Artikel on Bedarfsfokus

llms.txt im Überblick

Sat, 04 Jul 2026 09:50:00 +0200

Wenn alles ordentlich abgelegt und wohldokumentiert wäre, müsste es doch mit dem Teufel zugehen, wenn ChatGPT meine Website nicht allen anderen vorzöge!
(Foto: jankolar)

Seit bald zwei Jahren hört man immer wieder von llms.txt, einem, so wird sich erzählt, mächtigem Instrument, um KI-Agents, die eine Website besuchen, den eigenen Willen aufzuzwingen.

Dass eine schnöde Textdatei das bewerkstelligen soll, kam mir doch zu fantastisch vor. Und so habe ich ein paar Abende recherchiert, wie denn die Lage zu diesem “Standard” nun ist und ob es sich lohnt, Zeit damit zu verbringen.

Leider ist das Netz voller Quacksalberei #

Vorweg etwas Unmut: Es wäre einfacher, sich ein Urteil über llms.txt zu bilden, würde das Netz bei KI-Themen nicht fortlaufend mit undurchdachtem, ai-generiertem Unfug geflutet, mit dem Scharlatane ihre SEO-Dienstleistungen bewerben und damit die vorderen Plätze der Suchergebnisse einnehmen, wenn man nach “llms.txt” sucht.

Jeder kann es schaffen, eine AI-Content-Pipeline zu bauen, deren Ergebnisse ihn persönlich zufriedenstellen (Ranking). Das heißt jedoch nicht, dass dieser Müll-Content dem Leser hilft (Information). Und immer mehr Themen fallen dieser egoistischen Publikationswut zum Opfer: Es wird täglich schwieriger die Spreu vom Weizen zu trennen und man müsste mal ernstlich etwas dagegen..!

Aber ich merke, dass ich abschweife, ich wollte ja etwas über diese kleine Textdatei erzählen und nicht zum Sturm auf die Bastille aufrufen.

Was will llms.txt überhaupt sein? #

Die Idee stammt von Jeremy Howard (Answer.AI) aus dem September 2024¹ und hat im Kern einen eher bescheidenen Anspruch: eine Markdown-Datei im Wurzelverzeichnis der Domain (also z.B.:https://example.de/llms.txt), die einem Sprachmodell einen kuratierten, token-sparsamen Überblick über die wichtigsten Inhalte einer Seite geben soll. Eine Hauptüberschrift mit dem Projektnamen, ein Blockquote mit ein bis drei Sätzen Zusammenfassung, darunter Links mit kurzen Beschreibungen. Viel mehr ist es nicht und findet sich so auch auf der Website des Standards unter llmstxt.org.

Gerne wird diese Datei mit der bekannteren robots.txt verglichen, dieser Vergleich führt allerdings in die Irre. robots.txt ist ein etablierter Webstandard, der regelt, welche URLs ein Crawler nicht indexieren soll. llms.txt ist dagegen eine Vorschlagsdatei, die KI-Systemen zur Informationsentnahme angeboten wird: Sie verbietet nichts, sie kuratiert. Wo robots.txt auf URL-Ebene Zugriff gewährt oder verweigert, möchte llms.txt eine redaktionelle Schicht darüber sein: nicht wohin nicht, sondern wo findest Du was. Deshalb konkurrieren die beiden auch nicht, sondern dürfen nebeneinander existieren.

Stand Juli 2026 ist llms.txt nach wie vor ein community-getriebener Vorschlag. Die Spezifikation wird über das Projekt llmstxt.org gepflegt; ein formaler IETF-RFC oder ein vergleichbares Standardisierungsverfahren ist bislang nicht zustande gekommen. Dass man überhaupt so viel darüber liest, hat also weniger mit ernsten Ingenieuren und Ingenieurinnen zu tun, sondern eher mit Hype und FOMO.

Kann ich damit ChatGPT davon überzeugen, über mich zu reden? #

Kurz: nein.

Hier wird die Angelegenheit unterhaltsam, weil das die Frage ist, bei der viele Ratgeber-Artikel unhaltbare Versprechen machen. Nochmal ganz deutlich: llms.txt ist kein SEO-Werkzeug.

Denn die Crawler, die bei den großen Anbietern für das Einsaugen von Inhalten zuständig sind, ignorieren sie aktuell durchgängig. Wenn man sich ein wenig im Netz umsieht findet man hinreichend Studien, Berichte und Feldbeobachtungen, die klar zeigen: llms.txt ist völlig irrelevant, um auf irgendeinen Index zu kommen.

