Urteil, Ausführung, Prüfung und Schleife: Baue deine persönliche KI-Runtime

Nutze Ziele, Anker, Struktur und Grenzen, um Mensch-KI-Zusammenarbeit auf Kurs zu halten.

Eine der Kernideen von System and Freedom / System und Freiheit ist die Begrenzte Unendlichkeit.

Reale Freiheit entsteht innerhalb klarer Grenzen. Eine reale Grenze ist nicht nur etwas, das man zu setzen behauptet. Sie ist eine strukturelle Tatsache, die andere lesen, erkennen und nicht überschreiten können.

Mensch-KI-Zusammenarbeit funktioniert auf dieselbe Weise.

Große Sprachmodelle sind mächtig, aber sie driften von Natur aus. Sie können halluzinieren, intern konsistente Unwahrheiten erfinden und in langen Arbeitssitzungen wichtigen Kontext verlieren. Sie sind wie ein extrem kluger Mitarbeiter mit schnellen Händen, unvollkommener Erinnerung und einem gefährlichen Talent, das falsche Problem zu optimieren.

Das tiefere Problem liegt im System selbst. Wir verstehen die Funktionsprinzipien großer Modelle auf mathematischer Ebene noch nicht vollständig. Ein großer Teil des Feldes arbeitet weiter durch Parametereinstellung, Beobachtung von Outputs und das Ansammeln hart erarbeiteter Erfahrung. Skala überschreitet einen Schwellenwert, Intelligenz beginnt zu emergieren, und wir können noch immer nicht vollständig erklären, warum.

Darum sollte man ein großes Modell besser als ein sich schnell entwickelndes empirisches Engineering-System verstehen, nicht als eine Maschine, der man nach dem Lesen eines Handbuchs alles vollständig anvertrauen kann.

Wenn du ihm kein Ziel gibst, weiß es nicht, was es tun soll. Wenn du seine Anker nicht kalibrierst, driftet es durch eine Reihe scheinbar vernünftiger Verbesserungen ab. Wenn du keine Grenzen setzt, erweitert es die Komplexität deines Projekts, bis das Ganze schwer wartbar wird. Wenn du keine Schleife definierst, hält es nach jedem Schritt an und fragt, was als Nächstes zu tun ist.

Der Schlüssel der Mensch-KI-Zusammenarbeit liegt darin, eine persönliche KI-Runtime aufzubauen: einen begrenzten Betriebszustand, in dem KI weiter ausführen, prüfen, reparieren und voranschreiten kann, während sie auf einer Spur bleibt, die durch Ziel, Anker, Struktur und Grenze fixiert ist.

Ich nenne diese Struktur eine persönliche KI-Runtime.

JERL — Judgment, Execution, Review, Loop — wird hier auf Deutsch als Urteil, Ausführung, Prüfung und Schleife erklärt.

Hier bedeutet Runtime kein einzelnes Tool. Sie bedeutet eine Arbeitsstruktur, in der KI weiter ausführt, mehrere KI-Threads einander prüfen können und das System an der Grenze auf menschliches Urteil wartet.

Das Minimalergebnis ist keine vollautomatische KI. Es ist ein halbautomatischer persönlicher KI-Assistent: Er kann Zeit freisetzen, die in wiederholter Arbeit gebunden ist, und dir helfen, kreative Ideen voranzubringen. Er ersetzt aber nicht den menschlichen Willen. Ziele und Urteil gehören zur Grenze des menschlichen Willens.

So baust du eine erste Mindestversion.

1. Bereite deinen Arbeitseinstieg vor

Meine aktuelle Arbeitskonfiguration im Juni 2026 sieht so aus:

PC
Windows
Codex Windows App
GPT mobile app
GPT subscription account

Das ist nur eine mögliche Konfiguration. Du kannst Claude, Gemini, Copilot, Grok oder ähnliche Produkte anderer Modellanbieter verwenden. Die Marke ist nicht der Kern. Entscheidend ist die Kombination der Fähigkeiten.

Du brauchst einen KI-Arbeitseinstieg, der ein lokales Verzeichnis lesen, Aufgaben kontinuierlich ausführen, Projektkontext bewahren und über längere Zeit mit dir zusammenarbeiten kann. Die mobile App dient zum Erfassen, Starten, Prüfen und Ergänzen von Aufgaben. Der PC bleibt die Hauptumgebung für lokale Dateien und kontinuierliche Ausführung.

