Wie KI beim Aufbau von jessa.studio geholfen hat

jessa.studio war mein erstes Projekt, bei dem ich generative KI in einem ungewöhnlich großen Umfang eingesetzt habe.

Ich nutze entsprechende Modelle schon länger unterstützend bei der Softwareentwicklung. Auch in meinem beruflichen Umfeld helfen sie beispielsweise bei Codevervollständigungen, Tests und Dokumentation. Dort sind sie eines von mehreren Werkzeugen. Bei dieser Website wollte ich ausprobieren, wie weit sich eine solche Zusammenarbeit innerhalb eines vollständigen Projekts führen lässt.

Das Ergebnis ist nicht durch einen einzelnen Prompt entstanden. Ich habe keine kurze Beschreibung eingegeben und anschließend eine fertige Website erhalten.

Am Anfang standen meine eigenen Vorgaben: Die Seite sollte ruhig und persönlich wirken, meine Anonymität wahren und unterschiedlichen Projekten Platz bieten. Sie durfte weder wie ein großes Unternehmen noch wie ein beliebiges Entwicklerportfolio erscheinen. Aus diesen Anforderungen entstand ein erster Entwurf.

Dieser Entwurf war eine Gesprächsgrundlage, kein fertiges Ergebnis.

Von einer ungefähren Vorstellung zu konkreten Entscheidungen

Viele meiner Vorstellungen waren zu Beginn eher eine Richtung als eine genaue Spezifikation. Ich wusste, welche Wirkung die Website haben sollte, aber nicht bei jedem Element, wie sich diese technisch oder gestalterisch umsetzen ließ.

Hier war die Unterstützung besonders nützlich. Durch Rückfragen wurden Anforderungen genauer. Daraus entstanden Vorschläge für Seitenaufbau, Funktionen und technische Strukturen. Mockups machten abstrakte Ideen sichtbar, bevor Zeit in ihre eigentliche Umsetzung floss.

Danach begann jedoch erst die Auswahl.

Ich habe Vorschläge übernommen, verändert und abgelehnt. Das Logo wurde aus mehreren Varianten ausgewählt und später von mir manuell weiterbearbeitet. Abstände, Typografie und Seitenelemente wurden mehrfach angepasst. Auch die Darstellung meiner Person auf der „Über mich“-Seite war kein geradliniger Vorgang.

Ein vollständig künstliches Portrait einer erfundenen Person fühlte sich für mich nicht richtig an. Andererseits wollte ich kein unverändertes Foto von mir veröffentlichen. Die schließlich verwendete Illustration basiert deshalb auf einem eigenen Bild, wurde aber stilistisch verändert und anonymisiert. Auch dieses Ergebnis entstand erst durch mehrere Korrekturen.

Die Geschwindigkeit, mit der Varianten erzeugt werden konnten, verkürzte den Weg zwischen einer ungefähren Vorstellung und einer konkreten Entscheidung. Entscheiden musste ich dennoch selbst.

Unterschiedliche Rollen in einem Ein-Personen-Projekt

Bei einem kleinen eigenen Projekt lassen sich Aufgaben selten sauber trennen.

Ich war Auftraggeberin, weil ich Ziele und Anforderungen festgelegt habe. Ich war Entwicklerin, weil ich den Code beurteilen, anpassen und verantworten musste. Ich entschied über das Design und verfeinerte es. Und ich bin Redakteurin der Inhalte, auch wenn ich mir bei Gliederung und Formulierung helfen lasse.

Ein generatives Modell kann in diesem Prozess verschiedene Rollen andeuten. Es kann Entwürfe liefern, technische Lösungswege erklären, Texte strukturieren oder Fehlerquellen suchen. Die Verantwortung für das Ergebnis übernimmt es jedoch nicht.

Ich lasse daher keine vollständigen Anwendungen erzeugen, die ich anschließend ungeprüft verwende. Generierter Code wird gelesen, eingeordnet und bei Bedarf verändert. Dazu gehört auch, Vorschläge zu verwerfen, die technisch zwar plausibel aussehen, aber nicht zum Projekt passen.

Meine Erfahrung als Entwicklerin bleibt dafür notwendig. Ohne sie könnte ich kaum beurteilen, ob eine Lösung lediglich überzeugend formuliert oder tatsächlich brauchbar ist.

Weniger Suche, nicht weniger Verantwortung

Ohne diese Unterstützung hätte ich die Website vermutlich ebenfalls begonnen. Das theoretische Konzept und einen großen Teil der Programmierung hätte ich selbst übernommen.

Wahrscheinlich wäre das Ergebnis jedoch wesentlich statischer geblieben. Einige Bereiche hätte ich aus Zeitmangel oder wegen fehlender Erfahrung mit bestimmten Systemen vereinfacht. Andere Funktionen wären möglicherweise gar nicht entstanden.

