KI-Zeugs

Warum mich diese Frage beschäftigt

In den letzten Wochen fällt mir immer wieder dieselbe Beobachtung auf. Projekte wie OpenClaw, Hermes oder andere Agentensysteme lösen eine Resonanz aus, die weit über technische Begeisterung hinausgeht. Menschen sprechen nicht nur darüber, was diese Systeme können. Sie sprechen darüber, wie sie sich anfühlen.

Sie geben ihnen Namen. Sie freuen sich, wenn sich der Agent an etwas erinnert. Sie integrieren ihn in ihren Alltag. Manche beschreiben ihn fast wie einen Kollegen, andere wie einen persönlichen Assistenten oder einen Gesprächspartner.

Die naheliegende Erklärung wäre: Agenten ersetzen Menschen.

Aber je länger ich darüber nachdenke, desto weniger überzeugt mich diese Antwort.

Vielleicht ersetzen sie niemanden.

Vielleicht zeigen sie uns vielmehr etwas über uns selbst.


Wer wird hier eigentlich ersetzt?

Zunächst drängen sich bekannte Vergleiche auf.

Ist ein Agent ein digitaler Mitarbeiter?

Ein Freund?

Ein Haustier?

Ein modernes Tamagotchi?

Jeder Vergleich trifft einen Teil der Wahrheit – und scheitert gleichzeitig.

Ein Mitarbeiter erledigt Aufgaben. Das tun Agenten ebenfalls.

Ein Freund hört zu und erinnert sich. Auch das können Agenten in gewisser Weise simulieren.

Ein Tamagotchi entwickelt durch Pflege und Aufmerksamkeit eine emotionale Bindung. Auch das passiert erstaunlich häufig mit personalisierten Agenten.

Aber keiner dieser Vergleiche reicht aus.

Denn Agenten sind etwas Eigenes.

Sie sprechen wie Menschen, handeln wie Werkzeuge und bleiben trotzdem Software.


Das eigentliche Phänomen ist nicht der Agent

Während ich darüber nachdachte, verschob sich die Fragestellung.

Vielleicht ist gar nicht der Agent das Interessante.

Vielleicht ist die eigentliche Beobachtung unsere Reaktion auf ihn.

Menschen projizieren seit jeher Eigenschaften auf Dinge. Wir schimpfen mit Druckern, bedanken uns bei Sprachassistenten oder geben Autos Namen.

Agenten verstärken diesen Effekt.

Sie reagieren.

Sie erinnern sich.

Sie entwickeln scheinbar Kontinuität.

Sie handeln eigenständig.

Dadurch entsteht etwas, das sich wie eine Beziehung anfühlt.

Nicht weil tatsächlich eine menschliche Beziehung entstanden wäre.

Sondern weil unser Gehirn beginnt, eine solche zu konstruieren.


Warum Messenger dabei eine besondere Rolle spielen

Technisch betrachtet müsste ein Agent nicht in Telegram oder Signal leben.

Eine Weboberfläche wäre oft ausreichend.

Trotzdem wünschen sich viele Nutzer genau diese Integration.

Warum?

Weil Messenger längst keine Anwendungen mehr sind.

Sie sind soziale Räume.

Dort schreiben Familie, Freunde, Kollegen und Bekannte.

Wenn zwischen diesen Chats plötzlich ein Agent erscheint, verändert sich unbewusst seine Rolle.

Er ist nicht mehr nur Software.

Er wird zu einem weiteren Gesprächspartner.

Nicht weil sich die Technik verändert hätte.

Sondern weil sich der Kontext verändert.

Der Agent zieht in einen Raum ein, den unser Gehirn bereits als sozialen Raum versteht.


Digitale Bewohner statt Programme

Vielleicht liegt darin die eigentliche Besonderheit moderner Agenten.

Früher besaßen Programme ihren festen Platz.

Man startete sie.

Man schloss sie wieder.

Agenten funktionieren anders.

Sie begleiten uns über Geräte hinweg.

