Ein klareres Gespräch über die Zukunft mit KI

So funktioniert das Interview

Der Code wählt jede Folgefrage⁠^[1] aus einer festen Liste redaktionell erstellter Fragen aus,⁠^[2] und die meisten Menschen sehen nach 4–8 davon Ergebnisse. Jev von TypeSafe liest deine Antworten anhand kleiner, gezielter Bewertungen nach einem redaktionell erstellten Kriterienkatalog⁠^[3] und verfasst weder Fragen noch ein Urteil über dich.⁠^[4] Der Code kombiniert diese Bewertungen zu deiner Karte, ihren Bereichen und P(doom).⁠^[5] Die gebündelte Verarbeitung kleiner Bewertungen hält die Kosten niedrig genug, um das kostenlos anzubieten.

Was dein Ergebnis ist – und was nicht

Die Karte

Unsere Interpretation dessen, was du geschrieben hast – kein Urteil, kein Test und keine Prognose. Das gestrichelte Feld zeigt andere plausible Interpretationen, nicht die Wahrscheinlichkeit, dass du richtigliegst.⁠^[6]

Hinter der Karte

Acht Dimensionen der Weltsicht und sieben Qualitäten der Argumentation, etwa die Bereitschaft zur Aktualisierung. Fehlende Belege bleiben nicht eingeordnet; sie zählen niemals als niedrige Bewertung.⁠^[5]

P(doom)

Entweder die von dir eingegebene Zahl oder eine aus deinen Antworten abgeleitete Schätzung; es wird angegeben, um welche es sich handelt.⁠^[7]

Redaktionelle Entscheidungen

Die Antworten werden nicht auf Fakten geprüft. Die Fragen, das Bewertungsschema und sogar der Name beruhen auf redaktionellen Entscheidungen, und der Name kann dich gedanklich auf Risiken und Vorteile ausrichten. Gemischte Sichtweisen, Unsicherheit und in sich schlüssige Extrempositionen sind gleichermaßen gültig.⁠^[8]

Meinungsführer

Simulationen: Ein anderes Modell (GPT-5.6 Sol) beantwortet dieselben Fragen anhand der verlinkten öffentlichen Quellen jeder Person,⁠^[9] und unsere Engine liest diese Antworten, ohne zu wissen, von wem sie stammen.⁠^[10] Es sind weder die eigenen Antworten der Personen noch deren Zustimmung. Betrachte sie als Prototypen: In einem Test von Pew aus dem Jahr 2026 wichen die Antworten von KI-Stellvertretern im Durchschnitt um 12 Prozentpunkte von denen echter Menschen ab.⁠^[11]

Bisherige Evidenz

Deine eigene Einordnung

Die Auswertungen liegen näher an den eigenen Einordnungen der Personen als eine einzige Einschätzung für alle, ohne im Durchschnitt zu Hoffnung oder Sorge zu tendieren.⁠^[13] Die Auswerter stimmen untereinander deutlich stärker überein als mit den Personen, daher liegt der größte Teil der Abweichung zwischen der Art, wie Menschen schreiben, und der Art, wie sie sich selbst sehen. Wenn sich beides auf einer der Achsen um mehr als ein Viertel unterscheidet, wird in deinem Ergebnis danach gefragt.

Erneutes Auswerten und Umformulieren

Bei keinem erneuten Lesen und keiner umformulierten Version des Interviews verschob sich der Ausblick bei gleichbedeutenden Antworten um mehr als unseren Grenzwert von 0,10.⁠^[14] Kartenbereiche werden nie schmaler als ±0,05 dargestellt – das entspricht der Abweichung, die auftritt, wenn eine simulierte Person das Interview erneut durchläuft.