Hier etwa: ahrefs.com, ein SEO-Anbieter, hat 137.000 Domains ausgewertet², die seine Analytics-Lösung verwenden: 97% der llms.txt-Dateien wurde innerhalb eines Monats gar nicht aufgerufen. Teile der Aufrufe gingen zwar auf das Konto von GPTBot und Claude-Code, aber kein einziges Mal haben die Bots der großen Anbieter vergeblich versucht, eine fehlende llms.txt aufzurufen, was bedeutet, dass die wenigen Aufrufe auf konkrete Nutzeraufforderungen hin geschahen und nicht durch zufälliges Scrapen der Seiten.

Auch konnte kein relevanter SEO-Effekt gemessen werden. Laut Search Engine Land sahen 8 von 9 Seiten nach der Implementierung keine messbare Veränderung im Traffic³, was u.a. darauf zurückgeführt wurde, dass KI-Crawler das Format durch die Bank ignorieren würden - eine Aussage, die John Mueller von Google zuvor schon auf Reddit getroffen hatte ⁴.

Wer es anschaulicher mag, kann zu wtfreadsllmstxt.com schauen. Hier veröffentlicht Sam Steiner seit dem 26. März 2026 die Server-Logs zu der dort feilgebotenen llms.txt. Bislang wurde sie weniger als 100 Mal abgerufen und kein einziger der Aufrufe sieht nach einem Crawler von Google, openAI, Anthropic & Co. aus.

Google wertet das Vorhandensein der Datei zwar inzwischen im Rahmen seiner Lighthouse-Tools als offene oder erledigte Maßnahme aus⁵, hat aber auch deutlich mitgeteilt, dass die Datei auf die Verarbeitung von Inhalten keinen Einfluss haben werde: Im Juli 2025 bestätigte Gary Illyes ⁶, dass Google llms.txt nicht unterstützt und auch nicht plant, das in sein Ranking einzubeziehen; John Mueller äußerte sich ebenfalls mehrfach⁷ gewohnt-charmant⁸ negativ⁹ dazu¹⁰.

Was soll man stattdessen tun? Am Ende verkünden offizielle Stellen leider immer die gleichen alten Ratschläge, die keiner hören möchte: Schreibe interessanten, wahren & originellen Content, den Menschen und Maschinen gut lesen können, räum Dein Zimmer auf, iss Deinen Teller leer, benutze Sonnencreme, usw…

Also ist llms.txt nutzlos? #

Es gibt durchaus Anwendungsfälle für llms.txt, nur eben nicht die, von denen ständig auf den Seiten von SEO-Beratern zu lesen ist: llms.txt ist kein Hebel für Sichtbarkeit, sondern ein Kanal für einzelne Agenten, die eine konkrete Aufgabe erledigen wollen. Es ist eine maschinenlesbaren Index, an dem KI-Agenten sich besser und schneller orientieren können als an einzelnen gecrawlten Seiten. Das Parsing fällt weg, es kann direkt mit dem Textinhalt gearbeitet werden. Das setzt aber auch voraus, dass der Agent in der Textdatei nicht ausgetrickst wird - und weil Google & Co. auf Jahrzehnte von billigen SEO-Scams zurückblicken können, ignorieren sie mit gutem Grund diese Textbereitstellung. Index-Crawler wollen das sehen, was menschliche Benutzer sehen, nicht die Scheinwelt einer möglicherweise für Suchmaschinenranking manipulierten Textdatei.

Es geht also um Kommunikation statt um Marketing. Und wer seine Inhalte geballt dem agentischen Scraper übermitteln möchte, greift zusätzlich zur llms-full.txt. Die Idee dahinter: Statt dem Agent ein Verzeichnis interessanter Links anzupreisen, werfen wir einfach den kompletten Seiteninhalt in Gestalt einer gigantischen Textdatei über den Zaun, das spart allen Beteiligten zusätzlich Zeit und Aufwand.

