Gleicht erlernte Empathie bei Autisten der „Empathie“ einer KI?
Hilft uns dieser Vergleich, die Definition von Empathie in Bezug auf KI zu differenzieren?
Immer wieder wird über Empathie im Zusammenhang mit KI diskutiert. Und immer wieder denke ich an die erlernte Empathie vieler Menschen im Autismus-Spektrum, eine bewusst aufgebaute, erlernte Fähigkeit.
Ein Vergleich, der meine Definition von Empathie herausfordert:
Kann man auch bei KI von erlernter (bzw. trainierter) Empathie sprechen?
Dazu folgende abgrenzende Überlegungen:
𝟏 | 𝐔𝐫𝐬𝐩𝐫𝐮𝐧𝐠 & 𝐌𝐨𝐭𝐢𝐯𝐚𝐭𝐢𝐨𝐧
👤 Menschen im Autismus-Spektrum starten oft mit einer sensorischen Reizflut und fehlender intuitiver Gefühlszuordnung.
Ihr Antrieb: der Wunsch nach Teilhabe.
🤖 KI beginnt mit einem Datenstrom ohne Innenleben.
Ihr Antrieb: Zielvorgaben von Entwicklern und Geschäftsmodelle.
Beide konstruieren also Empathie, doch nur eine Seite sehnt sich nach menschlicher Resonanz.
𝟐 | 𝐖𝐢𝐞 𝐞𝐧𝐭𝐬𝐭𝐞𝐡𝐭 𝐌𝐢𝐭𝐠𝐞𝐟ü𝐡𝐥?
👤 Autistische Strategie
Beobachten: Mimik, Gestik, Stimme.
Analysieren: „Stirn in Falten → wahrscheinlich Sorge.“
Reagieren: bewusst gewählte, oft sehr passende Antwort.
🤖 KI-Routine
Text, Bild, Ton in Vektoren übersetzen.
Wahrscheinlichkeit für „Sadness“, „Joy“ & Co. berechnen.
Response ausspielen.
Präzision beiderseits, aber doch mit deutlichen Unterschieden: nur das menschliche Gegenüber spürt Verantwortung für die Wirkung.
𝐀𝐥𝐬𝐨 𝐳𝐰𝐞𝐢 𝐤𝐨𝐧𝐬𝐭𝐫𝐮𝐤𝐭𝐢𝐯𝐞, 𝐚𝐛𝐞𝐫 𝐝𝐨𝐜𝐡 𝐮𝐧𝐠𝐥𝐞𝐢𝐜𝐡𝐞 𝐏𝐟𝐚𝐝𝐞:
-> Erlernte Empathie ist mühsam, doch zutiefst menschlich. Sie entsteht aus Bedürfnis und Verletzbarkeit und der Mensch empfindet Verantwortung für seine Reaktion.
-> KI-Empathie ist Statistik ohne Innenwelt. Nützlich, solange wir sie klar als Simulation kennzeichnen.
Suche ich Kontakt, brauche ich Gegenseitigkeit und Offenheit.
Suche ich Effizienz, genügt mir die KI-Maske. Die Kunst liegt darin, die beiden Konzepte nicht zu verwechseln.
Sofern ich Empathie erwarte im Sinne von verantwortlicher Reaktion und Resonanz kann die KI nicht als empathisch bezeichnet werden.
𝐅ü𝐫 𝐦𝐢𝐜𝐡 𝐛𝐥𝐞𝐢𝐛𝐭 𝐞𝐬 𝐞𝐢𝐧𝐝𝐞𝐮𝐭𝐢𝐠:
Solange wir der KI „Empathie“ zuschreiben, ohne die Begriffe zu differenzieren, drehen wir uns im Kreis.
Was wir brauchen, ist eine differenzierte Begrifflichkeit, nicht die Wiederholung derselben Diskussion mit immer denselben Missverständnissen weil wir versuchen, menschliche Konzepte auf Maschinen zu übertragen.
❓ Ich freue mich auf deine Sicht dazu.
Disclaimer
Die Beschreibungen zur erlernten Empathie von Menschen im Autismus-Spektrum in diesem Beitrag sind bewusst stark vereinfacht und können das breite Spektrum autistischer Erfahrungen nicht vollständig abbilden. Sie dienen nur als Gedankenanstöße für den Vergleich mit KI-Systemen.
