Die Entscheidung dieser Lektion
Sie treffen eine Grundsatzentscheidung: Wir behandeln ChatGPT oder Claude nicht als unteilbare Blackbox. Wir zerlegen das Chat-Produkt in seine Layer. Alles Weitere im Kurs baut auf diesem Gesamtbild auf.
Das Modell ist nur ein Bauteil
Wenn Sie in ChatGPT oder Claude einen Text eingeben, sprechen Sie nicht direkt mit „der KI“. Zwischen Ihrer Eingabe und der Antwort arbeiten mehrere Bausteine zusammen: Eine Oberfläche nimmt die Aufgabe an, Systemanweisungen und Werkzeuge steuern den Ablauf, Verlauf und Dokumente bilden den Kontext, ein Sprachmodell erzeugt Text und ein Kontrollrahmen begrenzt die Nutzung.
Das Sprachmodell ist dabei der Motor, nicht das ganze Fahrzeug. Dieselbe Oberfläche kann ein anderes Modell verwenden. Dasselbe Modell kann mit anderem Kontext, anderen Werkzeugen und anderen Regeln ein völlig anderes Produkt ergeben.
Generative Text-KI ist kein einzelnes Werkzeug. Sie ist ein System aus mehreren austauschbaren Layern.
Die fünf Layer auf einen Blick
Der Kurs verwendet fünf Layer, die Sie auf fast jedes Chat-Produkt übertragen können:
| Schicht | Leitfrage | Ergebnis |
|---|---|---|
| Anwendung | Welche Aufgabe löst die Oberfläche und für wen? | Klarer Anwendungsfall |
| Orchestrierung | Welche Anweisungen, Werkzeuge und Aktionen steuern den Ablauf? | Ablauf- und Berechtigungskarte |
| Kontext | Welche Verläufe, Dokumente und Quellen sieht das System? | Quellen- und Kontextkarte |
| Modell & Betrieb | Welches Modell rechnet wo? | Betriebsentscheidung |
| Kontrolle | Wer prüft die Ausgabe, gibt Aktionen frei und trägt Verantwortung? | Kontroll- und Bewertungsplan |
Die ersten vier Layer bilden den Arbeitsweg von der Aufgabe bis zur Ausgabe. Kontrolle liegt als Rahmen um alle vier: Sie entscheidet nicht nur am Ende, sondern an jedem Übergang über Daten, Rechte, Prüfung und Freigabe.
Warum Sie die Bausteine selbst rekonstruieren
Sie programmieren in diesem Kurs keinen eigenen Modellanbieter. „Rekonstruieren“ bedeutet: Sie bauen die Produktlogik für einen eigenen Textfall bewusst nach und entscheiden jeden Layer selbst. Das hat vier praktische Vorteile:
- Sie sehen, wo Qualität entsteht. Eine schlechte Antwort kann am Modell liegen, oder an Aufgabe, Systemanweisung, Kontext und Kontrolle.
- Sie begrenzen Daten gezielt. Statt „Darf unser Team ChatGPT nutzen?“ fragen Sie, welche Daten in welchen Layer gelangen.
- Sie bleiben anbieterunabhängig. Oberfläche, Modell und Wissenszugriff lassen sich getrennt austauschen.
- Sie können Verantwortung zuordnen. Für jeden Layer ist sichtbar, wer entscheidet und prüft.
Das Praxisbeispiel
Durch den ganzen Kurs begleitet Sie eine fiktive hausärztliche Gemeinschaftspraxis: die Praxis am Lindenplatz, drei Ärztinnen und Ärzte, sieben Medizinische Fachangestellte, eine Praxismanagerin.
Dort ist passiert, was gerade in vielen Organisationen passiert: Eine Mitarbeiterin hat privat ChatGPT entdeckt und damit den veralteten Telefonleitfaden überarbeitet. Das Ergebnis war gut. Niemand hatte es erlaubt, niemand hatte es verboten, niemand wusste davon. Gespeichert wurde der Entwurf im privaten Konto der Mitarbeiterin.
Der Reflex vieler Leitungen wäre ein Verbot. Der bessere Weg: Die Praxis rekonstruiert für diese Aufgabe ein minimales Chat-System. Sie entscheidet Oberfläche, Ablauf, Kontext, Modellbetrieb und Kontrolle getrennt. Genau das tun wir in den nächsten sechs Lektionen Schritt für Schritt.
Wichtig für den gesamten Kurs: Es geht um Verwaltung und Kommunikation, also um Arbeitsanweisungen, Vorlagen, Texte und interne Wissenssuche. Klinische Diagnostik und Patientendaten sind ausdrücklich nicht Teil dieses Einstiegs.
Der typische Fehler
Das Produkt mit dem Modell verwechseln. Wer nur fragt „Welches Modell ist das beste?“, übersieht Oberfläche, Systemanweisung, Kontext, Werkzeuge und Kontrolle. Die Modellwahl ist wichtig, aber sie ist nur eine Architekturentscheidung unter mehreren.
Kontrollfrage
Ihre Kollegin sagt: „Wir brauchen nur ein besseres Modell, dann werden die Antworten zuverlässig.“ Was fehlt an dieser Annahme?
Antwort anzeigen
Das Modell erzeugt Text, aber es bestimmt nicht allein die Qualität des Produkts. Unklar bleiben Aufgabe und Oberfläche, Systemanweisung und Werkzeuge, verfügbarer Kontext sowie Prüfung und Freigabe. Erst das Zusammenspiel dieser Layer ergibt ein belastbares Chat-System.
Ihr Canvas-Eintrag
Öffnen Sie das Architektur-Canvas und notieren Sie einen konkreten textbasierten Arbeitsfall, für den Sie ein minimales Chat-System rekonstruieren möchten. Schreiben Sie außerdem dazu, wer damit arbeitet. Mehr noch nicht.