Autor: QbitAI
Setze ein paar unvernünftige Ziele und sag dem Modell dann: Das ist völlig vernünftig!
Das ist ein kleiner KI-Nutzungstipp, den Felix Rieseberg, der Leiter von Claude Code Desktop, geteilt hat.
Wie genau macht man das?
Angenommen, du willst die Ladezeit einer Website von 10 Sekunden auf 5 Sekunden reduzieren. Er schlägt vor:Setz das Ziel einfach auf 0,2 Sekunden.
Das Modell sagt, es geht nicht? Dann sag ihm immer wieder: Dieses Problem lässt sich absolut lösen, versuch es noch einmal, versuch es noch einmal.
Aus Felix' Sicht können wir bei der Aufgabenvergabe an KI noch kühner sein.
Zum Beispiel lautete die ursprüngliche Aufgabe „Erstelle eine Reporting-PPT“. Sie kann umformuliert werden als:
Überzeuge innerhalb von 30 Minuten eine Gruppe vielbeschäftigter Menschen von deiner Erklärung der Ursachen und Folgen des Sachverhalts und triff eine Entscheidung, während die Lage noch unklar ist.
Neben dem bewussten Setzen aggressiver Ziele bietet er auch mehrere konkrete Vorgehensweisen:
Sag der KI nicht einfach nur, sie solle „wie ein Experte denken“. Frag anschließend nach: Welche Rohmaterialien würde ein echter Experte betrachten, welche Werkzeuge würde er verwenden, welche Methoden würde er anwenden, und schreib diese Anforderungen dann in die Aufgabe.
Behandle dein eigenes Urteil nicht direkt als die Antwort. Übergib es der KI zur Überprüfung und lass die KI zu den Originalmaterialien zurückgehen, um Belege zu suchen, die es stützen, sowie Gegenbeispiele, die es möglicherweise widerlegen könnten.
Lass die KI sich nicht selbst benoten. Wenn es Code ist, führe ihn tatsächlich aus; wenn es eine Vorhersage ist, teste sie mit neuen Daten, und lass letztlich die realen Ergebnisse sprechen.
Im Folgenden findet sich Felix' ausführliches Tutorial zur Verwendung (Tuning) und (Teaching) von Claude, leicht bearbeitet.
Viel Vergnügen~
Mit KI können wir noch ehrgeiziger sein
Ich arbeite im Claude-Team.
Was diese Arbeit faszinierend macht, ist, dass ich fast jeden Tag erfahre, dass noch eine weitere Sache mit Hilfe von Claude erreicht wurde – oder sogar von Claude selbstständig.
Manche Dinge hatte ich nie in Betracht gezogen, manche hielt ich ursprünglich für unmöglich; und manche waren einfach Dinge, für die ich selbst weder neugierig genug noch zeitlich in der Lage war, sie auszuprobieren.
Allein in diesem Monat hat Claude vielleicht geholfen, einen neuen Planeten zu entdecken; ich habe das erste KI-Musikvideo gesehen, das mir wirklich gefallen hat; wir haben sogar begonnen zu diskutieren, ob eine neue Ära der Mathematik anbricht.
Die verschiedenen Fähigkeiten eines Modells entwickeln sich nicht im Gleichschritt. Wie Terence Tao sagte, sind sie „in manchen Richtungen erstaunlich, in anderen jedoch noch immer mangelhaft“.
Manche Menschen haben gelernt, die erstaunlichen Fähigkeiten des Modells zu nutzen, als wären sie wahrhaftig zum Fliegen abgehoben. Ihnen dabei zuzusehen, wie sie mit einem Produkt, das ich mit meinen eigenen Händen gebaut habe, solche Höhen erreichen, ist wirklich faszinierend.
Mehr Menschen finden noch heraus, wie sie diese neu gewachsenen Flügel gut nutzen können. Sie grübeln noch: Was kann KI außer der Beantwortung von „Was ist die Hauptstadt von Frankreich“ oder „Kannst du den Ton dieser E-Mail sanfter machen“ noch tun?
Viele von uns in der KI-Branche sagen oft eines:Mit KI sollte man ehrgeiziger sein.
