Wenn du menschliche Aufmerksamkeit verlangst, musst du menschliche Mühe zeigen

• In der Teamzusammenarbeit nehmen von KI verfasste Debug-Recherchen, Dokumente und Code zu, und es entsteht eine neue Etikette-Frage: Ab wann ist es in Ordnung, KI-Ausgaben so weiterzuleiten, dass andere sie lesen sollen?
• KI, die gut in die interne Codebasis und Dokumentation integriert ist, kann tatsächlich nützliche Ergebnisse erzeugen
• Da Softwareingenieure immer mehr Zeit damit verbringen, KI-Texte zu lesen, ist es rücksichtslos, unausgearbeitete KI-Ausgaben so zu posten, als wären es die eigenen Texte
• Wenn ein ungelesenes KI-Kritikdokument mit dem Hinweis weitergereicht wird, es könne „möglicherweise nicht korrekt sein“, stellt sich die Frage, warum Empfänger ein Dokument lesen sollen, das nicht einmal für den Absender lesenswert war
• Das Kernprinzip lautet „Wenn du menschliche Aufmerksamkeit verlangst, zeige menschliche Mühe“; wer KI-Ergebnisse teilt, sollte klar kennzeichnen, dass sie KI-generiert sind, und eigene Kommentare hinzufügen
• Im KI-Zeitalter ist Aufmerksamkeit noch knapper geworden; eine Kennzeichnung von KI-Inhalten und sichtbare menschliche Mühe helfen dabei, Kolleginnen und Kollegen respektvoll zu behandeln und die Menschlichkeit in der Arbeit zu bewahren

---

Das Etikette-Problem in der Zusammenarbeit durch KI-Ausgaben

• Ein wachsender Anteil von Debug-Recherchen, Dokumentation und Code wird von Robotern geschrieben
• Dieser Wandel schafft im Team eine neue Etikette-Frage: Wann darf man KI-Ausgaben an andere weitergeben, damit sie sie lesen?
• KI, die stark in interne Codebasen und Dokumentation integriert ist, kann in der Praxis nützliche Resultate liefern
• Gleichzeitig nimmt der Anteil der Zeit zu, den Softwareingenieure im Alltag mit dem Lesen von KI-Texten verbringen, was zu fatigue führt
• Aus dem Gefühl heraus „Wenn ich es einen Roboter tun lassen kann, kannst du das auch“ wirkt es rücksichtslos, unausgearbeitete KI-Ausgaben so zu veröffentlichen, als wären sie der eigene Text

Menschliche Aufmerksamkeit braucht menschliche Mühe

• Es gab einen Fall, in dem nach einem Designvorschlag ein Teammitglied die KI um Kritik bat und das KI-Dokument mit dem Zusatz weiterleitete, es „nicht gelesen zu haben, daher sei es möglicherweise nicht vollständig korrekt“
• Wer ein ungelesenes Dokument an andere mit der Bitte weitergibt, es zu lesen, lädt die Leselast eines Textes, der selbst für den Absender keinen Wert hatte, auf die Empfänger ab
• Das zentrale Prinzip ist: Wer menschliche Aufmerksamkeit verlangt, muss menschliche Mühe zeigen
• Wenn KI-generierte Inhalte nützlich sind, kann man sie an Kolleginnen und Kollegen senden, sollte aber klar markieren, dass sie von KI stammen, und eigene Kommentare beifügen
• Wer um ein Code Review durch Menschen bittet, sollte KI-generierten Code zuerst selbst prüfen

Bedeutung

• Schon vor KI war Aufmerksamkeit bereits eine knappe Ressource, und nach dem Aufkommen von KI ist sie noch knapper geworden
• KI-generierte Inhalte klar zu kennzeichnen und menschliche Mühe sichtbar zu machen, hilft dabei, Kolleginnen und Kollegen rücksichtsvoll zu behandeln und die Menschlichkeit in der Arbeit zu bewahren

[GN⁺]

Hacker-News-Kommentare

• Ein produktiver Kollege, der Claude vollständig übernommen hat, überflutet das Team mit AI-generierten PRs und belastet damit alle.
  Nach etwa sechs Monaten beschwert er sich im Stand-up häufig darüber, dass seine PRs nicht reviewt werden und liegen bleiben. Es ist nicht so, dass sie absichtlich gemieden werden, aber er macht sie für das Team nicht leicht konsumierbar.
  Es geht nicht darum, AI-Inhalte abzulehnen, sondern darum, dass es Review-Aufwand kostet, Fehler zu finden und herauszufiltern. In großen PRs Halluzinationen aufzuzeigen, kann leicht eine Stunde dauern und erfordert hohe Genauigkeit. Wenn auf so ein Review dann wieder AI-generierte Antworten und AI-generierte Änderungen folgen, fühlt es sich respektlos an, und am Ende meidet man diese PRs unbewusst doch.