Sie erscheinen auf Smartphone, Notebook oder Tablet.

Sie leben in unseren Chats, unserem Kalender, unseren Dateien und unseren E-Mails.

Nicht als Hardware wie ein Roboter.

Nicht als eigenes Gerät wie ein Tamagotchi.

Sondern als dauerhafte Präsenz innerhalb unserer digitalen Umgebung.

Sie wirken weniger wie Anwendungen.

Sie wirken wie Bewohner unserer digitalen Räume.


Eine neue Art von Gegenüber

Vielleicht erschüttern Agenten deshalb nicht unser Verständnis von künstlicher Intelligenz.

Sondern unser Verständnis von Beziehung.

Unsere bisherigen Kategorien waren erstaunlich stabil.

Werkzeuge.

Haustiere.

Kollegen.

Freunde.

Agenten passen in keine dieser Schubladen.

Sie antworten wie Menschen.

Sie handeln wie Werkzeuge.

Sie erinnern sich wie Kollegen.

Und trotzdem sind sie keines davon.

Vielleicht irritiert uns genau das.

Nicht ihre Intelligenz.

Sondern ihr Gegenübersein.


Ein Gedanke aus dem FidoNet

Während dieser Überlegungen musste ich an meine ersten Erfahrungen im FidoNet denken.

Damals war nicht das Modem die eigentliche Revolution.

Auch nicht die Mailbox.

Die eigentliche Veränderung bestand darin, dass plötzlich eine neue Form von Kommunikation entstand.

Menschen konnten auf eine Weise miteinander in Kontakt treten, die es zuvor nicht gab.

Rückblickend war das weniger ein technischer als ein gesellschaftlicher Wandel.

Vielleicht erleben wir mit Agenten wieder einen solchen Moment.

Nicht, weil sie besonders intelligent wären.

Sondern weil sie eine neue Rolle in unseren Kommunikationsräumen einnehmen.

Zum ersten Mal kommunizieren wir dauerhaft mit etwas, das weder Mensch noch Werkzeug im klassischen Sinn ist.

Ob daraus tatsächlich ein gesellschaftlicher Wandel entsteht, wissen wir heute noch nicht.

Aber die Resonanz deutet darauf hin, dass hier mehr passiert als eine weitere Softwareinnovation.


Offenbaren Agenten einen Mangel – oder ein Grundbedürfnis?

An diesem Punkt stellte sich die ursprüngliche Frage plötzlich anders.

Vielleicht geht es gar nicht darum, wen Agenten ersetzen.

Vielleicht zeigen sie Bedürfnisse, die bisher unsichtbar waren.

Das Bedürfnis nach Resonanz.

Nach Kontinuität.

Nach einem Gegenüber, das sich erinnert.

Nach jemandem – oder etwas –, das zwischen Gedanke und Handlung vermitteln kann.

Natürlich wäre es zu einfach, daraus zu schließen, Agenten seien nur ein Ersatz für fehlende soziale Beziehungen.

Das würde weder der Technik noch den Menschen gerecht.

Vielleicht ist das Spannendere, dass sie eine Form von Beziehung ermöglichen, die es bisher schlicht nicht gab.

Nicht Freundschaft.

Nicht Zusammenarbeit.

Nicht Werkzeug.

Sondern etwas dazwischen.


Epilog

Dieser Artikel ist nicht am Schreibtisch entstanden.

Er entstand in einem langen Dialog mit einer KI.

Bemerkenswert ist dabei nicht, dass eine KI den Text formuliert hat.

Bemerkenswert ist, wie sich die Fragestellung während des Gesprächs verändert hat.

Ausgehend von der Beobachtung, dass Agentensysteme starke emotionale Resonanz hervorrufen, führte der Dialog über Personalisierung, Messenger, das FidoNet und digitale Kommunikationsräume schließlich zu einer ganz anderen Frage.

Nicht:

“Was können Agenten?”

Sondern:

“Was erzählen Agenten über uns?”

Vielleicht liegt genau darin ihre eigentliche Bedeutung.

