73 KiB
Abbildungen und Grafiken: „Die KI hinter dem Vorhang"
Didaktischer Katalog der Buch-Illustrationen (Beschreibungen, Zweck, Bildsprache).
Stand Katalog-Text: 2026-07-22 (Beschreibungen); Dateizählung: 2026-09-18
Kanonische Dateiliste: assets/illustrations/ASSET-MAP.md / asset-map.json (48 Illustrationen)
Im PDF: nur <!-- illustration: assets/illustrations/… --> im Manuskript (46 Marker).
Übersicht
| Kategorie | Anzahl (ASSET-MAP) |
|---|---|
| KEY | 11 |
| MUST | 17 |
| SHOULD | 20 |
| Illustrationen gesamt | 48 |
| Teil-Trenner-Grafiken | 3 |
| Cover | 1 |
PROLOG
I-0: Nutzer sieht vs. Pipeline — KEY
Kapitel: Prolog | | Orientierung: Hochformat 3:4
Was die Abbildung zeigen soll: Eine zweigeteilte Szene. Oben: Eine Chat-Oberfläche – Smartphone oder Tablet mit einer Nachricht (z. B. Reiseplan für Lissabon) und einer freundlich formatierten Antwort. Unten: eine aufgeklappte „Technik-Etage" mit einer sechsstufigen horizontalen Pipeline: Eingabetext → Tokenisierung → Kontext-Token-Sequenz → Transformer → Wahrscheinlichkeitsverteilung → Auswahl/Temperatur → Schleifenpfeil zurück. Die Pipeline ist als beleuchtetes Fließband inszeniert. Zwischen beiden Ebenen ein theatralischer Vorhang, der an einer Stelle geöffnet ist.
Didaktischer Zweck: Die erste visuelle Brücke vom User-Erlebnis zur Mechanik. Sie etabliert die zentrale Metapher des ganzen Buchs: „Hinter dem Vorhang" verbirgt sich nachvollziehbare Technik. Der Leser soll verstehen: Was wie Magie aussieht, ist ein wiederholter, mechanischer Prozess.
Bildsprache: Fließband-Ästhetik (Produktionslinie) vs. polierte UI-Oberfläche. Der Vorhang als digitalisierter Stoff (Stoff → Pixel-Übergang). Token-Chips als runde, transluzente Scheiben.
Bildunterschrift (vorgeschlagen): „Oben: Was die Nutzerin sieht – ein Chatfenster mit Antwort. Unten: Was technisch geschieht – eine wiederholte Token-Vorhersage-Schleife. Der Vorhang ist das Interface."
I-0b: Drei Szenen – ein Prinzip — NICE
Kapitel: Prolog (optional) | | Orientierung: Querformat
Was die Abbildung zeigen soll: Ein Triptychon: Links das Lissabon-Beispiel (Reiseplan), Mitte das Code-Beispiel (IDE mit Tab-Vervollständigung), rechts das medizinische Beispiel (Chat mit Disclaimer). Unter allen drei Szenen verläuft dasselbe Grundprinzip als durchgehendes graues Band: „Nächstes Token vorhersagen – wieder und wieder."
Didaktischer Zweck: Macht die Kernbotschaft des Prologs visuell: Drei völlig unterschiedliche Anwendungen – Reiseplanung, Code, medizinische Einordnung – basieren alle auf derselben Mechanik.
Bildsprache: Sachlich, reduziert. Jede Szene als klare Linienzeichnung mit je einem Farbakzent. Die verbindende Horizontale wie eine Leitplanke.
Bildunterschrift (vorgeschlagen): „Drei Szenen – Reiseplanung, Code, medizinische Einordnung – und doch basieren alle auf derselben Mechanik: Next-Token-Prediction."
KAPITEL 1 – Von AlexNet bis ChatGPT
I-1a: Timeline 2012–2026 — MUST
Kapitel: 1 | Render: hybrid | Mermaid: 01-timeline
Was die Abbildung zeigen soll: Horizontale Zeitachse mit sieben Stationen als kausale Kette: 2012 AlexNet → 2013–15 Embeddings/Seq2Seq → 2017 Transformer → 2018–20 BERT/GPT-3 → 2022 ChatGPT-Moment → 2023–24 Multimodalität → 2024–26 Reasoning/Agenten. Jeder Pfeil trägt eine Kurzbeschreibung des gelösten Problems (z. B. „Skalierung braucht Architektur" → Transformer). Farbverlauf von Cyan nach Violett signalisiert Reifung. Unten ein schwaches Hardware/Daten-Raster als Fundament.
Didaktischer Zweck: Der historische Anker fürs ganze Buch. Soll zeigen, dass die heutige KI keine Sammlung isolierter „Durchbrüche" ist, sondern eine kausale Kette: Jeder Schritt löste ein Problem, das der vorherige sichtbar gemacht hatte.
Bildsprache: Horizontales Band mit „Problem-Lösung"-Paaren. Stationen als Knoten mit spezifischen Icons (Auge für Vision, Sprechblase für Sprache, Puzzle für Multimodal, Zahnrad für Agent).
Bildunterschrift (vorgeschlagen): „Von AlexNet zu Agenten – eine kausale Kette, nicht eine Sammlung von Durchbrüchen."
I-1b: Größenentwicklung 2018–2024 — SHOULD
Kapitel: 1 | Render: hybrid
Was die Abbildung zeigen soll: Ein Diagramm, das die Modellgrößenentwicklung von 2018 bis 2024 zeigt, mit dem Chinchilla-Ring-Knick – dem Punkt, an dem klar wurde, dass nicht nur Parameter, sondern auch Datenmenge und Rechenleistung im richtigen Verhältnis stehen müssen.
Didaktischer Zweck: Entkräftet die öffentliche Fixierung auf Parameterzahlen. Zeigt: Skalierung ist nicht linear, und „mehr Parameter" bedeutet nicht automatisch „besser".
Bildsprache: Diagramm mit markantem Knick, der die Chinchilla-Balance illustriert. Keine Fake-Zahlen.
Bildunterschrift (vorgeschlagen): „Größenentwicklung ist nicht gleich Intelligenz-Entwicklung. Der Chinchilla-Knick zeigt: Das richtige Verhältnis zählt."
I-1c: Drei Schichten: Forschung / Infrastruktur / Produkt — MUST
Kapitel: 1
Was die Abbildung zeigen soll: Drei übereinanderliegende Schichten: Forschung (oben, akademische Papers, Labore), Infrastruktur (Mitte, Rechenzentren, GPUs, Trainings-Frameworks), Produkt (unten, Chat-Interfaces, APIs, die der Nutzer sieht). Die Schichten sind durch feine Verbindungslinien verknüpft.
Didaktischer Zweck: Zeigt, dass das, was der Nutzer als „die KI" wahrnimmt, nur die oberste von drei fundamentalen Schichten ist. Forschung und Infrastruktur sind unsichtbar, aber entscheidend.
Bildsprache: Architektonischer Schichten-Querschnitt mit durchscheinenden Ebenen.
Bildunterschrift (vorgeschlagen): „Drei Schichten, ein Produkt. Was der Nutzer sieht (oben), ruht auf Infrastruktur und Forschung – unsichtbar, aber unverzichtbar."
I-1d: Text → Tools → Agenten — MUST
Kapitel: 1
Was die Abbildung zeigen soll: Eine Pfeil-Sequenz als Miniatur-Vorschau: Completion → Chat → Assistant → Agent. Anders als die ausführliche Treppe in Kapitel 6 (I-6a) ist dies eine kleine, andeutende Vorausschau – Chips kleiner, kadriert in einem einzigen zarten Rahmen.
Didaktischer Zweck: Gibt in Kapitel 1 einen Vorgeschmack auf die Evolution, die in den Kapiteln 6–8 ausführlich behandelt wird. Der Leser sieht: „Aha, darum geht es später noch."
Bildsprache: Kleine, feine Miniatur-Vorschau – bewusst reduziert, um nicht mit der Vollgrafik I-6a zu kollidieren.
Bildunterschrift (vorgeschlagen): „Die Reise beginnt: Von einfacher Textvervollständigung zu Werkzeugen, Assistenten und Agenten – eine Vorausschau."
KAPITEL 2 – Was ein LLM wirklich ist
I-2a: Next-Token-Pipeline — KEY (wichtigste Grafik des Buches)
Kapitel: 2 | | Mermaid: 02-next-token-pipeline | Orientierung: Quer 16:9
Was die Abbildung zeigen soll: Eine sechsstufige, vertikale Produktionsstraße in einer Fabrikhalle: (1) Tokenisierung – ein Satz wird in farbige Kacheln zerlegt. (2) Embedding-Raum – die Kacheln als Punkte in einer abstrakten Landschaft. (3) Transformer/Attention – ein schematisches Netz, das Verbindungen zwischen Token-Punkten als leuchtende Linien zeigt. (4) Wahrscheinlichkeitsverteilung – ein „Glücksrad" mit allen Kandidaten. (5) Auswahl – Temperatur-Schieber. (6) Anhängen – der neue Token wird in die Sequenz eingeordnet, Schleifenpfeil zurück.
Didaktischer Zweck: Das Herzstück des Buches. Diese Grafik wird in fast jedem Kapitel referenziert. Sie muss auf einen Blick das fundamentale Funktionsprinzip jedes modernen LLM zeigen: Es gibt keine Datenbank, kein „Wissen" – nur einen probabilistischen Sample-Prozess, der sich selbst füttert.
Bildsprache: Produktionsstraße / Fabrikhalle in flachem Isometrie-Stil. Jede Station als klar abgegrenzter Bereich mit eigenem Lichtakzent (Cyan für LLM-lineare Prozesse, Violett für Kontrollpunkte).
Bildunterschrift (vorgeschlagen): „Die Next-Token-Pipeline: Ein Satz wird zerlegt (Tokenisierung), im Embedding-Raum verarbeitet (Transformer), eine Wahrscheinlichkeit berechnet, ein Token ausgewählt, angehängt – und der Vorgang wiederholt sich, bis die Antwort fertig ist."
I-2b: Token-Zerlegung – sichtbar gemacht — MUST
Kapitel: 2
Was die Abbildung zeigen soll: Ein einzelner Satz (z. B. „Die Bankangestellte saß auf der Parkbank und zählte Geldscheine.") wird in farbige Token-Kacheln zerlegt – oben als normaler Lesetext, unten als Kachelkette. Die Doppelbedeutung von „Bank" wird durch zwei verschiedene Farbtöne sichtbar: Geldinstitut vs. Sitzbank.
Didaktischer Zweck: Macht das abstrakte Konzept „Token" sofort greifbar. Entmystifiziert den Tokenizer. Zeigt: Ein Token ist nicht „ein Wort", und dieselbe Zeichenkette kann je nach Kontext unterschiedlich repräsentiert sein.
Bildsprache: Magnetgedicht-Kacheln – verschiebbar, farbcodiert. Der Satz oben (menschlich), die Kachelkette unten (maschinell).
Bildunterschrift (vorgeschlagen): „Ein Satz, zwei Lesarten. Oben: menschlich. Unten: als Token-Kette. Derselbe Token 'Bank' erscheint zweimal – die Bedeutung muss der Kontext klären."
