Blog

Wie meine Lieblingsband mir half, ein KI-Problem zu lösen

Letzte Woche hatte ich ein Problem. Meine KI-Gespräche fühlten sich zunehmend… verwässert an. Egal ob Python-Code, Businessplanung oder kreatives Schreiben – die Antworten wurden generischer, die Sprache austauschbarer. Als würde man in zu vielen Frequenzen gleichzeitig senden.   Aus purer Neugier habe ich ein Experiment gestartet: Was passiert, wenn ich ChatGPT auf einen extrem begrenzten Kontext einschränke? Keine breite Wissensbasis, sondern nur eine einzige, kohärente Welt.   Ich wählte Ghost – die schwedische Metal-Band, die mich ursprünglich inspiriert hatte, überhaupt mit KI anzufangen. Nur Ghost-Lyrics, Interviews, Fan-Diskussionen. Nichts sonst.   Technisch: Custom Instructions mit ausschließlich Ghost-bezogenen Referenzen, Zero-Shot-Prompts ohne Iteration, volle Token-Limits für kontextuelles Priming.   Das Ergebnis war faszinierend. In 60 Minuten entstand (mit ChatGPT-5.0, ausschließlich gefüttert mit Ghost-Kontext) eine komplette Mock-EP inklusive Songtexten, Press Release, Tracklist mit Liner Notes und authentischen Reddit-Fan-Diskussionen. Alles beim ersten Wurf, ohne Überarbeitung. Der Ton blieb durchgehend kohärent, spezifisch, lebendig – genau das Gegenteil von dem verwässerten Output, den ich vorher bekam.   Aber das Interessante war nicht die EP selbst.   Sondern die Erkenntnis: Fokussierte Kontexte erzeugen besseren Output als breite Wissensbasis.   Weniger Optionen zwingen das Modell, tiefer statt breiter zu graben. Begrenzte Symbolwelten führen zu dichteren, authentischeren Texten. Und: Der gleiche Mechanismus, der hier funktioniert, lässt sich auf Unternehmenskommunikation übertragen.   Was wäre, wenn Ihre Kundenservice-KI nicht mit generischen Versicherungs-FAQs trainiert würde, sondern ausschließlich mit den letzten 500 erfolgreichen Kundengesprächen *Ihres* Teams? Was, wenn Constraints Kreativität nicht verhindern, sondern ermöglichen?   Ich habe daraus eine ausführliche Case Study entwickelt – mit Methodik, Analyse und praktischen Anwendungen für Business-Kontexte.   Parallel arbeite ich mit kleinen, lokal lauffähigen LLMs (Llama 3.1 8B, weitere in Evaluation), um die Theorie weiter zu testen und Anwendungsfälle zu entwickeln, die ohne Cloud-Abhängigkeit funktionieren.