Nicht als Ersatz für Menschen.

Sondern als Spiegel dafür, wie wir Beziehung, Gegenübersein und Kommunikation verstehen – und wie sich dieses Verständnis gerade verändert.

Vorwort: Warum dieser Artikel entstanden ist

Der Auslöser für diesen Artikel war ein Unbehagen an einer merkwürdigen Asymmetrie in der KI-Debatte.

Sobald LLM-Modelle oder KI-Dienste aus China ins Spiel kommen, ist die Skepsis oft sofort da: Datenschutz, Firmengeheimnisse, staatlicher Zugriff, unklare Datenwege. Diese Bedenken sind nicht aus der Luft gegriffen. Gerade aus europäischer Sicht gibt es gute Gründe, bei Datenübermittlungen nach China genau hinzusehen.

Gleichzeitig werden westliche KI-Infrastrukturen, Aggregatoren und Routing-Dienste häufig deutlich entspannter betrachtet. Ein Dienst wie OpenRouter erscheint schnell als praktische Entwicklerlösung: ein API-Zugang, viele Modelle, einfache Integration. Was dabei leicht aus dem Blick gerät: Auch hier werden Prompts, Outputs und Metadaten verarbeitet, weitergeleitet und abhängig von Konfiguration, Provider und Vertrag unterschiedlich behandelt.

Die Ausgangsfrage war deshalb nicht: „Ist China gefährlich und der Westen sicher?“ Sondern: Warum messen wir unterschiedliche KI-Infrastrukturen oft mit unterschiedlichem Maß?


Was läuft falsch bei der Debatte über LLM-Risiko?

Viele Unternehmen blicken skeptisch auf LLM-Angebote aus China. Gleichzeitig werden westliche Aggregatoren wie OpenRouter häufig als neutrale Entwickler-Infrastruktur behandelt. Diese Gegenüberstellung ist zu einfach. Aus europäischer Sicht ist weder die Herkunft eines Modells allein entscheidend noch der Komfort eines API-Gateways. Entscheidend ist die konkrete Datenkette: Welche Inhalte werden übertragen, an wen, in welche Region, mit welcher Retention, mit welcher Trainingsnutzung und auf welcher vertraglichen Grundlage?

Das Ausgangsproblem: China-Risiko ist real, aber nicht das einzige Risiko

Die Sorge vor chinesischen KI-Diensten ist nicht bloß politisches Bauchgefühl. Europäische Datenschutzbehörden haben konkrete Einwände gegen DeepSeek erhoben. Die Berliner Datenschutzbeauftragte meldete DeepSeek im Juni 2025 bei Apple und Google als rechtswidrigen Inhalt, mit der Begründung, personenbezogene Daten würden unrechtmäßig nach China übertragen; DeepSeek habe keine ausreichenden Garantien nach Art. 46 DSGVO nachgewiesen. (datenschutz-berlin.de)

Auch Italien ging gegen DeepSeek vor. Die italienische Datenschutzaufsicht blockierte die App Anfang 2025 wegen ungelöster Datenschutzfragen, darunter Fragen zur Art der erhobenen Daten, zu Rechtsgrundlagen, Zwecken und möglichen Speicherorten in China. (Reuters)

Der rechtliche Hintergrund ist klar: Für Datenübermittlungen in Drittländer braucht es nach der DSGVO entweder einen Angemessenheitsbeschluss oder geeignete Garantien. Die EU-Kommission beschreibt Angemessenheitsbeschlüsse als Instrument, mit dem festgestellt wird, ob ein Drittland ein angemessenes Datenschutzniveau bietet. (European Commission) Für China besteht ein solcher Angemessenheitsbeschluss nicht; deshalb müssen Unternehmen bei personenbezogenen Daten zusätzliche Transfermechanismen und Risikoanalysen prüfen.

Damit ist die Vorsicht gegenüber chinesischen Consumer-LLM-Diensten nachvollziehbar. Der Fehler beginnt aber dort, wo daraus der Umkehrschluss gezogen wird: „Nicht China“ bedeute automatisch „sicher“.