Dort, wo Agenten tatsächlich mit Website-Informationen arbeiten, werden die Dateien schon längst genutzt:¹¹ Coding-Agenten wie Cursor, Windsurf, Claude Code oder GitHub Copilot suchen routinemäßig nach /llms.txt und /llms-full.txt, wenn man sie auf eine Dokumentationsseite richtet. Der typische Ablauf: Der Agent identifiziert, welche Bibliothek ein Feature besitzt, holt deren llms.txt und lädt dann nur die relevanten verlinkten Seiten, bevor er Code schreibt.

Für API- und Devtool-Produkte ist sie also kein Nice-to-have mehr: Wird die Datei gut kuratiert, findet der Agent mit wenig Aufwand die aktuellen und passenden Informationen für seine Aufgabe. Das kann entscheidend sein, wenn ein Coding-Agent funktionierenden Integrationscode generieren soll statt einen nicht-existierenden Endpunkt herbei zu halluzinieren. Entsprechend bieten Stripe¹², Mistral¹³, Cloudflare¹⁴, Anthropic¹⁵ und viele andere moderne API-Produkte eine llms.txt auf ihren Seiten an.

Aber nochmals: Ein Google-Ranking wird davon nicht beeinflusst und die Wahrscheinlichkeit in einer ChatGPT-Antwort als Quelle zitiert zu werden steigt dadurch ebenfalls nicht.

Lohnt sich der Aufwand dann für mich? #

Das hängt schlicht davon ab, was Du auf Deiner Website veröffentlichst. Nachdem llms.txt bislang keinen Einfluss auf Platzierung in Suchergebnissen oder Chatbot-Antworten zeigt, ist sie als SEO-Maßnahme ziemlich nutzlos, aber als Developer-Experience-Maßnahme durchaus sinnvoll:

Betreibst Du eine technische Doku oder ein Produkt, mit dem Leute agentisch coden, oder hast Du ein umfassendes Datenangebot, in dem Agenten sich schnell zurechtfinden sollen, lohnt es sich.
Betreibst Du hingegen einen Markenauftritt und hoffst auf mehr Sichtbarkeit in Chatbot-Antworten oder Suchergebnissen, solltest Du nicht zu viel Zeit und Liebe investieren.

Es schadet vermutlich nicht die Datei zu haben, auch wenn das nicht alle so sehen¹⁶. Ich habe für dieses Blog eine llms.txt angelegt. Aber die Abrufzahlen zeigen auch bei mir klar, dass sich Indizierungsbots von Suchmaschinen oder LLM-Anbietern nicht sonderlich dafür interessieren. Zeit investierst Du daher besser in den Aufbau der Website, korrekte HTML-Semantik (damit klar ist ob etwas eine Überschrift sein möchte oder doch nur Deko ist) oder in gezieltes Server-Side Rendering (damit ein Crawler auch ohne JavaScript alle Inhalte lesen kann¹⁷). Strukturierte Daten (JSON-LD) können auch helfen. Den größten Effekt haben aber weiterhin gute, strukturierte Inhalte und Verlinkungen aus renommierten Quellen¹⁸.

Der größte SEO-Nutzen der llms.txt scheint aktuell darin zu liegen, als SEO-Artikel in den Suchergebnissen von Menschen zu erscheinen, die sich fragen, ob sie dieses Feature unbedingt für ihre Sichtbarkeit in Suchergebnissen brauchen.

Und die Antwort auf ihre Frage lautet vorerst weiterhin “Nein!”. Es gibt keine Abkürzungen wenn man mit Milliarden anderen Sendern konkurriert. Sobald man das einmal verinnerlicht hat, reduzieren sich SEO-Hacks schnell auf gängige Hygienemaßnahmen.

