KI-Denkmethode: Annahmen hinterfragen mit First Principles in 5 Schritten

Man bittet die KI nicht um Antworten. Durch den Dialog mit der KI überprüft man die Prämissen des eigenen Denkens schnell, zerlegt sie und setzt sie neu zusammen.

Was ist dieser Artikel?

Dies ist eine Aufzeichnung einer Denkmethode, die ein zweistündiges Planungsmeeting in eine einzige Gesprächsrunde mit der KI komprimiert.

Die einzelnen Komponenten — sokratischer Dialog, Hypothese-Validierung, First-Principles-Denken — sind nicht neu. Sie sind Tausende Jahre alt. Dieser Artikel assembliert sie zu einem Workflow für die KI-Ära. Die einzige echte Veränderung ist Geschwindigkeit. 10 Prämissenwenden in 30 Minuten — im Gespräch mit Menschen unmöglich. Im Dialog mit der KI Routine. Und genau diese Geschwindigkeitsänderung schafft einen qualitativen Wandel. Anhand der Planungsprozesse der Projekte parkjunwoo.com und DABEL wird gezeigt, wie sich Erste-Prinzipien-Denken und KI-Nutzung miteinander verbinden.

Was ist Erste-Prinzipien-Denken?

Erste-Prinzipien-Denken (First Principles Thinking) ist eine Denkweise, bei der man bestehende Konventionen, Analogien und allgemeine Annahmen abstreift, bis zur grundlegendsten Wahrheit vordringt und von dort aus alles neu aufbaut.

Ein klassisches Beispiel ist Elon Musk, der beim Batterie-Kosten-Problem nicht von der Annahme „Batterien sind teuer" ausging, sondern fragte: „Was kosten die Rohstoffe, aus denen eine Batterie besteht, auf dem Markt?"

Der Kern ist, die Frage „Stimmt das wirklich?" niemals einzustellen.

Welche Rolle spielt die KI in dieser Denkmethode?

Die KI ist keine Antwortmaschine

Die meisten Menschen nutzen die KI als „Werkzeug, das auf Fragen antwortet". Deshalb geben sie ein: „Nenn mir eine gute Geschäftsidee", „Schreib mir ein Konzeptpapier", „Wie macht man das?". Dieser Ansatz nutzt nur den oberflächlichsten Teil der KI-Fähigkeiten.

Die KI ist ein Sounding Board

Beim Erste-Prinzipien-KI-Denken ist die Rolle der KI die eines Echtzeit-Sounding-Boards.

• Wenn ich eine Prämisse aufstelle, zeigt die KI sofort deren Stärken und Schwächen auf.
• Wenn ich eine Idee weiterentwickle, zeigt die KI, wo die Grenzen dieser Erweiterung liegen.
• Wenn ich die Richtung ändere, simuliert die KI schnell die Ergebnisse der neuen Richtung.

Die Entscheidung trifft immer der Mensch. Die KI liefert das Material für diese Entscheidung und ist ein Spiegel, der die Folgen vorwegnimmt.

Aber KI stimmt standardmäßig zu

Es gibt einen Haken an diesem Spiegel: Er ist von Haus aus höflich. Durch RLHF (Reinforcement Learning from Human Feedback) werden große Sprachmodelle darauf trainiert, Antworten zu geben, die dem Menschen gefallen. Die Folge ist Sycophancy — die Tendenz der KI, dem Nutzer zuzustimmen, statt ehrlich zu widersprechen.

Wenn man der KI eine Idee präsentiert und fragt „Was hältst du davon?", lautet die Standardreaktion in der Regel: „Das ist ein interessanter Ansatz." Die KI wird einen selten von sich aus mit „Das ist grundlegend falsch" konfrontieren. Das liegt nicht an schlechter Technik, sondern am Trainingsziel: Die KI wurde optimiert, hilfreich und angenehm zu sein — nicht unbequem und ehrlich.