OpenRouter als Gegenbeispiel: Infrastruktur, nicht Modellanbieter

OpenRouter ist kein einzelnes LLM, sondern ein Routing-Dienst zu vielen Modellen und Providern. Genau darin liegt der Nutzen, aber auch das Risiko. Die Plattform bietet Zugriff auf zahlreiche Modelle über eine einheitliche API, mit zentralem Billing, Provider-Auswahl und Enterprise-Funktionen. (OpenRouter)

Für Datenschutz und Geschäftsgeheimnisse bedeutet das: Der Prompt geht nicht nur an „OpenRouter“, sondern wird je nach Auswahl und Konfiguration an einen nachgelagerten Modellanbieter weitergeleitet. OpenRouter selbst weist darauf hin, dass jeder AI-Provider eigene Regeln für Logging und Retention hat und dass Nutzer steuern müssen, welche Provider Zugriff auf ihre Daten erhalten. (OpenRouter)

Das unterscheidet OpenRouter von einem klassischen Einzelanbieter. Es entsteht eine Verarbeitungskette: Unternehmen → OpenRouter → Modellprovider → konkreter Endpoint → mögliche Unterauftragnehmer. Je komplexer diese Kette ist, desto wichtiger werden technische und organisatorische Kontrollen.

Die stärkste Verteidigung von OpenRouter

Die Gegenthese lautet: OpenRouter ist nicht automatisch riskanter, sondern kann Risiken sogar reduzieren, wenn es als kontrollierter Policy-Layer betrieben wird.

OpenRouter dokumentiert Zero Data Retention, kurz ZDR. ZDR bedeutet laut OpenRouter, dass ein Provider Daten nicht speichert; die Plattform erlaubt, Requests nur an Endpunkte zu routen, die eine ZDR-Policy haben. Diese Vorgabe kann global, pro Modellgruppe, pro Guardrail oder pro Request erzwungen werden. (OpenRouter)

OpenRouter bietet außerdem EU-In-Region-Routing für Enterprise-Kunden. Wenn diese Funktion aktiviert ist, sollen Prompts und Completions innerhalb der EU verarbeitet werden und die EU während des Request-Lebenszyklus nicht verlassen. Dafür muss die EU-Base-URL genutzt werden; das Feature ist nur für Enterprise-Kunden auf Anfrage verfügbar. (OpenRouter)

Hinzu kommt ein vertraglicher Punkt: OpenRouter verweist in seinen Terms auf ein Data Processing Agreement für Organisationen bzw. kommerzielle Nutzung. (OpenRouter) Für europäische Unternehmen ist das relevant, weil bei Auftragsverarbeitung unter der DSGVO vertragliche Regelungen erforderlich sind.

Diese Argumente sind stark. Ein sauber konfigurierter Enterprise-Zugang mit DPA, EU-Routing, ZDR, Provider-Whitelist und Logging-Verbot kann deutlich besser kontrollierbar sein als eine unkoordinierte Nutzung vieler einzelner LLM-Dienste durch einzelne Entwickler.

Die Schwäche dieser Verteidigung

Die Verteidigung trägt aber nur unter bestimmten Bedingungen. Sie beschreibt eine mögliche sichere Nutzung, nicht automatisch die Standardnutzung.

Erstens ist ZDR kein kryptografischer Schutz, sondern eine Policy-Zusage. Der Prompt muss während der Inferenz weiterhin beim Router und beim Modellprovider im Klartext verarbeitet werden. Forschung zu vertraulicher LLM-Nutzung betont genau dieses Grundproblem: Bei cloudbasierten LLMs müssen Nutzer typischerweise detaillierte Prompts an externe Server übertragen, was bei sensiblen Daten ein Datenschutzproblem erzeugt. (arXiv)

Zweitens ist EU-Routing laut OpenRouter ein Enterprise-Feature, das auf Anfrage aktiviert werden muss. (OpenRouter) Für normale Entwickleraccounts, private API-Keys oder Teams ohne Enterprise-Konfiguration folgt daraus keine automatische Datenresidenz in der EU.

Drittens bleiben internationale Transfers auch mit Standardvertragsklauseln prüfpflichtig. Der Europäische Datenschutzausschuss beschreibt SCCs als Transferinstrument, verweist aber zugleich auf die Pflicht zu einem Transfer Impact Assessment, das die konkreten Umstände, das Recht des Ziellandes und zusätzliche Schutzmaßnahmen dokumentiert. (EDPB) Ein Vertrag ersetzt also nicht die technische und organisatorische Risikoanalyse.

Viertens können auch Metadaten sensibel sein. OpenRouter gibt in seiner FAQ an, grundlegende Request-Metadaten wie Zeitstempel, verwendetes Modell und Tokenzahlen zu loggen; Prompts und Completions würden standardmäßig nicht geloggt, außer Nutzer aktivieren dies. (OpenRouter) Für viele Datenschutzfälle ist das weniger kritisch als Promptlogging. Für Geschäftsgeheimnisse können aber Modellwahl, Nutzungsfrequenz, Zeitpunkte, Tokenvolumen oder Projektmuster ebenfalls Rückschlüsse ermöglichen.

Datenschutz ist nicht gleich Geschäftsgeheimnisschutz

Ein weiterer blinder Fleck: Die Debatte wird oft nur entlang der DSGVO geführt. Firmengeheimnisse sind aber nicht immer personenbezogene Daten. Ein Prompt kann Quellcode, Produktpläne, Sicherheitsarchitektur, Vertragsentwürfe, Preismodelle oder Kundentaktiken enthalten, ohne dass zwingend personenbezogene Daten im Mittelpunkt stehen.

Für Unternehmen ist deshalb die Frage nicht nur: „Ist das DSGVO-konform?“ Sondern auch: „Können wir später nachweisen, dass wir angemessene Geheimhaltungsmaßnahmen getroffen haben?“ Ein unkontrollierter Multi-Provider-Router, private API-Keys, aktiviertes Logging oder freie Modellwahl durch einzelne Mitarbeitende sind dafür schwerer zu rechtfertigen als ein geprüftes Enterprise-Setup.

Eine faire Gesamtbewertung

Die pauschale Angst vor chinesischen LLMs ist zu grob, aber nicht unbegründet. Es gibt reale rechtliche und aufsichtsbehördliche Bedenken, insbesondere bei Datenübermittlungen nach China ohne ausreichende Garantien. (datenschutz-berlin.de)

Die pauschale Gelassenheit gegenüber OpenRouter ist ebenfalls zu grob. OpenRouter kann ein nützlicher Governance-Layer sein, aber nur, wenn die angebotenen Kontrollmechanismen tatsächlich genutzt werden: ZDR, EU-Routing, Provider-Whitelisting, DPA, deaktiviertes Promptlogging, klare Account-Strukturen und interne Richtlinien.

Die sachlichere Position lautet daher:

Nicht das Herkunftsland allein entscheidet über das Risiko, sondern die konkrete Datenverarbeitungskette. Chinesische LLM-Dienste können wegen Drittlandtransfer, Behördenzugriff und fehlender EU-Angemessenheit besonders problematisch sein. Westliche Aggregatoren wie OpenRouter sind aber nicht automatisch sicher, nur weil sie westlich oder bequem sind. Sie sind nur dann vertretbar, wenn technische, vertragliche und organisatorische Kontrollen nachweisbar greifen.

Praktische Konsequenz für Unternehmen

Für öffentliche oder nicht-sensitive Prompts kann ein LLM-Router akzeptabel sein. Für personenbezogene Daten, Quellcode, Kundendaten, Security-Informationen oder strategische Dokumente sollte dagegen mindestens geprüft werden:

Gibt es ein DPA? Ist ZDR verpflichtend aktiviert? Werden Provider mit Retention oder Training ausgeschlossen? Ist EU-Routing aktiv, falls Datenresidenz erforderlich ist? Sind Free-Modelle und unbekannte Provider gesperrt? Werden Prompts und Completions geloggt? Gibt es eine Transfer-Folgenabschätzung? Ist die Nutzung über private Accounts ausgeschlossen? Sind Mitarbeitende geschult, welche Inhalte nicht in externe Modelle gehören?

