Wissenschaft, Kulturen, Gesellschaften

Ein Schweizer Blog
Mein Name ist Peter Addor. Ich lebe in Italien, Sri Lanka und der Schweiz, wo ich herkomme. Meine Interessen gelten der mathematischen Kategorientheorie, kategoriellen Logik und System Dynamics. Daneben mache ich digitale Kunst.

Wissensarbeit mit KI

Ein Erfahrungsbericht

| Von Peter Addor

Als Wissenschaftler würde ich mich nicht gerade bezeichnen, aber als Wissensarbeiter schon. Das ist so eine neue Wortschöpfung, die ich auch zuerst nachschlagen musste.

Was ist Wissensarbeit?

Im deutschen Wikipedia habe ich den Begriff nicht gefunden, im Artikel über Wissensgesellschaft steht aber immerhin:

Wissensarbeit ist dadurch gekennzeichnet, dass das relevante Wissen:

  • kontinuierlich revidiert,
  • permanent als verbesserungsfähig angesehen,
  • prinzipiell nicht als Wahrheit, sondern als Ressource betrachtet wird und untrennbar mit Nichtwissen gekoppelt ist. 1

Am besten gefällt mir die Definition von Martin Lindner

Wissensarbeit im engeren Sinn ist Arbeit, die Theorien und Begriffe zum Gegenstand hat. “Frameworks” und “mentale Landkarten” entstehen daraus, als Wissensbausteine, die wir für das alltägliche Leben brauchen.

-in LinkedIn gefunden

Was ist Polykontexturalität?

Hier fühle ich mich als Mathematiker angesprochen. Ich forsche über ein Phänomen, das sich Polykontexturalität nennt. Conny Dethloff meint auf LinkedIn:

Sie ist weit mehr als eine philosophische Fußnote, sondern Schlüssel zum Verständnis der tiefsten Konflikte in modernen Organisationen.

Der Begriff stammt vom deutschen Philosoph und Logiker Gotthard Günther. Ein Mensch lebt in seinem Kontext, der alle seine Erfahrungen, Überzeugungen, Glaubenssätze, Perspektiven, Fähigkeiten, Vorhaben und Weltanschauungen umfasst. Ein Kontext umfasst eine interne Logik. Nach dieser Logik ist ein Satz oder eine Anschauung gültig, in einem anderen Kontext jedoch ungültig. Günther glaubte, dass sich Kontexte gegenseitig beobachten und als Folge davon, sich einander anpassen (oder einander abstossen). Günther nannte das Transjunktion. Weder er noch sein Schüler, der Schweizer Philosoph und Hochschullehrer Rudolf Kaehr, waren in der Lage, Polykontexturalität mathematisch präzise zu fassen, nicht zuletzt, weil sie (noch) nicht über das notwendige mathematische Vokabular verfügten (bzw. es ignorierten). Allerdings ist es mehr als fraglich, ob Günthers Programm überhaupt durchführbar ist, denn Mathematik ist eine formale Wissenschaft und lässt sich nicht allgemein auf natürliche Sprachen anwenden.

Polykontexturalität als neues Forschungsgebiet für KI

Es stellt sich heraus, dass Polykontexturalität mit der Verbreitung von KI-Systemen eine völlig neue Bedeutung erlangt. Nehmen Sie das Beispiel eines selbstständig fahrenden Autos. Die KI erhält von den Sensoren zwei Hinweise:

  1. starke Schlagschatten auf der Fahrbahn und
  2. Person auf der Fahrbahn voraus.

Sie muss entscheiden, ob sie eine Vollbremsung einleiten soll oder nicht. Eine rein unimodalen/monokontexturalen KI verrechnet einfach Wahrscheinlichkeiten:

$P(\text{Person}) = 0.6 \implies \text{bremsen!}$

In einem polykontexturalen Modell bleiben Wahrnehmungs-Artefakte und Handlungs-Konsequenzen konsequent getrennt.

