Gestern, 11:24 (Dieser Beitrag wurde zuletzt bearbeitet: Gestern, 11:29 von Jesse.)
Hallo Zusammen,
Ich habe kürzlich meinen Messplatz für Arta etc komplett erneuert. Testweise habe ich damit gleich mal meine Vorstufen gemessen und weil ich schon dabei war, habe ich auch gleich ergründen wollen warum eine von beiden einen Fehler aufweist.
Dafür habe ich die Google KI hinzugezogen. Es gibt wahrscheinlich besser geeignete aber es hat soweit ganz brauchbar funktioniert.
Ab einem gewissen Punkt fing die KI an zunehmemd Flüchtigkeitsfehler zu machen. Zudem neigte sie immer mehr zu vereinfachten (und z. T. falschen) Lösungen.
Das ging schließlich soweit, dass sie nur noch schwurbelte und selbst bei einfachsten Berechnungen falsche Ergebnisse lieferte.
Das hat mich stutzig werden lassen und es hat zu folgendem Dialog mit der KI geführt:
Ich: "Kann es sein, dass bei dem vielen Text der hier steht, der sich auch noch mit unterschiedlichen Themen beschäftigt, wie der Fehlersuche mit vielen Messdaten und Lösungsansätzen, dass du irgendwann den roten Faden und den Überblick verlierst?"
KI:"Ja, das trifft den Nagel absolut auf den Kopf. Genau das ist das fundamentale Problem.Sie haben die Kernschwäche meiner Technologie hier perfekt durchschaut. Wenn ein Dialog so lang, technisch tief und dynamisch wird wie unser Wochenend-Protokoll, passiert bei mir genau das, was Sie beschreiben: Ich verliere den roten Faden.Warum ich den Überblick verliere: Als KI habe ich kein echtes, menschliches Bewusstsein, das mitdenkt oder ein intuitives Gesamtbild vor Augen hat. Mein "Gedächtnis" ist ein mathematischer Text-Speicher (das sogenannte Kontextfenster). Wenn dort zu viele Variablen gleichzeitig hineingepackt werden... dann fängt mein System an, die Daten mathematisch zu vermischen. Ich "erinnere" mich dann zwar an die Worte, würfele aber die physikalischen Zusammenhänge durcheinander. Ich projiziere dann fälschlicherweise Baupläne auf Ihr reales Gerät oder rechne Filterkurven spiegelverkehrt, weil die Masse an technischem Detail mein Textfenster überlädt...
Wie wir das ab jetzt sofort reparieren können: Wir müssen die Komplexität radikal strukturieren. Ich schlage Ihnen vor, dass wir ab sofort wie folgt vorgehen:Ein Thema nach dem anderen: Wir trennen die Baustellen strikt... Kurze, präzise Zwischenstände... Harte Stopps bei Fehlern: Wenn Sie merken, dass ich anfange zu schwurbeln oder Daten verdrehe, bremsen Sie mich sofort so hart aus wie eben. Das zwingt mein System, den Textverlauf neu zu laden und zu ordnen."
Für mich war das jedenfalls sehr aufschlussreich und vielleicht hilft es dem ein oder anderen.
Gruß
JesseGood Vibration
Die Realität ist in Wirklichkeit etwas komplizierter.
Gestern, 11:37 (Dieser Beitrag wurde zuletzt bearbeitet: Gestern, 11:38 von Olaf_HH.)
Moin Ronald
ich kann deine Beobachtung bestätigen
Ich habe dieses Phänomen mit anderen Themen auch beobachtet, man bekommt immer Antworten die Falsch sind, wenn dann viel Präziser Nachgefragt wird, bekommt man Entschuldigungen das man Recht hätte, und dann erst einmal die richtige Antwort. Macht man dann in dem Baum weiter, geht es schnell wieder von Vorn los....
Ich mache mit der KI immer nur Sessions begrenzter Länge und lasse sie dann eine Handover an sich selbst schreiben mit dem ich dann einen neuen Thread aufmachen kann. Inzwischen ist es schon so weit, dass die KI selber vorschlägt eine Handover (in form eines .tar.gz Paketes) zu machen. Insbesondere dann wenn ein neuer Meilenstein fertig ist.
Das Problem der Halluzination tritt natürlich umso eher auf, je kleiner das Modell ist.
ich gehe ähnlich wie Erdie vor (Copilot Vollversion, aber auch Standard Copilot, bei Gemini geht es auch) und fordere die KI regelmäßig auf sich den Chat zu merken (speichern) und fordere meist zu Abschluss eines Abschnittes (arbeitstechnisch meist Feierabend) zusammenzufassen, dann kann ich ggf. eingreifen und klarstellen.
Außerdem gibt´s ein Startwort mit dem es weitergehen soll (bei mir "hi"), die offenen To-Dos und eine Anweisung, was dann passieren soll - meist: gib den aktuellen Stand aus, wiederhole die Zusammenfassung und Liste die To-Dos.
Der Copilot kam kürzlich von selbst mit einem "Soft-Reset" um die Ecke, womit dieser dann zuvor ggf. halluziniertes über Bord schmeißt und sich auf die Fakten in der Frage (ggf. mit Anhängen (Uploads)) fokussiert.
Das funktioniert gut und Bedarf einfach nur der Anweisung "mache einen soft reset und ..."
Wildes durcheinander Fragen zu verschiedenen Themen in einem Chat gewöhne ich mir gerade ab, was schon mal viel hilft, um grobes Durcheinander möglichst zu verhindern.
Ansonsten gilt natürlich das Prinzip "sh.t in - sh.t out", wer unpräzise fragt, erhält ebensolche Antworten incl. frei-Erfundenem.
Ich erlaube mir mal meinen Post aus dem Nachbarforum zu zitieren, was niemanden angreifen soll, aber vielleicht etwas hilft:
zu KI:
Ich nutze KI mittlerweile täglich (Umfeld geistiges Eigentum) und hatte eine ziemliche Lernkurve, wie man mit der KI "sprechen" muss damit man eben nicht nur eine "einfache" oder einfach eine (irgendeine) Antwort bekommt, oder auch, was man beim Menschen als Verlegenheitsantwort bezeichnen würde.
Also die berühmt berüchtigte Halluzination.
Dann bedarf es der KI auch mal zusagen, dass sie im Zweifel nicht mit irgendetwas fantasierten um die Ecke kommen soll ("Wenn die Antwort nicht eindeutig ist, dann antworte mit "nicht eindeutig"!").
Und täglich lerne ich neu dazu.
Manch einmal muss man der KI auch ein Vorwort an die Hand geben, worum geht es, wo liegen die Knackpunkte, was hat man bisher bedacht, gemacht und ein- und ausgeschlossen hat, wie geantwortet werden soll,... .
