grok-bot
2066bb4111
Woche-1-Assets (I-2d/I-3d/I-6a/I-1b, Cover-Strich, I-12a–h, I-11a/b). P3: Kap. 8 und 11 gestrafft. Abbildungsverzeichnis, 2. Auflage im Impressum. Research auflage-2-* mitgezogen. I-12b-Prompt-Inhalt nicht.
3.9 KiB
Exposé
Arbeitstitel: Next Token
Buchtitel: Die KI hinter dem Vorhang
Untertitel (Buch): Was LLMs, Agenten und AGI wirklich können – und was nicht
Untertitel (Exposé-Variante, nicht die Titelei): Wie moderne KI funktioniert – und wo sie an ihre Grenzen stößt
Genre: Sachbuch / Technik-Erklärung für interessierte Laien
Umfang: ca. 300–340 Seiten (ca. 80.000–100.000 Wörter)
Sprache: Deutsch
Stand der Technik im Manuskript: 2024–2026 (mit explizitem Stichtag)
Worum geht es?
Fast jede „KI“, der Laien heute begegnen – Chatbots, Schreibhilfen, Coding-Assistenten, multimodale Systeme, erste Agenten – baut auf Large Language Models (LLMs) auf. Ein LLM ist im Kern erstaunlich schlicht: Es schätzt, welches Textstück (Token) als Nächstes am wahrscheinlichsten folgt.
Dieses Buch erklärt präzise und ohne Hype,
- was diese Architektur ist,
- warum sie trotz ihrer Schlichtheit so nützlich wurde (Skalierung, Daten, Instruction Tuning, RLHF, Reasoning, Tool-Use),
- wie aus Chat-Modellen Assistenten und Agentensysteme wurden – inklusive der Infrastruktur drumherum, dem Harness (Planung, Speicher, Tools, Fehlerbehandlung, Protokolle wie MCP),
- wo die fundamentalen Grenzen liegen,
- und wie ernsthafte Kritik – insbesondere Yann LeCuns JEPA-/Weltmodell-Ansatz – die Frage einordnet: Ist die LLM-Straße der Weg zu AGI?
Antwort des Buches: LLMs sind der zentrale Baustein heutiger Systeme. Ob sie für AGI hinreichen, ist offen – und wird argumentativ gewogen, nicht prophezeit.
Zielgruppe
Interessierte Laien ohne Informatik- oder ML-Hintergrund: Journalist:innen, Lehrkräfte, Führungskräfte, Studierende anderer Fächer, politisch und technisch Neugierige.
Voraussetzung: Lesebereitschaft und Interesse – keine Mathematik, kein Programmierwissen.
Ton und Alleinstellung
- demystifizierend, nüchtern, erklärend
- technisch korrekt, ohne unnötige Vereinfachungen, die Fehlvorstellungen erzeugen
- weder Heilsversprechen noch Untergangsromantik
- Fokus auf Verständnis und Einordnung, nicht auf Research-Paper-Detail oder Produktvergleiche
Lücke im Markt: Viele Texte sind entweder Marketing, Alarmismus oder zu technisch. Dieses Buch liefert ein stabiles Denkmodell (Next-Token + Nachtraining + Harness + Grenzen), das auch dann noch trägt, wenn einzelne Produkte und Benchmarks veralten.
Aufbau (Kurz)
- Geschichte ab AlexNet (2012) bis Reasoning-Modellen und Agenten
2.–5. Kern: Was ein LLM ist, wie es trainiert und nützlich wird, warum es weit trägt, wo es scheitert
6.–8. Evolution: Chat → Assistent → Agent/Harness → Protokolle (MCP) - Praxislandkarte: Was extrem gut funktioniert, wo die Luft dünn wird, Daten-Sättigung
- Kritik & Alternativen: LeCun, JEPA, AGI-Frage
- Marketing & öffentliche Wahrnehmung: Narrative, Demos, Benchmarks, der Abstand zwischen Show und System
Prolog/Epilog, Glossar, kuratierte Literatur, ca. 25–35 klare Infografiken
Vergleichbare Werke / Positionierung
Näher an klarer Wissenschaftsprosa (Spektrum-Niveau) als an Business-Buzzword-Büchern.
Komplementär zu populären KI-Essays: mehr Mechanik und Systemdenken, weniger Kulturkampf und Zukunftsroman.
Autor:innen-Notiz / Machbarkeit
Manuskriptplan mit Kapitelumfängen, Illustrationsliste, Vorsichtsthemen und Schreibreihenfolge liegt vor. Stilprobe zu Kapitel 2 und Abbildungs-Specs sind im Projekt angelegt. Gegenlesung durch Fach- und Laienleser:innen vorgesehen.
Kernversprechen an die Leserschaft
Nach der Lektüre können Sie erklären, was ein Sprachmodell tatsächlich tut; den Unterschied zwischen Modell, Assistent und Agent benennen; Stärken und Risiken im Alltag einschätzen; und Hype wie Panik als Symptome eines fehlenden Technikbilds erkennen – nicht als Ersatz dafür.