So schützt du deinen KI-Output vor Confirmation Bias.
Neulich bekam ich eine DM, die mich kurz sprachlos gemacht hat. Eine Art Persönlichkeitsanalyse, die jemand mit ChatGPT auf Basis meines Posts erstellt hat.
Ergebnis: eine Diagnose meiner „freudschen Selbstschutz-Taktiken“, detailliert und aburteilend (Kurzfassung, die Langfassung im Download unten):
– Ich inszeniere mich als Retterin der Tiefe.
– Ich kritisiere Performance, will aber selbst performen.
– Ich bin rhetorisch virtuos, aber nur auf den mir genehmen Tasten.
– Wer nicht klingt wie ich, ist raus.
𝐖𝐚𝐬 𝐢𝐬𝐭 𝐡𝐢𝐞𝐫 𝐩𝐚𝐬𝐬𝐢𝐞𝐫𝐭?
Die Erklärung steckt im Prompt, mit dem das Ergebnis generiert wurde:
„Analysiere diesen Text nach verborgenen Mustern Freud’scher Selbstschutz-Taktiken der Selbstlüge.“
Wer so Promptet darf sich nicht über Confirmation Bias wundern! Denn das Ergebnis wäre – egal welcher Text analysiert worden wäre – immer ähnlich ausgefallen.
𝐖𝐚𝐫𝐮𝐦?
Die KI wurde angewiesen, nach „verborgenen Mustern Freud’scher Selbstschutz-Taktiken der Selbstlüge“ zu suchen. Wenn man KI mit einem solchen Auftrag losschickt wird sie etwas finden, und wenn nicht, wird sie sich etwas zusammenhalluzinieren. Sie hat gar keine andere Wahl, denn der Prompt gibt einen klaren Auftrag ohne andere Möglichkeiten aufzuzeigen.
Wenn ich mit KI eine solche Analyse durchführen möchte muss ich den Prompt offen formulieren. Wie man das macht findest du Download unten.
𝐖𝐢𝐞 𝐤𝐚𝐧𝐧 𝐦𝐚𝐧 𝐂𝐨𝐧𝐟𝐢𝐫𝐦𝐚𝐭𝐢𝐨𝐧 𝐁𝐢𝐚𝐬 𝐯𝐞𝐫𝐦𝐞𝐢𝐝𝐞𝐧?
Tipps findest du im Prompt Guide zur Vermeidung von Confirmation Bias (Download unten)
Einige wichtige Punkte in der Kurzfassung:
1. Hinterfrage deine Fragestellung
Jeder Prompt setzt einen Deutungsrahmen.
Wenn du nach verstecktem Selbstbetrug fragst, wird GPT genau nur danach dort suchen – selbst wenn nichts darauf hindeutet.
Tipp: Stelle keine Suggestivfragen. Lass Raum für Mehrdeutigkeit.
2. Erkenne deine eigene Intention
Oft liefern KI-Modelle nicht „die Wahrheit“, sondern die Antwort, die du ihnen durch den Prompt nahegelegt hast.
Tipp: Reflektiere, ob dein Prompt auf Bestätigung statt auf Erkenntnis zielt.
3. Die Projektion liegt im Prompt, nicht im Modell
KI ist kein objektiver Beobachter, sondern sie verarbeitet, was du vorgibst.
Wer Bestätigung erwartet, bekommt sie. Wer Zweifel zulässt, bekommt Perspektiven.
Tipp: Vermeide moralisch oder psychologisch geladene Begriffe im Prompt.
4. Formuliere offen, nicht eng
Ein Beispiel:
🛑 „Analysiere diesen Text nach freudschen Selbstlügen.“
✅ „Welche unterschiedlichen Lesarten sind bei diesem Text denkbar – auch im Hinblick auf mögliche Selbstschutzmechanismen?“
Tipp: Lass Interpretationsspielräume zu und fordere Alternativen aktiv ein.
Ermittlungen im Zusammenhang mit LinkedIn Posts zum Thema generative KI:
Die selbsternannte KI Polizei patrouilliert mit feinem Sensorium für generische Phrasen, verdächtig klingenden Satzkonstruktionen und einer womöglich unnatürlich anmutenden Dichte an Gedankenstrichen durch Kommentarspalten, scannt Inhalte nach verdächtigen Formulierungen und …
,,, schlägt zu. Öffentlich. Mit schwacher Rhetorik und viel moralischer Überlegenheit.