2. Erstelle ein Arbeitsverzeichnis auf deinem PC

Erstelle ein Hauptverzeichnis für das Projekt. Darin legst du mindestens drei Ordner an:

01_raw_materials_and_documents
02_AI_work_documents
03_outputs

01_raw_materials_and_documents enthält das Material, das du selbst vorbereitest: Notizen, Entwürfe, Screenshots, Chatprotokolle, Referenzen, alte Versionen und Hintergrunddokumente. Der wichtige Punkt ist einfach: Der Mensch legt zuerst das Ausgangsmaterial in einen lesbaren Raum. KI braucht Zugang zur faktischen Grundlage.

02_AI_work_documents enthält die Dokumente, die KI pflegen wird: Kollaborationsregeln, Projektgedächtnis, Aufgabenprotokolle, Terminologie, Schleifenregeln und Prüflisten. Du kannst und sollst diese Dokumente selbst prüfen.

03_outputs enthält finale Artefakte: Essays, Pläne, Übersetzungen, Seitentexte, veröffentlichbare Versionen und Lieferdateien. Die Trennung der Outputs verhindert semantische Verwirrung und bewahrt eine saubere Grenze.

3. Schreibe ein erstes Regelbuch der Zusammenarbeit

Als Nächstes schreibst du ein einfaches Regelbuch für Mensch-KI-Zusammenarbeit.

Halte es kurz. Beginne mit den wichtigen Teilen:

Wie die KI arbeiten soll.
Was die KI nicht tun darf.
Was menschliche Zustimmung erfordert.
Welche Materialien nicht veröffentlicht werden dürfen.
Welche Tatsachenbehauptungen nicht verändert werden dürfen.
Wohin Outputs gelegt werden sollen.
Wie Arbeit geprüft werden soll.
Wann die KI stoppen muss.

Dieses Regelbuch muss am ersten Tag nicht vollständig sein. Es wächst während der Nutzung und wird allmählich zu deinem Betriebssystem.

Zum Beispiel:

Das Projektziel nicht ohne Zustimmung ändern.
Die Position des Autors nicht umschreiben.
Das ursprüngliche Urteil nicht opfern, nur um eine Passage glatter zu machen.
Unbestätigtes Material nicht als öffentliche Tatsache behandeln.
Wenn ein neues Ziel, eine neue Grenze oder eine neue öffentliche Bedeutung auftaucht, stoppen und auf menschliches Urteil warten.

Dieser Schritt ist wichtig, weil das Gefährlichste an KI oft nicht ist, dass sie die Arbeit nicht kann. Es ist, dass sie die falsche Arbeit vernünftig aussehen lassen kann. Das Regelbuch ist die erste Grenze, die du niederschreibst.

4. Erstelle drei Projektgespräche

In der Codex-App auf deinem PC erstellst du Projektgespräche und verbindest sie mit dem Arbeitsverzeichnis, das du gerade eingerichtet hast.

Ich empfehle mindestens drei:

Diskussions-Thread
Ausführungs-Thread
Prüf-Thread

Der Diskussions-Thread versteht Materialien, zerlegt Ziele und entwirft Pläne. Dort richtest du Ziel, Anker, Struktur und Grenze aus.

Der Ausführungs-Thread bringt Aufgaben gemäß Plan voran. Er erfindet die Richtung nicht neu. Er arbeitet innerhalb der bestätigten Struktur.

Der Prüf-Thread findet Fehler, Lücken und Risiken. Überspringe die Prüfung nicht.

Das minimal tragfähige Handoff ist einfach: Alle drei Threads teilen dasselbe Arbeitsverzeichnis; der Diskussions-Thread erstellt eine Aufgabenkarte; der Mensch gibt die Aufgabenkarte an den Ausführungs-Thread; das Ausführungsergebnis geht an den Prüf-Thread. Wenn du damit vertraut bist, kannst du weitere Teile des Handoffs automatisieren.

Die drei Gespräche teilen dasselbe Arbeitsverzeichnis, spielen aber unterschiedliche Rollen. Das trennt Urteil, Ausführung und Prüfung. Es hält auch Grenzen klar und verhindert, dass ein einzelnes Gespräch zu einem unkontrollierten Kontextblock anwächst.

5. Initialisiere die Umgebung

Bitte die KI nicht, sofort produktive Arbeit zu erzeugen.

Bitte zuerst den Diskussions-Thread, deine Kollaborationsregeln und dann 01_raw_materials_and_documents zu lesen.

Bitte lies die Kollaborationsregeln und Rohmaterialien im Arbeitsverzeichnis.
Baue zuerst Projekt-Hintergrundkontext auf.

Der Zweck ist, KI vom temporären Chatmodus in den Modus des Projektverständnisses zu bringen. Viele Menschen geraten mit KI in Schwierigkeiten, weil jede Aufgabe mit einem isolierten Prompt beginnt. Die KI kennt deine Geschichte nicht, deine roten Linien nicht, dein langfristiges Ziel nicht und auch nicht die Formulierungen, die du bereits freigegeben hast.

