Es gibt einen Satz, den ich in meiner Arbeit mit KI öfter denke als jeden anderen: Warum kann sie das nicht? Sie schreibt Gedichte, erklärt Quantenphysik und baut in Sekunden ein Flugzeug. Aber genau das, was ich gerade brauche, kriegt sie nicht hin. Irgendwann kommt sie an eine Grenze, und dort entwickelt sie die Grafik nicht weiter. Dann muss ich es ihr beibringen.
Die Grenze
Die KI rät. Sehr gut, sehr schnell, oft verblüffend. Aber sie rät. Sie hat kein Ziel, das über die nächste Antwort hinausreicht, und keinen Maßstab, an dem sie sich messen könnte. Wenn ich sage „schöner“, weiß sie nicht, ob ich ruhiger, heller, präziser oder einfach weniger lila meine. Sie liefert dann etwas Neues, das sich anders anfühlt. Anders ist nicht besser. Anders ist nur anders.
Das ist kein Vorwurf. Es ist die Arbeitsbeschreibung. Ein Werkzeug, das jede Richtung einschlagen kann, braucht jemanden, der sagt, welche.
Das Ziel zerlegen
„Mach den Flughafen realistisch“ ist ein Wunsch. „Der Asphalt braucht Körnung, Risse und Reifenabrieb, die gelbe Linie ist an den Kurven abgefahren, die Wiese hat einen Erdsaum“ ist ein Auftrag. Der Unterschied ist ungefähr der zwischen „Ich hätte gern ein Haus“ und einem Bauplan.
Je kleiner der Schritt, desto weniger muss die KI raten. Beim Flugsimulator heißt so ein Schritt Pass, und jeder Pass hat genau ein Ziel.
Referenzen und Maße geben
Wer „ein Cockpit“ bestellt, bekommt die Durchschnittsvorstellung aller Cockpits. Wer Originalfotos und Maße mitgibt, bekommt seins. Beim Cockpit unseres A380 lagen echte Fotos als Vorlage daneben, und plötzlich stimmten Bedienfelder, Schatten und Proportionen. Die KI hatte nicht dazugelernt. Sie musste nur nicht mehr raten.
Prüfkriterien festlegen
„Fast im Takt“ klingt gut, bis man es sieht. Bei den Laserstrahlen auf Sound Design sollte jede Ecke genau auf dem Schlag sitzen. Also haben wir aufgehört, es schön zu finden, und angefangen, es zu messen: Wie weit liegt der Strahl auf dem Schlag noch von seiner Ecke entfernt? Erst 0,35 einer Kante, am Ende 0,004. Ab diesem Moment war „besser“ keine Geschmacksfrage mehr, sondern eine Zahl. Zahlen haben den Vorteil, dass sie nicht beleidigt sind, wenn man sie verbessert.
Wie das im Detail lief, steht im Making-of der Laser.
Und was passiert, wenn man umgekehrt für das Urteil einer KI baut, erzählt 10 von 10 für ChatGPT.
Bauen, was die KI nicht kann
Manchmal hilft kein Beibringen. Keine KI konnte mir ein Hochhaus mit fehlerfreiem Namen an der Fassade erzeugen, also steckt die Schrift heute im Code, genau in die Fassade eingepasst. Die ganze Geschichte erzählt Die Fassade, die keine KI schreiben konnte.
Das ist die vielleicht wichtigste Lektion: Beibringen heißt auch, die Aufgabe so aufzuteilen, dass die KI das macht, was sie gut kann, und der Rest gebaut wird. Niemand verlangt von einem Akkuschrauber, dass er sägt.
Werkzeuge an die Hand geben
Eine KI kann Musik nicht hören. Sie kann aber mit dem arbeiten, was Werkzeuge über Musik herausfinden. Für die Laser haben offene Analyse-Werkzeuge das Schlagzeug vom Rest getrennt und Takt und Downbeats bestimmt. Daraus wurden Zeitleisten, an denen sich jeder Strahl orientiert. Die KI musste den Takt nicht mehr erraten. Sie bekam ihn geliefert, Schlag für Schlag.
Einer baut, einer prüft
Die KI ist eine erstaunlich gute Kritikerin, solange sie nicht ihre eigene Arbeit bewerten soll. Deshalb arbeiten bei uns zwei Agenten zusammen: einer baut, ein zweiter prüft unabhängig, und Solaris behält das Ganze im Blick. Wie das aussieht, steht im Team aus Agenten. Das Prinzip ist alt. Man nennt es Vier-Augen-Prinzip, nur dass zwei der Augen inzwischen Rechenzentren sind.
Kleine Schritte, mit Vorher und Nachher
Jeder Schritt wird gezeigt, verglichen und erst dann übernommen. Vorher, nachher, nebeneinander. Das schützt vor dem gefährlichsten Satz der KI-Arbeit: „Das sah gestern aber besser aus.“ Mit Vorher-Nachher-Bild ist das keine Erinnerung mehr, sondern ein Beleg.
Wer lernt hier eigentlich von wem?
Die KI ist ein sehr schneller Lehrling. Sie lernt in Minuten, wofür ein Mensch Wochen braucht, und vergisst es manchmal in Sekunden wieder. Lehrlinge brauchen einen Meister, der weiß, wie das Ergebnis aussehen soll, und der den Mut hat, „noch mal“ zu sagen.
Und doch: Wer ehrlich ist, merkt, dass das Beibringen in beide Richtungen läuft. Ich habe in den letzten Monaten präziser beschreiben gelernt, genauer hinsehen, schneller entscheiden. Die KI hat mich nicht ersetzt. Sie hat mich gezwungen, besser zu erklären, was ich eigentlich will. Vielleicht ist das die eigentliche Pointe: Man bringt der KI etwas bei und lernt dabei vor allem sich selbst kennen.
Wie das im Webdesign aussieht, zeige ich unter Webdesign.
Hinweis zu den Bildern: Einige Bilder in diesem Journal sind mit KI erzeugt. Wo ein Bild wie ein Foto wirken könnte, trägt es das runde Zeichen „KI“. Screenshots und Grafiken sind eigene Aufnahmen bzw. eigene Gestaltung.




