Yoichi Ochiais KI-Meisterschaft: Die „Rotationsgeschwindigkeit“ des Einsatzes erhöhen

Nicht die Anstrengung an KI delegieren, sondern die „Rotationsgeschwindigkeit der Anstrengung" erhöhen

Generative KI ermöglicht es, Ergebnisse ohne Mühe zu erzielen.

KI schreibt Texte.

KI erstellt Bilder.

KI fasst Dokumente zusammen.

KI implementiert Code.

KI übernimmt die Informationsbeschaffung.

So betrachtet, wirkt KI wie eine Maschine, die den Aufwand reduziert.

Ein Blick auf Yoichi Ochiais Nutzung von KI zeigt jedoch ein völlig anderes Bild.

Er nutzt KI nicht, um die Menge an Denkarbeit zu reduzieren.

Er erhöht die Anzahl der Hypothesen, die er testen kann, den Umfang, den er untersuchen kann, die Prototypen, die er bauen kann, und die Geschwindigkeit, mit der er im gleichen Zeitraum von einem Fehlschlag zum nächsten Versuch übergeht.

Es geht nicht darum, eine einzelne Aufgabe mit KI mühelos zu erledigen.

Es geht darum, eine Aufgabe, die früher nach einem Versuch beendet war, zehn- oder hundertmal wiederholen zu können.

Mit anderen Worten: Was er mit KI verstärkt, ist nicht das Talent selbst, sondern die Rotationsgeschwindigkeit der Anstrengung.

In seinem offiziellen Künstlerstatement von 2023 vermerkte Ochiai, dass er etwa zwei Monate lang von morgens bis abends Dialoge mit großen Sprachmodellen führte. Im Jahr 2025 wurde ein Workflow eingeführt, bei dem er mehrere KIs wie ChatGPT, Gemini, Grok und Claude gleichzeitig startete und ihnen Aufgaben wie Recherche, Bildgenerierung und Implementierung nach Prozess zuwies. Darüber hinaus veröffentlichte er 2026 nicht nur bestehende KI-Dienste nutzend, sondern auch Coding-Agenten wie „vibe-local", der offline läuft, und „co-vibe", der mehrere KI-Anbieter überspannt.

Dies ist nicht das Verhalten von jemandem, der allgemein vorgestellt „Zeit mit KI spart".

Stundenlanges Gespräch mit KI.

Vergleich mehrerer Modelle.

Mehrfaches Neuerstellen von Ausgaben.

Gestaltung der Nutzungsumgebung selbst.

Bau eigener Werkzeuge, wenn es undurchsichtige Teile gibt.

Weiteres Überprüfen der gebauten Werkzeuge mit KI.

Verbindung zu Forschung, Werken, Raum und Körper.

Weit davon entfernt, Anstrengung mit KI zu eliminieren, bürdet er sich durch den Einsatz von KI mehr Versuche auf als zuvor.

Der in diesem Artikel verwendete Begriff „Genie der Anstrengung" ist kein Titel, den er für sich selbst beansprucht. Es ist ein Begriff, der hier verwendet wird, um die Arbeitsstruktur zu beschreiben, die aus Yoichi Ochiais öffentlichen Aussagen, Schriften, Werken und veröffentlichter Software ersichtlich ist. Sein offizielles Profil beschreibt ihn als Medienkünstler, Professor an der Universität Tsukuba, außerordentlichen Professor an der Universität Tokio und Themenprojekt-Produzent für die Expo 2025 Osaka/Kansai.

Außerdem sind nicht alle von Ochiais KI-Konversationsprotokollen oder täglichen Arbeitsaufzeichnungen öffentlich. Das Folgende ist eine Analyse des Designs der Anstrengung hinter seinen Handlungen, basierend auf öffentlich zugänglichen Beispielen.

1. Für Yoichi Ochiai ist Anstrengung nicht „langes Leiden"

Wenn Menschen das Wort Anstrengung hören, stellen sich viele Durchhaltevermögen vor.

Am Schreibtisch sitzen, obwohl man müde ist.

Weitermachen, auch wenn es schmerzhaft ist.

Unmengen von Text lesen.

Dieselbe Sache immer und immer wieder üben.

Länger arbeiten als andere.

Natürlich gibt es Arbeiten, die Ausdauer und Geduld erfordern. Ochiais Arbeit jedoch nur mit der Dauer der Arbeit zu erklären, verfehlt das Wesentliche. Seine Stärke liegt nicht nur darin, das Volumen der Anstrengung zu erhöhen, sondern darin, die Informationsmenge zu erhöhen, die aus einer einzelnen Anstrengung gewonnen wird.

Anstatt nur eine KI zum selben Thema zu befragen, wirft er es mehreren KIs gleichzeitig zu. Anstatt nur in Text zu denken, verwandelt er es in Bilder. Anstatt nur Bilder anzusehen, macht er daraus bewegliche Prototypen. Anstatt einen Prototypen nur fertigzustellen, bewegt er ihn im physischen Raum. Wenn ein Problem auftritt, behebt er es nicht nur manuell, sondern ändert die Werkzeuge oder Systeme, damit es nicht wieder vorkommt.

Diese Arbeitsweise lässt sich mit der folgenden Formel erfassen:

Qualität der Ergebnisse = Qualität der Untersuchung × Anzahl der Versuche × Überprüfungsstärke × Implementierungsgeschwindigkeit × Feedback aus der Realität

Generative KI erhöht die Anzahl der Versuche und die Implementierungsgeschwindigkeit erheblich. Sie erhöht jedoch nicht automatisch die Qualität der Untersuchung, die Überprüfungsstärke oder das Feedback aus der Realität. Tatsächlich steigt mit zunehmendem Output die Menge an Urteilsvermögen, die erforderlich ist – was geglaubt, was verworfen und wo repariert werden muss. Anstrengung nach KI verlagert sich von der Aufgabe, Zeichen für Zeichen einzugeben, hin zur Aufgabe, kontinuierlich Richtungen zu wählen.

