Ich erlebe derzeit einen leicht erhöhten FutureSchockLevel: Ich habe vor einigen Tagen angefangen mit dem GMLS-System (Biblionetz:w02833) Claude zu arbeiten und damit meine selbst programmierte Literaturdatenbank (Biblionetz:w00778) zu überarbeiten und erweitern. Ich bin geflasht davon, wie Claude den im Netz zu findenden, aber bei mir nicht funktionierenden MCP-Server (Biblionetz:w03705) analysieren und zum Laufen bringen konnte und wie ich seither mit Claude über meine Datenbank und den damit verbundenen Code sprechen kann und mir Claude grad Erweiterungen schreibt - entweder direkt in der Datenbank in (Vorsicht: legacy code) Visual Basic for Applications (VBA) oder aber moderner in Python. Wenn dann noch in einem Fenster der Livestream des 3D-Druckers läuft, der in einem anderen Zimmer etwas druckt, was man mit einem GMLS-Bot und Open-SCAD entwickelt hat, wird einem schon etwas agentic zu Mute...

Das Arbeitsjahr hat wieder begonnen, ich sitze werktags am Morgen beim Kaffee und prüfe meine verschiednen Newskanäle, von Tagespresse über allerlei RSS-Feeds bis zu sozialen Medien. Regelmässig speichere ich mir interessante Artikel ab, denen ich mich später genauer widmen will.

Seit gefühlt drei Jahren finde ich jeden Morgen mehr relevante Informationsbrocken, als ich im Laufe des Tages oder der Woche verarbeiten kann. Der Informationsberg wächst und damit auch mein schlechtes Gefühl als Experte angefragt zu werden, ohne diesen Berg verarbeitet zu haben.

Heute lag auf meinem Stapel auch der Artikel AI Fatigue: Reflections on the Human Side of AI’s Rapid Advancement (Biblionetz:t33155) und er beschreibt dieses Phänomen sehr schön.

Ende 2026 wird das Biblionetz 30 Jahre alt. In den letzten Jahren habe ich primär über den Jahreswechsel Zeit, an der Software des Biblionetzes zu schrauben und nicht nur Inhalte zu erfassen. Für diesen Jahreswechsel habe ich mein Projekt gefunden. Ich werde erkunden, wie gut sich das Biblionetz mit Obsidian (Biblionetz:w03642) synchronisieren lässt und was mir das bringt. Bei dieser Arbeit lasse ich mich durch generative Maschine-Learning-Systeme unterstützen und schaue so, was diese Arbeitsweise beim Erkunden einer neuen Software (Obsidian) und beim Programmieren (Visual Basic for MS Access) bringt.

Jedem Anfang wohnt ein Zauber inne: Es ist faszinierend, wie mir ChatGPT die ersten Exportprozeduren in besserer Codequalität liefert als ich sie schreiben würde und wie sich erste Graphen in Obsidian aufbauen. Der Teufel wird wie immer im Detail stecken, aber ich freue mich auf den Jahreswechsel

Diese Woche wurde ein neues Wort erfunden, das mir sofort gefallen hat: workslop (Biblionetz:w03723). Geprägt haben dies Forschende am BetterUp Lab zusammen mit dem Stanford Social Media Lab. Analog zu GMLS-generierten oberflächlichen Social-Media-Posts, die AI slop genannt werden, definieren sie workslop als GMLS-generierte Inhalte, die sich als gutes Arbeitsergebniss tarnen, aber keine Substanz enthalten, um einen gegebenen Arbeitsprozess voranzubringen:

Seit Ende 2022 reden alle von generativen Machine-Learning-Systemen (GMLS) (Biblionetz:w02833) in der Bildung (nein, alle reden natürlich von KI in der Bildung, aber das ist ein anderes Problem).

Ich versuche in der Flut an Diskussionen, Zeitungsartikeln und Studien zu GMLS in der Bildung für mich Strukturen zu schaffen ohne dabei voreilige Schlüsse zu ziehen, die sich nach wenigen Monaten als falsch oder irrelevant erweisen.

Unter anderem überlege ich mir, welche Rollen ein GMLS in der Hand von Lernenden haben kann. Mein aktueller Stand des Irrtums unterscheidet fünf Nutzungstypen: