Reicht es, KI-Output einmal zu verifizieren?
Nein. Jeder neue KI-Output ist ein neuer Wurf. Dass die letzte Antwort stimmte, sagt nichts über die nächste. Prüfaufwand richtet sich nach dem Risiko der Weiterverwendung, nicht nach dem Vertrauen ins Modell.
Ein häufiger Denkfehler: „Das Modell hat gestern richtig geantwortet, also kann ich ihm heute trauen." Sprachmodelle funktionieren nicht wie zuverlässige Kolleginnen. Jede Antwort entsteht neu, jede kann korrekt oder halluziniert sein.
Warum einmaliges Prüfen nicht reicht
Jede Antwort ist statistisch unabhängig. Es gibt keinen Lernprozess, der innerhalb einer Sitzung zuverlässiger macht. Das Modell merkt sich nichts über die letzte Interaktion hinaus, außer du füllst den Kontext aktiv damit.
Risikoabhängiges Prüfen
Nicht jeder Output braucht die gleiche Prüftiefe. Staffle nach Weiterverwendung:
Internes Brainstorming: Minimal prüfen. Fehler kosten wenig. Kundenkommunikation: Fakten prüfen, Tonfall prüfen, Compliance prüfen. Rechtliche oder medizinische Aussagen: Immer Expertenprüfung. KI liefert nur den Entwurf. Publikationen: Jede Tatsache einzeln gegenprüfen. Journalistische Sorgfalt gilt weiter.
Das Prinzip
Vertrauen ins Modell skaliert nicht. Prüfen skaliert mit dem Schaden, den ein Fehler verursachen würde. Wer das akzeptiert, nutzt KI professionell.