Ochiais KI-Nutzung zielt nicht darauf ab, Anstrengung auf Null zu reduzieren. Es geht darum, den Ort der Anstrengung von wertwiederholenden Aufgaben hin zu wertvollen Entscheidungen zu verlagern.

2. Öffne KI nicht erst, nachdem du eine perfekte Frage erstellt hast

Menschen, die mit KI kämpfen, versuchen oft, den ersten Prompt perfekt zu machen. Sie haben das Gefühl, sie müssten den Zweck formulieren, Bedingungen organisieren, Rollen spezifizieren und Ausgabeformate festlegen. Während des Nachdenkens wird es zur lästigen Pflicht, und sie nutzen KI am Ende nicht.

Ochiais Methode ist das Gegenteil. In einem Auszug aus dem Buch „Generative KI, die sogar eine Katze verstehen kann" von 2025 wird vorgestellt, dass man, wenn man nicht weiß, wie man KI nutzt, die KI selbst fragen soll, wie man sie nutzt, mit ihr per Sprache sprechen soll, um ein Gefühl dafür zu bekommen, und wenn sie eine andere Antwort als die erhoffte zurückgibt, soll die KI den Benutzer interviewen. Der Schlüssel hier ist, die „Vorbereitung der Frage" nicht allein durch den Menschen abzuschließen.

Angenommen, Sie denken über ein neues Projekt nach, können den Zweck aber selbst nicht in Worte fassen. Normalerweise würden Sie versuchen, es selbst zu ordnen, bevor Sie KI konsultieren. Sie könnten jedoch so beginnen:

Ich denke über ein neues Projekt nach, konnte den Zweck aber selbst noch nicht in Worte fassen. Bitte stellen Sie mir eine Frage nach der anderen, um die Zielgruppe, das zu lösende Problem, die verfügbaren Ressourcen und die zu vermeidenden Dinge zu klären. Wenn es Widersprüche in meinen Antworten gibt, weisen Sie mich bitte sofort darauf hin.

Dann wird der Dialog mit der KI selbst zur Anforderungsdefinition. Wen möchten Sie erreichen? Warum tun Sie es? Was sind die aktuellen Alternativen? Was ist das Budget? Was gilt als Fehlschlag? Welche Teile sind nicht verhandelbar? Sie geben der KI keine fertige Anweisung; Sie vervollständigen die Anweisung durch das Gespräch mit der KI.

Dieser Unterschied ist enorm. Wenn Sie zuerst einen perfekten Prompt erstellen wollen, können Sie nur innerhalb des Rahmens dessen schreiben, was Sie bereits verstehen. Indem Sie die KI Fragen stellen lassen, können Sie Bedingungen bemerken, an die Sie noch nicht gedacht haben. KI wird neben einem Antwortautomaten zu einem Befragungsgerät zur Entdeckung menschlicher Ambiguität. Ein Genie der Anstrengung ist nicht jemand, der von Anfang an die richtige Untersuchung hat, sondern jemand, der in einem vagen Zustand beginnen und die Auflösung der Untersuchung während der Interaktion erhöhen kann.

3. Halte zuerst per Sprache fest, was dir in den Sinn kommt

Menschliches Denken ereignet sich nicht unbedingt in Form von Sätzen. Sie denken vielleicht, etwas scheint interessant, oder ein Gespräch von gestern verbindet sich mit einem heute gesehenen Bild. Sie haben vielleicht ein unerklärliches Unbehagen oder ein namenloses Bild. In diesem Zustand zu versuchen, Sätze zu schreiben, stoppt das Denken. Sie enden mit dem Bearbeiten – den ersten Satz korrigieren, Wortbedeutungen überprüfen, Hintergrund hinzufügen oder die Logik neu ordnen. Sie sollten Ideen aufzeichnen, aber es wurde mittendrin zum Bearbeiten.

Im Jahr 2023 schrieb Ochiai über eine Methode, sich selbst digital zu ergänzen, indem er das Spracherkennungstool Whisper mit GPT-4 kombinierte. Er stellte fest, dass der Kontext von Ideen später ergänzt werden kann, sodass die für Erklärungen aufgewendete Zeit darauf verwendet werden kann, weiter vorauszudenken. Dies ist eine sehr leistungsfähige Notiztechnik für das KI-Zeitalter. Bei normalen Notizen geschehen Aufzeichnung und Bearbeitung gleichzeitig. Im Ochiai-Stil werden diese beiden getrennt.

Sprechen Sie zuerst, ohne den Gedankenfluss zu unterbrechen. „Ich habe das Gefühl, dies und das sind ähnlich.“ „Ich weiß nicht warum, aber ich bin neugierig.“ „Was würde passieren, wenn ich ein Bild wie dieses machen würde?“ „Vielleicht ist die Prämisse falsch.“ „Das widerspricht dem, was ich früher dachte, aber ...“ Sie müssen keine Grammatik korrigieren oder sich um die Reihenfolge sorgen. Lassen Sie die KI anschließend die Transkription kategorisieren in:

• Beobachtete Fakten
• Persönliche Interpretationen
• Unbestätigte Hypothesen
• Ideen für Produktion oder Forschung
• Als nächstes zu untersuchende Punkte
• Teile, denen es an Erklärung mangelt
• Widersprüchliche Aussagen

Dann fügt der Mensch den von der KI organisierten Ergebnissen Kontext hinzu. In dieser Reihenfolge wird die kreative Phase nicht durch Schreibfähigkeiten behindert. Sie können die Geschwindigkeit des Denkens beibehalten und es später in eine erklärbare Form zurückführen. KI kann als Puffer genutzt werden, um Gedanken, die noch nicht zu Worten geworden sind, nicht zu verlieren. Beim Aufzeichnen von Sprache ist es jedoch notwendig zu überprüfen, dass diese keine Gespräche anderer, vertrauliche Informationen oder personenbezogene Daten enthält. Sie senden nicht alles an die KI; mit zunehmender Aufzeichnungsgeschwindigkeit wird die Verwaltung der Grenzen, welche Informationen eingegeben werden dürfen, wichtiger.