Ich denke, die polykontexturale Sicht könnte auch viel zur Lösung des Fabulierungsproblems von KI beitragen. 2

KI in der Wissensarbeit

KI ist ein wichtiger Begleiter von Wissensarbeiter. Nochmals Martin Lindner (gleiche Quelle):

KI-Instanzen können “denken”, wenn man darunter versteht: sehr gut umgehen mit theoretischen Modellen und Begriffssystemen.
KI kann sie analysieren, organisieren und jede darin steckende Denkmöglichkeit herausholen.
Und sie können Systeme “übersetzen”, nicht nur natürliche Sprachen.
Auch andere begriffliche Systeme kann man mit KI-Hilfe in Beziehung setzen und tieferliegende Strukturen daraus ableiten.

Auch wenn ich das etwas anders formulieren würde, stimme ich mit dem Meisten überein. Ich würde jedoch nicht behaupten, dass “KI jede darin steckende Denkmöglichkeit herausholen” kann, denn sie kann nur Denkmöglichkeiten reproduzieren, die sie in ihrem Training gesehen hat. Meine KI schrieb mir einmal:

Eine KI hat gelernt, wie Mathematik klingt, nicht wie sie funktioniert!

-Gemini 3.6 Flash

Emergenz und Kultur als Wertschöpfung des Menschen?

Wenn ich mit einer KI über Theorien und ihre Begriffssysteme diskutiere, dann redet sie bestenfalls wie der Erfinder der Theorie oder wie ein guter Kenner. Erst im Gespräch der KI mit einem Menschen können neue Verbindungen und Zusammenhänge auftauchen, die nicht vorher als Denkmöglichkeiten im vorliegenden Theorien- und Begriffssystem drin steckten, sondern im Gespräch als Emergenz entstehen. Leider hat das die KI schon im nächsten Chat vergessen. Sie kann solche Emergenzen nicht spontan in ihren Parameterraum aufnehmen.

Martin Lindner fragt: “Was bleibt dann als Wertschöpfung für Menschen?”.
Ich glaube, das hat er oben schon beantwortet: die Generierung von Kulturgut in Form von “Frameworks” und “mentalen Landkarten”.
Nein, das kann die KI nicht. “mental” bedeutet: auf den menschlichen Geist bezogen. Möglicherweise kann auch eine KI “mentale Landkarten” generieren, aber ihnen würde der Nestgeruch der Menschen fehlen, wie ich in meinem letzten Blogartikel erklärt habe.

Der Anfang des Roten Fadens

Im Folgenden werde ich beschreiben, wie ich KI in meiner Wissensarbeit einsetze. Darin habe ich mittlerweile etwas Erfahrung gesammelt, denn ich arbeite täglich fünf oder sechs Stunden intensiv mit KI. 3

Die meisten Leser dieses Artikels sind als Wissensarbeiter in anderen Gebieten als der Mathematik unterwegs. Es ist mir bewusst, dass es einige Unterschiede zwischen der Mathematik und anderen Wissensgebieten gibt. Aber ich glaube, dass es mehr Gemeinsamkeiten gibt, als man auf den ersten Anhieb sieht. Ich überlasse es Ihnen, meine Erfahrungen auf Ihr Wissensgebiet zu transferieren.

In einem mehrjährigen intensiven Briefwechsel mit einem Mathematikerkollegen, bin ich an einen Punkt gelangt, wo ich kompliziert verwobene Mengensysteme erzeugt habe. Es stellte sich die Frage, was ich damit anfangen soll. Während sich mein Kollege in einer Richtung bewegte, die mir nicht schmeckte, suchte ich nach anderen Forschungszweigen.
Meine Mengensysteme erinnerten mich an Kontexte, die einer eigenen inneren Logik gehorchten. Ich dachte einige Zeit darüber nach, bis mir Günther’s Polykontexturalität einfiel.

