Mit dem Flex-Prompt funktionierte vieles besser. Mein eigenes Programm übernahm mehr Entscheidungen. Ollama bekam passendere Aufträge. Die Antworten wurden brauchbarer. Nicht immer perfekt. Aber: Das System funktionierte. Und genau deshalb wurde die nächste Erkenntnis so schwierig.
Du arbeitest ohnehin schon modular und möchtest direkt sehen, wie daraus bei mir Wissen, Lernen und weitere Fähigkeiten entstanden? Dann geht es in Schritt 11 weiter.
Die ernüchternde Erkenntnis
Je mehr ich mich mit moderner Chat-KI beschäftigte, desto klarer wurde: Das eigentliche große Sprachmodell kann ich mit meinen privaten Mitteln nicht einfach nachbauen. Nicht in vergleichbarer Größe. Nicht mit vergleichbarer Trainingsmenge. Nicht mit vergleichbarer Infrastruktur.
Diese Erkenntnis war inzwischen nicht mehr nur Theorie. Ich hatte selbst genug ausprobiert, um den Unterschied zu verstehen.
Die falsche Schlussfolgerung
Wenn ich ChatGPT nicht nachbauen kann, was baue ich dann eigentlich? War das Ziel von Anfang an falsch? War die ganze Arbeit nur ein Umweg? Sollte ich alles wieder einstampfen?
Diese Fragen fühlten sich logisch an. Und trotzdem waren diese Fragen falsch. Aber das merkte ich nicht sofort.
Die entscheidende Frage: „Wirklich?“
Die Gegenfrage kam spät, aber sie kam: „Wirklich?“
Denn wenn ich ehrlich hinschaute, funktionierte mein System bereits. Es konnte:
- Fragen entgegennehmen
- ein lokales Modell ansprechen
- eigene Informationen speichern
- Wissen wiederfinden
- unterschiedliche Aufgaben erkennen
- unterschiedliche Prompts verwenden
- eigene Regeln ausführen
- Abläufe kontrollieren
Diese Dinge waren real. Sie funktionierten. Auch wenn sie noch nicht perfekt waren.
Vielleicht war nicht das System falsch
Vielleicht lag der Fehler nicht in meinem System. Vielleicht lag der Fehler in meiner Vorstellung davon, was „meine eigene KI“ überhaupt sein müsste.
Ich hatte lange gedacht: Eigene KI bedeutet, ich muss am Ende etwas bauen, das wie ChatGPT funktioniert. Aber warum eigentlich? Mein System musste nicht ChatGPT sein. Es musste das tun, was ich von ihm wollte.
Ein vorhandenes Sprachmodell darf ein Baustein sein
Ich benutze auch eine Datenbank, ohne eine eigene Datenbanksoftware von Grund auf zu entwickeln. Ich benutze Python, ohne eine eigene Programmiersprache zu bauen. Ich benutze Linux, ohne ein eigenes Betriebssystem zu schreiben. Warum sollte das beim Sprachmodell anders sein?
Das Modell kann ein Werkzeug in meinem System sein. Entscheidend ist, was mein eigenes System darum herum macht.
Was hatte ich eigentlich schon gebaut?
Ich hatte nicht nichts gebaut. Ich hatte:
- eigene Programmlogik
- Wissensspeicherung
- Suche
- erste Lernmechanismen
- Prompts
- Aufgabensteuerung
- eigene Regeln
Viele Fähigkeiten waren bereits vorhanden. Sie waren nur noch nicht sauber getrennt.
Der neue Gedanke
Wenn ein großes Gesamtsystem zu kompliziert ist, warum versuche ich dann überhaupt, alles in einen einzigen großen Block zu packen? Warum baue ich nicht jede Fähigkeit einzeln?
Ein Teil kümmert sich um Wissen. Ein anderer darum, neue Informationen aufzunehmen. Ein anderer darum, was gerade im System passiert. Andere Teile können später Recherche, Entscheidungen oder weitere Aufgaben übernehmen.
Von einer großen KI zu einzelnen Fähigkeiten
Bis dahin dachte ich häufig in der Form: „Meine KI muss das können.“ Jetzt begann ich anders zu denken: „Welche Fähigkeit brauche ich dafür?“
Das ist ein wichtiger Unterschied.
Nicht: Die KI soll wissen, lernen, suchen, entscheiden und antworten.
Sondern:
- Wie baue ich Wissen?
- Wie baue ich Lernen?
- Wie baue ich Suche?
- Wie baue ich Zustände?
- Wie baue ich Entscheidungen?
- Wie verbinde ich diese Teile?
Damit begann die Idee der Module
Aus dieser Überlegung entstand mein modularer Ansatz. Eine Fähigkeit wird ein eigener Baustein. Diese Bausteine können miteinander arbeiten. Nicht jeder Baustein muss alles können. Und wenn ein Teil nicht funktioniert, kann ich genau diesen Teil untersuchen, ohne das gesamte System neu bauen zu müssen.
Warum das plötzlich besser zu mir passte
Dieser Gedanke passte viel besser zu dem, wie ich ohnehin arbeitete. Ein Problem betrachten. Eine Funktion dafür bauen. Testen. Verbessern. Dann den nächsten Baustein hinzufügen. Nicht versuchen, auf einmal eine riesige KI zu erschaffen.
Das Projekt war nicht gescheitert
In diesem Moment änderte sich meine Sicht auf das gesamte Projekt. Ich hatte ChatGPT nicht nachgebaut. Aber das bedeutete nicht, dass mein eigenes KI-System gescheitert war. Im Gegenteil. Zum ersten Mal hatte ich eine Richtung, die mit meinen Mitteln tatsächlich umsetzbar war.
Der nächste Schritt
Schritt 11 wird erzählen, wie aus dieser Erkenntnis konkrete Module entstanden: Wissen, Lernen, ein Bereich, den ich später „Bewusstsein“ nannte, und weitere Fähigkeiten.
Wichtig: Mit „Bewusstsein“ ist kein menschliches oder echtes Bewusstsein gemeint. Es ist meine technische Bezeichnung für einen Teil des Systems, der sich mit aktuellem Zustand, Kontext und eigenen Abläufen beschäftigen sollte.
Schritt 10 ist geschafft, wenn …
Nach diesem Schritt hast du verstanden:
- Ein eigenes KI-System muss kein selbst trainiertes ChatGPT sein.
- Vorhandene Modelle können Bausteine sein.
- Die selbst gebaute Programmlogik bleibt trotzdem das eigene System.
- Ein funktionierender Teil muss nicht weggeworfen werden, nur weil das ursprüngliche Gesamtziel unrealistisch war.
- Große Probleme lassen sich in einzelne Fähigkeiten zerlegen.
- Aus dieser Erkenntnis entstand mein modularer Ansatz.