  • Der Engpass in großen Software-Teams ist Teamkommunikation. Ich habe große und kleine Teams geleitet, und wenn man schneller werden will, war es jedes Mal am wirkungsvollsten, die Zahl der Leute im Team zu reduzieren.
    Das muss keine Entlassung sein; man kann das Team auch aufteilen. Und die Personen, die dabei wegfallen, sind normalerweise nicht die Top-Performer. Ein Freund, der ein kleines Unternehmen führt, sagte auch, dass das Tempo fast sofort stieg, als er eine Person aus dem Team nahm — diese Person war der Engpass, der das Umfeld verlangsamte.
    Das war schon vor AI so, und AI macht den Unterschied nur sichtbarer. Die heutigen AI-Tools eignen sich nicht für Multi-User-Kollaboration und sind in ihrer Interaktion 1:1, sodass die Übergaben zwischen Tool und Mensch letztlich an der Kommunikation zwischen Menschen hängen bleiben.
    Ich verstehe den Widerwillen gegen AI, aber das ist vielleicht keine produktive Reflexreaktion. Das Änderungsvolumen wird nicht kleiner werden, also skaliert ein Ansatz, bei dem man langfristig allen Code manuell reviewen will, nicht. Man muss hinterfragen, wie viele echte Probleme man mit manuellem PR-Review tatsächlich findet, ob man dessen Wert korrekt bewertet und ob es keine Möglichkeit gibt, dieselben Probleme automatisch zu finden und zu beheben.
  • Ich frage mich, ob du dieses Problem direkt mit dem Kollegen besprochen hast. Wenn ihm schon so sehr das Gespür fehlt, dass er auf von Menschen geschriebene Nachrichten mit AI-Antworten reagiert, weiß er vermutlich nicht einmal, warum andere das nicht tun.
  • Dieses Verhalten kann so verstanden werden, dass er seine eigene Zeit spart, die Zeit anderer aber für weniger wichtig hält.
    Ich frage mich, ob ihm das bewusst ist.
  • Eine gute Faustregel ist, mehr Aufwand in die Erstellung eines Ergebnisses zu stecken als andere für dessen Konsum aufbringen müssen.
  • Es ist nicht immer möglich, aber sich darin zu trainieren, Änderungsanforderungen klein zu halten, hat echten Wert und wird mit Agenten noch wichtiger.
    Die Zahl der Dateien und Zeilen kann blitzschnell explodieren.

• Das trifft genau mein aktuelles Gefühl. Ein bestimmter Kollege übertreibt es etwas und gibt bei jedem Code-Review, bei Antworten auf E-Mails oder Teams-Fragen, bei neuen Stories und sogar bei persönlichen Meinungen in Design- und Ideenmeetings fast unbearbeitete AI-Ausgaben direkt weiter.
  Wir planen gerade ein kommendes Projekt, und die Dokumente, die zur Prüfung hereinkommen, sind wortreich und lang. An den entdeckten Problemen sieht man, dass er sie vorher offenbar nicht einmal selbst gelesen hat.
  Ich verstehe, dass der Inhalt korrekt oder manchmal hilfreich sein kann, aber dieses dauernde Gefühl, mit einem AI-Chatbot zu sprechen, ist ermüdend. Ich möchte nicht auch noch die AI-generierten Antworten anderer für sie verifizieren.

  • Instinktiv scheint Ignorieren richtig zu sein. Das hängt vom Kontext ab, aber am Ende sollte die Lösung wohl sein: „Das lese ich nicht.“
  • Ich habe solche Typen schon gesehen. Manche betrachten ihren Job als Zweipersonenspiel zwischen sich selbst und dem Unternehmen und versuchen, den Karrieregewinn im Verhältnis zum eigenen Aufwand zu maximieren, ohne sich darum zu kümmern, wie sehr sie anderen zur Last fallen.
    Vor AI musste man in diesem Spiel tatsächlich arbeiten oder sich unbemerkt mit fremden Lorbeeren schmücken. Jetzt ist AI da, und sie sehen darin das ultimative Mittel, sich Anerkennung für nicht geleistete Arbeit zu holen: alles in Claude kippen, die Arbeit erledigen lassen und die Ausgabe bei anderen einfügen.
    So bekommt man mit minimalem Aufwand maximale Sichtbarkeit, und solange sie glauben, damit nicht aufzufliegen, wird das weitergehen. Wenn das Management nicht eingreift oder es wegen der oberflächlich sichtbaren Output-Menge sogar noch fördert, kann es nur schlimmer werden.
  • Es fällt mir schwer, mir vorzustellen, dass meine Meinung einfach nur AI-Schrott, den ich papageienhaft nachplappere, sein könnte. Aber man überarbeitet das doch wenigstens ein bisschen, oder?
    Claude trifft auch oft absurde Urteile, und Gemini ist noch schlimmer. Selbst wenn das Modell meiner Meinung zustimmt, frage ich mich manchmal, ob ich nicht doch irgendwo falschliege.

