Was jetzt möglich ist und wo meine Grenzen liegen

Diese Folge ist kein Schlussbericht mehr. Sie ist ein Zwischenstand nach mehreren Jahren praktischer Arbeit mit KI-Systemen.

Einige frühe Experimente sind heute fester Bestandteil meiner Arbeit. Andere Fragen sind offen geblieben. Der wichtigste Unterschied liegt weiterhin zwischen einer schnellen Modellantwort und einem belastbaren Arbeitsablauf.

Was sich in meiner Arbeit bewährt hat

Modelle helfen mir beim Strukturieren langer Berichte, bei Erstentwürfen und bei der Suche nach Mustern in vorbereitetem Material. Auch eine eigene Wissensbasis kann nützlich sein, wenn Quellen, Aktualität und Zugriff sauber geführt werden.

Das funktioniert am besten bei begrenzten Aufgaben. Ich kann die Eingabe prüfen, das gewünschte Format beschreiben und das Ergebnis gegen Quellen oder technische Evidenz halten. Die KI verkürzt dann einen Teil der Arbeit. Sie übernimmt nicht automatisch den ganzen Prozess.

Lokale Modelle bleiben für mich wichtig, wenn Daten eine externe Verarbeitung ausschließen oder unnötig machen. Ob ein lokales Modell gut genug ist, entscheide ich nicht nach seinem Namen, sondern anhand des konkreten Falls und der akzeptablen Fehler.

Wo ich weiter eine harte Grenze ziehe

Ich nutze Sprachmodelle nicht als alleinige Faktenquelle für CVEs, Rechtsfragen oder technische Spezifikationen. Der Fall mit den erfundenen CVE-Nummern aus Folge 4 reicht mir als Erinnerung.

Auch autonome Seiteneffekte in sicherheitskritischen Workflows bleiben eine Grenze. Sammeln, klassifizieren und vorschlagen ist etwas anderes als Konfigurationen ändern, Vorfälle eskalieren oder Daten versenden. Je größer die mögliche Wirkung, desto wichtiger werden Freigabe, Logging und ein sicherer Abbruch.

Domänenwissen bleibt ebenfalls ungleich verteilt. Ein Modell kann allgemeine Security-Sprache beherrschen und bei einem proprietären System trotzdem oberflächlich sein. Gute Formulierungen sind kein Ersatz für belastbare Fachkenntnis.

Warum ich daraus keine Prognose mache

Aus diesen Beobachtungen leite ich keine Vorhersage für die nächsten Jahre ab.

Ich weiß nicht, welche lokalen Modelle in zwei Jahren auf gewöhnlicher Hardware laufen werden. Ich weiß auch nicht, wann agentische Systeme für einen bestimmten Produktionsprozess reif genug sind. Solche Aussagen brauchen einen Zeitpunkt, eine Aufgabe und Messwerte. Ohne diese Eingrenzung sind sie Werbung oder Bauchgefühl.

Mein aktueller Maßstab ist deshalb einfacher. Was kann ich heute in einem benannten Workflow prüfen? Welche Fehler habe ich beobachtet? Welche Verantwortung bleibt beim Menschen? Das ist weniger spektakulär, aber für Architekturentscheidungen brauchbar.

Mein Zwischenstand

KI ist in meiner Arbeit vom Experiment zum Werkzeug geworden. Der belastbare Fortschritt liegt nicht in großen Vorhersagen, sondern in klareren Aufgaben, besseren Prüfungen und ehrlicheren Grenzen.