6. Erzeuge vier Betriebsdokumente

Bitte die KI nun, vier Betriebsdokumente für die Kollaborationsumgebung zu erzeugen:

AGENTS: KI-Verhaltensleitfaden
MEMORY: langfristiges Projektgedächtnis
Protocol: Aufgaben-Ausführungsprotokoll
LOOP: Schleifenmechanismus

Diese vier Dateien können mit den Open-Source Personal AI Runtime Templates beginnen. Gib der KI Templates, Rohmaterialien, Ziel und Grenze. Lass den Diskussions-Thread eine erste Version erstellen, die zu deinem Projekt passt. Deine Aufgabe ist es, die wichtigen Urteile zu prüfen.

Wenn du Codex oder eine ähnliche Umgebung verwendest, die lokale Dateien lesen kann, können die Dateinamen so aussehen:

AGENTS.md
MEMORY.md
TASK_PROTOCOL.md
LOOP.md

Jede Datei braucht zunächst nur ein minimales Gerüst:

AGENTS.md: Rolle, Standardverhalten, verbotene Handlungen, Stoppregeln.
MEMORY.md: Projekthintergrund, Schlüsselbegriffe, bestätigte Urteile, aktueller Zustand.
TASK_PROTOCOL.md: wie Ziel, Input, Output und Akzeptanzprüfungen definiert werden.
LOOP.md: Diskussion -> Ausführung -> Prüfung -> Reparatur -> Memory aktualisieren -> fortfahren.

Sobald diese vier Dokumente existieren, hast du die minimal nutzbare Version deiner Mensch-KI-Kollaborationsumgebung gebaut.

7. Führe eine minimale Schleife aus

Beginne nicht mit einer großen Aufgabe. Beginne mit etwas Kleinem, Prüfbarem und Datei-Erzeugendem.

Erstelle auf Grundlage der Materialien in 01_raw_materials_and_documents
eine Projekteinführung unter 800 Wörtern
und lege sie in 03_outputs ab.

Bitte zuerst den Diskussions-Thread, eine Aufgabenkarte zu erstellen. Dann gibst du die Aufgabenkarte an den Ausführungs-Thread. Nach der Ausführung gibst du den Output an den Prüf-Thread.

Wenn die Prüfung ein Problem findet, geht es zur Reparatur an den Ausführungs-Thread zurück. Nach der Reparatur bittest du den Diskussions-Thread, MEMORY.md oder LOOP.md um jede neu bestätigte Regel oder Lektion zu aktualisieren.

An diesem Punkt hast du eine echte Schleife abgeschlossen:

Diskussion -> Ausführung -> Prüfung -> Reparatur -> Memory aktualisieren

Sobald diese Schleife läuft, beginnt deine Mensch-KI-Arbeitsumgebung zu leben.

8. Blicke auf die Struktur zurück

Diese Methode lässt sich auf vier Verriegelungspunkte reduzieren:

Ziel
Anker
Struktur
Grenze

Sie lässt sich auch in vier Handlungen entfalten:

Urteil
Ausführung
Prüfung
Schleife

Das Ziel beantwortet, was genau fertiggestellt werden soll. Der Anker beantwortet, welche Urteile, Fakten, Stilentscheidungen und Positionen nicht driften dürfen. Die Struktur beantwortet, wie die Aufgabe geteilt ist, wo Material liegt und wie Rollen getrennt sind. Die Grenze beantwortet, was nicht getan, nicht veröffentlicht oder nicht ohne menschliche Bestätigung geändert werden darf.

Menschen verriegeln Ziel, Anker, Struktur und Grenze. KI arbeitet kontinuierlich innerhalb dieser Spur.

9. Warum du einen Prüf-Thread brauchst

Viele fragen: Wenn die Haupt-KI sich selbst prüfen kann, warum brauche ich einen weiteren Prüf-Thread?

Der Grund ist einfach: Ausführung und Prüfung müssen getrennt werden.

Mensch-KI-Zusammenarbeit ohne Prüfschicht ist nur ein driftendes Output-System, das an deinen Workflow angeschlossen ist.

Ein Thread treibt voran. Ein anderer Thread findet Fehler. Einer erledigt die Arbeit. Der andere prüft, ob die Arbeit vom Ziel abgewichen ist, einen Begriffsaustausch eingeschmuggelt hat, unnötige Komplexität hinzugefügt oder Risiken übersehen hat.