4. Vertraue nicht einer einzigen KI; betreibe mehrere KIs gleichzeitig

Symbolisch für Ochiais KI-Nutzung ist der parallele Betrieb mehrerer Modelle. In einem PIVOT-Artikel von Ende 2025 wurde vorgestellt, dass er beim Start eines neuen Projekts oder einer neuen Forschung gleichzeitig ChatGPT, Gemini, Grok und Claude startet und Deep Research-Funktionen nutzt, um Hintergrundinformationen auf einmal zu untersuchen. Der Wert liegt nicht nur darin, dass sich die Informationsmenge vervierfacht. Jedes Modell hat unterschiedliche Stärken in der Organisation, den referenzierten Informationen, der Vorsicht und dem Schreibstil.

Selbst bei derselben Frage könnte eines die institutionelle Seite betonen, ein anderes die technische Seite, ein drittes zu Zukunftsvorhersagen tendieren und ein viertes viele gegenteilige Meinungen liefern. Wichtig ist nicht, die vier Antworten zu mitteln, sondern dort hinzusehen, wo die Antworten in Konflikt geraten. Konsistente Teile könnten relativ stabile Informationen sein. Ein Punkt, der nur von einer KI aufgeworfen wird, könnte eine neue Entdeckung sein. Wenn Zahlen differieren, könnte es Unterschiede im Zielzeitraum oder in der Definition geben. Wenn Zitate differieren, müssen Sie zu den Primärquellen zurückgehen.

Die Verwendung einer KI wie ein Chef macht es zu einer binären Entscheidung, die Antwort zu übernehmen oder abzulehnen. Die Verwendung mehrerer KIs als Forschungsteam ermöglicht es Ihnen, die Antworten gegeneinander abzugleichen. Sie können beispielsweise Rollen verteilen: Die erste erstellt eine Standarderklärung, die zweite findet Gegenbeispiele, bei denen die Standarderklärung nicht gilt, die dritte sammelt nur Primärquellen, die vierte schätzt Implementierungshindernisse und -kosten, und die fünfte übersetzt es in eine Sprache, die allgemeine Benutzer verstehen können.

Stand Juli 2026 können einige Deep Research-Funktionen nicht nur Websuchen, sondern auch vom Benutzer erlaubte Dateien, Dokumente in der Cloud und E-Mails als Rechercheziele einbeziehen. Coding-Agenten sind so weit fortgeschritten, dass sie Codebasen lesen, mehrere Dateien bearbeiten und Befehle ausführen können. In dieser Situation macht es wenig Sinn, einmal zu entscheiden, „welche KI die Klügste ist". Modelle werden aktualisiert, Preise ändern sich und Fachgebiete verschieben sich. Worauf es ankommt, ist nicht die Loyalität zu einer bestimmten Marke, sondern die Dekonstruktion der Arbeit und die Platzierung der Fähigkeit, die zu dieser Arbeit passt.

5. Lass nicht einen Chat alles von der Planung bis zur Fertigstellung erledigen

Eine KI zu bitten, „ein neues Produkt zu planen, es zu recherchieren, zu entwerfen, Werbetexte zu schreiben und zu implementieren", scheint effizient. Wenn Sie jedoch alle Schritte im selben Gespräch durchführen, wird die Hypothese, die die KI zuerst erstellt hat, in späteren Schritten wahrscheinlich als Tatsache behandelt. Die KI erstellt einen Plan basierend auf einer selbst erstellten Markthypothese, schreibt dann Texte in der Annahme, dass dieser Plan korrekt ist, und bewertet schließlich den Plan selbst. Es ist intern konsistent, aber diese Konsistenz könnte das Ergebnis der Übertragung der anfänglichen Annahme durch alle Schritte sein.

In Ochiais öffentlichem Workflow verwendet er für jeden Schritt unterschiedliche Werkzeuge: mehrere Sprachmodelle für die Informationsbeschaffung, Midjourney oder Stable Diffusion für die Konzeptvisualisierung und Cursor für die Implementierung. Diese Methode hat zwei Vorteile. Einer ist die Möglichkeit, die für jeden Schritt am besten geeignete KI zu verwenden. Der andere ist die Möglichkeit, menschliches Urteilsvermögen zwischen die Schritte einzufügen. Sie lesen Forschungsergebnisse und ein Mensch wählt eine Hypothese aus. Sie erstellen ein Bild basierend auf der gewählten Hypothese. Sie sehen sich das Bild an und korrigieren die Richtung. Sie übersetzen die korrigierte Richtung in eine Spezifikation. Sie geben die Spezifikation an eine Codegenerierungs-KI. Ein Mensch testet das funktionierende Produkt und findet Probleme. Mit anderen Worten: Sie verbinden KI-Arbeit nicht direkt mit KI, sondern platzieren Auswahlgatter dazwischen. An diesen Gattern entscheidet ein Mensch, was behalten und was verworfen wird. Abstrahiert sieht der Ochiai-ähnliche Workflow so aus:

Recherche → Menschliche Hypothesenauswahl → Visualisierung → Menschliche Richtungskorrektur → Implementierung → Test in einer realen Umgebung → Menschliche Bewertung → Erneute Recherche

Menschen mit oberflächlicher KI-Nutzung versuchen, ein fertiges Produkt von der KI zu erhalten. Menschen mit tiefer KI-Nutzung zerlegen den Prozess in feine Schritte und konfigurieren die Zuweisung von KI und Mensch bei jedem Schritt neu.

6. Deep Research ist keine Funktion, um „Antworten" zu erstellen

Deep Research findet in kurzer Zeit riesige Mengen an Material, vergleicht sie und fasst sie in langen Berichten mit Zitaten zusammen. Im Februar 2025 stellte Ochiai auf seiner Note vor, dass als Testergebnis von Deep Research eine Ausgabe von etwa 25.000 Zeichen, die Digital Nature, Objektorientierte Ontologie, Posthumanismus und Expo-Pavillons überspannte, auf einmal generiert wurde. Betrachtet man dies nur, könnte man denken „Recherche ist beendet, wenn man KI 25.000 Zeichen schreiben lässt". Ein langer generierter Text und korrekter Inhalt sind jedoch zwei verschiedene Dinge.