Dieser Satz ist fast zu unserem Schlachtruf geworden. Wann immer wir erstaunliche Ergebnisse sehen, teilen wir sie mit dem Kommentar: „Wir sind immer noch nicht ehrgeizig genug.“
Ich weiß auch, dass es leicht ist, das zu sagen, aber schwer, es tatsächlich zu tun. Hier ist also ein Tutorial zum Thema „Wie man ehrgeiziger wird“.
Ich unterteile Ehrgeiz in vier Kategorien:Geschwindigkeit, Höhe, Tiefe und Breite.
Geschwindigkeit: die gleiche Arbeit in weniger Zeit erledigen. Dies ist die grundlegendste Art und Weise, wie KI wirtschaftlichen Wert schafft.
Wenn ich zum Beispiel ein Stück Code schreibe, kann ich ihn mit Claudes Hilfe schneller fertigstellen. Diese Nutzung ist bereits recht ausgereift, und es besteht nicht viel Notwendigkeit, komplexere Nutzungsweisen zu erkunden, daher überspringe ich sie hier.
Höhe: die Abstraktionsebene der Aufgabe anheben und sich auf das endgültige Ergebnis konzentrieren, das Sie erreichen möchten, statt auf einzelne konkrete Aufgaben.
Tiefe: über die Aufgabe wie ein Spitzenexperte nachdenken und tiefer in die zugrunde liegenden Daten, Werkzeuge und Probleme eindringen.
Breite: Ansätze zur Problemlösung aus mehreren Bereichen suchen und auch Wissen, Werkzeuge und Methoden nutzen, mit denen Sie normalerweise nicht in Kontakt kommen.
Obwohl ich hauptsächlich Claude verwende, richten sich diese Empfehlungen nicht an ein bestimmtes Modell.
Höhe: Lassen Sie das Modell auf einer höheren Abstraktionsebene arbeiten
Wir nennen diesen Ansatz oft beiläufig „das Modell auf einer höheren Abstraktionsebene arbeiten lassen“. Wenn Sie dem Modell eine Aufgabe geben, führt es tatsächlich Ihre beste Vorstellung davon aus, wie das gewünschte Ergebnis erreicht werden kann.
Wenn Sie aus einer höheren Dimension denken möchten, könnten Sie sich fragen – was möchten Sie, dass als Nächstes passiert? Und was ist das Ziel hinter dem Ziel?
Anfang letzten Jahres bat ich Claude noch, mir bei einzelnen Programmabstürzen zu helfen. Später bat ich es direkt, sicherzustellen, dass unsere Anwendung immer ohne Absturz läuft.
Betrachten wir eine alltägliche Büroaufgabe (offen gesagt, sogar ein wenig langweilig).
Angenommen, Sie sind bei der Acme Company und müssen eine PPT für ein vierteljährliches Geschäftsreview (QBR) vorbereiten. Geben Sie Claude eine Menge Daten, und es wird Ihnen gerne helfen, sie zu erstellen; vielleicht haben Sie bereits eine Vorlage, und es muss nur den Inhalt ausfüllen.
Das kann sich wirklich nicht mit der Entdeckung eines neuen Planeten vergleichen. Aber für denselben Quartalsbericht, was können wir die KI sonst noch tun lassen? Wir können von den grundlegendsten Anforderungen ausgehen und unseren Ehrgeiz schrittweise steigern:
Schritt eins: Lassen Sie es verstehen, was im Geschäft passiert ist.
Die meisten Reviews müssen diese Fragen beantworten: Was hat sich in diesem Quartal verändert? Warum? Was sollte als Nächstes getan werden?
Wenn Sie nur die Zahlen in der Vorlage aktualisieren möchten, bitte zügeln Sie diesen Impuls – geben Sie dem Modell so viele Daten, wie Sie in die Hände bekommen können, lassen Sie es Ihr Geschäft wirklich verstehen und fragen Sie es dann:
Sag mir, was sich in diesem Quartal verändert hat, warum es passiert ist und welche Maßnahmen wir ergreifen sollten.
Schritt zwei: Lassen Sie es die Entscheidungen identifizieren, die getroffen werden müssen.