I-2c: Drei Temperaturen – gleicher Prompt — SHOULD
Kapitel: 2
Was die Abbildung zeigen soll: Derselbe Prompt „Zum Frühstück gab es frisches …" drei Mal nebeneinander: T=0,1 („Brot", konservativ), T=0,7 („Croissant", ausgewogen), T=1,5 („Fisch mit Rührei", kreativ). Unter jeder Version ein kleines Verteilungsdiagramm plus Thermometer-Icon.
Didaktischer Zweck: Macht das Konzept „Temperatur" sofort sichtbar. Zeigt: Temperatur ändert nichts am Wissen, nur an der Streuung der Auswahl. Ein wichtiges didaktisches Mini-Beispiel, das die Buch-Metapher „Glücksrad mit Schieber" illustriert.
Bildsprache: Drei Panels mit farblich abgestuften Textblasen (kühl → warm), Verteilungsdiagrammen und Thermometern.
Bildunterschrift (vorgeschlagen): „Derselbe Prompt, drei Temperaturen. Niedrige Temperatur: vorhersagbar. Hohe: überraschend. Temperatur ändert nichts am Wissen, nur an der Streuung."
I-2d: Kontextfenster als Schiebefenster — SHOULD
Kapitel: 2
Was die Abbildung zeigen soll: Ein langer Text (als Buch-Manuskript-Streifen und als Chat-Verlauf). Ein Schiebefenster markiert den sichtbaren Ausschnitt: was drin ist, ist farbig; was draußen ist, grau. In der Mitte des Fensters eine Delle in der Leuchtkraft – das „Lost-in-the-Middle"-Phänomen.
Didaktischer Zweck: Visuelle Antwort auf die häufigste Frage: „Warum vergisst der Chat nach 50 Nachrichten?" Das Kontextfenster ist ein Schiebefenster mit hartem Cut – was herausfällt, existiert für das nächste Token nicht mehr.
Bildsprache: Buch-Manuskript-Streifen mit Overlay-Fenster. Die Delle in der Mitte zeigt: Auch was im Fenster ist, wird nicht gleichmäßig beachtet.
Bildunterschrift (vorgeschlagen): „Das Kontextfenster: Was hineinpasst, beeinflusst die Antwort. Was herausfällt, existiert für das nächste Token nicht."
I-2e: Attention als Scheinwerfer — SHOULD
Kapitel: 2
Was die Abbildung zeigen soll: Ein Satz oder kurzer Text, über den ein kegelförmiger Lichtstrahl („Attention-Scheinwerfer") gleitet. Der Scheinwerfer beleuchtet unterschiedliche Teile des Satzes mit unterschiedlicher Helligkeit – Wörter, die füreinander „relevant" sind, leuchten gemeinsam auf. Die Verbindungen zwischen beleuchteten Wörtern sind als subtile Lichtfäden sichtbar.
Didaktischer Zweck: Vermittelt das abstrakte Konzept „Attention" als intuitiv verständliche Metapher: Das Modell richtet einen Scheinwerfer auf den Text, der Wörter in Beziehung setzt. Keine Matrix-Multiplikation, sondern eine visuelle Geste.
Bildsprache: Textzeile mit kegelförmigem Lichtstrahl. Verbindungen als feine Lichtfäden. Das Ganze wie eine Lesebrille, die Kontext sichtbar macht.
Bildunterschrift (vorgeschlagen): „Attention als Scheinwerfer: Das Modell beleuchtet immer nur einen Ausschnitt – aber es sieht, welche Wörter miteinander in Beziehung stehen."
KAPITEL 3 – Training: Vom Prediktor zum Werkzeug
I-3a: Trainings-Pipeline – vier Phasen — MUST
Kapitel: 3 | | Mermaid: 03-trainings-pipeline
Was die Abbildung zeigen soll: Vier horizontale Phasen als stationäre Motoren auf einem Förderband:
- Pretraining: Ein riesiger Trichter, in den Texte (Web, Bücher, Code) strömen; unten kommt ein „Rohmodell" (unförmiger Block).
- SFT (Instruction Tuning): Der Block wird von einem Meißel geformt – „Anweisungen befolgen".
- RLHF/RLAIF: Ein Waagebalken, der zwei Antworten vergleicht – „bevorzuge die hilfreichere".
- Tool/Reasoning-Training: Der geformte Block bekommt Anschlüsse (Stecker/Buchsen) für Werkzeuge.
Didaktischer Zweck: Zweite Schlüsselgrafik des Buches. Verdeutlicht den entscheidenden Punkt: Der Assistent wird gemacht, nicht geboren. Vier klar getrennte Phasen mit unterschiedlichen Zielen und Methoden.
Bildsprache: Industrielle Fertigungsstraße – aber für kognitive Arbeit. Trichter, Meißel, Waage, Stecker als handfeste Metaphern.
Bildunterschrift (vorgeschlagen): „Vier Phasen machen aus einem rohen Next-Token-Prediktor einen Assistenten: Pretraining (Muster lernen), SFT (Anweisungen befolgen), RLHF (Präferenzen lernen), Tool-Training (Werkzeuge nutzen)."
I-3b: Datenberg — SHOULD
Kapitel: 3
Was die Abbildung zeigen soll: Ein riesiger Datenberg – geschichtete Textquellen (Web, Bücher, Code, Foren, Dialoge) –, der von der Seite beleuchtet wird. Der Berg ist nicht homogen: Unterschiedliche Texturen und Farben für verschiedene Datenquellen. Ein Schattenwurf zeigt den „unbeleuchteten" Teil: Daten, die nicht im Training verwendet wurden (weil qualitativ unzureichend, urheberrechtlich problematisch oder schlicht nicht digitalisiert).
Didaktischer Zweck: Zeigt die schiere Menge an Trainingsdaten und die Heterogenität der Quellen. Der Schatten macht sichtbar, dass nicht „das ganze Internet" trainiert wird, sondern ein gefilterter Ausschnitt.
Bildsprache: Berg/Landschaft aus Textschichten. Der Schattenwurf als visuelles Argument für Selektivität.
Bildunterschrift (vorgeschlagen): „Der Datenberg: Milliarden Texte aus unterschiedlichsten Quellen – aber nicht alles wird verwendet. Die Auswahl bestimmt, was das Modell lernt."
I-3c: RLHF-Loop — SHOULD
Kapitel: 3
Was die Abbildung zeigen soll: Ein zyklischer Kreislauf: (1) Modell generiert zwei Antworten A und B, (2) Menschliches Feedback wählt die bessere, (3) Belohnungsmodell lernt diese Präferenz, (4) Modell wird mit dem Belohnungssignal feinjustiert. Der Loop wird als elegantes, sich verjüngendes Band dargestellt, das die iterative Verbesserung symbolisiert.
Didaktischer Zweck: Zeigt: RLHF ist kein magischer „Alignment-Zauber", sondern ein konkreter, iterativer Prozess mit einem Belohnungsmodell in der Mitte. Das Modell lernt nicht „was richtig ist", sondern „was Menschen bevorzugen".
Bildsprache: Zyklisches Band mit vier Stationen. Die Antworten A/B als Sprechblasen, die Waage als zentrales Bild.
Bildunterschrift (vorgeschlagen): „Der RLHF-Kreislauf: Zwei Antworten, ein menschliches Urteil, ein Belohnungsmodell – und der Loop beginnt von vorn."
I-3d: Vorher/Nachher Assistent — SHOULD
Kapitel: 3
Was die Abbildung zeigen soll: Zwei Panels. Vorher: Ein rohes Pretrained-Modell, das auf die Frage „Wie spät ist es?" mit wahrscheinlichen Textfortsetzungen antwortet – kein hilfreiches Verhalten. Nachher: Dasselbe Modell nach SFT+RLHF, das präzise antwortet. Der Unterschied wird durch visuelle „Verfeinerung" des Modell-Blocks dargestellt (von rau zu poliert).
Didaktischer Zweck: Dramatisiert den Unterschied zwischen einem rohen Next-Token-Prediktor und einem trainierten Assistenten. Dieselbe Architektur – fundamental unterschiedliches Verhalten.
Bildsprache: Vorher/Nachher-Vergleich. Raue, unbehauene Form vs. geschliffener Block.
Bildunterschrift (vorgeschlagen): „Vorher: ein roher Prediktor, der Text fortsetzt. Nachher: ein Assistent, der antwortet. Dieselbe Architektur – fundamental anderes Verhalten."
KAPITEL 4 – Warum diese einfache Idee so weit trägt
I-4a: Sprache als Schnittstelle (Trichter) — MUST
Kapitel: 4
Was die Abbildung zeigen soll: Ein umgedrehter Trichter. Oben strömt eine bunte Mischung aus Textelementen hinein: Wikipedia-Artikel, Code-Zeilen, Buchcover, Forenposts, E-Mails, Dialog-Transkripte. Im Inneren des Trichters ein glühendes Netzwerk – die komprimierte Repräsentation. Unten kommt ein schmaler Strom heraus, beschriftet mit: „Nächstes Token vorhersagen."
Didaktischer Zweck: Didaktisches Kernbild für die Grundthese von Kapitel 4: Next-Token-Prediction ist ein Verdichtungsprozess. Milliarden Texte aller Domänen werden durch einen Trichter gepresst. Was unten ankommt, ist kein Weltverständnis – aber eine mächtige Musterlandschaft.
Bildsprache: Trichter-Metapher in 2D. Textsorten als kleine Icons + Labels. Glühendes Netzwerk im Inneren.
Bildunterschrift (vorgeschlagen): „Sprache als Schnittstelle: Milliarden Texte aller Domänen werden durch den Trichter des Next-Token-Trainings gepresst. Was unten ankommt, ist kein Weltverständnis – aber eine mächtige Musterlandschaft."
I-4b: In-Context Learning: Zero vs. Few-Shot — MUST
Kapitel: 4
Was die Abbildung zeigen soll: Zwei parallele Spuren. Oben (Zero-Shot): Ein Prompt geht direkt ins Modell, eine mäßige Antwort kommt heraus. Unten (Few-Shot): Drei Beispiele + derselbe Prompt gehen ins Modell – die Antwort ist sichtbar besser. Ein durchgehender Hinweis: „Kein Parameter-Update – nur mehr Kontext." Das Modell ist in beiden Spuren identisch.
Didaktischer Zweck: Das vielleicht erklärungsbedürftigste Phänomen: Ein identisches Modell produziert unterschiedlich gute Antworten, nur weil der Prompt mehr Beispiele enthält. Zeigt: Der Unterschied liegt nicht im Modell, sondern im Kontext.
Bildsprache: Zwei Fahrspuren – die eine leer, die andere mit Wegweisern. Das Modell als identische Box am Ende beider Spuren.
Bildunterschrift (vorgeschlagen): „Zero-Shot (oben) vs. Few-Shot (unten): Mehr Beispiele im Prompt verändern die Antwort – ohne dass ein einziger Parameter aktualisiert wird."
I-4c: Kompetenzkarte – Verteilungsnähe vs. Leistung — SHOULD
Kapitel: 4
Was die Abbildung zeigen soll: Eine zweidimensionale topografische Landkarte. X-Achse: „Nähe zur Trainingsverteilung" (von Kern bis Rand). Y-Achse: „Beobachtbare Leistung". Die Karte zeigt ein grünes Plateau im Kern (wo das Modell zuverlässig ist: Übersetzung, Python-Code), das zum Rand hin abfällt (hügeliges oranges Gebiet: juristische Analyse, Medizin). Echte Aufgaben sind auf der Karte eingetragen.