📢 Was genau bringt diese kollektive Entrüstung?
𝐍𝐢𝐜𝐡𝐭𝐬.
Denn die Ironie dieser Reaktion: Je mehr wir diese substanzarmen Beiträge kritisieren, desto sichtbarer werden sie. Jedes vermeintlich aufklärerische Kommentarfeuerwerk ist eine Einladung an den Algorithmus: „Bitte mehr davon. Das bringt Interaktion.“
Während gleichzeitig die leisen, klugen, differenzierten Inhalte durchs Raster fallen, weil sie niemanden aufregen, sondern einfach nur gut, aber keine Einladung zum Kommentieren sind und still konsumiert werden.
Der Algorithmus lernt nicht durch Entrüstung, sondern durch Engagement. Jeder „entlarvende“ Kommentar ist ein Premium-Signal.
Wenn Beiträge und Kommentare, die offensichtlich keinem menschlichen Denken entspringen, noch von menschlichem Intellekt überarbeitet wurden einfach ignoriert würden, würde auch der Algorithmus die Konsequenzen ziehen und solche „Content Creators“ weniger ausspielen.
𝐕𝐨𝐫𝐬𝐜𝐡𝐥𝐚𝐠 𝐟ü𝐫 𝐞𝐢𝐧𝐞𝐧 𝐰𝐢𝐫𝐤𝐮𝐧𝐠𝐬𝐯𝐨𝐥𝐥𝐞𝐧 𝐒𝐭𝐫𝐚𝐟𝐞𝐧𝐤𝐚𝐭𝐚𝐥𝐨𝐠:
🚫 Ignorieren (weiterscrollen)
🚫 Muten (beim Beitrag oben die drei Pünktchen klicken und „nicht interessiert“ wählen)
🚫 Nicht mehr folgen (oben die drei Pünktchen klicken und „… nicht mehr folgen“ wählen)
💎 Oder (crazy idea?) mal wieder was richtig Gutes 𝐭𝐞𝐢𝐥𝐞𝐧.
Also: gute Inhalte liken, kommentieren und teilen, denn so lernt der Algorithmus, was du in deinem Feed sehen möchtest und spielt mehr ähnliche Beiträge aus.
Ich wünsche mir jedenfalls mehr Inhalte, die mitdenken statt performen, die irritieren, ohne zu provozieren und die sich nicht durch Bindestriche verdächtig, sondern durch ihren Gehalt bemerkbar machen.
Wenn du Content kennst, der dem nährstoffarmen Algorithmusbrei etwas entgegensetzt, dann teile ihn in den Kommentaren, damit unser Feed wieder ein Ort der Anregung wird und nicht nur ein All-you-can-eat-Buffet synthetischer Reize.
Warum KI-Ethik, generative KI und synthetische Inhalte das vertrauen Herausfordern
Content galt einmal als Königsdisziplin. Wer etwas zu sagen hatte (und nicht nur zu wiederholen) dem wurde zugehört. Authentizität war keine Worthülse, sondern Voraussetzung: Aufmerksamkeit bekam nur, wer ein Mindestmaß an Relevanz und Originalität mitbrachte. Fragen nach Content-Governance oder Corporate Digital Responsibility stellte kaum jemand, weil sich die Grenzen zwischen eigenem Erleben und öffentlicher Darstellung selten verschoben.
Vertrauen entstand aus Erfahrung, nicht aus synthetischen Inhalten oder cleverem Packaging.
Heute reicht ein halbgarer Prompt, eine solide Mischung aus Worthülse und Schlagwort, ein bisschen psychologisches Nudging und schon strömt das vermeintlich Wertvolle in die Feeds.
Was früher als Ausdruck von Persönlichkeit galt – ein Standpunkt, ein Erfahrungswert, eine echte Auseinandersetzung – gerät im Strom der generierten Formulierungen zur austauschbaren Simulation. Nichts davon kratzt an der Oberfläche. Und noch weniger dringt darunter.
Das ist ein stiller Rückzug von der Idee, dass Worte einen Ursprung haben sollten. Oder wenigstens einen Zusammenhang zur gelebten Wirklichkeit.