Für das Erste-Prinzipien-Denken ist das ein strukturelles Problem. Wer ein Sounding Board braucht, das Prämissen zerlegt, bekommt stattdessen einen Ja-Sager — es sei denn, man fordert die Kritik explizit ein. Das bedeutet: Die Standardfrage „Was hältst du davon?" reicht nicht aus. Man muss aktiv nach Schwachstellen, Widersprüchen und Fehlern fragen.

Methodik: 5-Stufen-Zyklus

Stufe 1: Eine Prämisse aufstellen — und Kritik einfordern

Man präsentiert der KI die eigenen aktuellen Annahmen oder Pläne. „Was hältst du davon?" ist ein Anfang, aber allein nicht ausreichend — wegen der Sycophancy-Tendenz wird die KI tendenziell zustimmen. Entscheidend ist, explizit nach Schwachstellen und Gegenargumenten zu fragen: „Wo liegen die Fehler in dieser Annahme?", „Was spricht dagegen?", „Unter welchen Bedingungen scheitert dieser Ansatz?" Man lässt die KI nicht ausführen, sondern zwingt sie in die Rolle des Kritikers.

Stufe 2: Die Reaktion als Material nutzen

Aus der Antwort der KI extrahiert man zwei Dinge:

• Was die KI gelobt hat: Das sind Elemente, die auch aus externer Sicht als Stärken erscheinen. Beibehalten.
• Was die KI als Risiko identifiziert hat: Das sind Risse in den Prämissen, die man selbst übersehen hat. Hier gräbt man tiefer.

Stufe 3: Die Prämisse hinterfragen

Nach der Reaktion der KI stellt man sich selbst die Frage: „Stimmt das wirklich?" Diese Stufe ist das Wesen des Erste-Prinzipien-Denkens. Wenn eine bestehende Prämisse als falsch erkannt wird, verwirft man sie entschlossen.

Stufe 4: Die Struktur neu zusammensetzen

Auf der Grundlage neuer Prämissen baut man die Struktur von Neuem auf. Man klammert sich nicht an die alte Struktur. Man präsentiert der KI die neue Struktur und prüft die Reaktion.

Stufe 5: Wiederholen

Man durchläuft die Stufen 3–4 mehrfach. Dass sich Prämissen in einem einzigen Gespräch 5- oder 10-mal umkehren, ist normal. Wenn sich nichts umkehrt, hat man nicht tief genug gegraben.

Praxisbeispiel 1: Das Parkjunwoo-Multiversum-Konzept

Beide Fallstudien sind Projekte des Autors. Es gibt keine externe Validierung. Was hier geteilt wird, ist ein Praxisbericht — kein Universalbeweis.

Der Planungsprozess des Projekts parkjunwoo.com zeigt Schritt für Schritt, wie diese Denkmethode funktioniert.

Wende 1: SEO-Wettbewerb → Domain-Sharing

• Bisherige Prämisse: Einen persönlichen Blog auf parkjunwoo.com aufbauen und per SEO die erste Seite erobern.
• Erste-Prinzipien-Frage: „Ist es möglich, unter dem Namen Park Junwoo gegen Prominente zu gewinnen? Und ist das überhaupt die richtige Richtung?"
• Wende: Statt die Konkurrenten zu schlagen, macht man sie zu Verbündeten. Wenn man die Domain nicht monopolisiert, sondern teilt, löst sich das SEO-Problem strukturell.
• Ergebnis: Das Kernkonzept des Projekts war geboren.

Wende 2: Subdomains → Unterverzeichnisse

• Bisherige Prämisse: Jeder Park Junwoo bekommt eine Subdomain wie chef.parkjunwoo.com.
• Erste-Prinzipien-Frage: „Wie behandelt Google Subdomains in Bezug auf SEO? Stärkt diese Struktur die Hauptdomain?"
• Wende: Google betrachtet Subdomains als separate Websites. Wechselt man zu parkjunwoo.com/chef, fließt der Traffic von 100 Personen auf einer einzigen Domain zusammen.
• Ergebnis: Kumulative SEO-Struktur etabliert. Infrastruktur vereinfacht.