Zunächst versuchte ich herauszufinden, was darüber bereits publiziert wurde, eine Frage, die wie geschaffen für eine KI ist. Ich las mich ein wenig ein und warf meine dabei auftauchenden Fragen der KI “zum Frass hin”. Mir schien, dass selbst die KI sich über die eine oder andere Textstelle in den Quellen wunderte und mit mir zusammen räsonierte, was der Autor damit wohl gemeint haben könnte. Sie fand auf einige meiner Fragen wohl weder in ihren Trainingsdaten noch in einer Webrecherche passende Antworten. Das Problem von Konfabulationen (aka “Halluzinationen”) stellt sich in solchen Chats überhaupt nicht, denn ich erwartete ja keine “Wahrheiten” sondern benutze die KI bloss als Gesprächspartner. Würde die KI eine Theorie oder Konstruktion “erfinden”, die mich fasziniert, würde ich nach Quellen und Papers fragen und sehr schnell feststellen, dass da nichts ist.

Mit dem LLM diskutieren

Das ist wohl einer der Erfolgsschlüssel. Während viele meiner Zeitgenossen KI als erweiterte Google-Suche einsetzen, Fragen stellen (“was ist eine Achäne?”) und eine wahre Antwort erwarten, stelle ich das Gelesene in Frage, versuche Verbesserungsvorschläge einzubringen oder kritisiere gewisse theoretische Grundlagen. Das geht natürlich nicht, wenn man nur fragt, was eine Achäne sei. Aber es geht, wenn man die KI auffordert, einem z.B. von den Taranteln aus Nietzsches Zarathustra zu berichten. Das kann man dann mit der KI stundenlang zerpflücken. Das Schöne daran ist, dass sie sich wie ein Literaturkenner benimmt und sich mit meinen Einwände, Kritiken und Änderungsvorschlägen ernsthaft auseinandersetzt. Ob die Zusammenfassung des Tarantelabschnitts richtig ist, lässt sich einfach überprüfen. Alles was folgt, unterliegt überhaupt nicht dem Kriterum “richtig oder falsch”. Konfabulationen sind in der Wissensarbeit nicht ein primärer Stolperstein.

In meiner Arbeit geht es natürlich nicht um Taranteln sondern um Günther’s Transjunktionen. Ich habe der KI meine bisherigen Forschritte beschrieben, wie ich zu den Mengensystemen gekommen bin und diese als Kontexte interpretieren möchte. Ich bat die KI, einzuschätzen, ob es von meiner Ausgangslage einen Weg zur Beschreibung von Transjunktionen geben kann und machte gleich ein paar Vorschläge. Die KI legte mir einen ganzen Blumenstrauss von Möglichkeiten vor, die ich einschätzen musste. Dazu braucht es schon gewisse Fachkenntnisse. Obwohl vieles für mich neu und unbekannt war, musste ich in der Lage sein, die Optionen einordnen zu können. Gewisse Wege schloss ich gleich aus und liess die KI das auch wissen. Was an Unbekanntem übrig blieb, muss ich lernen. Dabei kann KI helfen, indem ich mit ihr über die neuen Begriffe und Konstruktionen diskutiere. Dabei lasse ich mir nicht primär die neuen Begriffe erklären, denn die Erklärungen finde ich auch in einem Lehrbuch. Wichtig ist mir, zu hören/lesen, wie die KI mit diesen Begriffen umgeht und darüber redet. Das ist der halbe Weg zum Verständnis. Zur Bewältigung der anderen Hälfte bleibt mir nur die ganz “altmodische” analoge Art des Büffelns.

In der Mathematik gibt es verschiedene “Glaubensrichtungen”. Z.B. glauben die meisten Mathematiker daran, dass entweder etwas wahr ist oder das Gegenteil davon ist wahr. 4 Als Intuitionist zweifle ich daran. Solche abweichenden Glaubenssätze oder Alternativperspektiven sind hervorragende Treiber einer interessanten Diskussion mit dem LLM. Es kennt natürlich diese Ansichten und kann eine historische Dimension öffnen und einem erzählen, zu welchen neuen Einsichten sie geführt haben und wie die Fachwelt darauf reagiert hat.