Didaktischer Zweck: Visuelle Antwort auf die Frage: „Wann kann ich dem System vertrauen?" Kompetenz ist keine Linie, sondern eine Landschaft. Im Kern der Trainingsverteilung ist das Modell zuverlässig, am Rand wird die Leistung unvorhersagbar.
Bildsprache: Topografische Karte / Heatmap mit Höhenlinien. Grün = sicher, Orange = riskant.
Bildunterschrift (vorgeschlagen): „Kompetenz ist keine Linie, sondern eine Landschaft. Im Kern (Übersetzung, Code) ist das Modell zuverlässig. Am Rand (Mietrecht, Medizin) wird die Leistung unvorhersagbar."
I-4d: Emergenz als Messartefakt — NICE
Kapitel: 4 (optional)
Was die Abbildung zeigen soll: Zwei Messinstrumente nebeneinander. Links: ein binärer Kippschalter (Ja/Nein), der bei einer bestimmten Modellgröße abrupt von „Nein" auf „Ja" springt – das sieht nach „Emergenz" aus. Rechts: eine kontinuierliche analoge Skala (0–100 %), die eine sanfte Kurve zeigt – dieselbe Fähigkeit, aber allmähliche Verbesserung.
Didaktischer Zweck: Entmystifiziert den Emergenz-Begriff. Zeigt: „Emergenz" ist oft ein Messartefakt – die binäre Metrik erzeugt einen Sprung, wo in Wirklichkeit eine kontinuierliche Verbesserung stattfindet.
Bildsprache: Zwei Messinstrumente: Kippschalter vs. analoges Barometer/Thermometer.
Bildunterschrift (vorgeschlagen): „Dieselbe Fähigkeit, zwei Metriken. Links: binäre Ja/Nein-Messung erzeugt einen 'Sprung'. Rechts: kontinuierliche Messung zeigt eine allmähliche Verbesserung."
KAPITEL 5 – Grenzen
I-5a: Plausibel ≠ Wahr — KEY
Kapitel: 5 | | Orientierung: Quer 16:9
Was die Abbildung zeigen soll: Zwei Chat-Bläschen nebeneinander, beide antworten auf dieselbe Frage (z. B. „Welche Öffnungszeiten hat das Café Sonneneck morgen?"). Beide klingen identisch – freundlich, assertiv, präzise. Unter dem linken Bläschen: ein ✓ (korrekt). Unter dem rechten: ein ⚠️ (falsch). Ein Overlay: „Plausibel ≠ Wahr – kein Unterschied im Ton erkennbar."
Didaktischer Zweck: Die Kernbotschaft von Kapitel 5 in einer einzigen visuellen Aussage. Der Leser soll sehen: Das Halluzinationsproblem ist genau dieses – die falsche Antwort sieht genauso überzeugend aus wie die richtige. Es gibt kein „unsicheres" Signal im Output.
Bildsprache: Zwei identische Chat-Bläschen. Die Unterschied-Icons (✓/⚠️) bewusst klein. Die Pointe liegt im Augentest: Man muss genau hinsehen, um den Unterschied zu erkennen.
Bildunterschrift (vorgeschlagen): „Zwei Antworten, ein Ton. Die linke ist korrekt, die rechte ist erfunden – aber das ist der Antwort nicht anzusehen."
I-5b: Fehlerakkumulation – Domino-Kette — KEY
Kapitel: 5 | | Orientierung: Quer 16:9
Was die Abbildung zeigen soll: Eine Domino-Kette aus fünf Steinen, die einen Reiseplan darstellen: Tag 1 (Öffnungszeit falsch) → Tag 2 (Routenplanung) → Tag 3 (Sehenswürdigkeit geschlossen) → Budget (nicht gerechnet) → Gesamtplan (inkonsistent). Der erste Stein fällt und hat die nächsten bereits umgeworfen. Rote Schatten hinter den fallenden Steinen. Alternative: dieselbe Kette mit intakten Steinen und durchtrennten Verbindungspfeilen („gute Planung mit Prüfschritten").
Didaktischer Zweck: Macht das abstrakte Konzept „Fehlerakkumulation" physisch erfahrbar. Jeder Token baut auf den vorherigen auf – wenn der erste falsch ist, pflanzt sich der Fehler durch die gesamte Kette fort. Das Modell hat keinen globalen Korrekturmechanismus.
Bildsprache: Domino-Kette in flachem 2D. Fallende Steine mit roten Schatten. Die Alternative (intakte Kette) als Gegenbild.
Bildunterschrift (vorgeschlagen): „Ein falscher Schritt am Anfang reißt die gesamte Planungskette mit sich. Jeder Token baut auf den vorherigen auf – ohne globalen Korrekturmechanismus."
I-5c: Gedächtnis-Schichten – vier Etagen — KEY
Kapitel: 5 | | Mermaid: 04-gedaechtnis-schichten | Orientierung: Hoch 3:4
Was die Abbildung zeigen soll: Ein querschnittartiges Haus mit vier Stockwerken. Keller: Trainierte Parameter (solides Fundament, aber eingefroren). Erdgeschoss: Kontextfenster (flexibel, aber begrenzt – Fenster mit Chat-Blasen). 1. OG: Externer Speicher (Aktenschränke, Bücherregal – organisiert, aber angebunden). Dachgeschoss: Tools/Weltzugang (Antenne, Satellitenschüssel – live, aber fehleranfällig).
Didaktischer Zweck: Macht das Schichtenmodell für „Gedächtnis" eines KI-Systems sofort intuitiv. Jeder Leser versteht „Stockwerk". Keine Schicht ist „das eine Gedächtnis" – jede hat eigene Stärken und Grenzen.
Bildsprache: Architektur-Querschnitt eines Hauses. Jedes Stockwerk anders möbliert. Warme Farben, klare Trennung.
Bildunterschrift (vorgeschlagen): „Gedächtnis eines KI-Systems? Vier Schichten, jede mit eigenen Stärken und Grenzen. Parameter (Keller), Kontextfenster (EG), Externer Speicher (1. OG), Tools (DG)."
I-5d: Grenzen-Radar — SHOULD
Kapitel: 5 | Render: hybrid
Was die Abbildung zeigen soll: Ein Sieben-Achsen-Radar (Spinnennetz). Die Achsen: Halluzination, Kausalität, Planung, Gedächtnis, Embodiment, Kalibrierung, Non-Stationarität. Die eingefärbte Fläche des Modells erreicht auf keiner Achse den äußeren Rand („perfekt") und kollabiert auf keiner Achse in die Mitte („hoffnungslos"). Die Fläche ist die Zone des Systemdesigns.
Didaktischer Zweck: Zusammenfassende Orientierungskarte für das ganze Kapitel 5. Zeigt auf einen Blick, dass es nicht eine Grenze gibt, sondern sieben – und dass die Lösung nicht „bessere Modelle", sondern bessere Systeme sind.
Bildsprache: Radar-Diagramm im Stil eines technischen Messinstruments. Blaue Fläche auf dunklem Hintergrund, weiße Gitterlinien.
Bildunterschrift (vorgeschlagen): „Sieben Grenzbereiche, keine ist perfekt, keine ist hoffnungslos. Die Fläche dazwischen ist die Zone, in der Systemdesign, Tools und menschliche Urteilskraft ansetzen."
KAPITEL 6 – Vom Chat-Modell zum Assistenten
I-6a: Die Treppe Completion → Agent — KEY
Kapitel: 6 | | Mermaid: 05-evolution-completion-agent | Orientierung: Quer 16:9
Was die Abbildung zeigen soll: Eine Treppe mit vier Stufen von links unten nach rechts oben. Jede Stufe eine Plattform: (1) Completion – Textfeld mit grauer Fortsetzung. (2) Chat-Modell – zwei Sprechblasen. (3) Assistent – Sprechblase + System-Prompt-Symbol + Filter. (4) Agent – Sprechblase + Zahnräder + Schleifenpfeil. In jeder Stufe ein identischer, durchscheinender Block: der Next-Token-Prediktor. Was sich ändert, ist die Hülle drumherum.
Didaktischer Zweck: Das Herzstück von Kapitel 6. Zeigt: Der Kern bleibt immer gleich, die Hülle wird komplexer. Completion, Chat, Assistent, Agent sind keine Intelligenzsprünge – sie sind unterschiedlich dicke Schichten um denselben Kern.
Bildsprache: Treppenstufen mit progressiver Farbe (Grau → Blau). Der transparente Kern in jeder Stufe als zentrale Aussage.
Bildunterschrift (vorgeschlagen): „Vier Stufen, eine Maschine. Completion, Chat, Assistent, Agent – der Kern (Next-Token-Prediktor) bleibt identisch. Was sich ändert, ist die Produkt- und Systemhülle."
I-6b: Nachrichtentypen: System, User, Assistant — SHOULD
Kapitel: 6 | Render: hybrid
Was die Abbildung zeigen soll: Drei übereinanderliegende farbige Karten: System (grau/blau, oben) → User (grün, Mitte) → Assistant (orange, unten). Ein Pfeil zeigt, wie sie im Kontextfenster aneinandergereiht werden. Darunter ein Beispiel-Dialog, der dieses Format konkret zeigt.
Didaktischer Zweck: Erklärt das Chat-Format – die vielleicht wichtigste Produktinnovation hinter dem ChatGPT-Moment. Zeigt: Das Format ist simpel, aber mächtig. Eine System-Nachricht definiert die Rolle, User/Assistant-Nachrichten erzeugen den Dialog – und die Illusion eines Gegenübers.
Bildsprache: Karten/Registerkarten-Design wie eine Chat-App im Debug-Modus. Drei Farben, klare Trennung.
Bildunterschrift (vorgeschlagen): „Das Chat-Format: Eine System-Nachricht definiert die Rolle, User-Nachrichten stellen Fragen, Assistant-Nachrichten antworten."
I-6c: Produktschichten – was zwischen dir und dem Token liegt — MUST
Kapitel: 6
Was die Abbildung zeigen soll: Eine Sandwich-Grafik: Oben der User (stilisiertes Icon), unten der Next-Token-Prediktor. Dazwischen fünf transparente Schichten: UI & Interface → Prompt-Format → Guardrails & Filter → Nachtraining (SFT/RLHF) → System-Prompt. Ein Pfeil vom User durch alle Schichten zum Kern.
Didaktischer Zweck: Macht die Produktarchitektur sichtbar: Der User interagiert nie direkt mit dem Rohmodell. Nachtraining sitzt in den Gewichten; UI, Prompt-Format, Guardrails und System-Prompt sind Laufzeit-Hülle. Das Produkt ist nicht das nackte Modell – es ist die Summe der Schichten.
Bildsprache: Sandwich/Torte – horizontale Schichten, jede anders eingefärbt. Der Pfeil als Reise durch die Filter.
Bildunterschrift (vorgeschlagen): „Stapel von oben: UI, Prompt-Format, Guardrails, Nachtraining, System-Prompt, unten der Next-Token-Kern. Nachtraining sitzt in den Gewichten; die übrigen Lagen sind Laufzeit-Hülle. Was Nutzer sehen, ist das Produkt – nicht das nackte Modell."