Größere Modelle

Jev stimmt innerhalb der statistischen Schwankungsbreite mit GPT-5.6 Sol überein, bei etwa 1/21 der Kosten.⁠^[12]

„Fühlt sich das stimmig an?“

68 von 80 Personen sagten Ja (85 %).⁠^[13] Das ist als Obergrenze zu verstehen: Menschen neigen dazu, der Einschätzung einer KI über sie zuzustimmen. In einer NORC-Studie bestätigten unabhängige Codierende die Codierungen einer KI etwa 20% seltener als die Befragten selbst.⁠^[15]

Abgeleitete P(doom)

Grob. Beim Abgleich mit 113 von Personen eingegebenen Zahlen, wobei diese Zahlen verborgen waren, las es 96 davon aus und lag nur in 22 % der Fälle bei den Odds innerhalb des Faktors 2 – nicht besser, als für alle 12,5 % zu raten. Es ordnet Personen jedoch sinnvoll ein, und eine von dir eingegebene Prozentangabe wie „20 %“ hat immer Vorrang.⁠^[12]

Noch ausstehend

Wir haben noch keinen verblindeten Testsatz, der von unabhängigen Prüfenden gekennzeichnet wurde, obwohl unser Evaluierungsplan dies vorsieht.⁠^[14] Bis dahin vergleicht jede hier aufgeführte Prüfung die Auswertungen mit Selbsteinordnungen, erneuten Durchläufen oder anderen Modellen. Die Ergebnisse in verschiedenen Interviewsprachen wurden noch nicht verglichen.

Wer teilgenommen hat

Bis zum 3. Oktober 2026 hatten 963 Personen ein Ergebnis erreicht.⁠^[13] Sie entschieden sich für die Teilnahme, hauptsächlich über einen Hacker News-Thread (25.–26. September) und Beiträge auf X (27.–28. September), und die beiden Wellen lagen weit auseinander: ein Median der Einschätzungen von 0,32 gegenüber 0,68 auf der 0–1-Doom–Bloom-Achse (Vergleich ansehen). Unsere Zahlen beschreiben daher, wer teilgenommen hat, nicht die Öffentlichkeit, und wir veröffentlichen Zahlen nur für Gruppen von mindestens 10 Personen.

Warum die Fragen redaktionell erstellt sind

Eine KI könnte das Interview improvisieren. Festgelegte, redaktionell erstellte Fragen sorgen dafür, dass die Formulierungen neutral und identisch bleiben, sodass alle Teilnehmenden und alle simulierten Meinungsführer dieselben Fragen beantworten und ein Vergleich aussagekräftig ist. Die Leitlinien von AAPOR aus dem Jahr 2026 stufen KI-Interviewer, die Fragen generieren, deren Formulierung ändern oder den Ablauf beeinflussen, als hohes Risiko ein.⁠^[16] Hier ändern sich die Formulierungen nie, und Jev gestaltet den Ablauf ausschließlich durch Bewertungen, anhand derer der Code zwischen den Fragen auswählt.

Versionen und Änderungen

Algorithmus

0.7.5

Fragen

0.4.0-draft

Bewertungsraster

0.1.0-draft

Modell

jev-1.13.0

Jedes gespeicherte Ergebnis enthält die Versionen, mit denen es erstellt wurde. Korrekturen, die keine neuen Beurteilungen erfordern, werden bei der Anzeige auch auf ältere Ergebnisse angewendet.

1. 4. Oktober 2026 · 0.7.5Ordnet Menschen zwischen den fünf Stufen der Karte ein statt nur direkt auf ihnen und wertet gespeicherte Ergebnisse erneut aus⁠^[17]
2. 1. Oktober 2026 · 0.7.4Interviews in 10 Sprachen; Jev liest Antworten so, wie sie geschrieben wurden, und erhält die Information, in welcher Sprache das Interview geführt wird
3. 29. September 2026 · 0.7.2–0.7.3Behält eingegebene P(doom)-Antworten bei, selbst wenn sie so kurz wie „30 %“ sind, statt sie durch abgeleitete Werte zu ersetzen, und stellt eine weitere Frage, wenn eine Auswertung uneindeutig ist oder stark von deiner eigenen Einordnung abweicht⁠^[12]
4. 27. September 2026 · 0.7.0–0.7.1Korrigiert die Anzeige von P(doom) (eingegebene 20 % waren als etwa 3 % erschienen), fragt direkt nach dem Ausmaß der Veränderung und P(doom), hält Ergebnisse nicht mehr zurück, um alle Argumentationsbereiche abzudecken, und wertet gespeicherte Ergebnisse erneut aus⁠^[18]

Forschungsnotizen auf GitHub dokumentieren jede Änderung zusammen mit den zugehörigen Belegen.

Beispiel mit Elon Musk

Hier sind einige beispielhafte JSON-Ergebnisse aus der simulierten Einschätzung von Elon Musk.