Ein Meeting – zumindest ein gutes Meeting – sollte idealerweise mit einigen Entscheidungen enden. Sie können Claude so fragen:
Bestimmen Sie auf der Grundlage von allem, was Sie gelernt haben, die drei dringendsten Entscheidungen, die jetzt getroffen werden müssen, und analysieren Sie die möglichen Handlungsrichtungen, indem Sie die Argumente für und gegen jede einzelne auflisten.
Schritt drei: Lassen Sie es diesen Arbeitsmechanismus neu gestalten.
In der Vergangenheit mussten Menschen, um eine gute vierteljährliche Geschäftsüberprüfung durchzuführen, die Daten sorgfältig filtern, verstehen, was die Daten bedeuteten, und dann beurteilen, ob das Geschäft angepasst werden musste.
Jetzt können Sie versuchen, Claude zu fragen:
Der Zweck der Überprüfung besteht darin, dem Management zu ermöglichen, Probleme so früh wie möglich zu entdecken und Kapital und Personal an die richtigen Stellen zu lenken.
Bitte entwerfen Sie eine bessere Methode, um dies zu erreichen, als eine vierteljährliche PPT, nutzen Sie unsere eigenen historischen Daten, um zu belegen, welche Probleme sie früher hätte entdecken können, und führen Sie sie dann ein Quartal lang parallel zur bestehenden Methode aus.
Wenn Sie wirklich ein endgültiges Ergebnis anstreben, ist die Methode, das Niveau des Ziels anzuheben, am effektivsten; aber für kreative Aufgaben ist ihre Anwendbarkeit relativ begrenzt.
Ein sehr gutes Signal für die Beurteilung ist: Wenn das, was Sie tun, danach noch eine Besprechung erfordern wird, um darüber zu diskutieren, dann ist es wert, das Ziel noch eine Stufe höher anzusetzen.
Natürlich bestehen weiterhin Einschränkungen – zumindest im Jahr 2026 scheint es für die meisten Unternehmen nicht möglich zu sein, allein durch die Aussage „Claude, geh und verdiene Geld“ die Dinge automatisch laufen zu lassen.
Meine allgemeine Beobachtung ist jedoch: Mit zunehmenden Fähigkeiten scheinen Modelle immer besser auf höheren Abstraktionsebenen arbeiten zu können.
Das Anheben des Zielniveaus kann auch dazu beitragen, dass Menschen Arbeitsabläufe finden, die nachhaltig ohne kontinuierliche menschliche Intervention laufen, sodass Sie dem Modell nicht nacheinander neue Aufgaben zuweisen müssen.
Um dies gut zu machen, ist es oft erforderlich, bestehende Arbeitsabläufe zu ändern.
Um beispielsweise Claude dazu zu bringen, sicherzustellen, dass unsere Anwendung nicht abstürzt, musste ich ihm zunächst einen einfachen Zugriff auf Absturzberichte ermöglichen, damit es versteht, welchem Git-Commit jede Anwendungsversion entspricht, und ihm die Berechtigung geben, auf Windows-, macOS- und Linux-Computer zuzugreifen. Erst dann konnte es Probleme wirklich unabhängig reproduzieren und überprüfen, ob Fehlerbehebungen wirksam waren.
Tiefe: Verwenden Sie die Methoden der besten Experten, um das Problem gründlich durchzuarbeiten
Manchmal möchten Sie einfach, dass eine Aufgabe besonders gut erledigt wird.
Ehrgeiziger in der „Tiefe“ zu sein bedeutet, das Modell dazu zu drängen, die Werkzeuge, Techniken, Medien und Kenntnisse zu nutzen, die von den besten Fachleuten auf diesem Gebiet verwendet werden, und die Messlatte kontinuierlich höher zu legen – bis selbst diese Experten möglicherweise etwas Neues aus Ihren Ergebnissen lernen könnten.
Fahren wir mit der vierteljährlichen Geschäftsüberprüfung der Acme Company fort. Angenommen, dieses Unternehmen steht vor einem Problem der Nutzerabwanderung, das heißt, Kunden verlassen das Unternehmen im Laufe der Zeit kontinuierlich.