KAPITEL 7 – Agentensysteme und der Harness
I-7a: Agent-Loop — KEY (zweite Schlüsselgrafik)
Kapitel: 7 | | Mermaid: 06-agent-loop | Orientierung: Quer 16:9
Was die Abbildung zeigen soll: Der zentrale Agenten-Kreislauf als Kreis mit Weiche: Start (Ziel/Auftrag) speist nur den Eintritt → Schritt 2: LLM wählt den nächsten Schritt → Verzweigung („Tool nötig?") → Ja: Harness führt Tool aus → Ergebnis zurück in den Kontext → zurück zu Schritt 2 (ergänzter Kontext, ggf. weitere Tool-Aufrufe). Nein: Antwort an Menschen / Abschluss. Nicht zurück zum Start.
Didaktischer Zweck: Zweite Schlüsselgrafik des Buches. Zeigt: Agenten sind keine magisch autonomen Wesen, sondern ein Kreislauf aus LLM-Entscheidung und Harness-Ausführung. Nach dem Tool-Ergebnis wertet das Modell neu aus – die Schleife sitzt zwischen Schritt 5 und Schritt 2.
Bildsprache: Kreis + Weiche, nummerierte Stationen. MODEL-Teal für Schritt wählen, HARNESS-Amber für Tool-Pfad. Start nur Eintritt.
Bildunterschrift (vorgeschlagen): Start/Ziel → das LLM wählt den Schritt → Weiche „Tool nötig?“. Ja: Tool ausführen, Ergebnis zurück in den Kontext, weiter bei Schritt 2. Nein: Antwort an den Menschen.
I-7b: Harness-Zwiebel – konzentrische Ringe — KEY
Kapitel: 7 | | Mermaid: 07-harness-zwiebel | Orientierung: Quer 16:9/4:3
Was die Abbildung zeigen soll: Eine Zwiebel mit sechs konzentrischen Ringen, von innen nach außen: (1) LLM-Kern (Next-Token-Prediktor), (2) Prompt & Dialogformat, (3) Tools / Function Calling, (4) Memory & Retrieval, (5) Planung, Retries, Policies, (6) Sandbox, Rechte, Human Oversight. Jeder Ring eine andere Farbe, von warmem Amber (innen) zu kühlem Dunkelblau (außen). Die Zwiebel ist leicht oval – zur Tool-Seite hin dicker.
Didaktischer Zweck: Die alternative Darstellung des Harness – nicht als hierarchische Box, sondern als intuitiv verständliche Zwiebel. Der Leser kann selbst entscheiden, auf welcher Schicht sein System gerade operiert.
Bildsprache: Technischer Zwiebel-Querschnitt (nicht biologisch). Glatte, farblich abgestufte Ringe.
Bildunterschrift (vorgeschlagen): „Der Harness als Zwiebel: Sechs Schichten von innen (nackter Prediktor) nach außen (Produkthülle)."
I-7c: Tool-Call-Sequenz (Swimlane) — MUST
Kapitel: 7 | Render: hybrid | Mermaid: 08-tool-call-sequenz
Was die Abbildung zeigen soll: Vier horizontale Schwimmbahnen (Nutzer → LLM → Harness → Tool), zeitlich von links nach rechts: (1) Nutzer sendet Auftrag, (2) LLM entscheidet: Tool-Call nötig (markiert als Weiche), (3) Harness validiert (Rechte, Schema) und führt aus, (4) Tool liefert Ergebnis, (5) Harness injiziert Ergebnis in LLM-Kontext, (6) LLM generiert finale Antwort.
Didaktischer Zweck: Macht den Ablauf eines Tool-Calls explizit und entmystifiziert den „Agenten". Zeigt: Das LLM entscheidet sprachlich, dass ein Tool nötig ist – der Harness führt aus. Die vier Akteure haben klar getrennte Rollen.
Bildsprache: Swimlane-Diagramm als Eisenbahn-Streckenplan mit Weichen und Stationen.
Bildunterschrift (vorgeschlagen): „Der Tool-Call im Detail. Vier Akteure, sechs Schritte. Die entscheidende Weiche: Das LLM entscheidet sprachlich – der Harness führt aus."
I-7d: Autonomie-Skala — SHOULD
Kapitel: 7
Was die Abbildung zeigen soll: Ein horizontaler Schieberegler (wie auf einem Mischpult) von links (volle menschliche Kontrolle) nach rechts (volle Systemautonomie). Markierte Positionen: „Frage vor jedem Schritt" → „Führe aus, melde" → „Agier innerhalb Regeln selbstständig" → „Freigabe für Teilziele" → „Autonom". Der rechte Bereich („Autonom") ist mit ⚠️ markiert: „Heute nicht produktiv einsetzbar." Der Slider leuchtet in Cyan-Violett-Verlauf, kein Warn-Orange.
Didaktischer Zweck: Zeigt: Autonomie ist kein Schalter, sondern ein Schieberegler. Je weiter rechts, desto mehr Entscheidungsraum fürs System – und desto mehr Fehlerrisiko.
Bildsprache: Mischpult-Slider, technisch-cool, Cyan-Violett-Verlauf. Reines Achsenbild – Labels kommen im Layout.
Bildunterschrift (vorgeschlagen): „Autonomie ist kein Schalter, sondern ein Schieberegler. Von 'frag vor jedem Schritt' bis 'autonom' – mit steigendem Risiko."
I-7e: Fallstudie Lissabon — SHOULD
Kapitel: 7 | Render: hybrid
Was die Abbildung zeigen soll: Der Lissabon-Reiseplan als durchdekliniertes Agenten-Beispiel: Welche Teilaufgaben werden an Tools delegiert (Öffnungszeiten prüfen, Route berechnen), wo greift der Harness ein (Validierung), wo bleibt der Mensch in der Schleife (Gesamtbewertung)?
Didaktischer Zweck: Das durchgehende Buch-Beispiel wird auf die Agenten-Architektur angewendet. Der Leser sieht den Lissabon-Plan nicht als „Magie", sondern als orchestrierte Tool-Calls.
Bildsprache: Checklisten-artig mit Lissabon-Hintergrund-Symbolen, dezent.
Bildunterschrift (vorgeschlagen): „Der Lissabon-Plan als Agenten-Architektur: Jede Teilaufgabe hat ihren Platz in der Tool-Call-Orchestrierung."
I-7f: Drei Sitze – Code / Zustand / Modell — MUST
Kapitel: 7 | Render: overlay/SVG | Orientierung: Quer 16:9
Was die Abbildung zeigen soll: Drei Sitze nebeneinander, gleiche Höhe, Modell-Spalte sichtbar schmaler (dünn):
- Code (HUMAN-Schiefer): Deterministik – holen · prüfen · vergleichen
- Zustand (HARNESS-Amber): Dateien, Logs – halten · Spur
- Modell (MODEL-Teal, schmal): dünn – formulieren · Stopp
Kein vierter Sitz „Harness/Hülle“. Keine Quote, keine Möbel, keine Personen.
Didaktischer Zweck: Arbeit landet in einem Sitz, weil die Mechanik sie sonst ins Modell zieht. Die Hülle ist das System um die Sitze, nicht selbst ein Sitz.
Bildsprache: Drei flächige Karten, Stilanker I-7a. Modellkarte schmaler als Code und Zustand.
Bildunterschrift (Manuskript): „Drei Sitze – Konzeptionelle Übersicht: Deterministik in Code, Zustand in Dateien, Modell dünn. Keine Quote, eine Architekturfolgerung.“
Pflicht-Labels (DE): Code · Zustand · Modell · dünn · holen · prüfen · vergleichen · Dateien, Logs · formulieren · Stopp
I-7g: Regel 2 – Tool → Stopp → Log → Mensch — SHOULD
Kapitel: 7 | Render: overlay/SVG | Orientierung: Quer 16:9
Was die Abbildung zeigen soll: Eine kurze Pipeline, vier Stationen von links nach rechts:
- Tool – Ergebnis im Kontext
- Markt montags geschlossen – der Weltabgleich (Faktstelle)
- Stopp – Regel 2, keine stille Umgehung
- Log → Mensch – Spur, dann Entscheidung
Nicht die 8-Schritt-Fallstudie. Nicht buchen.
Didaktischer Zweck: Regel 2 als Vorgang: ein Tool-Ergebnis stoppt den Lauf, bevor der Entwurf die Welt falsch übernimmt.
Bildsprache: Horizontale Stationen mit Pfeilen, Stilanker I-7a.
Bildunterschrift (Manuskript): „Regel 2 – Illustrative Pipeline: Tool-Ergebnis ‚Markt montags geschlossen‘ → Stopp → Log → Mensch.“
Pflicht-Labels (DE): Tool · Markt montags geschlossen · Stopp · Log · Mensch
KAPITEL 8 – MCP und Protokolle
I-8a: Vorher/Nachher – Wildwuchs vs. Protokoll — MUST
Kapitel: 8
Was die Abbildung zeigen soll: Zwei Panels. Links (VORHER): Drei Apps (A, B, C) sind individuell mit drei Tools (X, Y, Z) verbunden – ein Gewirr aus 9 Kabeln. Rechts (NACHHER): Eine Steckdosenleiste (das Protokoll) liegt zwischen Apps und Tools. Jede App hat einen Stecker, jedes Tool eine Buchse – 6 saubere Kabel.
Didaktischer Zweck: Das visuelle Argument für Protokolle – sofort verständlich. Ohne Protokoll: n×m Integrationen. Mit Protokoll: n+m. Die Steckdosen-Metapher macht den Wert standardisierter Schnittstellen greifbar.
Bildsprache: Steckdosenleiste / Stromverteiler. Links Kabelsalat, rechts ordentliche Stecker.
Bildunterschrift (vorgeschlagen): „Vorher: Neun individuelle Verbindungen zwischen drei Apps und drei Tools. Nachher: Ein Protokoll verbindet alle – drei Clients, drei Server, eine Schnittstelle."
I-8b: MCP-Skizze – Host, Client, Server im Verbund — MUST
Kapitel: 8 | Render: hybrid | Mermaid: 09-mcp-skizze
Was die Abbildung zeigen soll: Eine Architektur-Skizze: Ein Host (Chat-App) enthält einen MCP-Client und das LLM. Der Client verbindet sich über drei identische standardisierte Kabel mit drei Servern: (1) Tools, (2) Ressourcen (Dateien, Datenbanken), (3) Prompt-Vorlagen. Alle Stecker sehen gleich aus.
Didaktischer Zweck: Die technische MCP-Architektur auf einen Blick. Ein Host mit LLM spricht über einheitliche Protokoll-Schnittstellen mit verschiedenen Servern – standardisiert und wiederverwendbar.
Bildsprache: Stecker/Buchse-Metapher. Server als stilisierte Racks, einheitliche Anschlüsse.
Bildunterschrift (vorgeschlagen): „Das MCP-Modell: Ein Host (mit LLM) spricht über einheitliche Schnittstellen mit verschiedenen Servern – Tools, Daten, Prompts."
I-8c: Steckdosen-Metapher — SHOULD
Kapitel: 8
Was die Abbildung zeigen soll: Eine einzelne, überdimensionierte Steckdose mit der Aufschrift „MCP". In sie können verschiedene Stecker passen – ein Tool-Stecker (Zahnrad), ein Daten-Stecker (Datenbank), ein Prompt-Stecker (Dokument). Die Steckdose selbst ist standardisiert und universell.
Didaktischer Zweck: Die Essenz von MCP in einem Bild: Wie eine Steckdose definiert das Protokoll eine universelle Schnittstelle. Was du einsteckst (Tool, Daten, Prompt), ist austauschbar – die Schnittstelle bleibt gleich.