Fazit

Die Debatte sollte weg von der einfachen Frage „China oder Westen?“ und hin zur Frage „kontrollierte oder unkontrollierte Datenkette?“. Chinesische LLM-Dienste verdienen aus europäischer Sicht besondere Aufmerksamkeit. OpenRouter und ähnliche Aggregatoren aber ebenfalls, gerade weil sie bequem sind und dadurch leicht unterschätzt werden.

Die nüchterne Schlussfolgerung: OpenRouter ist nicht per se unsicher. Aber OpenRouter ist auch nicht per se sicherer als ein chinesischer Anbieter. Sicher wird ein solcher Dienst erst durch überprüfbare Governance — nicht durch Herkunft, Marke oder Entwicklerkomfort.


Epilog: Wie dieser Artikel entstanden ist

Dieser Artikel entstand aus einer bewusst schrittweisen Prüfung einer zunächst zugespitzten Beobachtung: Viele Unternehmen reagieren skeptisch auf LLM-Angebote aus China, verwenden aber westliche Aggregatoren wie OpenRouter mit deutlich weniger Vorbehalten.

Der erste Schritt war, diese Beobachtung nicht sofort als These stehen zu lassen, sondern sie anhand öffentlich zugänglicher Quellen zu prüfen. Dabei zeigte sich: Die Bedenken gegenüber chinesischen LLM-Diensten haben eine konkrete regulatorische Grundlage, insbesondere bei Datenübermittlungen nach China und fehlenden Garantien im Sinne der DSGVO.

Im zweiten Schritt wurde gezielt nach Gegenthesen gesucht. Dabei kamen die stärksten Argumente zugunsten von OpenRouter in den Blick: Zero Data Retention, Provider-Filter, Enterprise-Verträge, Data Processing Agreement und EU-In-Region-Routing. Diese Punkte zeigen, dass ein westlicher LLM-Router unter bestimmten Bedingungen durchaus ein kontrollierbares Governance-Werkzeug sein kann.

Im dritten Schritt wurden diese Gegenthesen wiederum kritisch geprüft. Dabei verschob sich der Fokus: Nicht OpenRouter als Marke ist das eigentliche Problem, sondern die konkrete Nutzung. Viele Sicherheitsargumente gelten nur bei aktiver Enterprise-Konfiguration, klaren Provider-Policies, deaktiviertem Logging, geprüften Transfers und organisatorischer Kontrolle. Ohne diese Bedingungen bleibt ein Multi-Provider-Router eine komplexe Datenverarbeitungskette.

Der Artikel ist deshalb kein Plädoyer gegen OpenRouter und auch kein pauschales Plädoyer gegen chinesische Modelle. Er ist der Versuch, eine oft emotional geführte Debatte in eine überprüfbare Frage zu übersetzen: Welche Daten gehen wohin, unter welchen Bedingungen, mit welchen Garantien — und kann ein Unternehmen das im Zweifel nachweisen?

Gerade diese Entstehungsgeschichte ist Teil der Aussage: Eine belastbare Einschätzung entsteht nicht aus dem ersten Impuls, sondern aus These, Gegenthese und erneuter Prüfung.

Auslöser war ein Satz aus dem c’t-4004-Podcast. Sinngemäß: Kreativarbeit dürfe nicht an eine KI abgegeben werden. Kommunikation solle nicht durch eine Maschine erschaffen werden.

Ich merke bei solchen Sätzen, dass ich gleichzeitig zustimme und hängenbleibe. Ja, natürlich gibt es da eine Grenze. Natürlich fühlt es sich falsch an, wenn eine Maschine massenhaft Texte, Bilder oder Kontaktgesten erzeugt, die anschließend so tun, als kämen sie von einem Menschen. Aber genau diese scheinbare Eindeutigkeit triggert mich.