/llms.txt—a proposal to provide information to help LLMs use websites, 03.09.2024
Damals schon erschreckend wolkig und ambitionslos formuliert:
“Site authors know best, and can provide a list of content that an LLM should use. We do not prescribe exactly how you should assemble and format the context. We’re only proposing a standard where authors can outline the most pertinent and LLM-friendly context, and tools can later assemble and format that context in a form suitable for the application.”
https://www.answer.ai/posts/2024-09-03-llmstxt.html ↩︎
We Analyzed 137K Sites: 97% of llms.txt Files Never Get Read, 15.06.2026
https://ahrefs.com/blog/llmstxt-study/ ↩︎
Does llms.txt matter? We tracked 10 sites to find out, 20.01.2026
“No major LLM provider has officially committed to parsing llms.txt. Not OpenAI. Not Anthropic. Not Google. Not Meta.” https://searchengineland.com/does-llms-txt-matter-467740 ↩︎
Mueller auf die Frage, wie der Status des Standards sei:
AFAIK none of the AI services have said they’re using LLMs.TXT (and you can tell when you look at your server logs that they don’t even check for it). To me, it’s comparable to the keywords meta tag - this is what a site-owner claims their site is about … (Is the site really like that? well, you can check it. At that point, why not just check the site directly?)
https://www.reddit.com/r/TechSEO/comments/1k0kcx9/comment/mnev9c0/ ↩︎
Google adds llms.txt check to Chrome Lighthouse, 20.05.2026
https://searchengineland.com/google-llms-txt-chrome-lighthouse-478246 ↩︎
Kolportiert aus einem Q&A durch Kenichi Suzuki auf Linkedin:
“Gary Illyes clearly stated that Google doesn’t support LLMs.txt and isn’t planning to.” https://www.linkedin.com/posts/kenichisuzuki_searchcentrallive-scldd2025-activity-7353733251410153473-E3Te/ ↩︎
Do llms.txt files actually help websites appear in LLMs and AI agents? Any one tried?
Mueller dazu: “Nobody has shown that they are used as anything other than a random text file for mainstream consumer search engines or ai systems. Save your energy.
https://www.reddit.com/r/seogrowth/comments/1rl7pe0/comment/o8qil23/ ↩︎
Mueller auf die Frage, ob Google das Format endorsen würde:
“I’m tempted to say something snarky since this has come up so often, but to be direct, no.”
https://bsky.app/profile/johnmu.com/post/3mctq34tsjs2f ↩︎
Mueller zur Verarbeitung eines Markdown-Files in diesem Kontext:
“Are you sure they can even recognize MD on a website as anything other than a text file? Can they parse & follow the links? What will happen to your site’s internal linking, header, footer, sidebar, navigation? It’s one thing to give it a MD file manually, it seems very different to serve it a text file when they’re looking for a HTML page.”
https://www.reddit.com/r/TechSEO/comments/1qtsnoe/comment/o353vlv/ ↩︎
Mueller zur Methodik, Inhalte LLM-gerecht als Markdown auszuliefern:
“Converting pages to markdown is such a stupid idea. Did you know LLMs can read images? WHY NOT TURN YOUR WHOLE SITE INTO AN IMAGE?”
https://bsky.app/profile/johnmu.com/post/3mdxp3zkwa22o ↩︎
Using llms.txt with Cursor and Claude Code: a concrete playbook. 03.05.2026
“Search-engine teams have questioned llms.txt as an SEO lever; that is largely orthogonal. For coding agents, the win is predictable Markdown entrypoints and smaller always-on context—not rankings https://dev.to/toyama0919/using-llmstxt-with-cursor-and-claude-code-a-concrete-playbook-4jln ↩︎
https://docs.stripe.com/llms.txt ↩︎
https://mistral.ai/llms.txt ↩︎
https://www.cloudflare.com/llms.txt ↩︎
https://platform.claude.com/llms-full.txt ↩︎
Eine Gegenmeinung dazu lautet: llms.txt wird oft aus demselben Reflex ausgerollt wie damals Meta-Keywords. “Macht man halt, schadet nicht, vielleicht bringt’s ja was”. Genau dieser Reflex ist das Problem, weil er Maßnahmen von Evidenz entkoppelt. Wer llms.txt mit “vielleicht bringt’s was” begründet, begründet damit im Prinzip beliebig viele weitere nutzlose Maßnahmen und unterstützt damit einen weiteren SEO-Cargo-Kult. ↩︎
Gary Illyes von Google hat sich da erst kürzlich klar geäußert. Ein Artikel bei ppc.land, fasst das alles schön zusammen - es hat den Eindruck als wolle man ein Pflaster auf eine Fleischwunde kleben. ↩︎
Und “renommiert” ist übrigens das Gegenteil von “Wir legen irgendwelche Quatschseiten an, die sich alle gegenseitig verlinken”. Und nein, darunter fallen auch “private” Blog-Netzwerke, die sich gegenseitig pushen wollen. Im Wikipedia-Artikel “Linkfarm” findet sich eine gute Übersicht diverser artverwandte Konzepte, die regelmäßig nach Algorithmus-Anpassungen zum Ranking-Absturz führten. ↩︎

Wir müssen uns eingestehen, dass die Arbeit mit KI Aufwand spart und trotzdem enorm erschöpfend ist.