• Ich verstehe nicht, warum das plötzlich ein dringendes Problem sein soll. Automatische „Danke“-E-Mails, die kein Mensch geschrieben hat, gibt es doch schon ewig — was ist jetzt anders?

  • Solche E-Mails haben sich für mich schon immer unhöflich angefühlt. Ich wusste einfach zu gut, dass es sich um automatische Antworten handelt und sie nur meine Arbeit vergrößern.
    Und dieser Beitrag zeigt noch etwas anderes: AI-Inhalte sollten gekennzeichnet sein. Bei PRs ist nicht immer klar, ob sie von AI erstellt wurden.

• Es überrascht mich, wie viele Menschen sich freiwillig komplett zum LLM-Prompter herabstufen.
  Wenn sich deine Arbeit nicht von der einer Maschine unterscheiden lässt, was hindert deinen Vorgesetzten dann daran, den Mittelsmann zu entfernen und die Maschine direkt zu benutzen? Ich hätte gedacht, in dieser neuen Welt würden Menschen sich noch mehr bemühen, ihren Wert zu beweisen.

  • Wenn alle sagen, man solle sich an AI anpassen, dann ist es rational zu experimentieren, wie viel der eigenen Arbeit AI übernehmen kann.
  • Als jemand, der in der Tech-Branche gearbeitet hat und heute ein Unternehmen führt, denke ich ehrlich, dass gute Software-Ingenieure höchstens 10–20 % ausmachen.
    Das klingt hart, aber ich will nicht lügen. Wer wirklich gut ist, wird dem wahrscheinlich zustimmen. Der Rest war meistens eher schwach.
    In meiner gesamten Karriere wurde ich nie unter „übertrifft die Erwartungen“ bewertet; ich habe miserable Ingenieure gesehen und eine winzige Zahl hervorragender, die ich mir als Mentoren genommen habe.
    Meine heutige Politik ist einfach: Wer nicht denken kann, wird entlassen. Warum sollte ich Zeit und Geld für Leute ausgeben, die ihr Gehirn nicht benutzen können? Dann gebe ich die AI-Credits lieber denen, die ihr Gehirn einsetzen.
    Denken ist die Aufgabe des Menschen, und AI sollte das ausführen, was Menschen durchdacht, verbessert und geplant haben.

• Ich glaube, das liegt daran, dass wir uns selbst dumme Arbeiten aufhalsen. Wenn man einen Unterschlupf baut, der das Überleben der Familie sichert, oder auf der Töpferscheibe ein Gefäß formt, das man neu liebgewinnen wird, macht man das nicht halbherzig
  Stattdessen schreibt man Beiträge für Orte wie Facebook und versucht irgendwie, damit Geld zu verdienen; natürlich lässt man dann einen Bot diese dumme Arbeit erledigen, und natürlich kommt ein dummes Ergebnis dabei heraus

  • Für manche Arbeiten stimmt das, aber ich automatisiere gerade auch ziemlich coole Dinge eher grob. Ich habe die Protokolle, Tagesordnungen und Aufzeichnungen unserer Stadt zusammengekratzt, Transkripte erstellt und nach „Flock“ per Regex gesucht, um alle Erwähnungen zu sammeln
    Diese Dateien habe ich in das günstige Modell DeepSeek V4 gesteckt, um herauszufinden, wer in unserer Stadt den Aufbau eines Überwachungsstaats unterstützt und wer nicht
    Ich habe Material zu jeder Person gesammelt und sogar E-Mail-Entwürfe erstellt, abgestimmt auf das, was sie gesagt haben, einschließlich Zitaten und Zahlen. Die E-Mails habe ich leicht überarbeitet und verschickt, und ich habe schon Antworten bekommen. Ich habe auch per FOIA erhaltene CSV-Daten importiert; da gibt es noch mehr zu analysieren
    Wenn sie mich mit AI-Kameras überwachen wollen, kann ich mit AI-Ermittlungen zurückschlagen
  • Wenn es nur Bots gäbe, die solche Facebook-Posts lesen, könnte ich das Handy jetzt weglegen und wieder echte Arbeit machen
  • Das ist Bullshit Jobs von David Graeber, wie es sich in der Realität entfaltet
  • Auch die Oligarchie muss irgendwie weiter die Miete für Rechenzentren bezahlen
    Die Leibeigenen werden die Serverfelder pflügen und bestellen