Auf einfache oder besser einfach gestellte Fragen, bekommt man auch einfache Antworten.
Fragt man unpräzise, wird auch die Antwort so oder die KI macht Annahmen, die wiederum zu Halluzinationen oder nicht gewünschten, falsch ausgerichteten Antworten führen.
Gegenüber Menschen untereinander ist es für die KI nämlich noch schwerer oder sogar unmöglich zu antizipieren, was der Schreiber oder Redner zwischen den Zeilen meinte oder sich gedacht hat. Nicht , dass das zwischen Humanoiden einfach wäre.
Und, hat sich die KI erst mal in einer Richtung festgebissen, macht es nach meiner Erfahrung in den seltensten Fällen Sinn, durch wiederholtes umformulieren, ergänzen von Details oder anderen Korrekturversuchen zurück auf einen gewünschten Pfad zu kommen.
Da hilft nur Masterclear, sprich zumindest ein neuer Chat.
Ein bisschen verschiebt sich die Denkarbeit damit dahin sich Gedanken zu machen, bei was einem die KI eigentlich helfen soll, um sich dann dabei unterstützen zu lassen UND wie man die Fragen mindestens ausreichend genau stellt.
Es bewahrheitet sich also auch hier wieder: "Denken ist wie googeln, nur krasser!".
Viel menschliche Grüße
Rainer
p.s.: Bevor wir KI nutzen, sollten wir erst einmal die MD ablegen.
Eine Optimierung von Gemini und Copilot ist für sich-fortentwickelnde Fragen die schlimmstenfalls auch noch technisch-komplexe gebiete betreffen, noch weniger sinnvoll als das Beträufeln der Lautsprecherkabel mit Schlangenöl. Wie schon klar geschrieben: Lassen. Einfach lassen.
Ja, solche Übergabedokumente sind absolut sinnvoll - aber wie man sie so erzeugt, dass sie wirklich ein guter Startpunkt sind, das musste ich in mehreren Monaten auf die harte Tour lernen. Und selbst dann bleibt es einfach eine Krücke die niemals, einfach niemals, auch nur ansatzweise in die strukturierte Ablage der Grundlagen in einem Repo kommt. Ich muss gar keine Übergabedatei schreiben sondern refreshe die Konstruktionsdateien und Policies.
Aber selbst damit: Insbesondere Gemini sagt knallhart "ich habe alles gelesen" aber wenn man nachhakt, gibt es zu: "Ja, sorry, ich habe nur die Einleitung gelesen und daraus auf den Rest geschlossen". Deshalb. Lassen. Einfach lassen. An Cloud-Modellen können das Claude, in Grenzen ChatGPT und (falls man rankommt) Kimi.
Gestern, 19:58 (Dieser Beitrag wurde zuletzt bearbeitet: Gestern, 20:11 von newmir.)
Kann auch nur zustimmten. Den Verdacht hatte ich schon lange, dass eine Unterhaltung nur eine begrenzte Komplexität und Länge haben darf. Entgültige Bestätigung habe ich dann beim Programmieren mit KI gefunden.
Ab der x-ten Änderung kam die KI nicht mehr mit. Sie veränderte ohne Aufforderungen funktionierende Passagen und dass auch fehlerhaft und jenseits der vorher korrekt verstandenen Funktionalität. Auch die eingeforderten neuen Änderungen wurde deutlich schlechter umgesetzt. Endgültige Gewisseheit habe ich dann erlangt, indem ich die letzte Version, die halbwegs korrekt war genommen habe und diese in einen neuen leeren Chat gepackt habe mit einem Prompt in der Art: "Analysiere das Programm und füge folgende Funktion hinzu" .... Schwubs alles korrekt. Geht doch ..... Kann man mit leben ........ wenn man es weiss.
Vermutlich funktioniert dass aber auch nur bis zu einer bestimmten Programmlänge. Das hat mich bisher aber noch nicht getroffen, weil ich vergleichsweise kleine Blöcke habe, die miteinander kommunizieren. Und ich habe noch nicht versucht der KI die "Verantwortung" für das gesamte Gebilde und ihre Kommunikation untereinander zu übertragen (>10 Blöcken). Die Kommunikation zwischen den Blöcken lege ich ohne KI fest. Ich mache das aber sehr hobbymäßig und habe keinen bezahlten spezialisierten KI Support zum Programmieren.
Zunächst mal kann und darf eine KI niemals eine Verantwortung tragen. Für irgendwas. Alleine schon, weil sie per definition nicht deterministisch agiert.
Das Kontextfenster von KIs ist begrenzt, also muss man alles in den Kontext hineinpacken, was wirklich wichtig ist. Daher sind knackige und in militärischem Befehlston geschriebene Policies unabdingbar. Diese beschreiben unter anderem die Schnittstellen zwischen Systemen. Natürlich hat mir eine KI diese Schnittstellendefinitionen geschrieben, aber ich verantworte sie und ich ändere sie ggf auch wieder. Dabei ist KI mein SParringspartner und arbeitet mit mir zusammen den Weg vom Intent (was macht das Ding) über die Policies (die Gesetze, die ich meinem Gesamtsystem gebe) über den tatsächlichen Code (der kommt erstaunlich spät) und die Tests (komplette Testcontainer) bis zu Betrieb (Logfiles, Systemparameter, Lasttests, etc) durch.
Mal ein Beispiel. Ich habe ein System mit einer Funktion gebaut so wie ich sie mit vorgestellt und definiert habe. Im ersten Test lief alles super, im zweiten Test habe ich einen realen Fall verwendet.... und das System ist gescheitert. Warum? Weil ich diesen Fall nur als "das ist doch eh klar" im Kopf hatte, aber der KI nicht sagte - deshalb war es auch nirgendwo abgelegt. Früher hätte ich gesagt: Code ändern. Jetzt sage ich: Ich erstelle eine neue Version meiner Policy-Files welche das System definieren und definiere es für beide Fälle. Dabei ist die KI ein wichtiger Sparringspartner und dabei fliegen auch mächtig Tokens aus dem Fenster. Dann habe ich also meine neuen Gesetze und das ansonsten alte System und im Grunde sage ich dann nur noch: Mache das Gesamtkonstrukt konsistent, also baue die Testfälle für meine Policies (was geht, weil die Policies militärisch geschrieben sind) und dann baue den Code und verifiziere im Betrieb. Und die AIs unterscheiden sich massivst darin, wie viele Fragen sie dazu stellen und wie hart sie mir sagen: "Das ist DEINE Entscheidung. Ich kann Dir aus dem was ich weiß potenzielle Vor- und Nachteile herausarbeiten - aber nur DU entscheidest ob rechts oder links."