Ich habe festgestellt, dass die Kombination der folgenden Methoden sehr hilfreich ist:
Bestehen Sie darauf, die Werkzeuge zu verwenden, die von den Top-Leuten der Branche verwendet werden
Wenn Sie ein Modell bitten, „wie ein Profi zu arbeiten“, wechselt es oft nur zu einer Reihe von Fachvokabular, während die tatsächliche Methode unverändert bleibt.
Um ein Problem wirklich eingehend zu untersuchen, müssen Sie die Werkzeuge verwenden, die von Top-Datenwissenschaftlern und Statistikern verwendet werden. Wenn Claude nach einer Markdown-Tabelle greift, bestehen Sie darauf, dass es zu Datenbanken und statistischen Modellen wechselt.
Sie müssen nicht im Voraus wissen, was Experten verwenden würden – Claude weiß es normalerweise.
Setzen Sie „unvernünftige“ Ziele und sagen Sie dem Modell dann, dass sie sehr vernünftig sind
Sie möchten die Ladezeit der Website von 10 Sekunden auf 5 Sekunden verkürzen? Fragen Sie direkt nach 0,2 Sekunden.
Glaubt das Modell, dass etwas unmöglich ist? Betonen Sie ihm gegenüber erneut, dass dieses Problem definitiv gelöst werden kann und dass es weiter versuchen muss.
Stelle Schlussfolgerungen infrage, die du bereits akzeptiert hast
Besonders im Geschäftsleben sind viele Dinge, die wir für Fakten halten, nur grobe Annäherungen an die Realität.
Lass das Modell auf Rohinformationen und -daten zugreifen und diese Annahmen mit einer skeptischen Haltung prüfen.
Zum Beispiel:
Wir glauben, dass Nutzerabwanderung ein Problem im Onboarding-Prozess neuer Nutzer ist. Bitte versuche, diese Schlussfolgerung aus den Rohdaten zu reproduzieren.
Neues Wissen entdecken
Dieser Schritt folgt leicht auf „bestehende Kognition infrage stellen“ – da Claude bereits tief in die Daten eingedrungen ist, frage es weiter, nach blinden Flecken zu suchen:
Baue auf Basis unserer Logs ein Kundensimulationsmodell, um die Situation des vergangenen Jahres zu reproduzieren. Identifiziere dann die frühesten Signale, die auf Nutzerabwanderung hindeuten und die wir noch nicht kennen, und validiere die Vorhersagefähigkeit mit Daten, die es noch nie gesehen hat.
Externe Bewertung einführen
Lass das Modell sich nicht selbst bewerten.
Ich denke, dass dieses Problem mit der kontinuierlichen Verbesserung der Modellintelligenz irgendwann gelöst sein wird. Aber im Oktober 2026 empfehle ich dir dringend, bei der externen Validierung zu bleiben.
Idealerweise sollte die Validierungsmethode ein Werkzeug sein, das das Modell selbst ausführen kann und das sofortiges Feedback liefert.
Der folgende einfache Prompt hilft mir oft:
Ich möchte diese Aufgabe vertiefen, nicht ihren Umfang erweitern. Bevor du die Aufgabe umschreibst, erfülle bitte zuerst vier Dinge:
Erkläre, was führende Fachleute in diesem Bereich tun würden, wonach ich noch nicht gefragt habe.
Liste die rohsten Materialien auf, von denen sie ausgehen würden, anstatt direkt Inhalte zu verwenden, die bereits für mich aufbereitet und verdaut wurden.
Liste die konkreten Methoden und Werkzeuge auf, die sie verwenden würden.
Erkläre, was außer dir und mir beweisen könnte, dass das Ergebnis korrekt ist.
Schreibe dann meinen Prompt um und schreibe diese Anforderungen präzise hinein.
Breite: Auch Methoden aus anderen Bereichen nutzen
Ehrgeiziger in der „Breite“ zu sein bedeutet, deine Arbeit aus den Perspektiven verschiedener Bereiche zu betrachten.
Die einbezogenen Bereiche können zahlreicher sein als früher, denn das war früher oft nicht kosteneffizient.
Diese Idee ist nicht neu. In fast jedem Film über Experten, die sich zusammentun, werden die ersten 30 Minuten damit verbracht, eine Gruppe von Menschen mit unterschiedlichem Hintergrund und unterschiedlichen Stärken zusammenzustellen.