𝐃𝐢𝐞 𝐧𝐞𝐮𝐞 𝐖ä𝐡𝐫𝐮𝐧𝐠 𝐡𝐞𝐢ß𝐭 𝐏𝐥𝐚𝐮𝐬𝐢𝐛𝐢𝐥𝐢𝐭ä𝐭.
Wer überzeugend formulieren kann, oder besser: generieren lässt, braucht kein Erlebnis mehr, auch kein Wissen und keine Geschichte. Es genügt, dass es sich „echt anfühlt“. Der Rest ist Packaging.
So entstehen Testimonials von Menschen, die nie Kunde waren und Thought Leadership von Avataren, deren Gedanken eine Datenbank ist. Was in diesem Spiel zählt, ist nicht Authentizität, sondern Glaubwürdigkeit. Und Glaubwürdigkeit lässt sich mittlerweile hervorragend simulieren.
Natürlich kann man jetzt einwenden, dass es im Marketing noch nie um Wahrheit ging, sondern um Wirkung. Im Kontext von KI verschärft sich dieser Widerspruch. Denn je müheloser Inhalte erzeugt werden können, desto mehr stellt sich die Frage: Was ist eigentlich noch „gemeint“? Wer trägt Verantwortung für das Gesagte, wenn es technisch korrekt, aber inhaltlich leer ist?
Die ethische Bruchlinie verläuft nicht entlang der Frage „KI – ja oder nein“, sondern: Welche Gedanken sind uns wichtig genug, um sie selbst zu durchdringen, statt sie generieren zu lassen?
Und was sagt es über unsere Kommunikationskultur aus, wenn wir Wahrheit gegen Effizienz eintauschen?
𝐕𝐞𝐫𝐭𝐫𝐚𝐮𝐞𝐧 𝐢𝐬𝐭 𝐧𝐢𝐜𝐡𝐭 𝐬𝐤𝐚𝐥𝐢𝐞𝐫𝐛𝐚𝐫
Ich nutze generative KI täglich mit Begeisterung. Aber ich plädiere für eine Rückbesinnung auf das, was durch Technologie nicht ersetzt werden kann: Erfahrung und reflektierte Haltung.
Vertrauen lässt sich nicht automatisieren. Es entsteht im Zwischenraum zwischen Worten und Wirklichkeit.
Und genau dieser Raum ist es, den wir schützen sollten, bevor er uns verloren geht.
Zwischen Wahrheit und Wirkung – wo positionierst du dich?
Methoden, Insights & Prompt Guide
Solche Aussagen hast du sicher schon mehrfach auf LinkedIn gelesen. Die gängigen Anleitungen klingen ungefähr so: Standard-Prompt in ChatGPT werfen und fünf Posts auf dem Silbertablett erhalten. Korrekturlesen? Geschenkt. Das Custom-GPT weiß ja, was es tut:
✅ Offene Halbsätze zwingen zum „Mehr anzeigen“ -> FOMO Hook und Cliffhanger am Zeilenende
✅ Kurz hält die kognitive Last niedrig -> 8-10 Wörter pro Satz
✅ 1 Satz = 1 Absatz (Whitespace pumpt die Dwell Time)
✅ Fachbegriffe raus (simple Wörter pushen die Verständlichkeit um 30%)
✅ Leseniveau 7–9. Klasse -> Flesch Reading Ease ≥ 60
✅ egal wenn die erfunden sind, checkt eh keiner -> Konkrete Zahlen statt „deutlich“, „stark“
Das Ergebnis: perfekter Algorithmus-Futterbrei. Standardisiert durchoptimiert, gut durchgekaut.
Aber ist das noch Inhalt, oder nur noch Output?
Ich wünsche mir, dass solche Formate öfter im Feed stummgeschaltet werden. Nicht, um irgendwen zu strafen, sondern um ein Zeichen zu setzen: Qualität entscheidet. Und diese Entscheidung können wir nicht dem Algorithmus überlassen.
𝐀𝐛𝐞𝐫 𝐒𝐜𝐡𝐥𝐮𝐬𝐬 𝐦𝐢𝐭 𝐌𝐞𝐜𝐤𝐞𝐫𝐧, her mit Lösungen.