KI kann nicht existierende Zitate erstellen. Sie kann Forscher oder Papiere mit demselben Namen verwechseln. Sie kann Fakten und Vermutungen mit fließenden Sätzen verbinden. Sie kann alte Zahlen so erklären, als wären sie aktuell. Materialien, die Workshops von Ochiai-juku zusammenfassen, stellen ebenfalls fest, dass KI zwar die Literatursuche, Analyse und Hypothesenkonstruktion beschleunigen kann, die Genauigkeit der Ausgabe und die Gültigkeit von Zitaten jedoch vom Menschen überprüft werden müssen. Daher sollte von Deep Research nicht verlangt werden, „mir die Wahrheit zu sagen", sondern Aufgaben wie:

• Welche Punkte sind in diesem Thema enthalten?
• Was sind die wichtigen Primärquellen?
• Wo unterscheiden sich die Meinungen der Forscher?
• Wie viele Definitionsarten gibt es für die Zahlen?
• Welche Behauptungen sind unbestätigt?
• Welche Materialien sollten zusätzlich überprüft werden?

Kurz gesagt, die Hauptaufgabe von Deep Research ist es, eine Forschungskarte zu erstellen. Es ist der Mensch, der die auf der Karte eingezeichneten Straßen tatsächlich überprüft. Um die Forschungsgenauigkeit zu erhöhen, ist es gut, von der KI die folgenden Ausgaben zu verlangen:

• Fakten, Vermutungen und Vorhersagen trennen.
• Quellen für jede Behauptung anfügen.
• Veröffentlichungsdatum der Quelle und Zielzeitraum der behandelten Daten trennen.
• Zwischen Primär- und Sekundärquellen unterscheiden.
• Punkte, die nicht bestätigt werden konnten, klar angeben.
• Gegenbeweise in einer separaten Spalte anführen.
• Wenn Zahlen in mehreren Materialien abweichen, den Grund für die Abweichung schätzen.

Durch Deep Research eingesparte Zeit sollte nicht direkt für andere Arbeiten verwendet werden. Investiere einen Teil der eingesparten Zeit in die Überprüfung. Dies ist die Verantwortung von Menschen, die mit KI riesige Informationsmengen verarbeiten.

7. Lange Prompts sind kein Wettbewerb im Schreiben langer Texte

In einem Workshop für Mittel- und Oberstufenschüler im Jahr 2024 wurde vorgestellt, dass Ochiai riet, Prompts lang und spezifisch zu machen, und dass es KI nichts ausmacht, wenn man sie bittet, Dinge viele Male zu wiederholen. Die Teilnehmer erstellten „Geschichten, die im Jahr 2300 spielen" mit ChatGPT und erweiterten sie mit generativer KI zu Storyboards. Die Worte „je länger, desto besser" sollten jedoch nicht wörtlich genommen werden. Das Schreiben riesiger Mengen irrelevanter Informationen macht Anweisungen mehrdeutig. Der Wert liegt nicht in der Länge selbst, sondern darin, Prämissen, die nur im Kopf des Menschen waren, in eine Form zu bringen, die die KI verarbeiten kann.

Im Jahr 2024 schrieb Ochiai über die Möglichkeit, abstrakte Konzepte und objektorientierte Strukturen in Prompts einzubringen, da die Menge an Informationen, die eingegeben werden kann, zunimmt. Er aktualisiert auch seine benutzerdefinierten Anweisungen entsprechend der Suchunterstützung von ChatGPT. Was hier zu sehen ist, ist keine Haltung, einen einmaligen „Gott-Prompt" zu suchen, sondern eine Haltung, das Anweisungssystem selbst entsprechend der Arbeit zu aktualisieren. Ein tiefer Prompt hat mindestens die folgenden Elemente:

• Zweck: Was möchten Sie diesmal letztendlich entscheiden?
• Hintergrund: Warum ist diese Arbeit notwendig?
• Was ist derzeit bekannt: Bestätigte Fakten, vergangene Geschichte, verfügbare Ressourcen.
• Was ist nicht bekannt: Unbestätigte Punkte, mehrdeutige Definitionen, widersprüchliche Informationen.
• Einschränkungen: Budget, Frist, Rechte, Verbote, Zielgruppe.
• Bewertungskriterien: Nach welchen Kriterien wird eine gute Ausgabe bestimmt?
• Arbeitsprozess: Wie sollen Recherche, Ideenfindung, Vergleich, Implementierung und Überprüfung aufgeteilt werden?
• Tool-Berechtigungen: Was soll erlaubt sein, wie Suche, Dateianzeige oder Codeausführung?
• Stoppbedingungen: Wann soll die automatische Ausführung gestoppt und mit einem Menschen überprüft werden?
• Ausgabeformat: Fakten, Hypothesen, Vorschläge und unbestätigte Punkte getrennt anzeigen.

Dies ist mehr eine Spezifikation für einen kleinen Job als ein Prompt. Im KI-Zeitalter konvergieren die Fähigkeit, Text zu schreiben, und die Fähigkeit, Systeme zu entwerfen. Es geht nicht darum, eine „clevere Anfrage" zu schreiben, sondern den Zweck, den Zustand, die Einschränkungen und die Bewertungskriterien in einer Form zu beschreiben, die die KI verarbeiten kann. Ochiais lange Prompts zielen nicht darauf ab, die Wortanzahl zu erhöhen, sondern strukturiertes Denken weiterzugeben.