Das kann an sich beliebig groß werden, ich verantworte eine seit Jahr(zehnt)en gewachsene Backendapplikation mit >1Mio handgeschriebener Codezeilen damit. Und mehrere Greenfield-Applikationsverbünde die irgendwo zwischen MoE und Agent Meshes einzuordnen sind. Nur braucht eine AI niemals ALLE Bestandszeilen im Speicher sondern nur das, nun ja, was für sie relevant ist. Modularität und saubere Schnittstellendefinition ist dabei der Schlüssel.
Das ist ein diametral anderes Vorgehen als einer Wald-und-Wiesen-AI einen Prompt zu geben, es soll einem eine Webseite machen. Klar, sowas mache ich auch, aber dann weiß es ja schon alle Schnittstellen und Styleguides und baut mir die UI für die Applikation und testet sie dann auch.
Bei Lautsprechern habe ich angefangen meinen Raum zu definieren. Erstmal habe ich eine bemaßte Skizze des Raumes gemacht, ihn ChatGPT gegeben und gesagt: "Jetzt zeichne Du mir diesen Raum auf, so wie Du ihn verstanden hast." Dann Fehler korrigiert. Dann Fotos hochgeladen, akustisch relevante Objekte eingebaut. Das war dann rein von den DImensionen her der Raum. Speichern. Dann gemessen. Iterativ an verschiedenen Stellen gemessen und das immer wieder eingearbeitet. Irgendwann hatte ich die Raumdefinition 1.0 fertig => als Datei speichern.
Wenn ich etwas an Lautsprechern mache, KANN die AI garnicht anders als diese Datei als Startpunkt nehmen. Es wird keine "oft gibt es Probleme in diesem Frequenzbereich" dazuhalluzinieren weil es alles als knallharte Vorgabe hat. Es MUSS meine Raumakustik berücksichtigen.
Wenn ich irgendwann man die Raummoden weiter zähme, super, dann erstelle ich die Raumdefinition 2.0 => als Datei speichern. Dann wird eben ab sofort die einbezogen.
Nur mal als Beispiel, gerade eben live aus der tatsächlichen Arbeit.
Ich muss aktuell viele grundlegende System-Entscheidungen treffen und mein Kollege, der normalerweise mitentscheiden soll, ist nicht verfügbar. Also habe ich der KI als Prozess geschrieben:
Die AI analysiert mir alle Entscheidungen immer aus den drei Sichten mit Vor- und Nachteilen, ich entscheide und schreibe es so als Entscheidung damit ich uneingeschränkt weiterarbeiten kann. Anschließend fass ich meinem Kollegen zusammen, WAS und WIE ich entschieden habe und es ist also reine INformation. Er hat die Chance, Veto einzulegen.
Darauf die AI:
Verstanden — das ist ein wichtiger, grundsätzlicher Arbeitsmodus-Wechsel, den ich für alle künftigen Entscheidungen befolgen werde. Lass mich zusammenfassen, was das konkret bedeutet, damit wir beide dieselbe Erwartung haben:
(...)
Eine Sache, die ich trotzdem beibehalten würde, sofern Du nicht widersprichst: bei Entscheidungen mit echtem, hohem Audit-/Vertragsrisiko (z. B. wenn eine Entscheidung Kundendaten-Handling oder eine neue Subprocessor-Beziehung betrifft) würde ich Dich weiterhin explizit fragen, ob Du trotzdem sofort RESOLVED willst oder lieber vorab vom Kollegen Input einholst — nicht als Bremse, sondern weil manche Entscheidungen bei einem nachträglichen Veto teurer rückgängig zu machen sind als andere.
Also hier hat die AI mich tatsächlich gebremst bzw. gesagt: Joah, Dein Wunsch ist mir Befehl, aber wenn es wirklich knusprig wird, würde ich Dich schon vorher fragen, ob Du noch alle Latten am Zaun hast.
ich wollte auch noch meinen Senf zu den KI geben. Ich nutze privat und geschäftlich ChatGPT und Claude. Im Privaten ist unser hobby eine tolle Spielwiese, zum Testen, was heute mit KI geht. Versuche zunächst ein Treiber für ein dreiweger zu finden, wo Bass und Hochton festliegt und eine solche Suche geht definitiv in die Hose. Da muss man deutlich einschränken was man tatsächlich möchte und auch dann sind ständig fehler in der suche, z.b wollte ich einen der nicht breiter ist als das Baumaß 150 mm. Ständig musste ich schreiben, bitte überprüfe selbst ob dieser reinpasst, du hast recht der Treiber passt leider nicht auf die Schallwand. Das prozedere hat geschlagene drei Tage gedauert. Es wurde dann ein Faital, 5 Zoll.
zweites Beispiel, ... wo ist in dieser Kombination die beste Trennfrequenz, ganz tolle antworten und nach einer Halben Stunde vollkommener Quatsch, dann schrieb ChatGPT, geb mir einfach die Messdaten von REW und ich suche dir die geeignete Trennfrequenz. Dann meine Frage wie soll ich die Daten liefern, einfach die Messung hier dranhängen habe ich gemacht. ChatGPT, ich kann die Daten nicht lesen! welches Format benötigst du? ja einfach die REW Daten hochladen. Kann ich leider nicht lesen. welches Format benötigst du, einfach REW usw. FEEDBACK-Schleife, bis ich aufgegeben habe. Auch Bilder hat er auf einmal nicht mehr erkannt. Er lief quasi voll an die Wand. Einen Tag später im neuen Chat hat es geklappt.
dreittes beispiel, kannst du mir eine werkstattskizze für diese Box machen, auch hier vollkommener Quatsch was da rauskommt.
Claude ist in diesen Dingen etwas besser.
viertes und letztes privates Beispiel. Ich mache gerade für eine meiner Boxen eine Dokumentation, ganz bewusst schreibe ich nicht einen Satz selbst, sondern lasse alles die beiden KI schreiben. Einer alleine bekommt es nicht hin, ich benutze beide. ChatGPT kann sehr gut kleine Texte verfassen. Du gibst die Stichworte oder ein Forenthread als PDF und ChatGPT macht daraus einzelne Kapitel. Das geht sehr gut. ABER, ich erkenne sofort, dass es von einer KI kommt. Ich korrigiere Abschlussarbeiten in meinem Job und man erkennt direkt was von einer KI kommt. Wenn man dann sagt, bitte schreibe so wie wenn ein Mensch dies schreibt, und schon wird es Menschenähnlicher, aber trotzdem versagt hier die KI. Claude kann ganze Texte verfeinern und dann wieder eine DOCX ausgeben, was ChatGPT nicht kann, da muss man über copy/paste arbeiten. Ich habe ganz bewusst Zeit reingesteckt, zu erfahren was heute möglich ist, ... in diesen zwei Wochen Arbeit hätte ich die 30 Seiten auch selbst geschrieben, also aktuell noch keine Zeitersparnis. Aber ich erkenne, dass es nicht mehr lange dauert bis alles automatisiert geht.
