KI-Prompts für kritische Analyse

Kritische Analyse mit KI-Prompts

Um ein KI-Tool anzuweisen, die Logik Ihrer Argumentation zu kritisieren, müssen Sie ihm explizit die Rolle eines Skeptikers zuweisen und ihm verbieten, Ihren Text zusammenzufassen oder zu glätten. Sie erreichen dies, indem Sie Prompt-Strukturen verwenden, die das Modell zwingen, eine gegnerische Haltung einzunehmen. Dabei sollen spezifische logische Fehlschlüsse und unbegründete Annahmen isoliert werden, statt lediglich den Stil zu verbessern.

Warum Standardantworten versagen

Standardantworten von KI-Systemen neigen dazu, zustimmend oder zusammenfassend zu reagieren, da die zugrunde liegenden Modelle darauf trainiert sind, hilfreich und gesprächsbereit zu sein. Wenn Sie ein Argument ohne spezifische Anweisungen in ein Chatfenster kopieren, wechselt das Tool in einen kooperativen Modus. Es identifiziert den Hauptpunkt, formuliert ihn klarer um und schlägt möglicherweise geringfügige stilistische Verbesserungen vor. Dieses Verhalten ist für das Lektorat nützlich, aber für die Logik nutzlos. Das Modell weiß nicht, dass Sie es darauf ausrichten wollen, die Risse in Ihrer Argumentation zu finden; es geht davon aus, dass Sie Validierung oder Verfeinerung suchen. Folglich spiegelt die Ausgabe oft Ihre eigenen Vorurteile wider und verstärkt das Argument, statt es zu testen. Um eine kritische Analyse zu erhalten, müssen Sie diese standardmäßige kooperative Haltung durch explizite adversäre Anweisungen außer Kraft setzen.

Prompt-Strukturen für Skepsis

Um eine skeptische Haltung zu erzwingen, verwenden Sie Prompt-Strukturen, die eine spezifische, gegnerische Rolle definieren. Stellen Sie nicht die Frage „Ist dieses Argument gut?“, sondern weisen Sie dem Tool an, als eine bestimmte Art von Kritiker zu agieren. Beispielsweise können Sie das Modell anweisen, als formaler Logiker zu handeln, dessen einzige Aufgabe darin besteht, logische Fehlschlüsse und Lücken in der Argumentation innerhalb Ihres Arguments zu identifizieren. Diese Rahmung nimmt den Druck, allgemein höflich oder hilfreich zu sein. Sie können auch Rollenspiel-Prompts verwenden, die der KI die Perspektive eines bestimmten Gegners zuweisen, wie etwa einen Peer-Reviewer, der für strenge Maßstäbe bekannt ist, oder einen Philosophen, der sich auf Epistemologie spezialisiert hat.

Eine weitere wirksame Struktur ist der Ansatz „Stahlmann-Argumentation, dann Kritik“. Bitten Sie das Tool zunächst, die stärkste mögliche Version Ihres Arguments zu artikulieren und anschließend diese stärkste Version zu demontieren. Dies verhindert, dass die KI eine schwache, Strohmann-Version Ihrer These angreift. Sie müssen dem Modell explizit verbieten, den Text zusammenzufassen. Fügen Sie eine negative Einschränkung in Ihren Prompt ein, wie zum Beispiel: „Fassen Sie das Argument nicht zusammen. Schreiben Sie den Text nicht um. Identifizieren Sie nur die logischen Schwachstellen.“ Dies zwingt die Ausgabe, sich auf Struktur und Gültigkeit zu konzentrieren, statt auf Inhalt oder Stil.

Isolierung von Fehlschlüssen und Annahmen

Techniken zur Isolierung logischer Fehlschlüsse und unbegründeter Annahmen erfordern, dass das Argument in seine Bestandteile zerlegt wird. Kopieren Sie keinen langen Aufsatz und verlangen Sie eine Kritik des Ganzen. Isolieren Sie stattdessen die Kernlogikstruktur. Sie können QuillBot verwenden, um Ihr Argument in sein nacktes logisches Gerüst umzuarbeiten oder zusammenzufassen und rhetorische Ausschmückungen zu entfernen. Sobald Sie diese reduzierte Version haben, übergeben Sie sie der KI mit der Anweisung, jede Prämisse und jeden Schluss zu identifizieren. Bitten Sie das Tool, jede Prämisse aufzulisten und zu bestimmen, ob sie durch Beweise gestützt wird oder lediglich behauptet wird.