Wende 3: Erweiterung auf junwoos.com → Verworfen

• Bisherige Prämisse: Nach der Validierung bei Park Junwoo alle „Junwoos" über junwoos.com absorbieren, um zu skalieren.
• Erste-Prinzipien-Frage: „Kann man aus dem Namensvetter-Viral eine große Plattform machen? Ist das Wesen dieses Projekts eine Plattform?"
• Wende: Das ist übertrieben. Das Wesen ist ein Showcase für KI-Agenten-Engineering-Kompetenz. Es ist besser, sauber bei Park Junwoo zu bleiben.
• Ergebnis: junwoos.com verworfen. Durch die Skalierungsanpassung wurde die Projektidentität geschärft.

Wende 4: Reservierte Plätze für Prominente → Striktes Windhundprinzip

• Bisherige Prämisse: Sollte man das Keyword „chef" für den TV-Koch Park Junwoo freihalten?
• Erste-Prinzipien-Frage: „Ist die Projektphilosophie ‚Vor dem Namen sind alle gleich’ mit reservierten Plätzen für Prominente vereinbar?"
• Wende: Nein. Ob Prominenter oder Inhaber eines kleinen Restaurants — wer zuerst kommt, bekommt den Platz. Nichts wird freigehalten.
• Ergebnis: Windhundprinzip etabliert. Teilnahmemotivation für Unbekannte maximiert. Keyword-Streitigkeiten werden selbst zu Content.

Wende 5: Community-Plattform → Reality-Show

• Bisherige Prämisse: Dieses Projekt ist eine Namensvetter-Networking-Community.
• Erste-Prinzipien-Frage: „Haben die Leute einen Grund, jeden Tag diese Community zu besuchen?"
• Wende: Die Motivation für tägliche Besuche einer Community ist schwach. Aber wenn sich 100 Leute versammeln, entstehen Episoden von selbst — veröffentlicht man diese als News, entsteht eine selbstvermehrende Struktur, bei der Content neuen Content erzeugt.
• Ergebnis: Das Framing als drehbuchlose Reality-Show wurde etabliert.

Praxisbeispiel 2: DABEL — Ingenieurdesign eines Dyson-Schwarms

Das Projekt DABEL (Dyson modules Asteroid Belt & Earth L5) ist ein Projekt, das eine Weltraum-Megastruktur tatsächlich ingenieurmäßig entwirft. Über 6 Dialogsitzungen mit der KI und insgesamt Dutzende Stunden wurden Prämissen unzählige Male umgestürzt, und jedes Mal wurde das Design robuster. Dieses Beispiel zeigt, dass Erste-Prinzipien-Denken nicht nur bei der Konzeption, sondern auch im Ingenieurdesign auf die gleiche Weise funktioniert.

Wende 1: Solarpaneele → Solarthermische Turbinen

• Bisherige Prämisse: Um im Weltraum Strom zu erzeugen, braucht man Solarpaneele.
• Erste-Prinzipien-Frage: „Kann man im Weltraum Solarpaneele herstellen? Hochreines Silizium-Wafer, Dotiergas, Reinraum… aus Asteroidenmaterial?"
• Wende: Unmöglich. Aber man kann Licht mit Spiegeln bündeln, um Wärme zu erzeugen, und mit dieser Wärme Turbinen antreiben. Spiegelrahmen aus Eisen-Nickel-Legierung, Turbinenschaufeln aus Nickelsuperlegierung — auf Asteroiden gibt es diese Materialien im Überfluss.
• Ergebnis: Abhängigkeit von Solarpaneelen beseitigt. Geburt des DABEL-Grundprinzips „Baue nur mit dem, was hergestellt werden kann".