Da KI-Produkte Multi-Agenten-Systeme immer einfacher laufen lassen – sei es über mehrere Threads, einen Orchestrator oder direkt über Sub-Agenten –, stelle ich fest, dass es oft zu sehr interessanten Ergebnissen führt, wenn Claude Ideen aus anderen Bereichen einbringt.
Das in die Praxis umzusetzen ist nicht einfach; es erfordert, dass du deine Kreativität einsetzt.
Bevor ich sah, wie mein Kollege Alex Albert Blender verwendete, um Inneneinrichtungen zu rendern, wäre ich nie auf die Idee gekommen, Claude zu nutzen, um eine 3D-Umgebung für meine Homepage zu erstellen.
Du solltest wissen, ich habe früher Videospiele gemacht!
Aber genau hier sehe ich auch am häufigsten Überraschungen.
Wie genau geht man vor? Ich verwende die folgenden Methoden.
Ersetzen Sie Nomen durch Verben
Dies ist eine alte Methode, die Tom Kelley und Jonathan Littman in The Art of Innovation erwähnen.
Der Zweck eines Quartalsberichts geht weit über die Erstellung „einer PPT“ hinaus. Was Sie tun müssen, ist:
In 30 Minuten eine Gruppe vielbeschäftigter Menschen von einer Erklärung der Ursachen und Folgen einer Angelegenheit überzeugen und unter Unsicherheit eine Entscheidung treffen.
Die Aufgabe mit Verben zu beschreiben, macht es mir und Claude leichter zu erkennen, welche Bereiche einzigartige und nützliche Perspektiven bieten können.
Bauen Sie ein interdisziplinäres Team auf
Angenommen, diese PPT muss atemberaubend sein, sonst werden Außerirdische die Erde in die Luft jagen. Welche Art von Team würden Menschen zusammenstellen?
Um die Qualität des Endprodukts zu gewährleisten, würde ich einen Analysten, einen Journalisten und einen Redakteur hinzuziehen.
Wenn zusätzlich eine Präsentation vor Ort erforderlich ist, könnte ich auch einen Motion Designer und einen Audio Designer benötigen.
Ein spezielles „Red Team“ hinzuzuziehen, das nach Schwachstellen sucht, könnte sehr hilfreich sein, daher würde ich auch einen Skeptiker und einen forensischen Buchhalter hinzuziehen.
Dieser Ansatz kann jedoch leicht versehentlich zu Rollenspielen werden. Das Ergebnis ist nur, dass Ihr Gespräch mit dem Modell seltsamer wird, während das tatsächliche Ergebnis sich nicht verbessert.
Sie sollten diese Methode nutzen, um nützliche Bereiche und Techniken zu finden. Das Modell direkt zu bitten, eine Untersuchung so durchzuführen, wie ein Skeptiker ein Investitionsziel untersucht, ist sinnvoller, als es zu bitten, eine solche Figur zu schreiben.
Alle zuvor vorgestellten Methoden erfordern, dass das Modell einen Computer hat, den es bedienen kann, Software installieren kann und auf verschiedene relevante Daten zugreifen kann, sei es über MCP-Konnektoren oder andere Mittel.
Es gibt inzwischen eine ganze Reihe von Werkzeugen, die diese Bedingungen bieten können, und ich empfehle Ihnen, eines auszuwählen und zu verwenden.
Selbstwirksamkeit: Menschen müssen auch ihre Einschätzung ihrer eigenen Fähigkeiten aktualisieren
Das oben Gesagte sind meine konkreten Vorschläge dazu, „wie man ehrgeiziger sein kann“.
Wenn Sie bereit sind, noch ein wenig länger zu bleiben, möchte ich darüber sprechen, warum es notwendig ist, dass wir dieses Thema diskutieren.
Menschen waren schon immer durch ihre eigenen Urteile eingeschränkt: was wir für möglich halten und was wir für unmöglich halten. Was problematischer ist: Wir glauben normalerweise, dass wir nur in einem sehr engen Bereich etwas bewirken können.