8. Die erste Antwort ist kein „Endprodukt", sondern Material zur Erkundung

Menschen, die mit KI beginnen, beurteilen anhand der ersten Antwort. Wenn sie gut ist, übernehmen sie sie; wenn sie schlecht ist, denken sie „KI ist nutzlos". Was jedoch aus Ochiais öffentlichen Beispielen ersichtlich ist, ist eine Haltung, die erste Ausgabe nicht als Endprodukt zu behandeln. Dialoge schichten. Details hervorholen. Formate ändern. Einer anderen KI zuwerfen. In ein Bild verwandeln. In Code verwandeln. Tatsächlich bewegen. Wenn Probleme auftreten, Anweisungen erneut ändern. Im Jahr 2023 schrieb Ochiai, dass durch schrittweises Vorgehen im Dialog Details entstehen, was die Erweiterung von natürlicher Sprache zu Code, Bildern und Sprache erleichtert.

Das größte Merkmal von KI ist nicht, von Anfang an die richtige Antwort geben zu können, sondern dass die sozialen Kosten des Wiederholens gering sind. Wenn Sie einen menschlichen Designer ohne Grundlage um hundert Überarbeitungen bitten, bricht die Beziehung ab. Wenn Sie einen Mitarbeiter aus einer Laune heraus dasselbe Dokument viele Male neu machen lassen, nehmen Sie ihm Zeit und Motivation. KI wird nicht müde, egal wie oft Sie dieselbe Anfrage ändern. Deshalb können Sie bei der Nutzung von KI, anstatt Menschen sinnlose Überarbeitungen aufzuzwingen, das Erkundungsvolumen im KI-Stadium erhöhen. Das bloße Wiederholen von „mach es besser" wird jedoch an eine Grenze stoßen. Was benötigt wird, ist der Grund für die Überarbeitung festzuhalten:

• Dieser Plan trifft auf jeden zu.
• Dieses Bild hat eine schwache Komposition, nicht die Farbe.
• Dieser Code funktioniert, ist aber schwer zu warten.
• Dieser Text ist korrekt, aber es fehlt meine Erfahrung.
• Dieses Projekt ist interessant, aber es gibt keinen Ausführenden.

Die Rückgabe des Ablehnungsgrundes an die KI wird zur nächsten Generationsbedingung. Dann wird das Anweisungssystem mit jeder Iteration intelligenter. Anstrengung bedeutet nicht, dieselbe Aufgabe viele Male zu wiederholen, sondern jeden Fehlschlag in die nächste Bedingung umzuwandeln.

9. Verwende natürliche Sprache als Implementierungssprache

Ochiai stellte früh fest, dass generative KI die Distanz zwischen natürlicher Sprache und Programmiersprachen verringert. In einem Artikel von 2023 argumentierte er, dass das Aufkommen von Spracherkennung und ChatGPT die Umwandlung von natürlicher Sprache in Code erleichtert und die Erstellung vielfältiger Ausgaben wie Video, Musik und Text durch Wörter ermöglicht. Dies ist keine einfache Geschichte von „alles können, ohne Programmierung zu kennen". Vielmehr nimmt die Bedeutung der Fähigkeit, Anforderungen zu verbalisieren, zu:

• Was soll eingegeben werden?
• Welche Daten sollen verwendet werden?
• Was ist die Reihenfolge der Verarbeitung?
• Wie soll im Fehlerfall gehandelt werden?
• Was soll dem Benutzer angezeigt werden?
• Was kann gespeichert werden?
• Welche Bedingungen müssen für die Fertigstellung erfüllt sein?

Früher wurden solche Entwürfe als Code geschrieben. Jetzt kann ein Teil davon in natürlicher Sprache an die KI übermittelt werden. Wenn Sie jedoch mehrdeutige natürliche Sprache übergeben, erhalten Sie ein mehrdeutiges Programm. Daher wird mit fortschreitendem KI-Coding die Fähigkeit, Widersprüche in Spezifikationen zu entdecken, wichtiger als die Geschwindigkeit des Code-Schreibens. Im Jahr 2026 stellte PIVOT Ochiais KI-Nutzung in einem Kurzfilm mit dem Titel „Produktivität ist 32x" vor. Die Berechnungsbedingungen wie Zielaufgaben, Vergleichszeitraum und Qualitätsbewertung können jedoch der öffentlichen Seite allein nicht entnommen werden. Es ist angemessen, diese Zahl als symbolischen Ausdruck dafür zu betrachten, dass KI-Coding die Implementierungsgeschwindigkeit erheblich verändert hat, und nicht als strengen Unternehmensproduktivitätsindex.

Tatsächlich wird der Wert nicht unbedingt 32-mal größer, selbst wenn die Anzahl der Codezeilen 32-mal höher ist. Fehler könnten ebenfalls 32-mal häufiger auftreten. Auch der zu überprüfende Code nimmt zu. Der Einflussbereich bei Spezifikationsänderungen wird ebenfalls größer. Es besteht die Möglichkeit, riesige Mengen ungenutzter Funktionen zu erstellen. Das wahre Ergebnis von KI-Coding sollte an der Zeit von der Hypothese zum Prototypen, der Zeit, eine Reaktion von Benutzern zu erhalten, der Zeit, Probleme zu finden, zu beheben und erneut zu veröffentlichen, und der Anzahl der Ideen gemessen werden, die tatsächlich getestet wurden und die aufgrund der Kosten zuvor nicht getestet werden konnten.

10. Nutze nicht nur bequeme KI; baue die Werkzeuge, um KI zu nutzen

Besonders symbolisch für Ochiais neueste KI-Nutzung sind „vibe-local" und „co-vibe". Vibe-local wird als Open-Source-Coding-Agent veröffentlicht, der Python und eine lokale LLM-Ausführungsumgebung verwendet, sodass er ohne Netzwerkverbindung oder kostenpflichtige Cloud-Dienste ausgeführt werden kann. Es ist um eine einzelne Python-Datei herum entworfen und für den Einsatz in Bildung, Forschung und Offline-Workshops gedacht. Co-vibe verfügt über einen Mechanismus, der mehrere Anbieter wie Anthropic, OpenAI, Groq und lokale Modelle überspannt und Aufgaben je nach Komplexität verteilt. Es ist so konzipiert, dass es Web-Recherche, Dateioperationen, Codierung, parallele Ausführung mehrerer Agenten und Sitzungsfortsetzung in einer einzigen Terminalumgebung bewältigt.