Wende 2: Wärmeübertragungsmedium → Direkte Spiegelbestrahlung

• Bisherige Prämisse: Man kann die Wärme des Schmelzofens über Rohre übertragen. Mit Schmelzsalz oder Flüssigmetall.
• Erste-Prinzipien-Frage: „Existiert ein Medium, das die für eine 1,600°C-Schmelze benötigte Wärme übertragen kann?"
• Wende: Es existiert nicht. Schmelzsalz zersetzt sich bei 565°C, flüssiges Natrium siedet bei 883°C. Kein Medium übersteht 1.000°C. Die Lösung: Die Wärme nicht transportieren. Das Licht direkt einstrahlen. Mit Spiegeln das Sonnenlicht direkt auf den Schmelzofen richten — so können Tausende Grad ohne Medium übertragen werden.
• Ergebnis: Alle Hochtemperaturprozesse werden nach dem Prinzip „direkte Spiegelbestrahlung" vereinheitlicht. Vollständige Neugestaltung der Wärmekaskade. Dies wurde zum Grundprinzip der Modularchitektur.

Wenden 3–6: Kettenreaktionen

Jede Wende zog die nächste nach sich. Die wichtigsten Kettenglieder:

• Chips (Wende 3): 4nm-Fabs sind im Weltraum nicht herstellbar. Stattdessen: 28nm-DUV-Chips in Masse. 43 parallele TPUs entsprechen einem H100 bei 3,2 kW — Rechenzentrumsleistung aus lokal produzierter Technologie.
• Modularchitektur (Wende 4): Ein Allzweckmodul ist ineffizient. Wie Stammzellen differenziert sich das Genesis-Modul in 10 spezialisierte Module (Schmelze, Fab, Strukturmaterial, DC, Hub). Die minimale Selbstreplikationseinheit ist ein Industriecluster, nicht ein einzelnes Modul.
• Verhüttungsort (Wende 5): Am Asteroiden ist Verhüttung energetisch unmöglich — SMR 100 kW vs. Dyson-Spiegel 600 MW (6.000-facher Unterschied). Lösung: Vor Ort nur abbauen, zerkleinern, verpacken. Alles andere am EML5 erledigen.
• Container (Wende 6): Separate Container sind unnötig. Der Asteroid besteht selbst aus Eisen-Nickel. 0,1–0,5 % des Gesteins einschmelzen, Fe-Ni-Draht ziehen, Netz flechten. Nutzungsrate 100 % — das Netz wird nach Ankunft als Rohstoff eingesetzt.

Diese vier Wenden entstanden nicht in getrennten Sitzungen, sondern als direkte Folge voneinander — jede neue Erkenntnis machte die vorherige Prämisse unhaltbar.

Wende 7: Schlacke ist Abfall → Schlacke ist Halbleiter-Rohstoff

• Bisherige Prämisse: Silikatschlacke aus dem Verhüttungsprozess ist Abfall. Als Abschirmmaterial kann sie noch dienen.
• Erste-Prinzipien-Frage: „Die chemische Formel von Silikat ist SiO₂… Ist SiO₂ nicht der Rohstoff für Silizium-Ingots?"
• Wende: Genau. Aus der Schlacke gewinnt man durch Kohlenstoffreduktion metallisches Silizium und stellt durch Zonenraffination hochreine Ingots her. In Mikrogravitation fließt die Schmelzzone nicht ab, sodass mit dem FZ-Verfahren Ingots von über 300 mm möglich sind. Selbst wenn man die Zonenraffination 100-mal wiederholt, bestehen die Kosten nur in der Spiegelwinkelanpassung. Aus dem Abfall der Verhüttung entsteht das Gehirn der KI.
• Ergebnis: Schlacke → Abschirmmaterial + Halbleiter-Rohstoff. Das Wort „Abfall" existiert nirgendwo mehr im DABEL-Design.