Bildsprache: Steckdosen-Metapher. Überdimensionierte Dose, verschiedene Stecker.
Bildunterschrift (vorgeschlagen): „MCP als Steckdose: Ein Standard, viele Stecker. Welches Tool oder welche Datenquelle dahinter steckt, ist für die Schnittstelle egal."
KAPITEL 9 – Praxis-Ampel
I-9a: Ampel-Matrix — KEY (drittwichtigste Grafik)
Kapitel: 9 | Render: hybrid/vector | Mermaid: 10-ampel-matrix | Orientierung: Quer 16:9
Was die Abbildung zeigen soll: Ein Werkzeugkasten mit herausziehbaren Schubladen. Jede Schublade entspricht einer Aufgabe, farbcodiert durch einen Ampelgriff:
- Grün: Zusammenfassen, Brainstorming, Code mit menschlichem Review
- Gelb: Fakten mit Quellen, Medizin/Recht-Unterstützung
- Rot: Autonomie, Kausalanalyse, Embodied Tasks
Die Tabelle enthält drei Spalten: Aufgabe, Ampel, Kurzbegründung. Ca. 10 Zeilen. Jede Reihe ist farblich hinterlegt.
Didaktischer Zweck: Die praktischste Seite des Buches. Leser sollen sie später aufschlagen, um schnell einschätzen zu können: Welche Aufgaben sind heute mit LLM-Systemen sinnvoll machbar? Grün = machen, Gelb = prüfen, Rot = nicht blind delegieren.
Bildsprache: Werkzeugkasten/Schubladen. Jede Schublade mit Ampel-Griff. Keine Excel-Tabelle. Im Buchlayout als ganze Doppelseite.
Bildunterschrift (vorgeschlagen): „Die Praxis-Ampel: Welche Aufgaben sind heute mit LLM-Systemen sinnvoll machbar? Eine Momentaufnahme, kein Dogma."
I-9b: Daten-Sättigung – die schwindende Ernte — SHOULD
Kapitel: 9
Was die Abbildung zeigen soll: Ein Kornfeld/Acker, der abgeerntet wird. Links: üppiges Feld mit vielen Halmen („Öffentliches Web, Bücher, 2020"). Rechts: spärliches Feld mit nur noch wenigen Halmen („Synthetische Daten, Nischenquellen, 2026"). Ein Strichmännchen mit Lupe sucht am rechten Rand nach hochwertigen Daten. Ein kleiner Inset-Kreislauf zeigt: Daten → Training → neues Modell → synthetische Daten → Model Collapse-Risiko.
Didaktischer Zweck: Visualisiert das Problem der Daten-Sättigung. Der Hebel „mehr Daten" ist nicht unendlich – hochwertige öffentliche Texte werden knapp, und synthetische Daten sind ein Ausweg mit Risiko.
Bildsprache: Acker-Metapher, flach und reduziert. Der Inset-Kreislauf als Warnung.
Bildunterschrift (vorgeschlagen): „Die Daten-Ernte: Hochwertige öffentliche Texte werden knapp. Synthetische Daten sind ein Ausweg – aber mit Risiko."
I-9c: Kosten-Nutzen-Kurve — SHOULD
Kapitel: 9 | Render: hybrid
Was die Abbildung zeigen soll: Eine Kurve, die Kosten (Y-Achse) gegen Nutzen (X-Achse) für verschiedene KI-Einsatzszenarien aufträgt. Einige Szenarien liegen im grünen Bereich (hoher Nutzen, niedrige Kosten), andere im roten (niedriger Nutzen, hohe Kosten). Der „Break-even"-Punkt ist markiert.
Didaktischer Zweck: Ergänzt die Ampel-Matrix um die ökonomische Dimension: Nicht nur „kann das System das?", sondern auch „lohnt sich der Aufwand?". Hilft bei der Entscheidungsfindung im Alltag.
Bildsprache: Kurvendiagramm mit farbcodierten Zonen.
Bildunterschrift (vorgeschlagen): „Kosten vs. Nutzen: Nicht alles, was technisch möglich ist, lohnt sich. Der Break-even hängt vom konkreten Einsatzszenario ab."
I-9d: Drei Szenarien — SHOULD
Kapitel: 9 | Render: hybrid
Was die Abbildung zeigen soll: Ein Kreislauf-Diagramm, das den Menschen an verschiedenen Positionen zeigt: Auftraggeber (am Start), Prüfer (nach LLM-Ausgabe), Entscheider (nach Tool-Ergebnissen). Die Grafik zeigt, dass „Human-in-the-Loop" an verschiedenen Stellen sinnvoll ist – und dass die Position vom Risiko der Aufgabe abhängt.
Didaktischer Zweck: Operationalisiert die Ampel: Je roter die Aufgabe, desto näher muss der Mensch am Loop sein. Bei grünen Aufgaben reicht ein Start-Impuls und eine finale Sichtung.
Bildsprache: Kreislauf-Diagramm mit verschiedenen menschlichen Eingriffspunkten.
Bildunterschrift (vorgeschlagen): „Drei Szenarien — Drei Pfade aus heute: SuperLLM, Hybrid, Post-LLM – sortierte Annahmen, keine Prophezeiung."
I-9e: Dieselbe Ampel an Lena / Markus / Thomas — MUST
Kapitel: 9 | Render: overlay/SVG | Orientierung: Quer 16:9
Was die Abbildung zeigen soll: Dieselbe Ampel-Matrix (Grün / Gelb / Rot) an drei Szenen, keine Gesichter:
- Lena: geprüfter Text grün; ohne Quelle gelb; Buchung rot
- Markus: mit Tests grün; ohne Tests gelb; ungeprüft senden/zahlen rot
- Thomas: kein Grün; Einordnung plus Arztpfad gelb; Diagnose/Therapie rot
Keine zweite Ampel-Lehre, kein zweiter Ordner, kein medizinischer Rat im Bild.
Didaktischer Zweck: Die Figuren färben dieselbe Matrix. Die Farbe hängt an Prüfbarkeit, Reversibilität und Schaden – nicht am Modellnamen.
Bildsprache: Drei Zeilen, Ampelpunkte wie I-9a, Stilanker I-7a. Namen als Labels, keine Personen.
Bildunterschrift (Manuskript): „Dieselbe Ampel – Konzeptionelle Übersicht: Lena, Markus und Thomas auf Grün / Gelb / Rot. Dieselbe Matrix, andere Prüfung.“
Pflicht-Labels (DE): Lena · Markus · Thomas · Grün · Gelb · Rot
I-9f: Abhängigkeits-Stapel — SHOULD
Kapitel: 8 | Render: overlay | Orientierung: Quer 16:9
Was die Abbildung zeigen soll: Acht Schichten, von leicht lösbar oben nach schwer lösbar unten – Denkhilfe, kein Schaltplan, keine Logos, keine Preise:
- Oberfläche / Persona
- Eigene Prompts
- Evals / Gold-Fälle
- Rechte /
regeln.md - Memory
- Feintuning
- Vertrag / Datenresidenz
- Gewichte
Oben hell und locker, unten dichter (Vertrag, Datei). Dieselbe Prediktor-Maschine in allen Betriebsarten; die Lehre sitzt im Stapel, nicht in Open vs. Closed.
Didaktischer Zweck: Lock-in als Stapel, nicht als Gesinnung. Abhängigkeit sitzt in Gewicht, API, Harness, Dateien und Vertrag – nicht in der „Intelligenz“ des Modells.
Bildsprache: Gestapelte Platten oder Fächer, Stilanker I-7b / I-7f. Keine Ampel-Kopie von I-9a, keine Personen.
Bildunterschrift (Manuskript): „Abhängigkeits-Stapel – Konzeptionelle Übersicht: von der Anbieter-Oberfläche oben bis zu den Gewichten unten. Leicht lösbar steht oben, Vertrag und Datei unten. Maßgeblich ist der Text.“
Pflicht-Labels (DE): Oberfläche · Prompts · Evals · Rechte · Memory · Feintuning · Vertrag · Gewichte
KAPITEL 10 – LeCun, JEPA und die Frage nach AGI
I-10a: Autoregression vs. JEPA – zwei Philosophien — KEY
Kapitel: 10 | | Mermaid: 11-autoregression-vs-jepa | Orientierung: Quer 16:9
Was die Abbildung zeigen soll: Zwei parallele Welten, getrennt durch eine feine silberweiße Vergleichsachse. Links (Autoregression): Eine Token-Kette, Cyan, die sich wie eine Schlange windet (Token 1 → Token 2 → Token 3 …). Notiz: „Fehler pflanzen sich fort." Rechts (JEPA): Ein Weltausschnitt (Foto eines fallenden Balls) → Encoder-Zylinder → kleine Einbettungs-Kugel (Violett) → Prädiktor sagt nächste Kugel voraus – ohne jedes Detail malen zu müssen.
Didaktischer Zweck: Die Kern-Gegenüberstellung des Kapitels: Zwei grundverschiedene Philosophien der Vorhersage. Autoregression sagt Detail für Detail vorher, JEPA sagt im abstrakten Embedding-Raum vorher. Keine Wertung – eine Gegenüberstellung.
Bildsprache: Zwei parallele Spuren, Cyan (LLM) links, Violett (JEPA) rechts. Die Vergleichsachse in der Mitte als kalibrierte Messkante.
Bildunterschrift (vorgeschlagen): „Zwei Philosophien. Links: Autoregression sagt Token für Token vorher. Rechts: JEPA sagt die nächste abstrakte Einbettung vorher – ohne jedes Detail malen zu müssen."
I-10b: LeCun-Stack — SHOULD
Kapitel: 10
Was die Abbildung zeigen soll: LeCuns vorgeschlagene Architektur (JEPA) als vertikaler Stack: Weltmodell (Basis) → Konfigurator → Perzeption → Agent → Kostenmodul (oben). Jede Schicht mit ihrer Funktion. Der Stack ist als Blaupause dargestellt – eine Architektur-Skizze, kein fertiges Produkt.
Didaktischer Zweck: Zeigt LeCuns Gegenentwurf zum LLM-Paradigma: Statt einem Monster-Modell, das alles macht, eine modulare Architektur mit getrennten Komponenten. Der Stack ist der strukturelle Ausdruck der JEPA-Philosophie.
Bildsprache: Architektur-Skizze / Blaupause mit Schichten.
Bildunterschrift (vorgeschlagen): „LeCuns modulare Alternative: Ein Stack aus spezialisierten Komponenten statt einem Monster-Modell für alles."
I-10c: Argument-Waage — SHOULD
Kapitel: 10
Was die Abbildung zeigen soll: Eine Waage in der Schwebe – nicht entschieden, aber tendierend. Links: „LLM + Harness reicht" (Token-Schleife + Zwiebel-Icons). Rechts: „JEPA/Weltmodell nötig" (Sensorik, Weltmodell, Planung). Die Waage zeigt leichte Vibrationen (Unsicherheits-Linien). Kein klarer Ausschlag.
Didaktischer Zweck: Die Buch-Position in einem Bild: Keine Seite hat die Evidenz für einen definitiven Sieg. LLM + Harness ist heute nützlich, JEPA ein ernstzunehmendes Forschungsprogramm. Der Ausgang ist offen.