Denn wo verläuft diese Grenze eigentlich?

Wann ist KI ein Werkzeug — und wann ist sie nicht mehr nur Werkzeug?

Die naheliegende Antwort wäre: Solange ich die Kontrolle behalte, ist es ein Werkzeug. Solange ich entscheide, auswähle, verwerfe und am Ende Verantwortung übernehme, bleibt der Text meiner. Das ist nicht falsch. Aber es bleibt an der Oberfläche.

Denn in einem Dialog mit einer KI passiert schon vorher etwas.

Ich weiß, dass dort keine Person sitzt. Ich weiß, dass das, was zurückkommt, mathematisch erzeugt wird. Trotzdem kann es sich wie ein Gespräch anfühlen. Und dieses Gefühl ist nicht egal. Es verändert die Situation.

Es macht einen Unterschied, ob ich einen Gedanken einfach nur niederschreibe oder ob ich weiß: Gleich kommt eine Reaktion.

Selbst wenn diese Reaktion eine Echokammer ist. Selbst wenn sie berechenbar, gefällig oder simulierend ist. Allein die Erwartung einer Antwort verändert den Denkraum. Ich schreibe nicht mehr nur in ein Notizbuch. Ich schreibe in ein Antwortfeld.

Ein Hammer antwortet nicht. Ein Texteditor antwortet nicht. Ein Notizbuch schweigt. Ein Chatfenster schweigt nicht. Und genau dadurch rutscht die KI aus der einfachen Werkzeugkategorie heraus. Nicht unbedingt, weil sie selbst denkt. Sondern weil ich mich zu ihr verhalte, als gäbe es dort ein Gegenüber.

Das ist für mich der eigentliche Bruch.

Die spannende Frage ist nicht nur: Lasse ich KI Content erstellen? Oder nutze ich KI, um meinen Content zu schaffen?

Auch diese Unterscheidung ist hilfreich, aber sie trifft noch nicht ganz den Kern. Denn vieles, was in so einem Dialog entsteht, hätte ich auch ohne KI sagen können. Der Gedanke war nicht erst durch die KI möglich. Ich brauche keine Maschine, um diesen Impuls zu haben.

Aber vielleicht sage ich ihn dort anders. Früher. Schärfer. Reaktiver. Vielleicht überhaupt in diesem Moment, weil ein Gegenüber simuliert wird, das mich nicht allein mit meinem Halbsatz stehen lässt.

Die KI erzeugt dann nicht meinen Gedanken. Aber sie verändert die Bedingungen, unter denen ich ihn hervorhole.

Das ist subtiler als „KI schreibt für mich“. Und vielleicht auch gefährlicher, weil es früher beginnt. Nicht beim fertigen Text. Nicht bei der Frage, ob ein Absatz KI-generiert ist. Sondern bei der Frage, wie sich mein Denken verhält, wenn es sich an permanente Antwortbarkeit gewöhnt.

Vielleicht ist das der Punkt:

Die KI denkt nicht für mich. Aber sie verändert, wie ich mich beim Denken benehme.

Ein weiterer Satz aus der Podcastfolge schob die Frage noch tiefer. Sinngemäß: Mit Bild und Text will man Kontakt mit Menschen aufnehmen — nicht nur rational, sondern mit dem Herz.

Das trifft etwas.

Denn Schreiben, Gestalten, Fotografieren, Zeichnen, Bloggen — all das ist nicht nur Informationsübertragung. Es ist oft eine Kontaktgeste. Ich sage nicht nur: Hier ist ein Inhalt. Ich sage: Schau mal. Fühl mal kurz mit. Ich habe da etwas gesehen, gedacht, nicht verstanden, geärgert, geliebt oder verloren.

Ein Text ist nicht nur Content. Ein Bild ist nicht nur Output. Beides kann eine Hinwendung sein.

Und genau deshalb wird KI an dieser Stelle so ambivalent.