Was aus diesen beiden ersichtlich ist, ist eine Haltung, bestehende Dienste nicht so hinzunehmen, wie sie sind. Es gibt Umgebungen, die keine Verbindung zur Cloud herstellen können. Studenten können keine kostenpflichtigen Dienste abonnieren. Er möchte nicht von einem einzigen KI-Anbieter abhängig sein. Er möchte überprüfen, was intern passiert ist. Er möchte eine Verbindung zu Forschungsgeräten herstellen. Er möchte lange Forschungsaufgaben fortsetzen. Für solche Unzufriedenheiten sucht er nicht weiter nach anderen Produkten, sondern baut die notwendige Umgebung auf. KI-native Anstrengung beschränkt sich nicht nur auf das Erfinden von Prompts. Es geht darum, wiederkehrende Unannehmlichkeiten durch die Verbesserung von Werkzeugen zu beseitigen. Es gibt eine Aufgabe, die fünf Minuten pro Tag dauert. Wenn sie manuell jeden Tag fortgesetzt wird, wird daraus im Laufe eines Jahres eine große Zeitmenge. Sobald ein Skript erstellt ist, dauert es ab dem nächsten Tag fast keine Zeit mehr. Wenn dieses Skript darüber hinaus in einen KI-Agenten integriert wird, sodass er automatisch dieselbe Art von Aufgabe beurteilen kann, kann es für andere Arbeiten verwendet werden. Ein Genie der Anstrengung ist nicht jemand, der die anstehende Aufgabe nur schnell erledigt, sondern jemand, der Teile findet, die ab dem nächsten Mal keine Anstrengung erfordern, und um diesen Betrag zu neuer Anstrengung übergeht.

11. Nutze es nicht bequem, solange es eine Blackbox ist

KI-Werkzeuge werden umso schwerer einsehbar, je bequemer sie werden. Sie geben Anweisungen ein, warten eine Weile, und das fertige Produkt kommt heraus. Der Benutzer weiß nicht, welches Modell in der Mitte verwendet wurde, wie oft es fehlschlug, wonach es suchte oder welche Dateien es änderte. Für einfache Aufgaben mag das in Ordnung sein. Bei Arbeiten, bei denen die Auswirkungen eines Fehlschlags groß sind, wie Forschung, Geschäftssysteme, personenbezogene Daten oder Gerätesteuerung, müssen Sie jedoch später überprüfen können, „warum es so geworden ist".

Ochiais KI-Effort-OS, abstrahiert aus öffentlichen Beispielen

Fassen wir die bisherigen Inhalte in einer Form zusammen, die auf die allgemeine Arbeit übertragbar ist. Dies ist nicht der genaue tägliche Arbeitsablauf, den Ochiai selbst veröffentlicht hat. Es handelt sich um ein praktisches Modell, das von diesem Artikel aus öffentlichen KI-Nutzungsbeispielen abstrahiert wurde.

Stufe 1: Starte in einem unstrukturierten Zustand

Schreibe nicht von Anfang an einen Vorschlag. Gib zunächst fünf bis zehn Minuten lang per Sprache oder Text das wieder, was dir gerade durch den Kopf geht. Du kannst Zweck, Hintergrund, Emotionen, Unbehagen, Ideen und Bedenken mischen. Frage dann die KI wie folgt:

Kategorisiere meine Aussagen in bestätigte Fakten, Interpretationen, Hypothesen, Hoffnungen, Einschränkungen und unbestätigte Punkte. Ziehe noch keine Schlussfolgerung und stelle jeweils eine Frage, um den Zweck zu klären.

Lass die KI hier keine Antwort geben. Lass sie die Mehrdeutigkeit auf der menschlichen Seite entdecken.

Stufe 2: Gib dieselbe Aufgabe an drei oder mehr KIs weiter

Verlasse dich nicht auf eine einzige KI. Gib dieselben Hintergrundmaterialien und Fragen an mehrere KIs weiter. Sammle aber nicht einfach drei identische Antworten, sondern ändere die Rollen. Lass eine Standardrecherchen durchführen, eine nach Gegenbeispielen suchen und eine über Implementierungsmethoden und Kosten nachdenken. Wenn möglich, lass eine weitere die Perspektive von Nutzern oder Gegnern übernehmen. Erstelle nach der Ausgabe eine Vergleichstabelle:

• Punkte, in denen alle KIs übereinstimmten
• Punkte, die nur einige behaupteten
• Punkte, bei denen Zahlen oder Fakten widersprüchlich waren
• Punkte, die mit Primärquellen überprüft werden müssen
• Punkte, die niemand berücksichtigt hat

Der Mensch liest die Unterschiede zwischen den Antworten, nicht die Antworten selbst.

Stufe 3: Höre nicht mit Text auf, sondern konvertiere in ein anderes Format

Gib dich nicht damit zufrieden, Forschungsergebnisse zu lesen. Wenn es ein Plan ist, erstelle ein einzelnes Diagramm. Wenn es ein Produkt ist, erstelle einen Prototypen eines Bildschirms. Wenn es ein Werk ist, erstelle ein Bild oder ein kurzes Video. Wenn es ein System ist, erstelle ein Ablaufdiagramm der Schritte, die Nutzer durchlaufen. Wenn es eine Forschung ist, unterteile sie in Hypothesen und Verifizierungsmethoden. Ideen können Widersprüche im Text verbergen. Wenn du versuchst, sie zu implementieren, tauchen fehlende Bedingungen auf. Wer nutzt es? Welchen Knopf drücken sie? Woher kommen die Daten? Wie kehren sie im Fehlerfall zurück? Implementierung ist ein Prüfgerät für Ideen.