Fri, 26 Jun 2026 00:00:00 +0000

Großraumbüro einer mittelständischen Unternehmung kurz vor dem Start des AI-First-Transformationsprojektes. (Foto: Museums Victoria / Unsplash)

Du kennst das Gefühl vielleicht. Ein Arbeitstag, an dem viel entstanden ist, seien es Code, Entwürfe, Analysen oder einfach nur Antworten; und an dessen Ende eine eigentümlich leere Müdigkeit zurückbleibt. Nicht die erfüllte Erschöpfung nach einem Tag voller Begegnungen mit Menschen, sondern anders. Du hast stundenlang mit einer Maschine verhandelt, vorformuliert, umformuliert, sie überzeugt, Dich gelegentlich über sie geärgert. Und Du bist müder, als die Menge der erledigten Aufgaben es rechtfertigen würde.

Das hat wenig mit Disziplin zu tun. Es ist ein strukturelles Phänomen, das bislang in keiner Produktivitätsbilanz auftaucht. Auf das Thema bin ich in diesem kurzen Blogpost gestoßen. Aber man müsste noch so viel mehr dazu sagen. Nachfolgend meine ersten flüchtigen Gedanken, weitere folgen, sobald diese schreckliche Hitzewelle vorüber ist.

Was ist ein Werkzeug? #

Die offizielle Erzählung lautet: KI-Assistenten sind Werkzeuge. Sie werden vermarktet wie der Hammer der Wissensarbeit, als Verlängerung der Hand, als das Tastenkürzel des 21. Jahrhunderts.

Aber ein gutes Werkzeug zeichnet sich dadurch aus, dass es im Gebrauch verschwindet. Wenn Du Auto fährst, auf einer Tastatur tippst oder ein Rechteck in einer PowerPoint verschiebst, verbucht Dein Gehirn das Werkzeug als Teil Deines Körpers. Es kostet keine bewusste Aufmerksamkeit mehr. Im englischen Sprachraum wird das unter dem Begriff Extended Body Schema diskutiert.

Genau das leisten KI-Assistenten aber gerade nicht. Kaum jemand würde behaupten, dass sich die Arbeit mit ihnen anfühlt wie eine Körpererweiterung; dafür sind sie nicht konsistent und schnell genug, sie schaffen es nicht das Gehirn so zu täuschen, dass es sie nicht mehr als fremd wahrnimmt. Stattdessen erzwingen die Assistenten bewusste Aushandlung, sorgfältige Formulierung, Überzeugungsarbeit. Die Chat-KI ist (zumindest im Juni 2026) ein von unserem Körper deutlich getrenntes Subjekt oder Objekt - je nachdem, wie sehr man sich gegen die Vorstellung einer Personalisierung sperrt.¹

Und aus diesem Grund verbraucht die KI als “Werkzeug” eine immer knapper werdende Ressource: die soziale Energie, mit der Du sonst ein menschliches Gegenüber modellierst, ansprichst und erträgst. Es nimmt von diesem Konto, ohne dass die Rechnung jemals gestellt wird, denn die Erzählung vom “kostenlosen Produktivitäts-Tool” verschweigt Mental-Load-Kostenpositionen konsequent.

Es ist nicht Deine Schuld, dass die KI ist, wie sie ist. #

Bevor wir das Phänomen einordnen, lohnt sich der Blick auf das, was viele Fachleute beim Arbeiten mit KI tatsächlich erleben. Erkennst Du Dich wieder?

Da ist der Cursor, der im Eingabefeld blinkt, während Du auf die KI-Antwort wartest und dabei im Kopf bereits den nächsten Satz konstruierst, verwirfst, höflich umformulierst; für ein Gegenüber, das keine Höflichkeit braucht und keine registriert.
Da ist die Antwort, die Dich zur dritten Umformulierung zwingt, weil die zweite zwar plausibel klang, aber an einer entscheidenden Stelle leider doch erfunden war. Die Trefferquote liegt erfahrungsgemäß bei rund 85 bis 90 Prozent: zuverlässig genug, um die Prüfung schleifen zu lassen, unzuverlässig genug, um Dich an einem von fünf Tagen auf einer falschen Spur arbeiten zu lassen.
Und da ist, für alle mit Führungs- oder Mentoringaufgaben, eine subtilere Erfahrung. Wenn ein Junior-Kollege Arbeit abliefert, kannst Du nicht mehr ohne Weiteres erkennen, welche Teile er selbst durchdrungen hat und welche generiert wurden. Damit verlierst Du nicht nur eine Kontrollebene, sondern den Anlass, jemanden für echten Fortschritt zu loben und Vertrauen aufzubauen. Und Dein Gegenüber verliert die Chance, zu wachsen, wofür selbst gemachte Fehler stets die beste Grundlage darstellen.