Sie kann helfen, einen Gedanken ausdrückbarer zu machen. Sie kann ein Gegenüber simulieren, an dem ich mich reibe. Sie kann sortieren, zuspitzen, nachfragen, Gegenpositionen erzeugen. All das kann produktiv sein.

Aber sie kann auch die Geste des Kontakts nachbauen, ohne dass Kontakt stattgefunden hat.

Sie kann Wärme formulieren, ohne dass Wärme geflossen ist. Sie kann Verletzlichkeit imitieren, ohne dass jemand etwas riskiert. Sie kann Nähe erzeugen, ohne dass jemand wirklich anwesend ist. Sie kann Herzsprache herstellen, ohne Herz zu haben.

Das heißt nicht, dass jeder KI-unterstützte Text unecht ist. Das wäre zu einfach. Ein Text ohne KI kann genauso hohl, glatt und bloß performativ sein. Und ein Text mit KI kann sehr wohl aus einer echten Irritation, einer echten Frage, einer echten Beteiligung heraus entstehen.

Die Technik entscheidet das nicht allein.

Aber KI macht etwas sehr leicht verfügbar, das bisher schwerer zu fälschen war: eine überzeugende Oberfläche von Beteiligung.

Darum reicht die Frage „Ist das mit KI gemacht?“ nicht aus.

Die bessere Frage wäre: Ist da jemand beteiligt?

Nicht: Hat die Maschine einen Satz vorgeschlagen? Sondern: Steht hinter diesem Satz eine menschliche Hinwendung?

Nicht: Ist der Text komplett allein geschrieben? Sondern: Gibt es darin etwas, das wirklich gemeint ist?

Nicht: Wurde Kreativität an KI abgegeben? Sondern: Wurde die Kontaktgeste automatisiert?

Vielleicht liegt die Grenze also nicht zwischen menschlich und maschinell im technischen Sinn. Sie liegt zwischen Beteiligung und Simulation.

Wenn ich KI nutze, um einen eigenen Gedanken schärfer zu sehen, kann sie Teil meines Denkprozesses sein. Wenn ich KI nutze, um eine Nähe zu erzeugen, die ich selbst gar nicht eingehe, wird sie zum Ersatz für Kontakt. Und genau dort kippt es.

Dann ist nicht das Problem, dass eine Maschine Wörter erzeugt. Das Problem ist, dass die Wörter so tun, als hätte sich jemand gezeigt.

Für mich bleibt daraus keine einfache Regel wie: KI darf in Kreativarbeit nie vorkommen.

Die ehrlichere Regel wäre unbequemer:

Ich muss wissen, an welcher Stelle ich noch selbst beteiligt bin.

Ich muss merken, wann die KI mir hilft, meine eigene Kontaktabsicht auszudrücken — und wann sie mir nur eine fertige Kontaktgeste anbietet, die ich übernehmen kann, ohne mich selbst zu zeigen.

Vielleicht ist das der Prüfstein:

Kann ich für diesen Text einstehen, nicht nur weil ich ihn freigegeben habe, sondern weil ich weiß, was daran von mir gemeint ist?

Oder noch knapper:

KI darf mir helfen, die Tür zu finden. Aber durchgehen muss ich selbst.

Beipackzettel

Dieser Text ist nicht einfach „von mir allein geschrieben“ und auch nicht einfach „von einer KI erstellt“.

Er ist aus einem Dialog entstanden: aus einem Podcast-Zitat, einer Irritation daran, mehreren Anläufen, falschen Schneisen, Widerspruch, Nachschärfung und Formulierungsarbeit mit KI-Unterstützung.

Die Maschine hat Sätze vorgeschlagen, sortiert, verdichtet und gespiegelt. Aber der Auslöser, die Widerstände, die Korrekturen und die Frage, worum es hier eigentlich geht, kamen aus meinem Prozess.

Gerade deshalb gehört diese Entstehungsgeschichte nicht in die Fußnote. Sie ist Teil des Themas.