Stufe 4: Lass eine andere KI das zerstören, was eine KI gemacht hat

Lass die erzeugende KI nicht nur eine Selbstevaluation durchführen. Gib das Produkt an eine andere Unterhaltung, ein anderes Modell oder eine andere Rolle weiter. Lass es aus folgenden Perspektiven nach Problemen suchen:

• Tatsächliche Fehler
• Nichtexistenz von Zitaten
• Sicherheitsprobleme
• Rechtsfragen
• Fehlidentifikation der Zielgruppe
• Unterschätzung der Ausführungskosten
• Teile, die nicht gewartet werden können
• Teile, die ins Allgemeine abgleiten
• Teile, die eine menschliche Genehmigung erfordern
• Teile, die im Fehlerfall nicht wiederhergestellt werden können

Ein Mensch überprüft hochprioritäre Probleme in Primärquellen oder der realen Umgebung. Die Überprüfung durch KI ist keine endgültige Garantie. Nutze sie, um die Stellen einzugrenzen, die ein Mensch inspizieren sollte.

Stufe 5: Mache Ablehnungsgründe zum nächsten Prompt-Asset

Lösche nicht einfach schlechte Ausgaben und sei fertig. Halte fest, warum etwas nicht gut war, in einem Satz.

• "Die Zielgruppe ist zu breit."
• "Technisch möglich, aber kein Anwendungsfall."
• "Text ist strukturiert, aber es fehlt Erfahrung."
• "Bild ist schön, aber ohne Bezug zum Zweck."
• "Forschungsergebnisse fehlen Primärquellen."
• "Code funktioniert, aber es fehlt die Berechtigungsverwaltung."

Füge diese zu Projektverboten oder Bewertungskriterien hinzu. Beim nächsten Mal macht die KI denselben Fehler weniger wahrscheinlich. Menschliche Erfahrung wird in benutzerdefinierte Anweisungen, Spezifikationen, Tests und Checklisten umgewandelt. Das ist die Arbeit, Anstrengung in eine akkumulierbare Form zu bringen.

Stufe 6: Automatisiere oder verwerke wiederkehrende Unannehmlichkeiten

Wenn du jedes Mal dieselbe Anweisung schreibst, mache eine Vorlage daraus. Wenn du jedes Mal in dasselbe Format konvertierst, mache ein Skript daraus. Wenn du jedes Mal nach denselben Materialien suchst, speichere den Rechercheprozess. Wenn du jedes Mal dieselbe Prüfung durchführst, mache einen Test daraus. Wenn du jedes Mal ein Modell auswählst, erstelle Regeln nach Aufgabe. Wenn du jedes Mal Dateien manuell übergibst, denke über eine sichere Verbindungsmethode nach. Worauf es ankommt, ist nicht, eine einzelne Aufgabe um drei Minuten zu verkürzen. Es geht darum, zu verhindern, dass diese drei Minuten in Zukunft hunderte Male auftreten.

Stufe 7: Bringe es schließlich in die Realität

Bewerte nicht nur anhand von Gesprächen zwischen KIs. Zeige es Menschen. Bewege es vor Ort. Drucke es aus. Projiziere es. Lass Kunden es nutzen. Denke beim Gehen nach draußen. Berühre Materialien. Erlebe es mit deinem eigenen Körper. KI kann plausible Benutzerpersönlichkeiten erstellen. Aber wo sich tatsächliche Nutzer verlaufen, kann man nur wissen, wenn man es in die Realität bringt. Die Realität zerbricht die schöne Logik, die von KI gemacht wurde. Diese Zerstörung bestimmt die Richtung der nächsten Anstrengung.

Praktischer Effort-Rotations-Prompt

Das Folgende ist keine Reproduktion von Ochiais eigenem Prompt. Es ist ein einzelnes Dialogprotokoll der in diesem Artikel analysierten Struktur: parallele Recherche, stufenweise Implementierung, Gegenbeweise und Protokollierung.