Erkenntnisse aus Chats speichern

Wenn man auf diese Weise arbeitet, wird ein Chat schnell sehr lang. Das ist nicht optimal. Je länger die Chats, desto flauer werden die Antworten. Das ist eine bekannte Tatsache. Deshalb beginne ich nach einer gewissen Zeit einen neuen Chat, u.U. auch dann, wenn ich keinen Themenwechsel beabsichtige. Da eine KI sich nicht daran erinnern kann, was in einem anderen Chat besprochen wurde, muss ich jedes Mal wieder von Vorne beginnen. Ich legte mir dazu eine Notiz an, die die Thematik ausführlich erörtert. Nach jedem Chat aktualisiere ich die Notiz mit den neusten Ideen und Erkenntnissen. Seither benutze ich diese Notiz, wenn immer ich einen neuen Chat beginne.

Unsere Chats sind stets mit vielen mathematischen und logischen Symbolen gespickt, die man nicht einfach kopieren kann. Manchmal rendern sich die Symbole nicht oder falsch und ich muss die KI bitten, den LaTeX-Code sorgfältiger einzupflegen. Das funktioniert meist gut. Die KI erklärt z.B., dass sie die Escape-Sequenzen vergessen habe und präsentiert die Antwort noch einmal. Wenn mir während des Chats etwas als zentral oder wichtig erscheint, verlange ich von der KI, mir die Antwort als kopierbare md-Datei aufzubereiten, die ich in eine Joplin-Notiz einfügen kann.

Ich habe mittlerweile schon viele Dutzende Joplin-Notizen über mein Forschungsthema. Selbstverständlich stellt sich schnell ein Retrieval-Problem heraus. Da muss ich mir einmal etwas einfallen lassen. Vielleicht setze ich eines Tages dafür meinen Hermes-Agenten ein (der Nachfolger einiger OpenClaw Agenten ist).

Was ist das Produkt?

Die weitere Auswertung meiner Forschungen resultiert wiederum in Briefwechseln mit Mathematikerkollegen oder in Blogeinträgen. Hier füge ich dann eben die “Frameworks” und “mentalen Landkarten” ein, die Martin Lindner als Outcome der Wissensarbeit gefordert hat. Dabei ist aber nicht die Kommunikation das Wesentliche, sondern der Effort, meine Konstruktionen und Vorstellungen sauber aufzuschreiben und in LaTeX- und TikZ-Code zu fassen. 5 Beim Formulieren der Ergebnisse, die vielleicht noch nicht so genau verstanden sind, wird vieles klarer. Die Joplin-Notizen würde ich nie als Textbausteine nehmen. Es gehört zum Lernprozess, dass ich meine Gedanken und Forschungsergebnisse in meine eignen Worte fasse.

Deskilling

Das führt mich zum Begriff des Deskilling. Im Vor-KI-Zeitalter hat man Übungen gelöst, die jedes gute Lehrbuch bereitstellt. Ein Wissensarbeiter muss sich die Fähigkeit antrainieren, mit seinen Theorien und Begriffen gewandt umzugehen. Neue abstrakte Begriffe fühlen sich zunächst sperrig und ungewohnt an. Man kann sie mit einer Modelliermasse vergleichen, die zunächst etwas zäh und spröd ist und ein wenig geknetet werden muss, um die nötige “Betriebstemperatur” und Konsistenz zu bekommen. Versuchen Sie nie, eine KI zu beauftragen, die Übungen für Sie zu lösen. Die Lösungen lesen Sie mit nickendem Kopf durch und … vergessen sie sehr schnell wieder. Es ist so, wie Sie die KI beauftragen würden, ein Video zu generieren, in welchem eine attraktive Person eine anstrengende Pilates- oder Yogaübung 30 Mal wiederholt, damit Sie genau zusehen können, wie man das macht. Wenn Sie die Übung nicht selbst machen, werden Sie nie fit.