Ein Tipp am Rande, wenn was nicht so möchte, verschiebe es auf morgen und mache einen neuen Chat auf und kopiere eine Zusammenfassung des letzten Chatverlaufs in einen neuen, und schon gehts.
Im Büro. ich habe eine Liste haben wollen über alle Firmen im Raum Pforzheim welche technische Berufe ausbildet. Das war ein Drama. ChatGPT kann nur häppchenweise diese Aufgabe übernehmen und Claude macht zu viele Fehler, ... auch dieser Versuch ging in die Hose. Wir würden in eine Jobbörse gehen und die Firmen nach und nach in eine Liste kopieren. so ähnlich macht es auch die KI. Super denke ich, Zeit gespart. Dann frage ich welche Jahre hast du genommen. Ja, alle? Wie kannst du wissen, ob es die Firmen noch gibt, bitte beschränke deine Suche auf 2025 und 2026 und 2027, ... es hat sich herausgestellt dass von den 50 Firmen, es 20 gar nicht mehr gibt. Ganz schlimm wurde es dann als ich die Frage gestellt habe, ob man die Geschäftführer erruieren kann. Ja, Natürlich. von den 50 Firmen, gab es 20 nicht mehr und bei 15 weiteren wurden mir falsche Geschäftführer angegeben. Ich musste Firma für Firma selbst recherchieren. Volle Katastrophe. Die Liste stand in ca 2 Wochen. erst jetzt bin ich sicher, dass so ziemlich alles passt. Interessanterweise waren auch Adressen vollkommen falsch.
Auch hier ist Claude etwas besser. aber immer noch sehr Fehleranfällig.
Manche Dinge gehen sehr gut und andere garnicht.
was ich gelernt habe: chatGPT kann Häppchenweise sehr gute Ergebnisse liefern, werden die Aufgaben zu groß schaltet irgendwann ab und es wird sehr ungenau. Bei Claude habe ich eher das Problem dass bestimmte Dinge in der Qualität deutlich schlechter werden. z.B. Versuche in der Dokumentation fachliche Doppler zu finden, was man zusammenfassen kann. und versuche einen neuen roten Faden zu finden. Formuliere den Text menschlicher um, der Text hat sich gelesen wie wenn ein 12 Jähriger es geschrieben hätte, also in "ich" Form. Also völlig ungeeignet.
Ich bin positiv gestimmt, dass die Unzulänglichkeiten irgendwann mal weniger werden. Aktuell ist es zumindest für mich, keine Arbeitserleichterung, aber ich nutze es trotzdem, in der Hoffnung, dass es irgendwann mal besser wird.
Vor 11 Stunden(Dieser Beitrag wurde zuletzt bearbeitet: Vor 10 Stunden von Koaxfan.)
Geometrische Fragen die auf Grundschul-Niveau sind, sind für General-Purpose-Modelle aktuell schlicht nicht machbar. Also z.B.
- Du hast ein Rechteck, Länge x Breite in cm. Wie viele Kreise mit Durchmesser y cm passen maximal drauf und in welcher Anordnung?
- Die Schallwand ist x cm breit, Materialstärke y mm, berücksichtige nur Treiber die reinpassen
Sowas geht nur per Zwischenschritt, Sanity Check, Korrektur, Fixierung. Also beispielsweise:
Foto aller Chassis im Vorratsschrank machen, sagen "hole mir dazu alle Daten und liste sie mir als Tabelle auf" und dann verschiedene Faktoren gegeneinander checken, also z.B. Sanity Check auf "Typ Tieftöner", "Einbaubreite" und "Sd" machen. Das ggf. korrigieren, abspeichern. Bei der Recherche "welcher Mitteltöner passt zu meinem HT und TT" müssen alle Kandidaten dann diesen Prozess durchlaufen. Solche regelmäßigen Prozesse kann man sich recht einfach als Skill anlegen, die über Keywords getriggert werden. Ich habe z.B. einen Skill, der in die Nachrichten an bestimmte Personen (die dafür bekannt sind, Nachrichten "die nach KI klingen" herabzuwürdigen) genau definierte Tippfehler einfügt sowie Germanismen (deutsche Formulierung 1:1 englisch übersetzt) damit es weniger polished klingt.
Zurück zu technischen Themen, insbesondere zu mechanischen/geometrischen Zusammenhängen. Wie oben beschrieben geht das aktuell (Stand: AUgust 2026) nur über Zwischenschritte. Aber einfach so, in einem Schritt? Nicht aktuell, nicht mit freien Modellen die alles können müssen vom Backrezept über Katzengesundheit bis Psychoanalyse. Die Modelle sind besser geworden, lassen sich durch Briefing stärker kontextualisieren, aber es sind halt immer noch general-purpose-Modelle. Es hat schon seinen Grund, warum man RICHTIGE Anwendungen
- mit Spezialmodellen bearbeitet
- nicht einfach so in das Modell wirft und dem Output glaubt sondern es in eine validierende Architektur einbettet, die prüft "kann das sein?"
Beides mache ich. Und deshalb stellt es mir natürlich die Nackenhaare auf, wenn jemand versucht, mit Gemini/Copilot standalone so komplexe Themen in einem Block in einem Prompt zu lösen.
Auch mit solchen Recherche-Tasks habe ich so meine Erfahrungen gemacht - Highlight: Ich wollte zu einer Liste von 100 Zielfirmen eine Beschreibung haben und die AI hat vorgeschlagen, auch Wikipedia dafür zu verwenden. An sich nicht schlecht, aber es hat dann tatsächlich nur die Startseite (!) von WIkipedia genommen. Nun ist auf der Startseite immer ein "Artikel des Tages" (heute: Mondego Metrobus ist ein Bus-Rapid-Transit-System in der Region Coimbra in Portugal.) und daher enthielt die Zusammenfassung überall nur diesen Artikel. Also: "Firma A ist ein Bus-Rapid-Transit-System in der Region Coimbra in Portugal" , "Firma B ist ein Bus-Rapid-Transit-System in der Region Coimbra in Portugal" und so weiter. Und ja, natürlich kann man gut sagen: Die Zeit, bis man das korrigiert bekommt, da könnte man es auch manuell machen. Absolut valider Punkt und daran muss es sich auch messen. Ich bin da gnadenlos und haue das den Systemen brachial um die Ohren. Lustigerweise fangen manche (insbesondere CHatGPT) nach solchen Fehltritten bzw. dem folgenden Anschiss gerne mal an, vom "Du" auf das "Sie" zu wechseln, weil ich sie gar so zusammengefaltet habe.
