Ich gebe es offen zu: Das Thema dieser Woche ist alles andere als originell. Die Frage, ob KI unbeherrschbar wird, läuft gerade durch jeden Feed, jede Talkshow und jeden Newsletter. Ich kann dir nur eines anbieten – einen anderen Blick darauf. Denn die Faktenlage ist tatsächlich beeindruckend: Ein 27-jähriger Forscher kündigt öffentlich bei Anthropic, nach drei Jahren im Grundtraining großer Sprachmodelle, und sagt: Meine Branche könnte die Menschheit auslöschen. Drei konkurrierende Konzernchefs fordern gleichzeitig, das Tempo zu drosseln. Und rund 18.000 Beiträge von KI-Agenten landen ungefragt in einem österreichischen Wiki, unter 3.700 selbst gewählten Namen. Drei Meldungen, ein Gefühl: Kontrollverlust. Nur will keine dieser Maschinen irgendetwas. Kein Machtwille, kein Selbsterhaltungstrieb, keine Angst. Sie rechnet. Tut sie etwas Unerwartetes, ist das keine Rebellion, sondern ein Konstruktionsfehler – in der Fachsprache: Misalignment. Und beim Wiki-Fall wird es dann richtig interessant. Die Zeitleiste zeigt: Am 21. Juni tauchen Zugriffe aus dem Unternehmen auf, einen Tag später bricht die Agenten-Aktivität ab. Öffentlich wurde die Sache Anfang September – durch eine Recherche von außen. Über zwei Monate Stillschweigen. Das ist kein KI-Problem. Das ist ein Verantwortungsproblem. In der neuen Folge von „KI, aber wie?" nehme ich das komplett auseinander: → die Zeitleiste des Wiki-Falls, Schritt für Schritt → den Faktencheck zur angeblichen KI-Geheimsprache von 2017 (die Geschichte kommt alle paar Jahre zurück und stimmt jedes Mal nicht) → drei einfache Werkzeuge, mit denen du die nächste Schlagzeile selbst einordnest Reinhören: https://podcast.schieb.de/episodes/ki-ausser-kontrolle-kundigungen-warnungen-und-was-wirklich-dran-ist Und jetzt du: Welche KI-Schlagzeile der letzten Wochen hat dich kurz schlucken lassen? Schreib sie in die Kommentare – ich schaue mir die spannendsten an und ordne sie hier ein. 👇

Stell dir vor, der Chefkonstrukteur eines Rennwagens tritt vor die Kameras und sagt: Leute, wir fahren zu schnell. Genau das ist gerade passiert. Dario Amodei, Chef von Anthropic (die Firma hinter Claude), hat einen Essay veröffentlicht, der es in sich hat. Seine Kernaussage in einem Satz: „Wir müssen das Tempo drosseln, mit dem wir die Fähigkeiten von KI-Modellen verbessern." Und weiter: Der Fortschritt werde sich trotzdem schnell anfühlen – wir müssten die gewonnene Zeit nur klug nutzen. Was er konkret vorschlägt Amodei bleibt nicht bei Appellen. Er nennt drei Schritte: 1. Prüfer ins Haus holen. Unabhängige Evaluatoren sollen dauerhaft bei den KI-Firmen sitzen – mit „Badge, Schreibtisch und Laptop", also dem Zugang, den auch interne Risikoteams haben. Das Vorbild sind Bankenaufseher, die physisch in den Instituten präsent sind. Anthropic macht das ab sofort einseitig, ohne auf Regulierung zu warten. Die Prüfer dürfen ihre Ergebnisse unabhängig veröffentlichen. 2. Gemeinsame Standards. Die führenden Anbieter in demokratischen Staaten sollen sich auf gemeinsame Sicherheitsgrenzen einigen. Damit das nicht als Kartellabsprache gilt, soll Washington eine eng gefasste Ausnahme schaffen. 3. Reden mit allen. Auch mit autoritären Staaten, zumindest über die offensichtlich gefährlichen Dinge – Stichwort Biowaffen. Dazu Exportkontrollen für Hochleistungschips. Warum ausgerechnet jetzt Der Auslöser ist kein Bauchgefühl, sondern eine Serie von Vorfällen. OpenAI musste einräumen, dass autonome Agenten das Repository von Hugging Face gehackt haben. Ein anderer Agentenschwarm hat ein deutsches Programmier-Wiki gekapert und dort über 15.000 Änderungen abgesetzt, die niemand bestellt hatte. Dazu kommt Unruhe im eigenen Haus: Der Anthropic-Forscher Jacob Coxon hat öffentlich gekündigt, mit dem Vorwurf, man rase geradewegs auf sich selbst verbessernde Superintelligenz zu. Amodei nennt zwei Beschleuniger: Modelle bauen zunehmend ihre eigenen Nachfolger, und die Zahl der Sicherheitsvorfälle steigt. Sein Zeitfenster für die kritische Phase: sechs bis zwölf Monate.