• Es ist besonders merkwürdig, dass LLM-Ausgaben, vor allem außerhalb von Code-Repositories, nur selten zusammen mit dem LLM-Input verbreitet werden
  Wenn die Modelle nächstes Jahr besser sind, warum kann man dann den Prompt, der deine Arbeit erzeugt hat, nicht einfach noch einmal ausführen? Schämen sich die Leute für ihre Prompts? Schämen sie sich dafür, AI benutzt zu haben?
  Der Prompt, mit dem diese Nachricht erzeugt wurde: "Create a comment for Hacker News which bemoans the lack of AI prompts being shared with the stuff it creates. Speculate on the reasons and create a call for engagement. Use quantum hyperthinking. End with a typo to prove your humanity."

  • FMFL. Ich werde ein papierbasiertes soziales Netzwerk bauen, in dem alles verboten ist, was nicht handgeschrieben ist. Wie in den 70ern
  • Im nächsten Prompt muss man dann nur anweisen, mit einem widerlichen und beleidigenden Abschweifer zu enden, um Menschlichkeit zu beweisen. Für so etwas haben LLMs ja Sicherheitsleitplanken

• Das ist nicht nur ein Problem von Code oder AI. In Kursen für kreatives Schreiben sollte man von Menschen geschriebene Kurzgeschichten und Auszüge gründlich kritisieren, und oft hatte ich das Gefühl, mehr Arbeit zu leisten als die eigentlichen Autorinnen und Autoren
  Wenn jemand den eigenen Text nicht noch einmal durchsehen oder wenigstens die Rechtschreibprüfung laufen lassen kann, warum sollte ich dann meine Zeit verschwenden?

• Das wälzt zusätzliche Arbeit auf Menschen ab
  Viele Künstlerinnen, Künstler und Content Creator sollen inzwischen „Behind the Scenes“-Material oder ganze Aufzeichnungen ihrer Arbeitssitzungen zeigen, aber am Ende prüft es trotzdem niemand gründlich genug. Das frustriert Kunstschaffende und nimmt ihnen die Motivation
  Für Software-Beitragende wird es denselben demotivierenden Effekt geben
  Wenn du glaubst, dass es billig ist, eine weitergereichte AI-Antwort zu lesen, dann kannst du auch direkt selbst ein LLM laufen lassen. Der Arbeitsaufwand für dich ist derselbe

• Wenn ein Agent alles für dich erledigt, bedeutet das auch, dass er für die nächste Person genauso alles erledigen kann. An diesem Punkt bist du austauschbar und in deinem Bereich wertlos
  Auch wenn du AI nutzt, musst du tief dazulernen. Weiter eingestellt werden Wissensarbeiter mit Tiefe

  • „Auch wenn du AI nutzt, musst du tief dazulernen“ gilt realistisch nur für einen Teil der Erwerbsbevölkerung und ist auch nur für diesen Teil umsetzbar, und selbst dieser Teil wird kleiner
    Viele Menschen haben festgestellt, dass ihr tiefes Wissen und ihre tiefen Fähigkeiten nicht so tief waren, wie sie dachten. Anders gesagt: nicht tief genug, um aus Sicht des Arbeitgebers unersetzlich zu sein. Menschen sind im Allgemeinen ziemlich gut darin, ihren eigenen Wert zu überschätzen

• Wir sehen das auch in unserem Team. Von Ingenieurinnen und Ingenieuren hätte ich erwartet, dass sie Grenzen und Nuancen besser verstehen, aber momentan ist es ziemlich schlimm
  Teammitglieder eröffnen nicht nur riesige AI-generierte PRs und bitten um Review, ohne sie nennenswert zu verifizieren, sondern sogar kluge Teammitglieder, die ich respektiere, lassen AI „Code Reviews“ machen
  An den PRs hängt ohnehin schon automatisches AI-Code-Review. Deshalb bekommt man jetzt sogar im „menschlichen“ Review manchmal halluzinationsdurchsetzten Unsinn als Antwort
  Wenn ich das sehe, bin ich überzeugt, dass es für die Allgemeinheit wirklich gefährlich wird. Wir werden regelmäßig massive AI-verursachte Unfälle sehen. Wenn Leute aus der Branche, also verglichen mit der Allgemeinheit Expertinnen und Experten, diese Technologie auf so offensichtlich falsche Weise missbrauchen, wie viel stärker werden Nichttechniker sie dann missverstehen und falsch anwenden — noch befeuert von den Hype-Leuten und den Verkäufern.