Das eigentliche Hindernis ist bei solchen Projekten oft nicht, dass benötigtes Wissen grundsätzlich unzugänglich wäre. Es ist über Dokumentationen, Foren, Blogbeiträge und Videos verteilt. Um eine einzelne konkrete Frage zu beantworten, muss man mitunter zahlreiche Quellen durchsuchen und zunächst herausfinden, welche davon überhaupt zum eigenen Problem passen.

Ein Sprachmodell bündelt diesen Zugang an einer Stelle. Ich kann eine konkrete Frage stellen, Rückfragen beantworten und eine Lösung an meinen Fall anpassen lassen. Das spart einen erheblichen Teil der vorbereitenden Suche.

Es bedeutet nicht, dass Dokumentationen und andere Quellen überflüssig werden. Modelle können sich irren, veraltete Informationen verwenden oder Lücken mit überzeugend klingenden Annahmen füllen. Kritische Angaben müssen weiterhin überprüft werden. Die Unterstützung liegt vor allem darin, schneller einen brauchbaren Ausgangspunkt zu erreichen.

Für ein Freizeitprojekt ist dieser Unterschied erheblich. Zeit, die sonst für die Suche nach einem Einstieg benötigt worden wäre, kann direkt in die Beurteilung und Umsetzung einer Lösung fließen.

Der Kontext endet nicht am Quellcode

Die Grenzen solcher Modelle werden besonders deutlich, wenn ein Projekt nicht neu beginnt oder wenn der wichtige Kontext außerhalb des Codes liegt.

In meinem beruflichen Umfeld entstehen Anwendungen für einen Produktionsbetrieb. Dort zählt nicht nur, ob eine Funktion formal korrekt arbeitet. Anwendungen müssen zuverlässig, schnell, langlebig und auch unter ungünstigen Bedingungen bedienbar sein. Fehler müssen sauber behandelt werden. Bedienelemente müssen auf Touchscreens schnell auffindbar sein. Abläufe richten sich nach realen Arbeitsprozessen und nicht allein nach allgemeinen Maßstäben für moderne Benutzeroberflächen.

Ein Modell sieht davon nur, was ihm ausdrücklich mitgeteilt wird.

Es kennt nicht automatisch die betrieblichen Abläufe, frühere Entscheidungen, besondere Ausnahmefälle oder die Gewohnheiten der Menschen, die eine Anwendung täglich benutzen. Bei älteren Projekten kommen zudem viele Jahre gewachsener Zusammenhänge hinzu, die nicht vollständig in einer einzelnen Anfrage unterzubringen sind.

Gerade dieses Wissen ist ein Teil menschlicher Arbeit. Es befindet sich nicht vollständig im Quellcode und auch nicht in einer technischen Dokumentation. Es entsteht durch Erfahrung mit den tatsächlichen Bedingungen.

Deshalb halte ich die Vorstellung für falsch, ein Unternehmen könne Beschäftigte entlassen und deren Arbeit anschließend gleichwertig durch ein Modell ersetzen. Mit den Menschen verschwindet auch Wissen, das dem Modell nie zur Verfügung stand.

Wer KI nur als Mittel zum Personalabbau versteht, verkennt nicht nur den menschlichen Anteil, sondern auch die eigentliche Stärke der Technik.

Ergänzung statt verordneter Ersetzung

Ich betrachte generative Modelle als Ergänzung menschlicher Arbeit. Sie können einzelne Aufgaben beschleunigen, Varianten liefern und Wissen leichter zugänglich machen. Dadurch können Menschen Vorhaben umsetzen, für die ihnen sonst Zeit, Geld oder bestimmte Spezialkenntnisse fehlen würden.

Das bedeutet nicht, dass ihr Einsatz immer sinnvoll ist.

Wenn Beschäftigte zur Nutzung gedrängt werden, ohne dass ein tatsächlicher Nutzen besteht, entsteht lediglich ein weiteres vorgeschriebenes System. Wenn Unternehmen die Technik hauptsächlich verwenden, um Stellen abzubauen und Kosten zu senken, wird Unterstützung zur Rationalisierung. Und wenn Entscheidungen an Modelle abgegeben werden, obwohl niemand deren Ergebnisse ausreichend beurteilen kann, geht Verantwortung verloren.

Technik ist nicht unabhängig von den Absichten der Menschen und Unternehmen, die sie entwickeln und einsetzen. Mit denselben Grundlagen lassen sich nützliche Werkzeuge, manipulative Systeme oder schlechte automatische Entscheidungen bauen.