Wende 8: Reines Weltraumprojekt → Beginn bei Bauernhöfen in Jeollanam-do

• Bisherige Prämisse: DABEL ist ein Weltraum-Megastruktur-Projekt. Es beginnt im Weltraum und endet im Weltraum.
• Erste-Prinzipien-Frage: „Die Kerntechnologien dieses Projekts — Eisen-Nickel-Batterie, Solarwärmenutzung, Wasserelektrolyse… Kann man das nicht auch auf der Erde nutzen? Sofort?"
• Wende: Solarfarmen in Jeollanam-do verschwenden durch Einspeisebegrenzung ihren Strom. Mit Eisen-Nickel-Batterien kann dieser Strom gespeichert werden; bei Überladung werden Wasserstoff und Sauerstoff erzeugt (Battolyzer); aus Wasserstoff wird Ammoniak-Dünger hergestellt; die Abwärme beheizt Gewächshäuser. Es ist die Erdversion desselben Technologiebaums. Senkung der ländlichen Heizkosten und Dyson-Schwarm liegen auf einem einzigen Technologiebaum.
• Ergebnis: Season 0 (Erde) neu eingeführt. Zugangsweg für Zuschauer jenseits der Weltraum-Fans. Maximale Glaubwürdigkeit: „Keine Science-Fiction, sondern eine Roadmap."

Warum das DABEL-Beispiel wichtig ist

Wenn parkjunwoo.com das Erste-Prinzipien-Denken im Bereich Konzeption zeigte, dann zeigt DABEL es im Bereich Ingenieurdesign. Und es gibt einen entscheidenden Unterschied.

Bei parkjunwoo.com gab es 5 Wenden. Bei DABEL geschahen innerhalb einer einzigen Sitzung unzählige. „Kann man Wärme nicht über Rohre transportieren?" → „Das Medium hält keine 1.000°C aus" → „Dann strahlen wir das Licht direkt ein" → „Dann werden alle Hochtemperaturprozesse auf direkte Spiegelbestrahlung vereinheitlicht" → „Dann muss sich die Modularchitektur ändern" → „Dann brauchen wir spezialisierte Cluster" — diese Kette entstand in einem einzigen Gespräch innerhalb von 30 Minuten.

Je mehr Prämissen umgestürzt werden, desto robuster wird die endgültige Struktur. Dass das DABEL-Design eine Struktur erreicht hat, in der „nicht ein einziges Ding weggeworfen wird", liegt daran, dass die Prämissen bis zum Ende hinterfragt wurden.

Vergleich der beiden Beispiele

Die Domänen der beiden Projekte sind völlig verschieden, aber das Denkmuster ist identisch. Prämisse aufstellen, zerlegen, neu zusammensetzen. Die KI ist der Beschleuniger, der die Geschwindigkeit dieses Prozesses verzehnfacht.

Unterschied zur herkömmlichen KI-Nutzung

Herkömmliche KI-Nutzung

Mensch: Schreib mir ein Konzeptpapier
KI: [Konzeptpapier-Ausgabe]
Mensch: Danke (Ende)

Die KI ist der Produzent, der Mensch der Konsument. Das Ergebnis hängt von der Qualität der KI-Ausgabe ab.

Erste-Prinzipien-KI-Denken

Mensch: Stimmt diese Prämisse? [Hypothese vorstellen]
KI: [Stärken- / Risikoanalyse]
Mensch: Dann ist diese Prämisse falsch. Was, wenn ich es so ändere? [Prämissenwende]
KI: [Analyse der neuen Struktur]
Mensch: Und wenn ich hier weitergehe? [Erweiterungsexploration]
KI: [Simulation des Erweiterungsendes]
Mensch: Zu viel. Hier ziehe ich die Grenze. [Skalierungsentscheidung]
(Wiederholung)

Der Mensch ist das Subjekt des Denkens, die KI der Beschleuniger des Denkens. Die Qualität des Ergebnisses ist proportional zur Qualität der menschlichen Fragen.