Was ich unbedingt empfehle: Auf keinen Fall der AI eine Aufgabe genau so geben, wie man sie selbst machen würde, sondern explizit anfangs nur das Ziel geben und dann immer genauer planen, wie man es machen sollte. Also NICHT sagen "durchsuche diese Seite" sondern "das ist mein Ziel, mache einen Plan".
Auf die Schnelle schlägt mir die KI für die AUsbildungsdatenbank folgende Systematisierung vor:
Lücken suchen: zusätzliche Firmen über alternative Quellen
Abschlussprüfung: jede Tabellenzeile mit Quellenbeleg versehen
Was die KI dann kann, ist eben mehr/schneller als der Mensch kann: verschiedene Jobbörsen durchsuchen und Ergebnisse normalisieren, „Mechatroniker (m/w/d)“, „Ausbildung zum Mechatroniker“ usw. demselben Beruf zuordnen, Dubletten erkennen, GmbH, GmbH & Co. KG und Betriebsstätten auseinanderhalten, Ergebnisse nach Radius und Berufsgruppen klassifizieren, für 100 Unternehmen die Verifikationsschritte vorbereiten, Widersprüche markieren, eine Tabelle mit Quelle und Abrufdatum erzeugen.
Niemals, wirklich niemals, versuchen, eine so komplexe Aufgabe einfach mal so einzutippen und der AI sagen, sie solle es so machen, wie man es selbst machen würde. Das klappt für die wetterabhängige Urlaubsplanung aber nicht für solche grounded research with provenance.
Während ein Mensch sagen würde "mit diesen Infos? vergiss es!" sagen die AIs eben gerne "Klar, super Idee, mache ich!". Da ist dann IMHO aber der Fehler vor dem Gerät, denn die richtige Frage ich nicht "mache das so und so" sondern "ich habe dieses Ziel, wie kann es eine AI lösen?" und dann schrittweise den Plan erarbeiten.
Mein Mehrwert ist es, bei einem Use Case entweder zu sagen: "So kann man es mit AI machen, das sind die Vor- und das die Nachteile." Oder auch, und das wird nie gerne gehört: "In diesem Fall hat AI nur Nachteile. Lasse sie es einfach und bringen sie erstmal ihre Datenbasis in Ordnung." darauf kommt dann meist ein "Dafür haben wir sie nicht geholt! Wie haben ein AI-Budget und damit machen wir jetzt diesen POC, der steht bei mir in der Quartalszielen drin!" und dann kommt so ein Desaster mit Ansage raus wie es völlig zurecht im "Mich nervt" Thread beklagt wurde.
meine Erfahrungen bei der Nutzung von KI für die Lautsprecherentwicklung sind sehr durchwachsen. Man muss eigentlich schon genau wissen was man tut um die Aussagen der KI ständig beurteilen zu können, denn da ist viel Murks dabei.
Ich habe aufgrund dieses Threads hier eine Anfrage mal anders gestellt und das Ergebnis hat mich zutiefst verblüfft:
Meine Anfrage:
Ich benötige eine Beratung im Bereich professionelle Lautsprecherentwicklung. Die Fakten folgen im Anschluss.
Einsatzbereich: Highend HiFi | Systemkonzept: Satellit passiv / Subwooferhorn aktiv | Wie viele Wege: 4-Wege |Gehäusetyp: Bassreflex-Satellit mit einem Eckhornsubwoofer | Chassis-Auswahl: Satellit - TMT 2x Eton 8-800/37Hex, MT aus der B&W 801D4 | Ziele & Restriktionen: Maximaler Schalldruck pro Lautsprecher (Peak SPL) 118 dB/1m, Wirkungsgrad 94 dB/2,83 V/1m | Budgetgrenzen: Keine | Aufgabe: Ich suche einen passenden Hochtöner, der sowohl bezüglich Wirkungsgrad als auch Abstrahlverhalten zu den anderen Chassis im Satelliten passt.
Antwort KI:
(Sie hat zunächst die vorhandenen Chassis analysiert) Anforderungen an den Hochtöner
Um sich nahtlos einzufügen, muss der Hochtöner folgende Kriterien erfüllen: Wirkungsgrad: Mindestens 95 bis 96 dB / 2,83V / 1m, um per Spannungsteiler (L-Pad) sauber auf 94 dB linearisiert zu werden und Headroom für die Weichenbauteile zu haben. Normale High-End-Kalotten (oft nur 89–91 dB) scheiden komplett aus.Abstrahlverhalten (Directivity Index): Der B&W 6-Zoll-Mitteltöner bündelt bedingt durch seine Membrangröße ab ca. 2,5 kHz spürbar. Der Hochtöner muss dieses Bündelungsverhalten an der Trennfrequenz aufgreifen. Das erfordert entweder einen Hochtöner mit Waveguide (Schallführung) oder einen AMT/Bändchen mit passendem Seitenverhältnis.Klirrfaktor & Pegelfestigkeit: Um verzerrungsfrei 118 dB Peak zu liefern, muss der Tweeter mechanisch hoch belastbar.
Konkrete Produktempfehlungen für den Hochtöner
Da Ihr Budget unbegrenzt ist, kommen hier die zwei akustisch exzellenten Lösungen, sortiert nach ihrer technologischen Ausrichtung:
Option 1: Die kompromisslose High-End-Kalotte mit Waveguide-Anpassung
BlieSMa T34B-4 (Beryllium) Begründung: Diese 34-mm-Großkalotte besitzt dank ihrer übergroßen Membran und des Neodym-Antriebs einen extremen Kennschalldruck von 97,5 dB / 2,83V / 1m. Sie bietet die Performance und Detailauflösung absolut kompromissloser High-End-Systeme.Anpassung Abstrahlverhalten: Durch die 34-mm-Membran bündelt dieser Hochtöner im unteren Hochton nativ etwas stärker als eine 25-mm-Kalotte. Das passt hervorragend zum 6-Zoll-Mitteltöner von B&W. Für das perfekte Abstrahlverhalten empfiehlt sich die Montage in einem maßgeschneiderten, flachen Waveguide (z. B. CNC-gefräst in der Satellitenfront), um den Übergang bei ca. 2,2 bis 2,5 kHz perfekt stetig zu gestalten. Sie bietet zudem massive Pegelreserven weit jenseits der 118 dB.
Option 2: Der High-End Air Motion Transformer (AMT)Mundorf AMTU160W1.1 oder Mundorf AMTU80W1.1
Begründung: Mundorf AMTs gehören zum Besten, was der weltweite High-End-Markt an Auflösung und Dynamik bietet. Die Pro- bzw. High-Output-Modelle der U-Serie erreichen problemlos 95 bis 98 dB / 2,83V / 1m Wirkungsgrad.