Aber ganz Wichtig: Diese Schwächen entstehen nicht deshalb, weil Du das Werkzeug “falsch bedienst”. Sie sind in ihm angelegt, sie sind zwingende Folge der Art und Weise wie KI in unserer Kommunikation wirkt.

Wo kommt die Anstrengung her? #

Wenn wir es mit Menschen zu tun haben, entwickeln wir nach einiger Zeit ein Gefühl dafür, welcher Kollege wie tickt. Je nachdem drücken wir uns präziser und ausführlicher oder knapper und vager aus, denn wir wissen, welchen Detailgrad die Person in der Zusammenarbeit benötigt. Auch Reminder, Nachdruck in der Formulierungen oder gar Eskalationen in der Hierarchie passen wir auf der Basis früherer Erfahrungen an. Richard David Precht bezeichnet das in Podcasts und Interviews immer mal als “Soziales Schach”.

LLMs sind nicht sehr gut darin, Schach zu spielen, das lässt sich immer wieder sehr amüsant auf YouTube bei Levy Rozman nachverfolgen. Ihre Stärke und Schwäche ist es, dass sie sich eben nicht deterministisch, also nach logischen Regeln vorhersagbar, verhalten, sondern ihre Antwort eine stochastisch motivierte Reaktion auf die Eingaben des Nutzers darstellt.

An den meisten Tagen geht das gut. Auch schnell hingerotzte Prompts werden erstaunlich oft zu sinnvollen Anweisungen um-interpretiert und weitgehend sinnvoll umgesetzt. Scheitert die Interpretation jedoch, finden wir uns schnell in der Situation wieder, dass wir einem verwirrt wirkenden Gegenüber für simple Aufgaben unverhältnismäßig lange Detailweisungen geben müssen. Gerade für Menschen, deren Kommunikation sich an Logik und Details orientiert (Programmierer, Controller, Juristen), fühlt sich das schnell qualvoll-frustrierend an, denn die Verantwortung für den begriffsstutzigen Gegenüber wird man nicht los. Man kann ihm nicht sinnvoll mit einem Eskalationstermin beim Chef drohen, noch kann man die Folgen von KI-Fehlern von sich weisen. Irgendwer muss sie vertreten und das wird in der Regel der Nutzer sein.

Der Stress im Detail #

Somit ergeben sich zwei Stressoren:

1. Der Zwang zur Präzision #

Unsere Inputs müssen von Anfang an so gestaltet werden, dass sie möglichst wenig Raum für Fehlinterpretationen bieten, wir also eine Bahn vorbereiten, die das LLM in seinen Überlegungen nicht so schnell verlassen wird. Im Ergebnis heißt das oft, dass wir mit der genial wirkenden KI immer wieder Gespräche führen müssen, wie man sie sonst nur von Arbeitsanweisungen an unbegabte Schülerpraktikanten kennt. Tun wir das nicht, leben wir immer im Risiko, dass das Reasoning in eine völlig falsche Richtung rennt, was besonders bei komplexeren Aufgaben (z.B. Agentic Coding) zu Unmut und menschlicher Mehrarbeit führt.

2. Der Zwang zur Wachsamkeit #

Aber selbst wenn wir glauben, alles richtig gemacht zu haben, bleibt immer das Restrisiko, dass die KI heute beschließt, die Welt ein klein wenig anders zu sehen, als sie es gestern noch tat. Das kann ein durch unsere konkrete Formulierung leicht anders gerunderter Wahrscheinlichkeitswert sein oder ein Modell-Update beim Hersteller. Wo genau das neue (Fehl-?)Verhalten herkommt, kann uns auch egal sein: Wir, die Nutzer sind diejenigen, die immer wachsam bleiben müssen. Wir können uns also nicht nach dem Absetzen des Perfekten Prompts™ zurücklehnen sondern müssen zusehen, ob unsere Anweisungen auch wirklich wie gewünscht befolgt werden. Mindestens zu Beginn der Arbeitsaufnahme - was dann aber nicht heißt, dass es nicht mehr unser Problem ist, wenn Claude Code bei Schritt 4 von 5 plötzlich auf dumme Gedanken kommt.²