Bildsprache: Waage mit leichten Vibrationslinien – bewusst unentschieden. Silbergrau mit Amber (LLM) und Violett (JEPA) in den Waagschalen.
Bildunterschrift (vorgeschlagen): „Die Buch-Position: Keine Seite hat die Evidenz für einen definitiven Sieg. Der Ausgang ist offen."
I-10d: Drei Szenarien A/B/C — SHOULD
Kapitel: 10
Was die Abbildung zeigen soll: Drei mögliche Zukünfte als parallele Szenarien: (A) LLM-Skalierung reicht – immer bessere Modelle, (B) LLM + JEPA-Hybrid – das skaliert weiter, (C) Paradigmenwechsel – neue Architektur verdrängt LLM. Jedes Szenario als eigener visueller Pfad, der von der Gegenwart in eine andere Zukunft führt.
Didaktischer Zweck: Macht die Diskussion um AGI konkret: Statt zu prophezeien, zeigt die Grafik drei denkbare Pfade. Der Leser kann selbst entscheiden, welcher ihm plausibler erscheint.
Bildsprache: Drei verzweigte Pfade von einem gemeinsamen Startpunkt. Jeder Pfad in eigener Farbe.
Bildunterschrift (vorgeschlagen): „Drei Szenarien, kein Orakel. Skalierung, Hybrid oder Paradigmenwechsel – welcher Pfad sich durchsetzt, ist offen."
KAPITEL 12 – Marketing und Wahrnehmung
I-12a: Bühne und Vorhang – zwei Schichten — KEY
Kapitel: 12 | | Mermaid: 13-zwei-schichten-buehne | Orientierung: Hoch 3:4
Was die Abbildung zeigen soll: Eine Theaterbühne im Querschnitt. Oben (Bühne): Hell, glamourös – Demo-Video, Schlagzeilen, CEO am Pult, steigender Aktienkurs. In warmen Rot-Gold-Tönen. Unten (Mechanik): Der Vorhang ist geöffnet, dahinter die Mechanik – Token-Pipeline, Benchmarks, Harness-Schleife, Halluzinationsbeispiel. In nüchternem Blau-Grau. Ein Maßband spannt sich zwischen Bühne und Mechanik – es misst den „Abstand".
Didaktischer Zweck: Die Titel-Metapher visuell umgesetzt – das ganze Buch kondensiert in diesem Bild. Dieselbe Ankündigung hat zwei Schichten: oben die Show, unten die Mechanik. Wer den Abstand misst, liest Versprechen als Entwürfe.
Bildsprache: Theater-Perspektive. Bühne von vorne (rot/gold), Mechanik von oben/hinten (blau/grau). Das Maßband als quantitatives Element.
Bildunterschrift (vorgeschlagen): „Dieselbe Ankündigung hat zwei Schichten. Oben: die Bühne (Show). Unten: der Vorhang geöffnet (Mechanik). Wer den Abstand misst, liest Versprechen als Entwürfe."
I-12b: Narrative-Radar — MUST
Kapitel: 12 | Render: hybrid | Mermaid: 14-narrative-radar
Was die Abbildung zeigen soll: Ein Pentagon-Radar (fünf Speichen) im Stil einer Wetterradar-Windrose. Zentrum: „Öffentliche KI-Kommunikation". Fünf Speichen: (1) AGI is near, (2) Human-level/PhD- Comparisons, (3) Singularität, (4) Emergenz-Mystik, (5) Safety-Urgency. Jede Speiche hat eine Jahreszahl und Fundstelle („Altman 2024", „Musk 2025", „Amodei 2026"). Die Speichen sind als Wetterfahnen gestaltet – sie drehen sich je nach Aufmerksamkeits-Wind.
Didaktischer Zweck: Fünf wiederkehrende Narrative auf einen Blick. Leser erkennen sie in zukünftigen Schlagzeilen wieder – eine Erkennungshilfe, keine Karikatur.
Bildsprache: Wetterradar / Windrose. Dunkler Hintergrund mit hellgrünen/blauen Radar-Ringen.
Bildunterschrift (vorgeschlagen): „Fünf wiederkehrende KI-Narrative. Jede Speiche ist ein bekanntes Muster – keine Karikatur, sondern eine Erkennungshilfe."
I-12c: Verschiebende Deadlines — SHOULD
Kapitel: 12 | Render: hybrid | Mermaid: 15-verschiebende-deadlines
Was die Abbildung zeigen soll: Eine Zeitachse 2023–2026 mit drei parallelen Spuren (Altman, Musk, Amodei). Jede Spur zeigt deren AGI-Aussagen und Deadlines als Zielscheiben. Musks Spur hat zwei Zielscheiben (2025 und 2026) – sichtbar um ein Jahr nach rechts verschoben. Ein durchgehender Pfeil kennzeichnet das Muster: „Prognose & Marketing teilen denselben Satz."
Didaktischer Zweck: Das vielleicht provokanteste Bild des Kapitels – aber ohne Häme. Zeigt ein Muster: Deadlines werden gesetzt und dann verschoben. Die Zielscheibe wandert. Kein persönlicher Angriff, sondern eine Beobachtung.
Bildsprache: Schießscheiben / Zielscheiben in drei Bahnen. Farben: Cyan, Violett, Silberweiß-Violett (kein Amber!).
Bildunterschrift (vorgeschlagen): „AGI-Prognosen 2023–2026: Altman setzt den Frame, Musk verschiebt, Amodei wählt andere Worte. Das Muster: Prognose und Marketing teilen denselben Satz."
I-12d: Demo vs. Protokoll — MUST
Kapitel: 12 | | Mermaid: 16-demo-vs-protokoll | Orientierung: Quer 16:9
Was die Abbildung zeigen soll: Drei übereinanderliegende horizontale Panels: (1) Was das Video zeigt – polierte, flüssige Interaktion. (2) Was weggeschnitten wurde – Film-Schneidetisch mit herausgeschnittenen Clips („Latenz reduziert", „Ausgaben gekürzt"). (3) Was ein unabhängiger Test messen würde – Prüfprotokoll mit Checkboxen („Reproduzierbar", „Fehlerrate vollständig", „Kosten offen").
Didaktischer Zweck: Ein Lehrstück für kritisches Demo-Lesen. Zeigt die Lücke zwischen Demovideo (Panel 1), Kleingedrucktem (Panel 2) und unabhängiger Evaluation (Panel 3). Referenziert die Gemini-Demo vom Dezember 2023 als Beispiel.
Bildsprache: Film-Editor-Ansicht mit Schnittspuren und Timeline. Panel 1: fertiger Film. Panel 2: Schneidetisch. Panel 3: Testprotokoll.
Bildunterschrift (vorgeschlagen): „Drei Panels einer Demo. Panel 1: Was gezeigt wird. Panel 2: Was weggelassen wurde. Panel 3: Was ein unabhängiger Test messen würde."
I-12e: Benchmark-Filter — MUST
Kapitel: 12 | | Mermaid: 17-benchmark-filter
Was die Abbildung zeigen soll: Ein Wasserfilter/Siebturm mit fünf Sieben von oben nach unten: (1) Rohfähigkeit (viele Partikel), (2) Task-Auswahl (erste Selektion), (3) Trainingsnähe/Kontamination (Testsiebung), (4) Leaderboard-Optimierung, (5) Schlagzeile (ein einzelner polierter Tropfen: „PhD-level on X").
Didaktischer Zweck: Visuelle Metapher für Benchmark-Selektion. Vom Modell zur Schlagzeile durchläuft jedes Ergebnis fünf Filterstufen. Das Ergebnis ist keine Fälschung – aber es ist ein verarbeitetes Produkt, kein Rohwert.
Bildsprache: Industrieller Wasserfilter/Siebturm. Fünf Ebenen, blaue Wasser-Metapher.
Bildunterschrift (vorgeschlagen): „Vom Modell zur Schlagzeile: Fünf Filterstufen. Jede Stufe ist eine Stelle, an der Selektion passiert. Keine Fälschung – aber ein verarbeitetes Produkt."
I-12f: Resonanzkreislauf — MUST
Kapitel: 12 | | Mermaid: 18-resonanzkreislauf
Was die Abbildung zeigen soll: Ein Kreislauf aus sechs Stationen: (1) CEO-Claim (Mikrofon), (2) Tech-Medien (Zeitung), (3) Soziale Amplification (Megafon), (4) Investor Pitch (Geldbündel), (5) Produktbudget (GPU-Chip + Rechenzentrum), (6) Nächster Claim (zurück zu 1). Von Station 3 zweigt ein dünner Seitenpfad ab: „Unabhängige Evaluation" (HELM, Red-Teaming) – gestrichelt, schwach zurück zu Station 4.
Didaktischer Zweck: Systemische Beschreibung des Marketing-Kreislaufs: Ein Claim wird verstärkt, kapitalisiert, reinvestiert – und erzeugt den nächsten, größeren Claim. Der dünne Seitenpfad (unabhängige Evaluation) ist die Hoffnung – aber er ist schwach.
Bildsprache: Technisches Fließbild / Regelkreis. Blauer Hauptkreislauf, grüner Seitenpfad.
Bildunterschrift (vorgeschlagen): „Der Resonanzkreislauf: Ein Claim wird verstärkt, kapitalisiert, reinvestiert. Ein schwacher Seitenpfad: unabhängige Evaluation."
I-12g: Zwei Extreme, eine Prämisse — SHOULD
Kapitel: 12 | | Mermaid: 19-zwei-extreme-praemisse
Was die Abbildung zeigen soll: Zwei Kinoplakate auf einem gemeinsamen Sockel. Links: Utopie-Plakat (grüne Felder, harmonische Zukunft). Rechts: Doomer-Plakat (düstere Stadt, Zerstörung). Der gemeinsame Sockel trägt die Inschrift: „Gemeinsame Prämisse: AGI ist nah UND total." In der Mitte zwischen beiden ein neutraler Pfeil zur Buch-Position: „fähig + begrenzt + architekturabhängig."
Didaktischer Zweck: Die Pointe von Kapitel 12 (Marketing) in einem Bild: Utopisten und Doomer teilen dieselbe Prämisse – dass AGI nah und total ist. Die Buch-Position lehnt diese Prämisse ab.
Bildsprache: Kinoplakate auf gemeinsamem Sockel. Utopisch vs. dystopisch, aber nicht karikierend. Der neutrale Pfeil als dritter Weg.
Bildunterschrift (vorgeschlagen): „Zwei Extreme, eine Prämisse. Beide setzen voraus: AGI ist nah und total. Die Buch-Position: fähig, begrenzt und architekturabhängig."
I-12h: Lese-Checkliste für KI-Ankündigungen — MUST
Kapitel: 12 | Render: hybrid/vector | Mermaid: 20-lese-checkliste-ankuendigung
Was die Abbildung zeigen soll: Ein technischer Prüfbogen (QM-Protokoll) mit fünf Prüfschritten, jeder mit einem Hebel/Schalter: (1) Architektur: Next-Token + Nachtraining + Harness – oder neues Prinzip? (2) Messung: Unabhängige Evaluation? Tasks? Fehlermodi? (3) Demo: Live, reproduzierbar, Latenz + Kosten? (4) Sprache: Agency-Metaphern in Mechanik übersetzbar? (5) Anreiz: Wer profitiert von Dringlichkeit? Am Ende: Ampel-Hinweis aus Kap. 9 und Ergebnisstreifen: „Lesen als Entwurf."