Der Prüf-Thread sollte besonders prüfen:

Wurde das Ziel stillschweigend verändert?
Ist der Anker gedriftet?
Wurde die Struktur übererweitert?
Wurde eine Grenze überschritten?
Hat sich eine Tatsachenbehauptung verändert?
Hat sich die öffentliche Bedeutung verändert?
Erfüllt der Output tatsächlich die Aufgabe?

Dieser Schritt entscheidet, ob die KI-Arbeitsschleife über längere Zeit stabil bleiben kann.

10. Wann KI stoppen und den Menschen fragen muss

KI kann weiterarbeiten, aber sie darf nicht grenzenlos laufen.

Ein neues Ziel erscheint.
Eine neue Struktur erscheint.
Eine neue Grenze erscheint.
Ein neuer Anker erscheint.
Eine Tatsachenbehauptung muss geändert werden.
Die Position des Autors muss geändert werden.
Rohmaterial muss möglicherweise veröffentlicht werden.
Der Output erzeugt neue öffentliche Bedeutung.
Die Arbeit berührt rechtliche, urheberrechtliche, reputationsbezogene, Trading-, Finanz- oder andere irreversible Folgen.

In diesen Fällen muss KI stoppen und zum menschlichen Urteil zurückkehren. Das sind Urteilsprobleme. Urteil kann nicht an ein Modell ausgelagert werden.

11. Die eigentliche Veränderung

Die eigentliche Veränderung ist größer, als KI mehr Aufgaben erledigen zu lassen.

Die eigentliche Veränderung ist, dass du beginnst, deine eigene persönliche KI-Runtime aufzubauen.

Diese Runtime bezeichnet eine Arbeitsstruktur: Menschen übernehmen Urteil, Ziele, Anker und Grenzen; KI bewegt sich kontinuierlich innerhalb der Spur; die Prüfschicht verhindert Drift, Begriffsersetzung und Komplexitätsinflation.

Im alten Modus behandelten wir KI als Assistenten:

Mensch fragt.
KI antwortet.
Mensch fragt nach.
KI antwortet wieder.

Dieser Modus ist nützlich, aber er verwandelt den Menschen leicht in einen Operator, der ständig Kontext ergänzt, Bestätigung drückt und die Arbeit vor Drift rettet.

Der zukünftige Modus sollte anders aussehen:

Menschen bestätigen Ziel, Anker, Struktur und Grenze.
KI führt aus, prüft, übergibt, repariert und fährt fort.
Der Prüf-Thread findet weiter Probleme.
Die Haupt-KI verlässt die Schleife nicht, bis ein neuer Urteilspunkt erscheint.

Das baut eine kontrollierbare operative Spur für KI und verhindert, dass sie vollautomatisch ohne Grenzen läuft.

KI-Automatisierung ohne Grenzen bringt Modelldrift, Halluzination, lokale Optimierung und Komplexitätsinflation direkt in deine Arbeit.

Sobald sie durch Ziele, Anker, Struktur und Grenzen verriegelt ist, kann KI sich von einem klugen Chatfenster zu einer Arbeitsschleife entwickeln, die weiter voranschreitet.

Die zukünftige persönliche Arbeitsumgebung wird nicht bloß ein klügeres Dialogfenster sein.

Sie wird eine persönliche KI-Runtime sein, gebaut aus Schleifen, die weiter ausführen, einander prüfen und an der Grenze auf menschliches Urteil warten.

Nur das Begrenzte kann unendlich werden.

Über den Autor

Wang Xiao ist KI-Protokollarchitekt, Autor von System and Freedom, Schöpfer des Danbing AI Protocol / SLAPS Framework und Initiator von OathAI.

Seine Arbeit konzentriert sich auf Mensch-KI-Ko-Kreation, Protokollgovernance, semantische Verankerung und langfristige Wissenskontinuität. Sie untersucht, wie menschliches Wissen und kollaborative Strukturen im KI-Zeitalter bewahrt, kalibriert und vererbt werden können.

Hinweis

Dieser Essay spiegelt aktuelle Beobachtungen und methodische Reflexionen des Autors wider, basierend auf persönlicher Praxis, Forschung und Erfahrung in der Mensch-KI-Zusammenarbeit. Die mit Danbing / SLAPS / OathAI verbundenen Methoden werden weiter geordnet und entwickelt. Ihre praktischen Wirkungen können je nach Aufgabenkontext, Modellfähigkeit, Ausführungsumgebung und Einsatzgrad variieren.

Dieser Essay stellt keine Rechts-, Anlage-, medizinische, berufliche oder technische Umsetzungsgarantie dar. Leser, die diese Methoden in realen Projekten anwenden, sollten nach ihrer eigenen Situation unabhängig urteilen und Verantwortung für konkrete Ergebnisse übernehmen.