1Du bist keine KI, die in meinem Namen handelt, um ein fertiges Produkt in einem Durchgang zu erstellen, sondern ein "Forschungs- und Entwicklungs-Orchestrator", der die Rotationsgeschwindigkeit von Recherche, Prototyping, Gegenbeweisen und Verbesserung erhöht.
2
3【Thema】
4{{Thema, an dem ich diesmal arbeite}}
5
6【Was ich letztendlich entscheiden möchte】
7{{So viel ausfüllen, wie ich weiß. Kann unentschieden sein}}
8
9【Materialien, die ich derzeit habe】
10{{Notizen, Sprachnotizen, Dokumente, Daten, Code usw.}}
11
12【Grundprinzipien】
131. Erstelle keinen endgültigen Plan, solange mein Zweck mehrdeutig ist.
142. Stelle jeweils eine Frage, um Zweck, Ziel, Einschränkungen und Erfolgsbedingungen zu klären.
153. Trenne klar Fakten, Interpretationen, Hypothesen und Vorschläge.
164. Füge Quellen zu Fakten hinzu und priorisiere Primärquellen.
175. Fülle Dinge, die nicht bestätigt werden können, nicht mit Vermutungen; markiere sie als "unbestätigt".
186. Behandle den ersten Plan nicht als endgültigen Plan.
197. Behandle Recherche, Ideenfindung, Implementierung und Evaluierung als separate Prozesse.
208. Dieselbe KI sollte nicht sowohl als Ersteller als auch als alleiniger Bewerter fungieren.
219. Gebe Teile, die eine menschliche Genehmigung erfordern, klar an.
2210. Zeichne alle Ablehnungsgründe als Bedingungen für die nächste Generierung auf.
23
24【Phase 1: Zielentdeckung】
25Klassifiziere meine Eingabe wie folgt:
26- Bestätigte Fakten
27- Meine Interpretationen
28- Unbestätigte Hypothesen
29- Emotionen oder Unbehagen
30- Verfügbare Ressourcen
31- Einschränkungen
32- Noch nicht definierte Begriffe
33Stelle jeweils eine Frage zu fehlenden Informationen.
34
35【Phase 2: Gestaltung der parallelen Recherche】
36Teile das Thema in folgende Rollen auf:
37A. Forscher, der Standarderklärungen und Hauptmaterialien sammelt
38B. Gegenbeweisführer, der nach Gegenbeispielen, Gegenbeweisen und Fehlerbeispielen sucht
39C. Praktiker, der über Implementierungsmethoden, Kosten und Fristen nachdenkt
40D. Stakeholder-Analyst, der über Nutzer, Nicht-Nutzer und benachteiligte Personen nachdenkt
41E. Entdecker, der nach unerwarteten Verbindungen zu anderen Bereichen sucht
42Erstelle Fragen für jede Rolle zur Untersuchung, wobei sichergestellt wird, dass sich die Punkte nicht überschneiden.
43
44【Phase 3: Beweis-Hauptbuch】
45Formatiere die Forschungsergebnisse wie folgt:
46- Behauptung / Grundlage / Quelle / Veröffentlichungsdatum / Datenzeitraum / Primär oder sekundär / Gegenbeweis / Vertrauensniveau / Punkte für menschliche Überprüfung
47
48【Phase 4: Prototyping】
49Erstelle 3 minimale Prototypenpläne aus den Forschungsergebnissen. Zeige für jeden Plan:
50- Zu überprüfende Hypothese / Was zu machen ist / Was nicht zu machen ist / Benötigte Zeit / Benötigte Kosten / Von KI bearbeiteter Prozess / Von Menschen bearbeiteter Prozess / Bedingungen für das Scheitern
51Fahre nicht mit der vollständigen Implementierung fort, bis ich einen Plan ausgewählt habe.
52
53【Phase 5: Gegenprüfung】
54Suche gegen den Prototyp oder den ersten Entwurf aus folgenden Perspektiven nach Problemen:
55- Tatsache / Logik / Technologie / Sicherheit / Recht / Kosten / Ziel / Wartbarkeit / Originalität
56Zeige den Schweregrad in 4 Stufen an: Stopp / Korrektur erforderlich / Beobachtung / Erlauben.
57
58【Phase 6: Verbesserungsprotokoll】
59Zeichne jedes Mal Folgendes auf, wenn eine Korrektur vorgenommen wird:
60- Vor der Änderung / Problem / Änderungsinhalt / Grund für die Änderung / Neu aufgetretenes Problem / Bedingungen, die ab dem nächsten Mal zum Prompt oder Test hinzugefügt werden sollen
61
62【Schlussphase】
63Handle nicht aufgrund der endgültigen Entscheidung. Ordne Optionen, Beweise, gegensätzliche Meinungen und unbestätigte Punkte und lass mich den angenommenen Plan und den Grund selbst schreiben.
64
65Gib in der ersten Antwort keinen Vorschlag; stelle eine Frage zu dem spezifischsten Unbehagen oder Zweck, den ich bezüglich dieses Themas empfinde.

Fazit — Yoichi Ochiai hat sich mit KI nicht "vom Aufwand verabschiedet"

Wenn du Yoichi Ochiais KI-Nutzung als eine Sammlung praktischer Prompts verstehst, verfehlst du ihr Wesen.

Mehrere KIs gleichzeitig laufen lassen. Unstrukturierte Gedanken per Sprache wiederherstellen. Lange Anweisungen strukturieren. Die erste Antwort viele Male neu erstellen. Recherche, Bilder und Implementierung auf verschiedene Tools verteilen. Eine KI die Ausgabe einer anderen kritisieren lassen. Anomalien mit Erfahrung aus der eigenen Handarbeit erkennen. Beobachtbare Tools bauen, wenn Blackboxes ein Problem sind. KI nicht nur mit Text, sondern mit Video, Raum, Körper und Forschungsausrüstung verbinden. Und die durch KI eingesparte Zeit in Neugier und reale Erfahrung zurückfließen lassen.

Was dieser Reihe von Handlungen gemeinsam ist, ist nicht die Idee, faul sein zu wollen. Es ist die Idee, innerhalb derselben Zeit weiter testen zu wollen. Vor KI endete ein Tag damit, eine Hypothese zu untersuchen und zu implementieren. Nach KI kannst du mehrere Hypothesen untersuchen, drei Prototypen erstellen, Fehlerursachen vergleichen und diese Ergebnisse in die nächste Anweisung zurückfließen lassen. Den daraus resultierenden Spielraum kannst du für Ruhe nutzen. Du kannst ihn für einen anderen Job nutzen. Du kannst ihn für neue Ausdrucksformen oder Forschung nutzen. Es ist ein Mensch, der entscheidet, wofür er ihn nutzt.

Wenn wir Yoichi Ochiai ein "Genie des Aufwands" nennen, liegt der Grund nicht einfach darin, dass er länger arbeitet als andere. Es liegt daran, dass er Aufwand nicht zu einer Sache des Spiritualismus macht. Gedanken in eine aufzeichnungsfähige Form bringen. Scheitern in die nächste Bedingung verwandeln. Wiederholung automatisieren. Werkzeuge aktualisieren. Umgebungen schaffen. Dennoch Stellen belassen, an denen Menschen urteilen sollten. Was er mit KI steigert, ist nicht nur die Anzahl der fertigen Produkte. Es ist die Anzahl der Male, die er sich weiterdrehen kann, ohne aufzugeben, bis er etwas Unbekanntes erreicht. Was im KI-Zeitalter hinterfragt wird, ist nicht "Welche KI benutzt du?" Was beobachtet der Mensch, während die KI ausgibt? Was repariert der Mensch, nachdem die KI es gemacht hat? Wohin versucht der Mensch zu gelangen, als Ergebnis der schnelleren KI? Die beste KI-Nutzungstechnik ist kein Weg, Aufwand zu vermeiden. Es geht darum, dass Aufwand nicht als einmalige Sache verschwindet, sondern sich in ein System verwandelt, das den nächsten Aufwand beschleunigt.