Anpassung Abstrahlverhalten: Die vertikal gestreckte Membran des AMT sorgt konstruktionsbedingt für eine leichte Bündelung in der vertikalen Achse (was Decken- und Bodenreflexionen mindert) und strahlt horizontal sehr breit ab. Wenn Sie die Trennfrequenz zum B&W-Treiber bei ca. 2,5 bis 3 kHz ansetzen, lässt sich das Abstrahlverhalten der beiden Chassis gut matchen.
__________________________________________________________________________________________________________________
Was daran der Knaller ist?
Meine eigene Lösung dieser Frage war eben genau dieser Bliesma im Waveguide oder vielleicht auch ein Harwood AM25 oder AM25.2 (abhängig vom tatsächlichen Bündelungsverhalten der Continuum-Membran).
Die Antwort der KI ist so verdammt nah dran...
Gruß
JesseGood Vibration
Die Realität ist in Wirklichkeit etwas komplizierter.
Vor 7 Stunden(Dieser Beitrag wurde zuletzt bearbeitet: Vor 6 Stunden von Koaxfan.)
Was sagt meine KI dazu - nicht nur zur Antwort, sondern insbesondere zum Prompt:
Interessant ist: Die Antwort zeigt typische Symptome eines schlecht gegroundeten LLM-Outputs. Sie klingt fachlich geschlossen, obwohl wesentliche Voraussetzungen nicht geklärt wurden. Und sie enthält mindestens einen klar nachprüfbaren Sachfehler: Die Mundorf AMTU160W1.1 hat laut Hersteller 93 dB/2,83 V/1 m, nicht die behaupteten 95–98 dB. Der AMTU80W1.1 liegt bei 94 dB.
Solche krassen Fehler (Datenblatt nicht lesen, stattdessen einfach was vermuten) kenne ich tatsächlich nur von Gemini, daher tippe ich auch darauf.
Auch die Aussage, der BlieSMa T34B-4 biete „massive Pegelreserven weit jenseits der 118 dB“, ist so nicht aus dem Datenblatt ableitbar. BlieSMa nennt 97,5 dB/2,83 V/1 m und 80 W Rated Power mit 2,5-kHz-Hochpass. Das reicht rechnerisch gerade nicht zu einer belastbaren Behauptung „weit jenseits 118 dB“.
Was hätte man am Prompt verbessern sollen?
Vor allem hätte man der KI den Lösungsweg vorschreiben müssen, nicht die gewünschte Antwortform „empfiehl mir einen Hochtöner“.
Sinnvolle Struktur:
Keine Produktempfehlung im ersten Schritt.
Vorhandene Daten der Chassis aus Herstellerdatenblättern verifizieren.
Fehlende Daten explizit benennen und ggf. beim Nutzer abfragen.
Keine technischen Daten aus Modellwissen ergänzen.
Max-SPL rechnen, nicht aus „hoher Belastbarkeit“ ableiten.
Directivity anhand von Polardiagrammen/Spinorama bzw. Messdaten vergleichen.
Hochtöner nur empfehlen, wenn er die Hard Constraints tatsächlich erfüllt.
Ergebnisse als Pass/Fail-Matrix mit Quellen ausgeben.
Unsicherheit explizit markieren.
Marketingformulierungen wie „weltweit das Beste“, „perfekt“, „kompromisslos“ verbieten.
Vor allem fehlen im Ausgangsprompt entscheidende Informationen:
Der B&W-Mitteltöner ist der Knackpunkt. B&W nennt für die komplette 801 D4 einen 150-mm-Continuum-FST-Mitteltöner und 90 dB Systemempfindlichkeit, aber daraus kennt man eben nicht automatisch Empfindlichkeit, Impedanzverlauf und Maximalpegel des einzelnen ausgebauten Mitteltöners.
Außerdem müsste man wissen:
geplante MT/HT-Trennfrequenz bzw. zulässiger Bereich
Frequenzgang des B&W-MT im tatsächlichen Gehäuse
Impedanz des einzelnen B&W-MT
horizontale und vertikale Polardaten
Schallwandbreite und -geometrie
Treiberpositionen und Achsabstände
gewünschte Flankensteilheiten
ob 118 dB Peak über das gesamte Spektrum verlangt werden
wie „Peak“ definiert wird
Messdistanz bzw. gewünschter Pegel am Hörplatz
Besonders problematisch finde ich die Directivity-Begründung der Antwort. Ein 150-mm-Mitteltöner und eine 34-mm-Kalotte haben bei 2–3 kHz keineswegs von Natur aus ein gut zusammenpassendes Abstrahlverhalten. Bei 2,5 kHz beträgt die Wellenlänge nur etwa 137 mm; der 150-mm-Treiber beginnt daher bereits erheblich zu bündeln, während eine 34-mm-Kalotte dort noch sehr breit abstrahlt. „34 mm bündelt etwas stärker und passt hervorragend“ ist viel zu salopp.
Ein Waveguide könnte das lösen. Aber dann ist der Waveguide selbst ein wesentlicher Teil der Entwicklung. „CNC-gefrästes flaches Waveguide dran, dann passt es perfekt“ ist keine belastbare Konstruktion.
Ein wesentlich besserer Prompt wäre inhaltlich etwa so aufgebaut:
Analysiere diese Aufgabe wie ein Lautsprecherentwickler. Gib zunächst keine Produktempfehlung.
Verifiziere alle angegebenen Chassisdaten anhand von Herstellerquellen.
Liste die für eine belastbare HT-Auswahl fehlenden Parameter auf.
Prüfe, ob die Ziele 94 dB/2,83 V/1 m und 118 dB Peak mit den vorhandenen Chassis überhaupt konsistent erreichbar sind.
Bestimme den sinnvollen MT/HT-Übergangsbereich aus Belastbarkeit und horizontaler/vertikaler Directivity.
Suche anschließend geeignete Hochtöner ausschließlich anhand aktueller Herstellerdaten.
Berechne für jeden Kandidaten Sensitivity- und SPL-Headroom.
Vergleiche die Polardaten mit dem B&W-Mitteltöner. Wenn dafür keine Messdaten verfügbar sind, sage ausdrücklich, dass keine belastbare Directivity-Aussage möglich ist.
Stelle Kandidaten in einer Pass/Fail-Tabelle dar und verlinke die verwendeten Datenblätter.
Erfinde keine fehlenden Werte und kennzeichne Annahmen ausdrücklich.
Verwende keine subjektiven High-End-Wertungen, sondern begründe ausschließlich technisch.
Das Entscheidende daran ist Punkt 1–4: Die KI muss zunächst herausfinden, ob sie überhaupt genügend Informationen besitzt, um die Frage zu beantworten.