In den vergangenen 12 Monaten habe ich wöchentlich eine gute halbe Stunde mit einem Studenten gearbeitet, der an der ETH Zürich ein Mathematikstudium begonnen hat. Ich habe ihm immer wieder geraten, den Stoff mit einer KI zu besprechen (statt mit mir), was er aus Angst vor Deskilling aber ablehnte. Dafür hat er schnell vorgeschlagen, in den Lösungen nachzusehen, wenn wir in einer Übung stecken blieben. Ich habe ihm erklärt, dass der Aufwand umsonst gewesen sei, sobald er die Lösungen konsultiert. Er wird höchstens sagen: “Ach ja, klar, darauf hätte ich von selbst kommen sollen” und zur Tagesordung übergehen. Besser sei es, nötigenfalls während mehreren Tagen immer wieder über die Aufgabe nachzudenken, bis der Durchbruch gelingt. Nur so würde er etwas lernen!

Welches LLM?

Ich habe verschiedene LLM ausprobiert und festgestellt, dass ich für meine Zwecke kein Modell präferieren kann. Es geben alle ungefähr dieselbe Antworten. Ich halte nichts von der Aufteilung der anfallenden Tasks auf verschiedene LLM. Bleiben Sie beim LLM ihres Vertrauens! Wenn Sie etwas auszusetzen haben, besprechen Sie es mit der KI, die auf diesem LLM basiert. Das gilt für Wissensarbeit. Möglich, dass für Codierungsvorhaben das eine LLM besser geeignet ist als ein anderes. Aber hier geht es ja nicht um Vibe Coding.
Ich selbst mache alles mit Gemini von Google, da ich es ja sowieso benötige (z.B. wenn ich in meine Uhr einen Eintrag in Google’s Keep Notizen diktiere oder das Versenden einer Whatsapp-Nachricht). In der Wissensarbeit schalte ich in den Thinking-Gang oder auf Pro um, abhängig von den Fragen/Themen, die ich mit der KI besprechen will.
Gewisse Formatierungs- oder Sortieraufgaben überlasse ich meinem KI-Agenten auf einem VPS, der aus Kostengründen auf DeepSeek basiert. Lokale LLM habe ich zwar ausgetestet, aber solange ich nicht mindestens 64 GB RAM bereitstellen kann, sehe ich lieber davon ab.

Fussnoten:

  1. Zwar steht da noch etwas von “Wettbewerbsfähigkeit von Unternehmen”, aber als Person, die in keinem unternehmerischen Arbeitsprozess mehr eingebunden ist, interessiere ich mich nicht mehr für organisatorische Zusammenhänge. ↩
  2. Oft wird das Problem als Halluzination bezeichnet. Eine KI fabuliert, sie halluziniert nicht. ↩
  3. Über die Frage, wie man KI in Unternehmensprozesse integriert, denke ich jedoch keine Minute lang nach. ↩
  4. Das nennt sich das Gesetz vom ausgeschlossenen Dritten ↩
  5. neuerdings versuche ich mich in Typst, eine LaTeX-Alternative. ↩


Kommentare

Noch keine Kommentare vorhanden.

Einen Kommentar schreiben

Leave a comment

Available formatting commands

Use Markdown commands or their HTML equivalents to add simple formatting to your comment:

Text markup
*italic*, **bold**, ~~strikethrough~~, `code` and <mark>marked text</mark>.
Lists
- Unordered item 1
- Unordered list item 2
1. Ordered list item 1
2. Ordered list item 2
Quotations
> Quoted text
Code blocks
```
// A simple code block
```
```php
// Some PHP code
phpinfo();
```
Links
[Link text](https://example.com)
Full URLs are automatically converted into links.