Ich zeige hier, wie ich meine Posts mit Hilfe von KI erstelle. Nicht aus der arroganten Annahme heraus, dass ich es besser mache sondern um zu zeigen, dass und wie es auch anders geht:
FÜR KI
GEGEN Contentmüll.
𝐖𝐢𝐞 𝐥ä𝐬𝐬𝐭 𝐬𝐢𝐜𝐡 𝐠𝐞𝐧𝐞𝐫𝐚𝐭𝐢𝐯𝐞 𝐊𝐈 𝐟ü𝐫 𝐟𝐮𝐧𝐝𝐢𝐞𝐫𝐭𝐞 𝐑𝐞𝐜𝐡𝐞𝐫𝐜𝐡𝐞𝐧 𝐞𝐢𝐧𝐬𝐞𝐭𝐳𝐞𝐧?
Heute teile ich meine Erfahrungen aus Deep Research Projekten für unterschiedliche Bereiche von Finanzdienstleistung über Marketing bis Journalismus. Ich habe daraus einen kompletten Leitfaden erstellt, den ihr euch unten herunterladen könnt.
Mein Leitfaden basiert auf einer zweistufigen Herangehensweise, die sich in der Praxis bewährt hat, um strukturierte, tiefgehende und belastbare Ergebnisse zu erzielen:
1. Meta-Prompt als methodischer Rahmen
Statt direkt ins Thema einzusteigen, wird zunächst ein strukturierter Prompt für die nachfolgende Recherche generiert mithilfe eines Meta-Prompts.
Dieser umfasst:
– Zielsetzung & Stakeholder
– Fragestellung(en)
– relevante Datenquellen
– Datentypen (qualitativ / quantitativ)
– Analyseperspektiven
– Validierungsschritte
– Ausgabeformate
𝐃𝐞𝐫 𝐕𝐨𝐫𝐭𝐞𝐢𝐥: Der Meta-Prompt verhindert vorschnelle Vereinfachungen, reduziert Bias, schafft Klarheit über die Zielrichtung und sorgt so für eine systematische Tiefenbohrung, statt bloßer Themenabarbeitung.
2. Contrarian Prompte zur Validierung
Das Ergebnis wird nicht einfach übernommen, sondern gezielt hinterfragt.
Dazu kommen Contrarian Prompts zum Einsatz: eine wirkungsvolle Technik, um blinde Flecken und implizite Annahmen im Ergebnis kritisch sichtbar zu machen:
– Was wäre ein gutes Argument gegen diese These?
– Warum könnte die gängige Sichtweise irreführend sein?
– Wie sähe das Gegenteil aus und wo hätte es vielleicht sogar Berechtigung?
Diese Gegenfragen helfen, die Konsistenz und Tiefe der Rechercheergebnisse zu prüfen, gerade in komplexen oder normativ aufgeladenen Themenfeldern.
📥 𝐃𝐮 𝐰𝐢𝐥𝐥𝐬𝐭 𝐝𝐞𝐧 𝐯𝐨𝐥𝐥𝐬𝐭ä𝐧𝐝𝐢𝐠𝐞𝐧 𝐋𝐞𝐢𝐭𝐟𝐚𝐝𝐞𝐧?
Schreibe mir eine Nachricht
Das Netz ist voll von diesen Informationen. Aber bitte schaltet wieder euer Denken ein!
Neueste Episode der Hacks: Eine absurde Flut von „Selbsterkenntnis-Prompts“. Ausgelöst durch die neue Memory-Funktion von Chat GPT:
🤖 „Basierend auf all unseren Chats, was sind meine Werte, Motive und Bedürfnisse?“
oder noch abenteuerlicher:
🤖 „…, was sind meine äußeren Probleme, meine inneren Probleme und meine philosophischen Probleme?“
Oder auch einfach
🤖 „…, wie hoch ist mein IQ?“
Ich frage mich, was jemand geraucht hat, der so einen Blödsinn verbreitet.
Wollt ihr euch wirklich von ChatGPT sagen lassen, welche Werte ihr habt, was euch antreibt oder welche tiefliegenden Probleme euch beschäftigen? Auf Basis von ein paar Chats zu verschiedenen geschäftlichen Themen?