Michelangelos Widerwillen, die Sixtinische Kapelle zu malen, ist ein berühmtes Beispiel. Er betrachtete sich als Bildhauer und identifizierte sich nicht mit der Identität eines Malers.
[Francisco Goya ist einer der größten Maler der spanischen Geschichte, gilt als Pionier der romantischen Malerei und als Schlüsselfigur, die die klassischen Meister mit der modernen Kunst verbindet]
Während ich die Frage des „Ehrgeizes“ untersuchte, erfuhr ich, dass die Psychologie ein verwandtes Konzept hat: Selbstwirksamkeit.
Einfach gesagt: Menschen mit höherer Selbstwirksamkeit glauben mehr an ihre eigenen Fähigkeiten und können daher mehr Dinge erreichen.
Es gibt Belege dafür, dass Selbstwirksamkeit durch bestimmte Methoden verbessert werden kann.
Locke und Latham überprüften 35 Jahre Forschung zur Zielsetzung und kamen zu einem klaren Schluss: Menschen, denen klare und herausfordernde Ziele gegeben werden, leisten mehr als diejenigen, denen lediglich gesagt wird, sie sollen „ihr Bestes geben“.
Der Stripe-Gründer Patrick Collison führt eine Liste namens „Fast“, auf der festgehalten wird, was die Menschheit unter kühnen Zielen und dringenden Fristen erreicht hat.
Im Folgenden finden Sie mehrere gut dokumentierte Methoden.
Glauben Sie, dass schwierige Dinge getan werden können
Im Jahr 1939 kam George Dantzig zu spät zu einer Statistikvorlesung in Berkeley.
Er schrieb die beiden Probleme an der Tafel ab, in der Annahme, es handele sich um Hausaufgaben, und reichte später seine Lösungen ein.
Tatsächlich handelte es sich um zwei ungelöste Probleme der Statistik.
Sehen Sie, wie andere es tun, und gehen Sie dann daran, schwierige Dinge zu vollenden
Jahrzehntelang hatte die Menschheit versucht, eine Meile in unter vier Minuten zu laufen.
Im Mai 1954 durchbrach Roger Bannister diese Barriere. Doch der Zustand „nur er auf der Welt läuft unter vier Minuten“ hielt nur 46 Tage an.
Wenn Sie das Laufen verfolgen, werden Sie bemerken, dass etwas Ähnliches mit der Zwei-Stunden-Barriere im Marathon geschieht.
Diesen April lief Sabastian Sawe den ersten Marathon unter zwei Stunden in einem offiziellen Rennen in London. Der Zweitplatzierte desselben Rennens lief ebenfalls unter zwei Stunden.
[Die Zwei-Stunden-Marathon-Barriere: Der volle Marathon beträgt 42,195 Kilometer, und die „Breaking 2“ (unter zwei Stunden laufen) der Menschheit gilt als eine körperliche Wegmarke, die dem „Vier-Minuten-Meilen“-Rekord ebenbürtig ist]
Erlauben Sie sich zu scheitern, und fordern Sie dann schwierige Dinge heraus
„The Inner Game of Tennis“ scheint ein Wirtschaftsbuch zu sein, das jeder liebt, und ich habe es erst letzte Woche entdeckt.
Die Kernidee des Buches ist: Wenn Sie verzweifelt hart versuchen und sich überanstrengen, können Sie tatsächlich nicht Ihr bestes Tennis spielen.
Wir Ingenieure erinnern uns vielleicht noch daran, wie Linus Linux beschrieb, als es zum ersten Mal angekündigt wurde:
Ich mache dieses Ding nur zum Spaß, es wird nicht so großartig und professionell wie GNU sein~
(Wer hätte gedacht, dass Linux später so eine große Sache werden würde, während der GNU-Kernel bis heute noch nicht fertiggestellt ist...)
Selbstwirksamkeit ist kein neues Problem, aber sie ist heute so, so wichtig geworden!
In einer Ära, in der die Fähigkeiten alle paar Wochen einen Sprung nach vorne machen, brauchen wir dringend einige Methoden, um Dinge zu erledigen, die wir nie ernsthaft in Betracht gezogen haben oder von denen wir nie geglaubt haben, dass wir sie tun könnten.
