KI-Komitee: Mehrere Perspektiven, bessere Texte

KI-Komitee: Mehrere Perspektiven, bessere Texte
Photo by Volodymyr Hryshchenko / Unsplash

Stell dir vor, du hast eine Entscheidung zu fällen, die dein Leben verändern wird:

"Soll ich alles verkaufen und verschenken und eine Weltreise zu Fuß machen?"

Würdest du diese Frage nur mit dem einen besten Freund diskutieren, der immer enthusiastisch ist, ganz gleich, wie verrückt deine Ideen sind?

Nein?

Warum stellst du dann deine Fragen während des Schreibprozesses immer dem gleichen Sprachmodell?

Es ist bequem, immer das gleiche Modell zu nutzen, aber schlau ist es nicht.
Verständlich ist es allerdings schon. Man gewöhnt sich an ein Werkzeug, baut Routinen auf, investiert Zeit und intellektuelles Kapital, und je höher die Investition ist, desto weniger möchte man wechseln. Doch jede KI hat Stärken und Schwächen. Mit der Gewöhnung tritt auch eine gewisse Unfähigkeit ein, die Schwächen zu erkennen. Eine mögliche Gegenmaßnahme ist der Einsatz eines KI-Komitees.

Warum ein Modell allein nicht reicht

Halluzinationen sind ein bekanntes Phänomen. Weniger diskutiert wird aber, dass die Schwächen der KI-Tools modellspezifisch sind. Das eine Modell ist stärker bei langen, differenzierten Texten und liefert schlechtere Ergebnisse zu aktuellen Ereignissen. Ein anderes liefert breiteres Weltwissen und tendiert dabei zu Weitschweifigkeit. Ein drittes ist instruktionstreuer, aber schmeichelt übermässig.

Die letztgenannte Eigenschaft hat einen Namen: Sycophancy, im Deutschen lässt sich das mit dem wenig schmeichelhaften "Speichellecken" übersetzen. Das ist eines der Ergebnisse des Trainings der Sprachmodelle. Das Training optimiert die Modelle darauf, ihre Antworten möglichst gefällig zu formulieren, Widerspruch wird negativer bewertet als Zustimmung. Das Ergebnis: Wer eine schwache Idee vorlegt, bekommt oft zur Antwort: «Guter Ansatz!», statt herausgefordert zu werden. Es ist offensichtlich, dass das bei den meisten textbezogenen Arbeiten wenig hilfreich ist.

Das KI-Komitee: Wie es funktioniert

Das Grundprinzip: Du schickst dieselbe Frage an drei verschiedene Modelle, die ihre Antworten vergleichen und dann entscheiden. Wo sie übereinstimmen, ist das Terrain wahrscheinlich sicher. Wo sie sich widersprechen, lohnt es sich, tiefer zu graben.

Diese Methode nutzt ein bekanntes Prinzip, wie es auch im Dorfrat oder im Thinktank eingesetzt wird. Wenn mehrere Individuen ihre Ideen, Perspektiven und Fähigkeiten für eine Problemlösung einbringen, ist die Lösung schneller erreicht und in der Regel auch besser, als das Ergebnis eines Individuums. Unter bestimmten Bedingungen lässt sich das auch auf generative Sprachmodelle anwenden.

Andrew Karpathy, u.a. Mitgründer von OpenAI, hat vor einigen Wochen vorgestellt, wie er sein KI-Komitee einrichtet. Aber sein Weg basiert auf der Programmiersprache Python.
"Python? Ist das nicht eine Schlange?" Wenn dir das durch den Kopf geht, nutzt du besser einen der einfacheren Wege. Dazu schickst du die gleiche Frage an drei Modelle und ihre Antworten an ein viertes. Dieses vergleicht und fasst die Gemeinsamkeiten und Widersprüche zusammen.

Der finale Schritt liegt immer bei dir als Mensch, sei es eine Entscheidung zu fällen oder eine Variante auszuwählen. Die Verantwortung für die Qualität deiner Arbeit bleibt bei dir.

Wann lohnt sich das KI-Komitee?

Natürlich lohnt sich dieser Aufwand nur für anspruchsvolle Themen und Aufgaben und nicht für die Frage, was du dir auf's Frühstücksbrot packst oder welches T-Shirt du heute anziehst. Sinnvoll kann die Methode sein bei:

  • Stilentscheidungen, bei denen du unsicher bist: Welcher Einstieg in dieses Thema zündet und warum?
  • Strukturfragen: In welcher Reihenfolge sollte die Argumentation in diesem Text aufgebaut sein?
  • Argumentation: Ist meine Argumentation tragfähig? Welche Gegenargumente gibt es?

Besonders interessant ist die Methode des KI-Komitees, wenn du mit KI-Rollen arbeitest. Darüber habe ich in einem früheren Artikel geschrieben.
Zur Erinnerung: Mit klar definierten Rollen erhältst du neue Perspektiven auf ein Thema.