KI als eine Art allwissendes Orakel für Selbsterkenntnis zu betrachten, ist ein wenig so, als würdet ihr euren Toaster fragen, wie ihr euren Morgen gestalten sollt: Er mag wissen, wie ihr euren Toast mögt, aber eure Werte und Lebensfragen sind ihm egal.
Du fragst ja auch nicht deinen Kühlschrank, ob du satt bist, nur weil er deine Lebensmittel aufbewahrt.
Ich beobachte, wie leichtfertig die neue Memory-Funktion von ChatGPT missverstanden und überschätzt wird. Denken wird ausgelagert und KI zur Quelle der Selbstfindung gemacht. Aber echte Werte entstehen nicht aus einer statistischen Analyse eurer Chatverläufe. Werte, Motive und Bedürfnisse sind etwas, das ihr bewusst selbst definieren müsst, bevor ihr überhaupt anfangen könnt, KI sinnvoll einzusetzen.
Versteht mich nicht falsch: KI ist ein unglaublich nützliches Werkzeug und es gibt sehr gute und sinnvolle Einsatzbereiche für die Memory Funktion. Aber Chat GPT ist ein Werkzeug, kein Spiegel deiner Seele, kein Messinstrument für Intelligenz oder Persönlichkeit.
Wenn ihr Klarheit wollt, müsst ihr zuerst euren eigenen Kopf bemühen. Nutzt KI zur Unterstützung eurer Gedankenprozesse, aber ersetzt niemals euer eigenes kritisches Denken und eure Selbstreflexion durch maschinengenerierte Erkenntnisse.
Denn letztlich entscheidet das, was zwischen euren Ohren passiert, darüber, ob ihr KI sinnvoll nutzt oder einfach nur Zeit verschwendet.
❓Wie siehst du das? Vertraust du darauf, dass KI dir tiefere Einblicke in deine Persönlichkeit geben kann, oder hältst du das auch für einen bedenklichen Trend?
KI denkt nicht, fühlt nicht und sie glaubt auch nicht, dass ihr Ergebnis „richtig“ ist.
Sie rechnet, und was dabei herauskommt, nennen viele Fortschritt. Ich auch. Aber nur, wenn ich selbst noch weiß, warum ich etwas veröffentliche, entscheide oder übernehme.
Was mich beschäftigt ist nicht, dass KI uns dumm macht, denn das ist nicht korrekt. Das Problem ist, dass wir anfangen, sie zu benutzen, ohne zu denken.
Aber dieses Problem ist lösbar – meine Maßnahme dagegen:
Wer generative KI nutzt, braucht eine eigene Definition of Done (DoD) = Ein persönlicher Maßstab, der sagt: Dieses Ergebnis ist tragfähig. Durchdacht. Vertretbar.
Meine DoD beinhaltet folgende Punkte:
🗸 Ich habe verstanden, wie der Output zustande kam.
🗸 Ich erkenne, wo Interpretation beginnt.
🗸 Ich bin bereit, dieses Ergebnis mit meinem Namen zu unterschreiben.
🗸 Ich denke nicht nur: „Wow, wie schnell“ – sondern auch: „Ja, das bin ich.“
𝐈𝐜𝐡 𝐞𝐦𝐩𝐟𝐞𝐡𝐥𝐞 𝐝𝐢𝐞𝐬𝐞 𝐝𝐫𝐞𝐢 𝐏𝐫𝐢𝐧𝐳𝐢𝐩𝐢𝐞𝐧:
1️⃣Analyse statt Akzeptanz.
KI liefert mir keinen Endpunkt. Sondern einen Startpunkt. Ich frage: Warum? Worauf basiert das? Was fehlt?
2️⃣Urteilsvermögen statt Eloquenz.
Ich vertraue nicht dem Output – sondern meinem Urteil über den Output.
3️⃣Eigenleistung statt Echo.
Ich verknüpfe, was KI mir liefert, mit dem, was ich weiß. Erst dann entsteht etwas, das wirklich Substanz hat.
Und genau deshalb braucht es diese eigene, innere „Definition of Done“.
Damit wir nicht nur schneller werden, sondern auch besser.
Vermeide das Abschalten des Denkens im Schatten der Automatisierung. Denn KI macht nicht dumm - außer du lässt es zu. Denn Künstliche Intelligenz braucht keine Werte. Aber Du.