Fragen an jemanden, der gar nicht wirklich da ist #

Natürlich können wir jetzt hoffnungsvoll sagen: “Die KI ist eben noch nicht gut genug, das gibt sich mit der nächsten Modellgeneration.” Aber das greift zu kurz. Die oben geschilderten Probleme sind keine Frage der Werkzeug-Qualität, sondern der Kategorie. Wir behandeln als Werkzeug, was in Wahrheit ein Kommunikationskanal, ein simulierter Gesprächspartner ist. Und das hat Konsequenzen, die sich nicht wegoptimieren lassen.

Wie war es denn früher? Der eigentliche Vorgänger, den die KI ersetzt, war nicht plump “das Arbeiten ohne KI”, das ist formaler Unsinn. Es waren eine Vielzahl von Tätigkeiten, die nun in Teilen von der Chat-KI übernommen werden können, allen voran: “die Frage, die man an einen Kollegen stellt”.

Dabei zwang uns der Respekt vor der Zeit eines anderen Menschen dazu, eine Frage so weit zu durchdenken, dass man die Antwort beim Absenden oft schon selbst kannte. Die Knappheit menschlicher Aufmerksamkeit erforderte Disziplin und produzierte als Nebenwirkung das sorgfältige Formulieren, eine eigenständige Denkleistung: das Vorausdenken bis zur Selbstbeantwortung. Ein Kollege konnte einen zurückweisen: “Mach Dir erst selbst Gedanken.” Die Maschine kann das nicht. Sie hat unendlich geduldig zu sein und verfügt auch nicht über ein Zeit-Kontingent, das Du durch Deine Fragerei verschwenden würdest. Damit entfällt der Reibungswiderstand, und mit ihm das Denken, das durch diese Reibung erzwungen wurde.

Soziale Anstrengung hat ihren eigenen Wert #

Das bedeutet aber nicht, die alten Arbeitsformen wären romantischer, schöner, einfacher gewesen. Im Gegenteil: Es war anstrengender!

Aber genau diese Anstrengung war ein Wert für sich. Die soziale Anstrengung, die Du bei Menschen investieren musst, zahlt sich auf anderem Wege wieder aus, weil Menschen Dir etwas zurückgeben: Sie fordern Dich heraus und sie weisen Dich zurecht, wenn Du Unsinn redest, und Du tust dasselbe für sie. Nach einem Tag voller solcher Begegnungen bist Du müde, aber reicher.

Die KI verlangt dieselbe Energie und gibt überwiegend mehr vom Gleichen zurück: mehr Output, gelegentlich mehr Ausreden und wenn Du nicht aufpasst: plumpe Zustimmung.

Und damit hält die Maschine Dir unfreiwillig einen Spiegel vor. Wenn sie ein Kollegengespräch so mühelos imitieren kann, und Du keinen Unterschied merkst, war ein Teil dieser Gespräche vielleicht nie so menschlich, wie wir uns einredeten, sondern bloßer Informationstransfer in sozialer Verpackung. Viele unserer Rituale waren vielleicht schon vor der KI-Disruption nur leere Hüllen.

Wie ein realistischer Umgang aussieht #

Das Phänomen lässt sich nicht auflösen, und sollte Dir jemand das Gegenteil verkaufen wollen, ist Misstrauen angebracht. Die Haben-Seite ist klar: Es gibt Aufgaben, die ein Einzelner heute bewältigt, für die gestern ein Team nötig gewesen wäre. Das Werkzeug ist also nachweislich nicht nutzlos. Es wird nur unseriös verbucht, wieviel psychische Anstrenung der Mensch bei der Benutzung beisteuern muss.

Ein ehrlicher Umgang beginnt damit, die soziale Energie als das zu behandeln, was sie ist: eine endliche Ressource. Daraus ergeben sich keine Patentrezepte, aber ein paar tragfähige Haltungen.

