-Interfaces werden irgendwann ein weiteres Ein- und Ausgabegerät sein. Die grössere Veränderung passiert lange davor.

Die Zukunft ist eine dauerhafte Intelligenzschicht mit vielen temporären Interfaces

Die Zukunft ist wahrscheinlich nicht das eine magische KI-Gerät. Nicht die eine universelle KI-Anwendung. Nicht der perfekte Chatbot.

Sondern eine dauerhafte Intelligenzschicht und viele temporäre Interfaces.

Manchmal setze ich mich eine halbe Stunde hin und rede mit ihr. Manchmal stelle ich eine einzige Frage per Sprache. Manchmal werfe ich einen Blick auf ein Dashboard. Manchmal generiert sie mir eine kleine Anwendung für genau die Aufgabe vor mir. Manchmal unterbricht sie, weil wirklich etwas passiert ist. Manchmal arbeiten Agenten stundenlang, ohne etwas von mir zu brauchen.

Und oft ist das richtige Interface schlicht Stille.

Denn eigentlich will ich gar nicht mit KI interagieren. Ich will denken. Gestalten. Dinge bauen. Mit Menschen reden. Entscheiden. Reparieren. Kochen. Reisen. Leben.

Erweiterte Intelligenz soll kein weiterer digitaler Ort sein, der Aufmerksamkeit einfordert. Sie soll Intelligenz dort verfügbar machen, wo sie nützt, mit so wenig Interaktion wie möglich.

Vielleicht ist das die eigentliche Zukunft des User Interface:

Das Interface wird temporär. Die Intelligenz wird dauerhaft. Und der Mensch darf Mensch bleiben.

Drei Konsequenzen für Software, die heute gebaut wird

Das klingt weit weg, hat aber konkrete Folgen für das, was wir heute bauen.

Kontext gehört ins System, nicht in den Prompt. Wer seine Inhalte, Daten und Prozesse über APIs zugänglich macht, kann sie später an jede Intelligenzschicht anbinden. Wer sie in einem geschlossenen Tool einsperrt, kann es nicht. Deshalb bauen wir bei NETNODE headless. Der Inhalt liegt in einem System, die Oberflächen kommen und gehen. Ein Baustein sind die sogenannten Knowledge Bundles. Diese verwenden wir in unserem Orchestrierungstool kraftwerk als Standardfunktion für Kontext und Wissensspeicherung. Ein Knowledge Bundle ist eine Sammlung von Markdown-Dateien und damit extrem portabel.

Interfaces werden zu Ausgabekanälen. Website, App, Chat, Voice oder eine generierte Ansicht spielen denselben Inhalt unterschiedlich aus. Das funktioniert nur, wenn Inhalt und Darstellung getrennt sind.

Freigaben brauchen einen Platz im Design. Sobald Agenten Dinge vorbereiten oder auslösen, braucht es einen definierten Punkt, an dem ein Mensch zustimmt. Dieser Punkt gehört von Anfang an in die Architektur, nicht nachträglich obendrauf.

Quellen und weiterführende Links

• TikTok Newsroom: How TikTok recommends videos #ForYou
• Netflix Research: Recommendations
• Model Context Protocol: Dokumentation und Ankündigung von Anthropic
• Vercel: AI SDK 3: Generative UI
• Mark Weiser, Scientific American 1991: The Computer for the 21st Century (PDF)
• Gloria Mark et al., CHI 2008: The Cost of Interrupted Work (PDF)
• Neuralink: Website
• Wikipedia: Bus (computing) und Software bus
• Google Cloud, Open Knowledge Format: OKF Spezifikation (Knowledge Bundles)
• NETNODE: kraftwerk auf GitHub

Lassen Sie uns darüber sprechen

Sie überlegen, wie KI in Ihre bestehenden Systeme kommt, ohne dass am Ende ein weiteres Chatfenster herauskommt? Wir schauen uns Ihre Situation gerne an. Das erste Gespräch ist immer kostenlos.

Jetzt Kontakt aufnehmen