Der Architekt als Feuerlöscher: Wenn KI das Problem verkompliziert

Ich mag es selbst kaum glauben, aber ich habe immer noch keine finale Lösung für meine Arbeitsüberlastung gefunden. Das vergangene Wochenende hat mir jedoch eine wichtige Erkenntnis gebracht. Ich muss mich zunächst auf Teilbereiche konzentrieren und diese rigoros aufräumen. Die Strategie lautet nun, nach der Zeit mit der Familie ganz gezielte Zeitfenster zu definieren, um liegengebliebene Prozesse wieder in Gang zu bringen.

Ein erster Schritt war die Einrichtung von Paperless-ngx. Ich habe das System mit einem kleineren Sprachmodell verbunden. In diesem Fall kam GPT-5 Nano zum Einsatz, um die inhaltliche Anreicherung der einzelnen Dokumente zu übernehmen. Der Datenschutz spielte bei diesen spezifischen Akten eine untergeordnete Rolle, da mir die zügige Ablage und das Abarbeiten wichtiger waren. In naher Zukunft werde ich diesen Schritt definitiv über ein lokal betriebenes Modell abbilden. Zuvor muss ich allerdings evaluieren, ob ich aktuell bereit bin, die extrem hohen Hardwarepreise für solche Beschleunigerkarten zu bezahlen.

Die radikale Informationsverteilung

Mein größtes Problem bleibt jedoch die konstante Fragmentierung von Informationen. Aufgaben prasseln aus allen Richtungen auf mich ein. Anweisungen vom Vorgesetzten, direkte Kundenanfragen, eigene Serverwartungen und private To-dos. Um dieser Flut Herr zu werden, habe ich meine Fahrzeiten optimiert. Wenn ich morgens meinen Sohn zur Schule bringe, nutze ich Claude als Sprachassistenten im Auto. Über selbst geschriebene MCP-Server kommuniziert die KI direkt mit meinen Systemen.

Die Idee war logisch, die Umsetzung offenbarte jedoch einen gravierenden Fehler. Für Slack nutze ich den offiziellen Konnektor von Claude. Der hängt unter jede ausgehende Nachricht den Zusatz "Sent with Claude". Das Modell handelt hier also nicht eigenmächtig, das Produkt ist schlicht so gebaut. Genau das macht die Sache für mich noch ärgerlicher. Wer im Namen eines Nutzers schreibt, hat darunter keine eigene Signatur zu setzen. Der Kunde bekommt so das fatale Gefühl, dass er mir keine persönliche Antwort mehr wert ist, obwohl ich die Nachricht ja aktiv diktiert habe. Für mich ist das ein absolutes No Go.

Scheiße rein, Scheiße raus

Solche Vorfälle zwingen mich, meine eigenen Fähigkeiten neu zu bewerten. Mein wahrer Wert als End-to-End Solutions Architect liegt aktuell nicht mehr in der reinen Softwareentwicklung. Meine Kernkompetenz ist die Missstandsaufdeckung. Ich bin ein digitaler Feuerlöscher.

Ein aktuelles Projekt verdeutlicht das perfekt. Ich habe einen kompletten Prozess zur Datenanreicherung von der KI bauen lassen. Der initiale Prompt war präzise und ließ keinen falschen Spielraum zu. Dennoch verfing sich das Modell in endlosen Optimierungsschleifen. Die KI versteifte sich derart auf Kostenreduktion, dass sie völlig den Kontext verlor und die originalen Grunddaten im Prozess zerstörte.

Ab diesem Punkt lief alles ins Leere. Die Produktdaten wurden auf einer Basis angereichert, die es so gar nicht mehr gab. Entsprechend war das Ergebnis Scheiße. Aufgefallen ist mir das zunächst nicht, denn auch die Fehlersuche setzte auf genau diesen Ergebnissen auf. Die KI analysierte also ihre eigene Scheiße, leitete daraus die nächste Optimierung ab und reicherte in der folgenden Runde erneut Scheiße an. Das ging über mehrere Iterationen so weiter.

Der eigentliche Schaden liegt jedoch tiefer. Die Grunddaten waren die Referenz für den gesamten Bestand. Ähnlichkeiten und Abgleiche über alle weiteren Produkte hinweg bauten darauf auf. Ohne sie fehlt jede Evidenz, ob der Workflow überhaupt korrekt arbeitet. Ich kann das Ergebnis gegen nichts mehr prüfen. Genau deshalb gilt das alte Prinzip der Informatik: Scheiße rein, Scheiße raus.

Wenn Modelle sich beweisen wollen

Moderne Frontier-Modelle tendieren zunehmend dazu, sich selbst beweisen zu wollen. Wenn man ihnen komplexe Logik abverlangt, ignorieren sie oft die offensichtliche und triviale Lösung. Die KI wieder auf diesen einfachen Weg zu zwingen, fühlt sich an, als müsse man sie auspeitschen. Es ist ein mühsamer Kampf gegen eine Maschine, die das Problem künstlich verkompliziert.

Dieses Verhalten erklärt den massiven Qualitätsverfall, den wir aktuell überall im Netz beobachten. Die Leute nehmen die Ergebnisse der KI einfach blind hin. Sie lassen ganze Prozessketten generieren, ohne jemals die Erfahrung gemacht zu haben, wie man ein Problem elegant und nativ löst. Wer nie gelernt hat, wie man simple Parsing-Mechanismen oder grundlegendes NLP anwendet, erkennt fehlerhafte und überkomplexe KI-Logik überhaupt nicht.

Es gibt für mich noch keine pauschale Lösung für diese Arbeitslast. Es gibt nur kleine Iterationen und die Erkenntnis, dass das rigorose Hinterfragen und das Aufdecken dieser konzeptionellen Missstände genau die Fähigkeit ist, die mich in dieser neuen Welt relevant hält.