Um Fehlschlüsse zu identifizieren, bitten Sie die KI, nach spezifischen häufigen Fehlern zu suchen, wie etwa dem Bestätigen des Folgenden, dem Zirkelschluss oder dem Non Sequitur. Sie können sie auch bitten, unstimmige Annahmen zu identifizieren. Für jeden Schluss, den Sie ziehen, fragen Sie das Tool: „Was muss wahr sein, damit dieser Schluss aus diesen Prämissen folgt?“ Dies hebt versteckte Annahmen hervor, die Sie möglicherweise übersehen haben. Wenn Sie mit komplexen, mehrschichtigen Argumenten arbeiten, können Sie auf die erweiterten Denkfähigkeiten von Claude zurückgreifen, um strukturelle Schwachstellen und unstimmige Annahmen, die sich über mehrere Abschnitte erstrecken, tiefgehend zu analysieren. Dies ermöglicht dem Modell, Abhängigkeiten zwischen weit entfernten Teilen Ihres Arguments zu verfolgen, die eine einfache lineare Prüfung übersehen könnte.

Iteration der Kritik

Die Robustheit des Arguments zu verfeinern erfordert die Iteration der Kritik. Behandeln Sie die erste Kritik nicht als endgültig. Nehmen Sie die von der KI identifizierten Schwachstellen und überarbeiten Sie Ihr Argument, um sie zu adressieren. Übergeben Sie dann das überarbeitete Argument erneut dem Tool mit demselben skeptischen Prompt. Bitten Sie die KI, die neue Version zu kritisieren. Wiederholen Sie diesen Zyklus, bis die KI keine wesentlichen logischen Lücken mehr identifizieren kann. Dieser iterative Prozess testet die Haltbarkeit Ihres Arguments unter anhaltendem Druck.

Während dieser Iteration können Sie für verschiedene Stadien des Prozesses unterschiedliche Tools verwenden. Wenn Ihr Argument auf faktischen Prämissen beruht, kann Perplexity zur Überprüfung der logischen Konsistenz dieser Prämissen gegenüber zitierten Quellen herangezogen werden, um sicherzustellen, dass Ihre faktischen Behauptungen fundiert sind. Wenn Ihr Argument in einem größeren Dokument oder einer Präsentation eingebettet ist, kann Microsoft Copilot herangezogen werden, um die Logik direkt innerhalb des Workflows zu kritisieren und Ihnen zu zeigen, wie das Argument im Kontext funktioniert. Wenn Ihr Argument multimodale Elemente wie Diagramme oder Grafiken enthält, kann Gemini herangezogen werden, um das Argument gleichzeitig in Text-, Bild- oder Videoformaten zu kritisieren. Wenn Ihre Notizen in einer Datenbank gespeichert sind, kann Notion AI herangezogen werden, um die gespeicherten Argumente auf interne Inkonsistenzen zu analysieren. Grammarly kann herangezogen werden, um strukturelle Mehrdeutigkeiten zu identifizieren, die die Präzision des Arguments schwächen und sicherzustellen, dass Ihre logischen Behauptungen nicht durch unklare Syntax verwässert werden.

Bei der Beurteilung der Ausgabe eines dieser Tools achten Sie auf Spezifität. Eine gute Kritik benennt die genaue Prämisse, die versagt, und erklärt, warum sie den Schluss nicht stützt. Eine schlechte Kritik bietet vage Allgemeinheiten wie „dieser Abschnitt ist schwach“ oder „Sie brauchen mehr Beweise“ an. Verwerfen Sie Ausgaben, die vage sind oder lediglich Ihr eigenes Argument in anderen Worten wiederholen. Verwenden Sie die Kritik, um Ihr Argument zu stärken, nicht es aufzugeben. Das Ziel besteht darin, ein Argument zu erzeugen, das einer strengen Prüfung standhält.