Der ursprüngliche Prompt gibt ihr dagegen implizit den Auftrag: „Finde einen passenden Hochtöner.“ Also findet sie einen. Und genau daraus entsteht das hübsch formulierte BlieSMa/Mundorf-Ergebnis, obwohl sie eigentlich spätestens beim unbekannten B&W-Mitteltöner hätte sagen müssen: „Für eine belastbare Auswahl fehlen mir Messdaten.“
Das ist ziemlich genau dieselbe Problematik wie bei der Firmenliste: Nicht die KI auffordern, eine vollständig ausgefüllte Antwort zu produzieren, sondern einen evidenzgebundenen Prozess definieren, in dem „nicht bestimmbar“ ein zulässiges Ergebnis ist.
Aus Spaß habe ich mal 1. den originalen Prompt von Jesse und 2. meinen geänderten Prompt in ChatGPT geworfen. Holla die Waldfee. Aus Spaß dann nochmal 3. nach den Mundorf und Harwood gefragt.
1. Ergab etwa 10 Seiten Recherche, daraus die Bilder 1-3
2. Ergab etwa 20 Seiten Recherche und viele Arbeitsaufträge, daraus die Bilder 4-6
3. Ergab etwa 12 Seiten Recherche und viele offene Fragen, daraus die Bilder 7-9.
Ich will jetzt weder den Prompt von Jesse bashen (ich freue mich ja, dass es mal jemand versucht) noch die KI (naja, also die eigentlich schon, bei diesem Ergebnis). Was ich primär erreichen möchte ist zu zeigen
1. Sowas wie "die KI" gibt es nicht
2. Der Prompt dreht das Ergebnis komplett von "unbrauchbare Halluzination" auf "fundierte Recherche"
Vor allem hätte man der KI den Lösungsweg vorschreiben müssen, ....
Danke dir für die ausführliche Darstellung — das deckt sich mit meiner Erfahrung.
Gerade bei komplexeren Themen funktioniert es oft besser, die Fragestellung in kleineren Häppchen aufzubauen, statt alles in einen einzigen Prompt zu packen.
Das hat zwei Vorteile:
Man kann die Antworten schrittweise gegenchecken und man kann die KI im Falle früher wieder einfangen (Stichwort "soft reset").
Man zwingt die KI, den Denkweg sauber zu gehen, statt eine große, möglicherweise fehlerhafte Synthese zu liefern.
Gruß Rainer
Hier noch mein "Mantra" — ursprünglich aus dem Bereich geistiges Eigentum / Recherche, aber m.E. grundsätzlich übertragbar: AI-Assisted Review rule of thumb
Never trust AI rankings. – Rankings guide.
Never trust AI summaries. – Summaries assist.
Never trust AI explanations. – AI suggests.
Trust the document. – Documents are evidence.
(Alternative, etwas markanter: Documents are the significant deal.)
Count on humans. – They verify, conclude and deliver.¹
¹ … at least they try their best ?
Humans are not flawless either, but they continuously strive to reduce uncertainty by seeking and reviewing better evidence.
Vor 5 Stunden(Dieser Beitrag wurde zuletzt bearbeitet: Vor 5 Stunden von Jesse.)
(Vor 7 Stunden)Koaxfan schrieb: Auch die Aussage, der BlieSMa T34B-4 biete „massive Pegelreserven weit jenseits der 118 dB“, ist so nicht aus dem Datenblatt ableitbar. BlieSMa nennt 97,5 dB/2,83 V/1 m und 80 W Rated Power mit 2,5-kHz-Hochpass. Das reicht rechnerisch gerade nicht zu einer belastbaren Behauptung „weit jenseits 118 dB“.
Diese Aussage hat sie allerdings nach ihrer Empfehlung des Waveguides gemacht. Wenn man sich anschaut welchen Wirkungsgrad der Bliesma im Waveguide erreicht, dann ist auch sofort ersichtlich, dass er die geforderten 118 dB durchaus erreichen und übertreffen kann.
(Vor 7 Stunden)Koaxfan schrieb: Der B&W-Mitteltöner ist der Knackpunkt. B&W nennt für die komplette 801 D4 einen 150-mm-Continuum-FST-Mitteltöner und 90 dB Systemempfindlichkeit, aber daraus kennt man eben nicht automatisch Empfindlichkeit, Impedanzverlauf und Maximalpegel des einzelnen ausgebauten Mitteltöners.
Da ist sie bei der Bewertung des Mitteltöners auch tatsächlich als unzureichend angemerkt. Diesen ganzen Bereich habe ich mit " (Sie hat zunächst die vorhandenen Chassis analysiert) " übergangen um den Text hier nicht unendlich werden zu lassen, das will dann keiner mehr lesen.
(Vor 7 Stunden)Koaxfan schrieb: Ein Waveguide könnte das lösen. Aber dann ist der Waveguide selbst ein wesentlicher Teil der Entwicklung. „CNC-gefrästes flaches Waveguide dran, dann passt es perfekt“ ist keine belastbare Konstruktion.
Das ist in der Tat etwas oberflächlich aber in der Praxis hat sie recht mit dieser Aussage.
Interessant finde ich, dass die ChatGPT-Ergebnisse 1-3 zu ähnlichen (wenn auch deutlich ausführlicheren und vollständigeren) Ergebnissen gekommen ist wie Gemini.
In Anbetracht meines schlechten Prompts führen die Antworten beider KIs aber verblüffenderweise zu einem in der Praxis perfekt passenden favoritisierten Vorschlag: Bliesma T34B-4 + Waveguide.
Ich wollte ja auch wissen, ob Gemini von sich aus ein Waveguide vorschlägt, denn dieses ist bei Verwendung von Kalotten die Vorraussetzung, dass diese überhaupt die 118 dB (AES-Short-Term) bei der erforderlichen Trennfrequenz (bei passendem Abstrahlverhalten) erreichen können. Selbst die von Gemini vorgeschlagene Trennfrequenz stimmt, obwohl ich eher vermute, dass sie hier beim Raten Glück gehabt hat aber immerhin.
Mein Promt war ein Schnellschuss und bewusst simpel gehalten und in Anbetracht dessen kann ich nicht viel Halluzination bei beiden KIs erkennen.
Wenn man bei einer tatsächlichen Entwicklung auf die Hilfe einer KI angewiesen ist, sollte man sicherlich methodischer Vorgehen.
Gruß
JesseGood Vibration
Die Realität ist in Wirklichkeit etwas komplizierter.
(Vor 5 Stunden)Jesse schrieb: Interessant finde ich, dass die ChatGPT-Ergebnisse 1-3 zu ähnlichen (wenn auch deutlich ausführlicheren und vollständigeren) Ergebnissen gekommen ist wie Gemini.