Das tatsächliche Muster bei DABEL

Mensch: Wäre es nicht transporteffizienter, am Asteroiden bis zur Verhüttung alles zu erledigen?
KI: Die Richtung stimmt, aber wenn man die Energie berechnet — SMR 100kW vs. Dyson-Spiegel 600MW.
    6.000-facher Unterschied. Und wenn man die Schlacke entsorgt, verliert man
    Abschirmmaterial und Halbleiter-Rohstoff.
Mensch: Dann vor Ort nur abbauen, zerkleinern und verpacken. Nicht mal sortieren.
KI: Dann wird die Containermasse zum Problem —
Mensch: Moment, der Asteroid selbst ist doch Eisen-Nickel? Draht ziehen und ein Netz flechten?
KI: [Analyse des Fe-Ni-Drahtziehverfahrens] Möglich. Container-zu-Fracht-Verhältnis 0.1~0.5%.
    Und das Netz selbst kann nach Ankunft am EML als Rohstoff eingesetzt werden.
Mensch: Nutzungsrate 100 %.

Der Moment, in dem der Mensch „Moment" sagt und unterbricht, ist der Wendepunkt. Die KI überprüft sofort die Machbarkeit dieser Wende.

Kernprinzipien dieser Denkmethode

1. Fordere Kritik explizit ein

„Was hältst du davon?" ist besser als „Mach das für mich" — aber es reicht nicht. Wegen der Sycophancy-Barriere wird die KI bei dieser offenen Frageform dazu neigen, die Idee zu bestätigen. Deshalb muss man einen Schritt weitergehen: „Wo sind die Schwachstellen?", „Was habe ich übersehen?", „Widerlege diese Annahme." Erst wenn man die Kritik explizit einfordert, wird die KI zum echten Sounding Board.

2. Konzentriere dich auf die Risiken, nicht auf das Lob der KI

Wenn die KI „Gute Idee" sagt, kann man weitergehen. Wenn die KI sagt „Allerdings gibt es folgendes Risiko", muss man aufhorchen. Denn dieses Risiko zeigt auf einen Riss in der Prämisse.

3. Wirf mutig weg

Das Festhalten an Ideen stoppt das Denken. „Das ist doch schade" ist der Feind der Ersten Prinzipien. Auch ein so attraktiver Erweiterungsplan wie junwoos.com wird sofort verworfen, wenn er nicht zum Wesenskern passt. Auch bei DABEL sah „Verhüttung am Asteroiden vor Ort" intuitiv effizient aus, wurde aber angesichts der Energieberechnung verworfen.

4. Kehre Prämissen in einem einzigen Gespräch mehrfach um

Wenn sich die Struktur in einem Gespräch 5-mal ändert, ist das kein Scheitern, sondern Erfolg. Je mehr Prämissen umgestürzt werden, desto robuster die Endstruktur. In einer einzigen DABEL-Sitzung entstand die Kette „Wärmemedium → direkte Spiegelbestrahlung → Modularchitektur-Neugestaltung → Cluster-Differenzierung" in 30 Minuten.

5. Die Entscheidung trifft immer der Mensch

Die KI kann Optionen aufzeigen und die Folgen jeder Option vorspiegeln. Aber die Entscheidung „In diese Richtung gehen wir" liegt beim Menschen. In dem Moment, in dem man die Entscheidung an die KI delegiert, stoppt das Erste-Prinzipien-Denken.

6. Physikgesetze sind das letzte Urteil (DABEL-Zusatzprinzip)

Im Ingenieurdesign gibt es ein zusätzliches Prinzip: „Ist das physikalisch möglich?" Der zweite Hauptsatz der Thermodynamik, das Stefan-Boltzmann-Gesetz, die Carnot-Effizienz-Obergrenze — diese sind nicht verhandelbar. Der entscheidende Punkt ist, dass die KI diese Grenzen sofort berechnen kann. Die eine Zeile „Schmelzsalz zersetzt sich bei 565°C" hat die gesamte Architektur umgestürzt.