Didaktischer Zweck: Das praktische Werkzeug, mit dem Leser aus dem Buch entlassen werden. „Fünf Fragen an jede große KI-Ankündigung." Kein Prüfsiegel, sondern eine Routine.
Bildsprache: QM-Prüfbogen / Inspektionsprotokoll. Hebel/Schalter pro Frage. Blau/Grau, industrielle Ästhetik.
Bildunterschrift (vorgeschlagen): „Fünf Fragen an jede große KI-Ankündigung. Kein Prüfsiegel – ein Werkzeug für die Routine."
EPILOG
I-E1: Denk-Checkliste — MUST
Kapitel: Epilog | Render: hybrid/vector | Mermaid: 12-denk-checkliste
Was die Abbildung zeigen soll: Ein kompaktes Entscheidungswerkzeug als Pfad-Verzweigung mit Konvergenz-Knoten. Start: „Steht eine Aufgabe mit LLM/Agent an?" → Verzweigung: „Ist der Output leicht prüfbar?" → Ja-Pfad: „Sind Fakten hochrelevant?" → „Tools + Quellen + menschlich verifizieren" (grün). Nein-Pfad: „Vorsicht: Fehler teuer oder unsichtbar" → „Menschliche Verantwortung klar benennen" (orange). Unter dem Diagramm drei Merksätze im Kasten: „LLM = Next-Token-Prediktor (+ Nachtraining)", „Agent = LLM + Harness", „Nutzen = passende Aufgaben wählen."
Didaktischer Zweck: Die Schlussgrafik – sie entlässt den Leser in die Praxis. Ein kompaktes Entscheidungswerkzeug, das die Kern-Thesen des Buchs operationalisiert.
Bildsprache: Pfad-Verzweigung mit Konvergenz-Knoten. Abgerundete Kästchen, Grün für „Ja", Orange für Vorsicht. Sowohl technischer Prüfbogen als auch intuitive Wegkarte.
Bildunterschrift (vorgeschlagen): „Die Denk-Checkliste des Buchs: Ein Werkzeug für die Routine. Nicht für jede Frage – aber für jede, bei der es darauf ankommt."
I-E2: Drei Bausteine (Tempel) — NICE
Kapitel: Epilog (optional)
Was die Abbildung zeigen soll: Ein Tempel mit drei Säulen: (1) Next Token (links, Token-Kette), (2) Harness (Mitte, Zwiebel-Schichten), (3) Grenzen (rechts, Schild/Begrenzung). Die drei Säulen tragen ein Dach: „Verantwortungsvoller Einsatz." Der Tempel steht auf einem Sockel: „Architektur, nicht Magie."
Didaktischer Zweck: Die drei Bausteine des Buchs auf einen Blick – als Abschlussseite. Fasst die gesamte Argumentation in einer architektonischen Metapher zusammen.
Bildsprache: Klassischer Tempel mit drei Säulen. Warme Steinfarben, flacher Stil. Keine menschlichen Figuren.
Bildunterschrift (vorgeschlagen): „Die drei Bausteine dieses Buchs: Next Token, Harness, Grenzen. Zusammen tragen sie, was das Buch vermitteln will: verantwortungsvollen, aufgeklärten Umgang mit KI-Systemen."
Zusammenfassung nach Priorität
KEY (11) — Buch-Herzstücke, in fast jedem Kapitel referenziert
| ID | Titel | Kapitel |
|---|---|---|
| I-0 | Nutzer sieht vs. Pipeline | Prolog |
| I-2a | Next-Token-Pipeline | Kap. 2 |
| I-5a | Plausibel ≠ Wahr | Kap. 5 |
| I-5b | Fehlerakkumulation (Domino) | Kap. 5 |
| I-5c | Gedächtnis-Schichten (Haus) | Kap. 5 |
| I-6a | Treppe Completion→Agent | Kap. 6 |
| I-7a | Agent-Loop (Getriebe) | Kap. 7 |
| I-7b | Harness-Zwiebel | Kap. 7 |
| I-9a | Ampel-Matrix | Kap. 9 |
| I-10a | Autoregression vs. JEPA | Kap. 10 |
| I-12a | Bühne und Vorhang | Kap. 12 (früher I-11a) |
MUST (16) — Essentiell für das jeweilige Kapitel
| ID | Titel | Kapitel |
|---|---|---|
| I-1a | Timeline 2012–2026 | Kap. 1 |
| I-1c | Drei Schichten: Forschung/Infra/Produkt | Kap. 1 |
| I-1d | Text → Tools → Agenten | Kap. 1 |
| I-2b | Token-Zerlegung | Kap. 2 |
| I-3a | Trainings-Pipeline (4 Phasen) | Kap. 3 |
| I-4a | Sprache als Schnittstelle (Trichter) | Kap. 4 |
| I-4b | In-Context Learning: Zero vs. Few-Shot | Kap. 4 |
| I-6c | Produktschichten | Kap. 6 |
| I-7c | Tool-Call-Sequenz (Swimlane) | Kap. 7 |
| I-7f | Drei Sitze: Code / Zustand / Modell | Kap. 7 |
| I-8a | Vorher/Nachher – Wildwuchs vs. Protokoll | Kap. 8 |
| I-8b | MCP-Skizze | Kap. 8 |
| I-12b | Narrative-Radar | Kap. 12 (früher I-11b) |
| I-12d | Demo vs. Protokoll | Kap. 12 (früher I-11d) |
| I-12e | Benchmark-Filter | Kap. 12 (früher I-11e) |
| I-12f | Resonanzkreislauf | Kap. 12 (früher I-11f) |
| I-12h | Lese-Checkliste | Kap. 12 (früher I-11h) |
| I-9e | Dieselbe Ampel: Lena / Markus / Thomas | Kap. 9 |
| I-E1 | Denk-Checkliste | Epilog |
SHOULD (23) — Starke Bereicherung
| ID | Titel | Kapitel |
|---|---|---|
| I-1b | Größenentwicklung 2018–2024 | Kap. 1 |
| I-2c | Drei Temperaturen | Kap. 2 |
| I-2d | Kontextfenster als Schiebefenster | Kap. 2 |
| I-2e | Attention als Scheinwerfer | Kap. 2 |
| I-3b | Datenberg | Kap. 3 |
| I-3c | RLHF-Loop | Kap. 3 |
| I-3d | Vorher/Nachher Assistent | Kap. 3 |
| I-4c | Kompetenzkarte | Kap. 4 |
| I-5d | Grenzen-Radar | Kap. 5 |
| I-6b | Nachrichtentypen | Kap. 6 |
| I-7d | Autonomie-Skala | Kap. 7 |
| I-7e | Fallstudie Lissabon | Kap. 7 |
| I-7g | Regel 2: Tool → Stopp → Log → Mensch | Kap. 7 |
| I-8c | Steckdosen-Metapher | Kap. 8 |
| I-9b | Daten-Sättigung | Kap. 9 |
| I-9c | Kosten-Nutzen-Kurve | Kap. 9 |
| I-9d | Drei Szenarien | Kap. 9 |
| I-9f | Abhängigkeits-Stapel | Kap. 8 |
| I-10b | LeCun-Stack | Kap. 10 |
| I-10c | Argument-Waage | Kap. 10 |
| I-10d | Drei Szenarien A/B/C | Kap. 10 |
| I-12c | Verschiebende Deadlines | Kap. 12 (früher I-11c) |
| I-12g | Zwei Extreme, eine Prämisse | Kap. 12 (früher I-11g) |
| I-E2 | Drei Bausteine (Tempel) | Epilog |
NICE (3) — Optionale Extras
| ID | Titel | Kapitel |
|---|---|---|
| I-0b | Drei Szenen – ein Prinzip | Prolog |
| I-4d | Emergenz als Messartefakt | Kap. 4 |
| I-E2 | Drei Bausteine (Tempel) | Epilog |
Produktionsstatus: Alle 52 Prompts sind geschrieben und konsistenz-geprüft (Review: „APPROVE WITH FIXES", Patches eingearbeitet). 0 fehlende Assets. Nächster Schritt: Imagine-Generation KEY → MUST.
Style Lock: Night Navy (#0B1A33), Cyan (#00D4FF), Violett (#8B5CF6), Silberweiß (#E8EEF7). Keine Gehirne, keine Roboter, keine Flowchart-Boxen, kein Neon-Cyberpunk, kein eingebetteter Text.
Figure 3.1 (I-2a: Next-Token-Pipeline — KEY)
Was die Abbildung zeigen soll: Eine sechsstufige, vertikale Produktionsstraße in einer Fabrikhalle: (1) Tokenisierung – ein Satz wird in farbige Kacheln zerlegt. (2) Embedding-Raum – die Kacheln als Punkte in einer abstrakten Landschaft. (3) Transformer/Attention – ein schematisches Netz, das Verbindungen zwischen Token-Punkten als leuchtende Linien zeigt. (4) Wahrscheinlichkeitsverteilung – ein „Glücksrad" mit allen Kandidaten. (5) Auswahl – Temperatur-Schieber. (6) Anhängen – der neue Token wird in die Sequenz eingeordnet, Schleifenpfeil zurück.
Didaktischer Zweck: Das Herzstück des Buches. Diese Grafik wird in fast jedem Kapitel referenziert. Sie muss auf einen Blick das fundamentale Funktionsprinzip jedes modernen LLM zeigen: Es gibt keine Datenbank, kein „Wissen" – nur einen probabilistischen Sample-Prozess, der sich selbst füttert.
Bildsprache: Produktionsstraße / Fabrikhalle in flachem Isometrie-Stil. Jede Station als klar abgegrenzter Bereich mit eigenem Lichtakzent (Cyan für LLM-lineare Prozesse, Violett für Kontrollpunkte).
─── Figure 4.1 (I-3a: Trainings-Pipeline – vier Phasen — MUST)
Was die Abbildung zeigen soll: Vier horizontale Phasen als stationäre Motoren auf einem Förderband: (1) Pretraining: Ein riesiger Trichter, in den Texte strömen; unten kommt ein „Rohmodell" (unförmiger Block). (2) SFT (Instruction Tuning): Der Block wird von einem Meißel geformt. (3) RLHF/RLAIF: Ein Waagebalken, der zwei Antworten vergleicht. (4) Tool/Reasoning-Training: Der geformte Block bekommt Anschlüsse (Stecker/Buchsen) für Werkzeuge.
Didaktischer Zweck: Zweite Schlüsselgrafik des Buches. Verdeutlicht den entscheidenden Punkt: Der Assistent wird gemacht, nicht geboren. Vier klar getrennte Phasen mit unterschiedlichen Zielen und Methoden.
Bildsprache: Industrielle Fertigungsstraße – aber für kognitive Arbeit. Trichter, Meißel, Waage, Stecker als handfeste Metaphern.
─── Figure 6.1 (I-5a: Plausibel ≠ Wahr — KEY)
Was die Abbildung zeigen soll: Zwei Chat-Bläschen nebeneinander, beide antworten auf dieselbe Frage (z. B. „Welche Öffnungszeiten hat das Café Sonneneck morgen?"). Beide klingen identisch – freundlich, assertiv, präzise. Unter dem linken Bläschen: ein ✓ (korrekt). Unter dem rechten: ein ⚠️ (falsch). Ein Overlay: „Plausibel ≠ Wahr – kein Unterschied im Ton erkennbar."