Mich interessiert deshalb weniger die Behauptung, KI werde Menschen ersetzen. Sinnvoller erscheint mir die Frage, welche Tätigkeiten sie unterstützen kann und unter welchen Bedingungen diese Unterstützung tatsächlich den arbeitenden Menschen zugutekommt.

Ein problematischer Ursprung

Der praktische Nutzen löst allerdings nicht das Problem, auf welcher Grundlage viele heutige Modelle entstanden sind.

Sie wurden mit sehr großen Mengen an Texten, Bildern, Programmcode und anderen Inhalten trainiert. Ein Teil davon stammt von Menschen, die einer solchen Verwendung ihrer Arbeiten nicht ausdrücklich zugestimmt haben. Künstlerinnen, Entwickler, Autorinnen und andere Kreative hatten häufig weder Kontrolle über diese Nutzung noch wurden sie daran beteiligt.

Dieser Umstand lässt sich für mich nicht mit dem Hinweis ausräumen, die Technik sei nun einmal nützlich.

Gleichzeitig halte ich es nicht für sinnvoll, sämtliche daraus entstandenen Möglichkeiten deshalb pauschal zu verwerfen. Die entscheidenden Fragen sind für mich, wie Trainingsdaten künftig beschafft werden, wie transparent Anbieter damit umgehen und wie Urheber Kontrolle und eine angemessene Beteiligung erhalten können.

Hinzu kommt die Machtkonzentration bei wenigen großen Betreibern. Deren Ziele stimmen nicht zwangsläufig mit denen der Menschen überein, deren Arbeiten zum Training beigetragen haben oder deren Arbeitsplätze durch neue Geschäftsmodelle verändert werden.

Ich habe für diesen Konflikt keine abschließende Lösung. Er bleibt auch dann bestehen, wenn ich ein Modell für ein privates Projekt sinnvoll einsetze.

Warum mir der Begriff „KI“ nicht gefällt

Ich verwende den Begriff „künstliche Intelligenz“, weil er sich allgemein durchgesetzt hat. Besonders treffend finde ich ihn nicht.

Das Wort erweckt schnell den Eindruck eines Systems, das wie ein Mensch denkt, versteht oder ein eigenes Bewusstsein besitzt. Genau so arbeite ich mit heutigen Modellen jedoch nicht. Für mich sind es Systeme, die auf Grundlage trainierter Muster Texte, Bilder oder andere Ergebnisse erzeugen und Beziehungen zwischen Informationen zugänglich machen können.

Sie können dabei erstaunlich brauchbare Resultate liefern. Daraus folgt aber nicht, dass sie einen Sachverhalt auf dieselbe Weise verstehen wie ein Mensch.

Ich würde mir wünschen, dass die weitere Entwicklung weniger auf die Erzählung eines künstlichen Mitarbeiters oder eines vermeintlich selbstständig denkenden Wesens ausgerichtet wird. Wichtiger wäre es, vorhandenes Wissen verlässlicher aufzubereiten, Zusammenhänge besser darzustellen, Quellen nachvollziehbarer zu machen und falsche Aussagen zu reduzieren.

Gerade in Wissenschaft und Forschung liegt darin ein großes Potenzial. Weltweit arbeiten viele Gruppen parallel an verwandten Problemen. Erkenntnisse sind über Institutionen, Publikationen und inkompatible Systeme verteilt. Werkzeuge, die dieses Wissen schneller zusammenführen und zugänglich machen, könnten unnötige Doppelarbeit reduzieren und Forschung beschleunigen.

Das setzt jedoch verlässliche Daten, fachliche Kontrolle und klare Regeln voraus. Ein Modell allein löst diese Probleme nicht.

Was das für jessa.studio bedeutet

Ohne die umfangreiche Unterstützung durch generative Modelle hätte die Entwicklung dieser Website länger gedauert und wäre vermutlich in einigen Bereichen einfacher ausgefallen. Möglicherweise hätte ich externe Hilfe benötigt oder bestimmte Ideen erneut zurückgestellt.

Die KI hat mir weder die Verantwortung noch die eigentlichen Entscheidungen abgenommen. Sie hat Recherchewege verkürzt, Möglichkeiten aufgezeigt und bei der Umsetzung geholfen.

Für mich ist das der sinnvolle Einsatz solcher Systeme: nicht als Ersatz für Erfahrung, Urteil und menschlichen Kontext, sondern als Werkzeug, das einer Person mehr Handlungsmöglichkeiten geben kann.

---

Anmerkung: Auch dieser Beitrag entstand mit Unterstützung eines Sprachmodells. Inhalt, Positionen und Beispiele stammen von mir. Das Modell half bei der Gliederung, der Wortwahl und der stilistischen Überarbeitung.