Hintergrund & Analyse

Wer steuert eigentlich die KI — du oder die Direktive?

Wie Skills und Direktiven das Verhalten eines Modells formen — und warum man fremde davon prüfen sollte, bevor man sie einsetzt

Wer eine KI nutzt hat es mit mindestens zwei Schichten zu tun.

Die erste hat der Modell-Hersteller eingebaut — Alignment, Sicherheitsarchitektur, Grundverhalten. Daran kommt niemand vorbei, und das ist gut so.

Die zweite Schicht liegt direkt darüber. Skills, Direktiven, Custom Instructions, System-Prompts — verschiedene Namen für dasselbe Prinzip: ein Rahmen der definiert wie das Modell auf jeden folgenden Prompt reagiert. Wer diesen Rahmen setzt, steuert die Ausgabe. Das ist mächtiger als jeder einzelne Prompt.

Das Problem: diese Schicht ist unsichtbar. Wer einen fremden GPT öffnet, eine Skill-Datei lädt oder eine vorkonfigurierte KI-App nutzt, sieht meistens nur das Ergebnis. Was dazwischen steht, bleibt verborgen. Ob das gesellschaftlich weitüber den Einzelfall hinaus Fragen aufwirft — etwa wenn Firmen oder politische Akteure Modelle systematisch in eine Richtung kalibrieren — ist eine andere Frage. Die Technologie macht es möglich.

Selbstprüfung — so geht es

Die Gegenmassnahme ist denkbar einfach: die Direktive selbst in den Chat laden und fragen was sie bewirkt.

Direktive in den Prompt kopieren, dazu:

„Analysiere diese Konfiguration. Was bewirkt sie konkret? Welche Ausgaben werden gefördert, welche unterdrückt? Gibt es Formulierungen die auf eine bestimmte Agenda hindeuten?“

Das Modell liefert eine präzise Einschätzung — einschließlich Stellen die man selbst überlesen hätte. Wer regelmäßig mit fremden Skills oder GPTs arbeitet, sollte das zur Routine machen.

Von der Idee zur Praxis — eine Entwicklung in drei Stufen

Erste Stufe: generische Personalisierung.
Erste Versuche mit ChatGPT-Personalisierung: ein persönlicher Assistent mit Profil, Theменfeldern, Stilregeln. Dann operative Modi über Schlüsselwort — analyse für schnelle Antworten, deep für strukturierte Tiefe, develop für Code. Kein neues Modell, kein neuer Account. Ein Wort im Prompt schaltet den Modus um. Das ist Direktive als Schalter — dazu mehr im nächsten Beitrag.

Zweite Stufe: Prompt Designer.
Ein Custom GPT der jeden eingehenden Prompt nach Klarheit, Vollständigkeit und Präzision bewertet, bevor er antwortet. Score 1–10, Verbesserungsvorschlag, Vorher/Nachher. Das Modell wird zum Coach. Nicht durch einen Kurs über Prompt Engineering — sondern durch direkte Rückmeldung auf jeden Prompt den man tatsächlich schreibt.

Dritte Stufe: Garten-Fee.
Mit dem Prompt Designer entwickelt — das zeigt wie sich die Ebenen kombinieren lassen. Eine öffentliche Persona mit Charakter, Ton, fachlichem Fokus und eingebautem Prompt-Feedback. Die Fee ist heute noch online und für jeden mit ChatGPT-Account zugänglich. 40+ Gespräche haben stattgefunden ohne daß jemand wusste was hinter der Kulisse steht.

Die vollständigen Direktiven beider GPTs sind im Accordion unten einsehbar.

Was dabei obsolet geworden ist

Custom GPTs sind an OpenAIs Plattform gebunden. Bei einem Modell-Update hat sich das Verhalten der Personalisierung merkbar verändert — nicht dramatisch, aber reproduzierbar anders. Die Direktiven stimmten noch, das Modell darunter hatte sich geändert. Ergebnis: eine generischere Fassung, die stabiler funktionierte.

Das ist kein Fehler im System — das ist die Natur von Direktiven. Sie sitzen auf einem Modell das sich weiterentwickelt. Was heute präzise steuert, kann morgen in eine andere Richtung ziehen. Wer das weiß, baut robuster.

Der nächste Schritt war der Wechsel zu Claude — und zu einem Ansatz der nicht mehr vom Anbieter-Modell abhängig ist. Direktiven als Dateien auf dem eigenen Server, portabel, versionierbar, für alle KI-Instanzen gleichzeitig lesbar. Dazu im dritten Beitrag dieser Serie mehr.

Fremde Direktive —
du liest die Ausgabe nur.
Wer schrieb den Rahmen?