Entscheide bewusst, welche Aufgaben die KI-Gesprächskosten wert sind. Für eine schnelle, klar umrissene Frage oder Arbeitsaufgabe mit abschätzbaren Ergebnissen ist der Aufwand gering; das funktioniert ähnlich leichtgewichtig wie eine Suchanfrage, solange Du die Anfrage kurz hältst und Dich nicht in endloses Hin und Her ziehen lässt. Aufwendiger und oft frustrierender wird es, sobald Du in die Rolle gerätst, einem unzuverlässigen Gegenüber alles dreimal erklären zu müssen.
Gib die verlorengegangene Disziplin nicht ganz auf. Der Zwang, eine Frage erst sauber zu durchdenken, war von Höflichkeit gegenüber dem Kollegen motiviert. Zugleich war der Zwang aber auch ein wertvoller Filter. Wer ihn freiwillig beibehält, schützt sich gegen den schleichenden Kreislauf, in dem ausgelagertes Denken die eigene Urteilsfähigkeit verkümmern lässt, bis man die Maschine gar nicht mehr prüfen kann und ihr deshalb umso mehr vertraut.
Sprich die Verschiebung offen an. Code-Reviews und Arbeitsbesprechungen sind nicht nur Qualitätskontrolle sondern auch Orte des Wissensaustauschs und des Vertrauensaufbaus. Wo sich der Anlass dafür auflöst, verschwindet er nicht von selbst, sondern muss bewusst neu geschaffen werden. Die Prüfung verlagert sich von “Stimmt das Ergebnis?” auf “Verstehst Du, warum es so aussieht?”. Wer das Warum nicht erklären kann, ist offensichtlich noch nicht fertig.

Das bedeutet Arbeit und ist kein reibungsloser Automatismus. Schlimmer noch: Es mindert den Produktivitätsgewinn des KI-Tools. Andererseits: Wer das unter den Teppich kehrt, verkauft eine Utopie, die nicht gewährleistet werden kann.

Aktives Energiemanagement #

Achte über ein, zwei Wochen darauf, an welchen Stellen Deines Arbeitstages Du soziale Energie an die Maschine zahlst, ohne dafür besseres als “mehr vom Gleichen” oder gar Unsicherheiten und Chaos zu erhalten. Und frage Dich an genau diesen Stellen, ob dieselbe Energie bei einem echten Menschen besser aufgehoben wäre, z.B. bei einem Kollegen oder direkt bei Dir selbst.

Und ganz wichtig: Das soll keine Aufforderung sein, das KI-Werkzeug zu meiden. Es ist kein Aufruf zum Neo-Luddismus, sondern eine Einladung, das Werkzeug richtig einzuordnen und seine sozialen und psychischen Kosten zu erkennen.

Die Maschine kommuniziert mit uns und zwingt uns damit zu der Frage, die wir längst hätten stellen müssen: Welche unserer Gespräche waren die aufgewandte Kraft wert, und an wen hätten wir unsere Energie eigentlich richten sollen?

Als ich die Textfassung mit der Fußnote² zum Binärdatei-Zwischenfall online nahm, zeigte sich ein merkwürdiger CSS-Bug in Firefox, der die Fußnoten-Nummerierung bei “4.” beginnen ließ. In Chrome hingegen wurde ein “1.” angezeigt.
Da dies über mein CSS-Latein hinausging befragte ich Claude Code, das den Fehler beseitigte und nebenbei anmerkte: “Schöne Pointe übrigens, dass die Fußnote ausgerechnet vom Disassemblieren der Binärdatei handelt.😄”
In diesen Situationen fällt es mir zunehmend schwerer, keine parasoziale Beziehung zu einem Server-Rack zu entwickeln… ↩︎
Ein Beispiel: Als ich das Theme für diese Seite nach meinem Geschmack anpasste, bat ich Claude, einem Warning des Sitebuilders nachzugehen.
Es beschloss, sich die Dokumentation des Tools anzusehen, zu prüfen, ob es eine neuere Version gäbe - und das klang für mich nach einem sinnvollen Vorgehen, also gab ich den Startschuss und ließ ihn losarbeiten.
Als ich 5 Minuten später nochmals hinschaute, hatte es im Laufe seiner Analyse den Plan gefasst, die Binärdatei des Sitebuilders zu disassemblieren, um diese Art von Warnung aus dem Programm zu entfernen, denn offenbar schien sie mich, den Nutzer, fürchterlich zu stören.
Das muss dieses Tokenmaxxing sein, von dem alle sprechen. ↩︎ ↩︎