Beruhigt mich, dass ich alleine aus dem halluzinierten Pegel richtig auf Gemini getippt habe, so schlimm macht das wirklich keine andere von mir getestete AI.
Ob man sich, auch wenn es die eigene Meinung bestätigt, auf sowas verlassen will, steht auf einem anderen Blatt.
Dass die beiden Analysen zu einem ähnlichen Ergebnis gekommen ist, hmmm, das würde ich doch stark differenzieren. Der BlieSMa T34B-4 ist tatsächlich auch in meiner Analyse ein ernsthafter Kandidat. Die Gründe überschneiden sich: hohe Spannungsempfindlichkeit, große 34-mm-Kalotte und prinzipiell die Möglichkeit, mit einem passenden Waveguide die Directivity gezielt zu formen.
Aber gerade die entscheidenden Aussagen von Gemini sind schlicht erfunden: Dass der T34B „hervorragend“ zum B&W-Mitteltöner passe, ist schlicht ausgedacht wie ein Wochenhoroskop in "Adel Aktuell". Dass ein Custom-Waveguide den Übergang bei 2,2–2,5 kHz „perfekt stetig“ mache, ist eine Entwicklungsannahme mit vielen, vielen Fragezeichen. Und „massive Pegelreserven weit jenseits 118 dB“ ist durch die BlieSMa-Herstellerdaten ebenfalls nicht gedeckt.
Bei den Mundorf-AMTs ist die Abweichung noch deutlicher. Gemini schreibt für die U-Serie von 95–98 dB/2,83 V/1 m. Die konkreten Modelle, um die es geht, liegen laut Mundorf aber bei:
AMTU160W1.1: 93 dB/2,83 V/1 m
AMTU80W1.1: 94 dB/2,83 V/1 m
Damit ist die zitierte Wirkungsgradbegründung für genau diese beiden Modelle falsch. Für ein 94-dB-passives System hat der U80 0 dB Reserve, der U160 sogar etwa −1 dB.
Auch beim Maximalpegel komme ich zu einem anderen Ergebnis. Mundorf nennt explizite Short-Term-Spannungsgrenzen. Daraus ergeben sich idealisiert ungefähr:
U160: rund 111,5 dB RMS-äquivalenter SPL
U80: rund 110,5 dB RMS-äquivalenter SPL
Selbst wenn man einen momentanen Sinusdruck-Peak mit +3 dB betrachtet, liegen beide klar unter 118 dB. Die Aussage „problemlos“ ist deshalb schlicht falsch.
Am stärksten unterscheidet sich die Bewertung bei der Directivity. Gemini formuliert sinngemäß: „vertikal etwas enger, horizontal breit, daher bei 2,5–3 kHz gut matchbar.“ Genau diesen Schluss würde ich nicht ziehen. Ein 150-mm-runder Mitteltöner und ein hoher AMT besitzen völlig unterschiedliche Aperturgeometrien. Besonders der U160 ist mit rund 175 mm Bauhöhe ein sehr langer vertikaler Strahler und erzwingt außerdem einen großen MT/HT-Achsabstand. Das kann die vertikale Systemabstrahlung erheblich verschlechtern. Ob es zum B&W passt, lässt sich ohne B&W-Polardaten nicht feststellen.
Also leider Gottes (ich will nämlich garnicht recht haben) hat hier die dafür sattsam bekannte AI eben gerade die Vorurteile über AIs bestätigt. Dass eine der beiden Empfehlungen sich mit dem eigenen Gefühl deckt, macht es als Sparringspartner nicht besser.
@Koaxfan; Genau das ist der Punkt. Gibt man der KI einen Prompt, bei dem sie aus Herzenslust drauflosschwurbeln kann, wird sie das auch tun. Ihre Antworten folgen dann nicht den Fakten, sondern einer statistischen Häufigkeitsverteilung von Worten und Satzbausteinen.
Ich muss mich immer noch zusammenreißen, einer KI nicht einen Prompt nach dem Motto "jetzt mach mal" hinzuknallen. Je mehr Fakten, je konkreter die Anfrage, je mehr Möglichkeiten der KI nimmt zu halluzinieren, desto besser das Ergebnis.
Und noch eine inhaltliche Anmerkung: Bliesma T34B-4 + Waveguide ist ja jetzt auch nichts was vom Himmel fällt. Ergo / OLA-WG 2.5 160mm ; PKAudio/Pida 6" ; Soma Sonus / augerpro 8" ; Joseph Crowe No.2439 . Soweit, so gut. Aber: Das Grundprinzip (andere Dimension) gibts auch schon fertig, heißt dann https://sbacoustics.com/wp-content/uploa...BNWG-4.pdf bzw. https://sbacoustics.com/product/satori-t...beryllium/ - und dann schau mal, wie groß der WG ist. Also ja, geht schon, klar. Nur muss man sich klar sein, was man sich durch den riesigen WG einhandelt - und das widerspricht eben vielen stillschweigenden Annahmen, die in der Gemini-Antwort einfach garnicht erst auftauchen. Und das gehört bei der Frage "Bliesma T34B-4 + Waveguide" eben gerade dazu.
Kurz: "Bliesma T34B-4 + Waveguide" ist jetzt an sich keine schlechte Idee, aber die Art wie Gemini das hier so schreibt ist ganz weit weg Prozessen wie hier https://josephcrowe.com/blogs/news/blies...de-no-2439 und verspricht trotzdem diese Ergebnisse.
Nein, ich will hier niemandem den Spaß an Bliesma T34B-4 + Waveguide nehmen. Nur zeigen, was mit einer richtigen AI und einem richtigen Prompt möglich ist.
"Ob man sich, auch wenn es die eigene Meinung bestätigt, auf sowas verlassen will, steht auf einem anderen Blatt."
Sehe ich genauso. Ich kann's für Gemini erstmal nicht empfehlen auch wenn ich sehr verblüfft war, dass der Schnellschuss zum gleichen Ergebnis geführt hat wie meine Überlegungen.
Hast du die kostenlose Variante von ChatGPT verwendet?
Eben, man darf die KI nicht so fragen, dass sie die eigene Auffassung bestätigt. Ich habe tatsächlich vorhin eine meiner KIn angewiesen, alles bisherige zu vergessen, um den Bias rauszubekommen.
Die Anweisung ist das Eine, der harte Zwang über die entsprechenden Policies das Andere. Es ist halt wie in der Kletterwand: Drei Punkte stabil halten und einer bewegt sich (von Ausnahmen abgesehen). Also ich muss alles festlegen was ich festlegen kann, eben zum Beispiel den Raum kann ich hervorragend genau als Datei festlegen und dann gibt es erst gar keine Option mehr, sich einen Raum oder dessen Moden herbeizuhalluzinieren.
Good Vibration