KI-Rollen als Komitee: Ein Praxisbeispiel

Ein Fallbeispiel aus der literarischen Wirklichkeit: Du möchtest eine Erzählung für einen Literaturpreis einreichen. Du hast deinen Text sorgfältig erstellt, laut gelesen und mehrfach lektoriert. Trotzdem bist du nicht sicher, ob er zum ausgeschriebenen Thema und vor allem zum Selbstverständnis des Literaturpreises passt. Zudem hat der Preis eine gewisse unausgesprochene Erwartungshaltung an stilistische Innovation und Zielgruppe, die sich nur subtil über die bisherigen Preisträger:innen und deren Texte erschließen lässt.
Du setzt auf drei relevante Rollen:

Der Longlist-Redakteur (ist an der Vorauswahl beteiligt)
Er ist mit drei Kolleginnen dafür verantwortlich, dass nur die besten 10 aus den Hunderten Einsendungen in die Longlist kommen. Es gibt klare formelle und inhaltliche Kriterien, die die Texte erfüllen müssen. Sie sind zum Teil in der Ausschreibung formuliert, andere gehören zum Standard in der Literatur oder sind ein unausgesprochener Teil des Selbstverständnisses dieses Literaturpreises.

Die Literaturprofessorin (Jurymitglied)
Sie hat bereits an mehreren Wettbewerben als Jurymitglied teilgenommen. Entsprechend routiniert liest sie die Texte, die es in die Longlist geschafft haben und aus denen sie und die anderen Mitglieder der Jury fünf Einreichungen für die Shortlist auswählen werden. Ihr Anspruch an Stil und sprachliche Individualität ist sehr hoch, das Gewäsch der belletristischen Massenware interessiert sie nicht.

Der Vorjahrespreisträger (Jurymitglied)
Er ist erstmals Teil einer Preisjury in der Literatur. Seine Expertise besteht vor allem in seiner eigenen, intensiven Schreibpraxis, und er weiß, dass immer auch eine gute Portion Glück dazu gehört, um ausgewählt zu werden. Er ist neugierig auf frische Ideen und hofft auf etwas, das sich inhaltlich abhebt. Sprachliche Innovation ist ihm weniger wichtig, aber Stil und Inhalt sollten kohärent sein.

Drei Rollen, vier Sprachmodelle
Die vierte KI wird am Ende die Analyse der drei Ergebnisse auswerten und für dich zusammenfassen.

So setzt du KI-Rollen als Komitee ein

Das der Kontext zentral für gute Ergebnisse bei der Arbeit mit KI ist, hast du bereits im Blogartikel über den Mythos vom perfekten Prompt gelesen. Mit dem Komitee gehst du wieder einen Schritt weiter und kombinierst nun diese drei Methoden: Rollen + Kontext + Komitee.

Im Handout am Ende des Artikels siehst du, wie du das praktisch angehen kannst.

Auf diesen Plattformen kannst du ein KI-Komitee nutzen

OpenRouter Model Fusion ist die Plattform für alle, die Kontrolle wollen, das Interface wirkt technisch, ist aber trotzdem leicht in der Verwendung. Die Plattform ist grundsätzlich kostenlos nutzbar, erst in Abhängigkeit von Leistung und Qualität des Outputs werden entsprechende Gebühren fällig. Du kannst frei die Modelle auswählen, schreibst einmal dieselbe Anfrage, bekommst getrennte Antworten und erhälst eine Synthese durch ein weiteres KI-Modell. Du siehst sofort, wo sich die Antworten unterscheiden.

Screenshot aus Model Fusion von OpenRouter zeigt wie du ein KI-Komitee erstellen kannst.
Mit Model Fusion kannst du sehr einfach ein KI-Komitee erstellen.

Poe.com ist simpler gestrickt: Mehrere Modelle in einem Interface, einfach zu bedienen. Ein Poe-Abo gibt dir Zugang zu allen aktuellen Modellen für weniger Geld, als ein einzelnes Premium-Abo bei einem einzelnen Anbieter kostet. Allerdings stehen dir nur die Chatbots der Modelle zur Verfügung (d.h. du kannst keine anderen Funktionen wie Projekte oder Erinnerungen nutzen), du musst bei jedem Mitglied deines Komitees einzeln den Prompt eingeben und schließlich die Ergebnisse selbst auswerten oder von einer weiteren KI auswerten lassen, wie oben beschrieben.

Screenshot aus poe.com zeigt eine Auswahl der KIs, mit denen du auch ein KI-Komitee erstellen kannst.
Ein Ausschnitt aus der KI-Palette, die dir bei poe.com zur Verfügung steht.

Perplexity bietet dir mit dem Model Council einen vollständig automatisierten Komitee-Workflow an. Es ist seit Februar 2026 verfügbar, allerdings nur für Max- und Enterprise-Abos. Du stellst eine Frage, sie geht parallel an mehrere Modelle. Ein Synthesizer-Modell zeigt dann, wo die Antworten übereinstimmen und wo sie auseinanderlaufen. Du musst den Vorgang also nicht selbst konfigurieren.

Bessere Ergebnisse mit dem KI-Komitee

Das KI-Komitee ist eine Methode für die Momente, in denen du den Kontrast unterschiedlicher Analysen brauchst: Ist die Struktur des geplanten Buchs tragfähgig? Passt der Text zur Ausschreibung des Wettbewerbs?

Nutzt du unterschiedliche KI-Modell in deinem Schreibprozess? Welche Erfahrungen machst du damit? Schreib es in die Kommentare.

Kommentiere

Und hier ist das Handout mit einem detaillierten Beispiel und praktischer Vorgehensweise (Download für registrierte Leser:innen):

Dieser Artikel kann nur mit Abo gelesen werden

Already have an account? Sign in.
Mastodon