Didaktischer Zweck: Die Kernbotschaft von Kapitel 5 in einer einzigen visuellen Aussage. Der Leser soll sehen: Das Halluzinationsproblem ist genau dieses – die falsche Antwort sieht genauso überzeugend aus wie die richtige.
Bildsprache: Zwei identische Chat-Bläschen. Die Unterschied-Icons (✓/⚠️) bewusst klein. Die Pointe liegt im Augentest: Man muss genau hinsehen, um den Unterschied zu erkennen.
─── Figure 7.1 (I-6a: Die Treppe Completion → Agent — KEY)
Was die Abbildung zeigen soll: Eine Treppe mit vier Stufen von links unten nach rechts oben: (1) Completion – Textfeld mit grauer Fortsetzung. (2) Chat-Modell – zwei Sprechblasen. (3) Assistent – Sprechblase + System-Prompt-Symbol + Filter. (4) Agent – Sprechblase + Zahnräder + Schleifenpfeil. In jeder Stufe ein identischer, durchscheinender Block: der Next-Token-Prediktor.
Didaktischer Zweck: Das Herzstück von Kapitel 6. Zeigt: Der Kern bleibt immer gleich, die Hülle wird komplexer. Completion, Chat, Assistent, Agent sind keine Intelligenzsprünge – sie sind unterschiedlich dicke Schichten um denselben Kern.
Bildsprache: Treppenstufen mit progressiver Farbe (Grau → Blau). Der transparente Kern in jeder Stufe als zentrale Aussage.
─── Figure 8.2 (I-7b: Harness-Zwiebel – konzentrische Ringe — KEY)
Was die Abbildung zeigen soll: Eine Zwiebel mit sechs konzentrischen Ringen, von innen nach außen: (1) LLM-Kern (Next-Token-Prediktor), (2) Prompt & Dialogformat, (3) Tools / Function Calling, (4) Memory & Retrieval, (5) Planung, Retries, Policies, (6) Sandbox, Rechte, Human Oversight. Jeder Ring eine andere Farbe, von warmem Amber (innen) zu kühlem Dunkelblau (außen). Die Zwiebel ist leicht oval – zur Tool-Seite hin dicker.
Didaktischer Zweck: Die alternative Darstellung des Harness – nicht als hierarchische Box, sondern als intuitiv verständliche Zwiebel. Der Leser kann selbst entscheiden, auf welcher Schicht sein System gerade operiert.
Bildsprache: Technischer Zwiebel-Querschnitt (nicht biologisch). Glatte, farblich abgestufte Ringe.
─── Figure 8.3 (I-7c: Tool-Call-Sequenz — MUST)
Was die Abbildung zeigen soll: Vier horizontale Schwimmbahnen (Nutzer → LLM → Harness → Tool), zeitlich von links nach rechts: (1) Nutzer sendet Auftrag, (2) LLM entscheidet: Tool-Call nötig, (3) Harness validiert und führt aus, (4) Tool liefert Ergebnis, (5) Harness injiziert Ergebnis in LLM-Kontext, (6) LLM generiert finale Antwort.
Didaktischer Zweck: Macht den Ablauf eines Tool-Calls explizit und entmystifiziert den „Agenten". Das LLM entscheidet sprachlich, dass ein Tool nötig ist – der Harness führt aus. Die vier Akteure haben klar getrennte Rollen.
Bildsprache: Swimlane-Diagramm als Eisenbahn-Streckenplan mit Weichen und Stationen.
─── Figure 9.1 (I-8a: Vorher/Nachher – Wildwuchs vs. Protokoll — MUST)
Was die Abbildung zeigen soll: Zwei Panels. Links (VORHER): Drei Apps (A, B, C) sind individuell mit drei Tools (X, Y, Z) verbunden – ein Gewirr aus 9 Kabeln. Rechts (NACHHER): Eine Steckdosenleiste (das Protokoll) liegt zwischen Apps und Tools. Jede App hat einen Stecker, jedes Tool eine Buchse – 6 saubere Kabel.
Didaktischer Zweck: Das visuelle Argument für Protokolle – sofort verständlich. Ohne Protokoll: n×m Integrationen. Mit Protokoll: n+m. Die Steckdosen-Metapher macht den Wert standardisierter Schnittstellen greifbar.
Bildsprache: Steckdosenleiste / Stromverteiler. Links Kabelsalat, rechts ordentliche Stecker.
─── Figure 10.1 (I-9a: Ampel-Matrix — KEY)
Was die Abbildung zeigen soll: Ein Werkzeugkasten mit herausziehbaren Schubladen. Jede Schublade entspricht einer Aufgabe, farbcodiert durch einen Ampelgriff: Grün: Zusammenfassen, Brainstorming, Code mit menschlichem Review. Gelb: Fakten mit Quellen, Medizin/Recht-Unterstützung. Rot: Autonomie, Kausalanalyse, Embodied Tasks. Die Tabelle enthält drei Spalten: Aufgabe, Ampel, Kurzbegründung. Ca. 10 Zeilen.
Didaktischer Zweck: Die praktischste Seite des Buches. Leser sollen sie später aufschlagen, um schnell einschätzen zu können: Welche Aufgaben sind heute mit LLM-Systemen sinnvoll machbar?
Bildsprache: Werkzeugkasten/Schubladen. Jede Schublade mit Ampel-Griff. Keine Excel-Tabelle. Im Buchlayout als ganze Doppelseite.
─── Figure 11.1 (I-10a: Autoregression vs. JEPA — KEY)
Was die Abbildung zeigen soll: Zwei parallele Welten, getrennt durch eine feine silberweiße Vergleichsachse. Links (Autoregression): Eine Token-Kette, Cyan, die sich wie eine Schlange windet. Notiz: „Fehler pflanzen sich fort." Rechts (JEPA): Ein Weltausschnitt (Foto eines fallenden Balls) → Encoder-Zylinder → kleine Einbettungs-Kugel (Violett) → Prädiktor sagt nächste Kugel voraus – ohne jedes Detail malen zu müssen.
Didaktischer Zweck: Die Kern-Gegenüberstellung des Kapitels: Zwei grundverschiedene Philosophien der Vorhersage. Autoregression sagt Detail für Detail vorher, JEPA sagt im abstrakten Embedding-Raum vorher.
Bildsprache: Zwei parallele Spuren, Cyan (LLM) links, Violett (JEPA) rechts. Die Vergleichsachse in der Mitte als kalibrierte Messkante.
─── Figure 12.1 (I-12a: Bühne und Vorhang — KEY)
Was die Abbildung zeigen soll: Eine Theaterbühne im Querschnitt. Oben (Bühne): Hell, glamourös – Demo-Video, Schlagzeilen, CEO am Pult, steigender Aktienkurs. In warmen Rot-Gold-Tönen. Unten (Mechanik): Der Vorhang ist geöffnet, dahinter die Mechanik – Token-Pipeline, Benchmarks, Harness-Schleife, Halluzinationsbeispiel. In nüchternem Blau-Grau. Ein Maßband spannt sich zwischen Bühne und Mechanik – es misst den „Abstand".
Didaktischer Zweck: Die Titel-Metapher visuell umgesetzt – das ganze Buch kondensiert in diesem Bild. Dieselbe Ankündigung hat zwei Schichten: oben die Show, unten die Mechanik. Wer den Abstand misst, liest Versprechen als Entwürfe.
Bildsprache: Theater-Perspektive. Bühne von vorne (rot/gold), Mechanik von oben/hinten (blau/grau). Das Maßband als quantitatives Element.
─── Figure 12.3 (I-12c: Verschiebende Deadlines — SHOULD)
Was die Abbildung zeigen soll: Eine Zeitachse 2023–2026 mit drei parallelen Spuren (Altman, Musk, Amodei). Jede Spur zeigt deren AGI-Aussagen und Deadlines als Zielscheiben. Musks Spur hat zwei Zielscheiben (2025 und 2026) – sichtbar um ein Jahr nach rechts verschoben. Ein durchgehender Pfeil kennzeichnet das Muster: „Prognose & Marketing teilen denselben Satz."
Didaktischer Zweck: Das vielleicht provokanteste Bild des Kapitels – aber ohne Häme. Zeigt ein Muster: Deadlines werden gesetzt und dann verschoben. Die Zielscheibe wandert.
Bildsprache: Schießscheiben / Zielscheiben in drei Bahnen. Farben: Cyan, Violett, Silberweiß-Violett.
─── Figure 12.4 (I-12d: Demo vs. Protokoll — MUST)
Was die Abbildung zeigen soll: Drei übereinanderliegende horizontale Panels: (1) Was das Video zeigt – polierte, flüssige Interaktion. (2) Was weggeschnitten wurde – Film-Schneidetisch mit herausgeschnittenen Clips. (3) Was ein unabhängiger Test messen würde – Prüfprotokoll mit Checkboxen („Reproduzierbar", „Fehlerrate vollständig", „Kosten offen").
Didaktischer Zweck: Ein Lehrstück für kritisches Demo-Lesen. Zeigt die Lücke zwischen Demovideo (Panel 1), Kleingedrucktem (Panel 2) und unabhängiger Evaluation (Panel 3).
Bildsprache: Film-Editor-Ansicht mit Schnittspuren und Timeline. Panel 1: fertiger Film. Panel 2: Schneidetisch. Panel 3: Testprotokoll.
─── Figure 12.5 (I-12e: Benchmark-Filter — MUST)
Was die Abbildung zeigen soll: Ein Wasserfilter/Siebturm mit fünf Sieben von oben nach unten: (1) Rohfähigkeit, (2) Task-Auswahl, (3) Trainingsnähe/Kontamination, (4) Leaderboard-Optimierung, (5) Schlagzeile (ein einzelner polierter Tropfen: „PhD-level on X").
Didaktischer Zweck: Visuelle Metapher für Benchmark-Selektion. Vom Modell zur Schlagzeile durchläuft jedes Ergebnis fünf Filterstufen. Das Ergebnis ist keine Fälschung – aber es ist ein verarbeitetes Produkt.
Bildsprache: Industrieller Wasserfilter/Siebturm. Fünf Ebenen, blaue Wasser-Metapher.
─── Figure 13.1 (I-E1: Denk-Checkliste — MUST)
Was die Abbildung zeigen soll: Ein kompaktes Entscheidungswerkzeug als Pfad-Verzweigung mit Konvergenz-Knoten. Start: „Steht eine Aufgabe mit LLM/Agent an?" → Verzweigung: „Ist der Output leicht prüfbar?" → Ja-Pfad: „Sind Fakten hochrelevant?" → „Tools + Quellen + menschlich verifizieren" (grün). Nein-Pfad: „Vorsicht: Fehler teuer oder unsichtbar" → „Menschliche Verantwortung klar benennen" (orange). Unter dem Diagramm drei Merksätze: „LLM = Next-Token-Prediktor (+ Nachtraining)", „Agent = LLM + Harness", „Nutzen = passende Aufgaben wählen."
Didaktischer Zweck: Die Schlussgrafik – sie entlässt den Leser in die Praxis. Ein kompaktes Entscheidungswerkzeug, das die Kern-Thesen des Buchs operationalisiert.
Bildsprache: Pfad-Verzweigung mit Konvergenz-Knoten. Abgerundete Kästchen, Grün für „Ja", Orange für Vorsicht. Sowohl technischer Prüfbogen als auch intuitive Wegkarte.