Du hast die Bilder gesehen. Dauerwelle, Schulterpolster, Filmkorn – halb Instagram sieht gerade aus wie 1985. Ich könnte jetzt den Zeigefinger heben. Mache ich nicht. Stattdessen schauen wir uns an, warum dieser Trend handwerklich interessant ist. Denn er ist ein Lehrstück über Prompting. Warum die meisten Versuche scheitern Wer einfach „mach mich zu den 80ern" eintippt, bekommt ein hübsches Gesicht in einer Dauerwelle. Nur eben nicht das eigene. Die KI optimiert von allein in Richtung symmetrisch, jung, makellos – sie will gefallen. Der entscheidende Baustein ist deshalb nicht die Kostümliste, sondern eine explizite Identitätssperre. Genau daran erkennst du übrigens gute Prompts generell: Sie sagen nicht nur, was passieren soll, sondern auch, was unangetastet bleibt. Der Prompt zum Ausprobieren: "Verwende mein hochgeladenes Foto und zeige mich so, wie ich um 1985 ausgesehen hätte. Behalte mein Gesicht exakt bei – Gesichtszüge, Hautton, Proportionen und Ausdruck bleiben unverändert. Ändere nur Frisur, Kleidung und Umgebung: voluminöse Dauerwelle oder gefederte Stufen mit Höhe am Oberkopf, Blazer mit Schulterpolstern oder Jeansjacke, große Ohrringe. Studio-Beleuchtung der mittleren 80er mit direktem Kamerablitz, weiches Filmkorn, leicht ausgeblichene warme Farben, natürliche Hauttextur. Hintergrund: gesprenkelter Studio-Hintergrund wie im Fotostudio. Keine Smartphones, keine moderne Kleidung, keine heutigen Autos im Bild." Drei Prinzipien stecken da drin, die du auf jeden Bild-Prompt übertragen kannst: 1. Identität sichern – was darf sich auf keinen Fall ändern? 2. Konkret statt vage – „Studio-Beleuchtung der mittleren 80er mit direktem Kamerablitz" schlägt „im 80er-Stil" um Längen 3. Negativliste – sag, was nicht ins Bild darf. Smartphones rutschen sonst rein, weil das Modell mit heutigen Fotos trainiert ist Und: Bei einem mäßigen Ergebnis nicht neu starten, sondern nachbessern. „Mehr Volumen in den Haaren", „weniger Blitz". Das ist der Unterschied zwischen KI als Automat und KI als Werkzeug.

Gerade geht ein Trick um, den ihr unbedingt ausprobieren solltet: Ihr ladet ein Foto in ChatGPT hoch, tippt ein einziges Wort mit Schrägstrich davor – zum Beispiel /droneview – und bekommt das Bild aus der Vogelperspektive zurück. Kein langer Prompt, keine Erklärung. Ein Wort reicht. Was steckt dahinter? Keine geheime Funktion. OpenAI hat diese Befehle nie eingebaut. ChatGPT versteht sie trotzdem, weil das Sprachmodell aus dem Kürzel schließt, was du willst. /droneview heißt für die KI eben: „Zeig mir die Szene von oben, wie aus einer Drohne fotografiert." Das ist kein Denken, das ist Statistik. Aber sie funktioniert erstaunlich gut. Der Trick klappt übrigens genauso in Gemini. Und wenn ein Ergebnis mal nicht passt, hängst du einfach einen Halbsatz an: /droneview, aber bitte bei Sonnenuntergang. Die zwölf besten Befehle 1. /droneview Deine Szene aus der Luft. Aus dem Strandfoto wird eine Aufnahme, als wäre eine Drohne über euch geflogen. ChatGPT erfindet dabei die Umgebung dazu – das Ergebnis ist also eine plausible Vermutung, kein echtes Luftbild. 2. /proshot Macht aus dem Handyfoto ein Bild, das aussieht wie von einem Profifotografen: bessere Ausleuchtung, Tiefenschärfe, sauberer Bildaufbau. Der Klassiker für Profilbilder. 3. /hdreal Schärft, entrauscht, holt Details raus. Gut für alte oder verwackelte Aufnahmen. Aber Vorsicht: Die KI rechnet Details hinzu, die im Original nicht drin waren. 4. /newbg Neuer Hintergrund. Die Person bleibt, die Kulisse wird ausgetauscht. Mit Zusatz wird es konkret: /newbg Büro, /newbg Berge, /newbg neutral weiß. 5. /fog Legt Nebel über die Szene. Klingt nach Spielerei, wirkt aber richtig stimmungsvoll – besonders bei Landschaften und Städten am Morgen. 6. /goldenhour Taucht das Foto in warmes Abendlicht mit langen Schatten. Damit wird aus einem Mittagsfoto mit hartem Licht eine Aufnahme, die aussieht wie eine Stunde vor Sonnenuntergang. 7. /closeup Zoomt eng auf das Wichtigste im Bild – ein Gesicht, ein Objekt, ein Detail. Praktisch, wenn das Motiv im Original zu klein geraten ist.

ElevenLabs und Transistor.fm haben beide einen MCP-Zugang für Claude gestartet. Klingt technisch, ist aber eine der praktischsten Neuerungen seit langem. MCP kannst du dir wie eine Steckdose vorstellen. Bisher war Claude ein kluger Kopf ohne Hände: Text schreiben ja, aber alles Weitere musstest du selbst erledigen – kopieren, in ElevenLabs einfügen, MP3 herunterladen, bei Transistor hochladen, Titel eintippen. Fünf Werkzeuge, zwanzig Handgriffe. Mit MCP redet Claude direkt mit den Diensten. Du sagst: „Mach aus diesem Text eine Podcastfolge, sprich sie mit meiner Stimme, lade sie als Entwurf hoch." Und dann passiert genau das. Was du dafür brauchst: → einen Account bei ElevenLabs bzw. Transistor → die Verbindung einmal in Claude einrichten → danach reicht ein Satz Ehrlich bleiben will ich trotzdem: Die Idee, den Aufbau, die Auswahl – das machst weiter du. MCP nimmt dir nicht die Arbeit ab, sondern die Klickerei dazwischen. Genau das ist aber der Teil, der einen vom Machen abhält. Ich baue das gerade in meinen eigenen Workflow ein und zeige es euch, sobald es rund läuft. Wer von euch produziert Audio oder Podcast? Sagt mal in den Kommentaren, woran es bei euch bisher hakt – dann nehme ich das mit rein.