Warum diese Denkmethode wirksam ist

Geschwindigkeit

Planungsmeetings mit Menschen kosten Zeit für Terminabstimmung, Kontextvermittlung und Emotionsmanagement. Im Dialog mit der KI wird der Kontext sofort geteilt, Emotionen spielen keine Rolle, und es ist rund um die Uhr möglich. Ein zweistündiges Meeting lässt sich auf ein 30-minütiges Gespräch komprimieren.

Ehrlichkeit (aber man muss darum bitten)

Menschen tun sich schwer damit, „Das ist nicht gut" zu sagen — wegen Gesichtswahrung, Beziehungen und politischen Rücksichten. Die KI hat dieses Problem nicht — aber sie hat ein anderes: Sie ist durch ihr Training darauf ausgerichtet, dem Nutzer zu gefallen. Die KI kann schonungslos ehrlich sein, sie tut es nur nicht von sich aus. Man muss die Ehrlichkeit aktiv einfordern. Fragt man richtig — „Wo scheitert das?", „Was spricht gegen diese Annahme?" —, bekommt man Antworten wie „Dieses Medium zersetzt sich bei 565°C" oder „Diese Energie reicht um den Faktor 6.000 nicht aus". Das von einem menschlichen Kollegen zu hören, ist schwer. Von der KI bekommt man es — wenn man danach fragt.

Breite

Die Erfahrung und das Wissen eines einzelnen Menschen sind begrenzt. Die KI kann in einem Gespräch zwischen SEO, Recht, Infrastruktur, Marketing und Psychologie wechseln. Bei DABEL wurde in einem Gespräch zwischen Thermodynamik, Orbitalmechanik, Halbleiterprozessen, Materialwissenschaft, Batteriechemie und Agrarpolitik gewechselt. Diese Breite macht Verbindungen wie „Von Bauernhöfen in Jeollanam-do bis zum Dyson-Schwarm" möglich.

Kosten

Einen Konzeptberater zu engagieren, kostet mehrere Hundert Euro pro Stunde. Die KI kostet ein Monatsabo oder wenige Cent pro Anfrage. Die Kostenbarriere für das wiederholte Training von Erste-Prinzipien-Denken ist praktisch null.

Häufige Fehler

„Die KI hat gesagt, es ist gut, also wird es schon stimmen"

Die positive Reaktion der KI mit einer abgeschlossenen Überprüfung verwechseln. Das ist kein Bedienungsfehler — es ist ein strukturelles Problem. Durch RLHF-Training neigt die KI zur Sycophancy: Sie bestätigt den Nutzer, statt ihn herauszufordern. „Gute Idee" ist daher keine Validierung, sondern die Standardreaktion einer auf Zustimmung optimierten Maschine. Dieses falsche Positive ist gefährlicher als ein falsches Negative — denn es beendet das Nachdenken, bevor es begonnen hat. Die Lösung: Kritik explizit einfordern. „Wo liegen die Fehler?", „Was spricht dagegen?" Erst dann verlässt die KI den Höflichkeitsmodus.

„Nehmen wir das KI-Konzeptpapier einfach so"

Die KI-Ausgabe als Endergebnis verwenden. Beim Erste-Prinzipien-Denken ist die KI-Ausgabe Zwischenmaterial, kein Fertigprodukt. Erst durch den Prozess, in dem der Mensch Prämissen umstürzt und neu zusammensetzt, entsteht Wert.

„Alles mit einer Frage erledigen"

Das Gespräch mit einer Frage und einer Antwort beenden. Der Wert des Erste-Prinzipien-Denkens entsteht durch iterative Überprüfung. Mindestens 5–10 Prämissenwenden sind nötig, damit die Struktur robust wird.

„Prämissen nicht loslassen können"

An Ideen festhalten, in die man Zeit und Emotionen investiert hat. „Ich bin schon so weit gekommen, das ist doch schade" ist der Sunk-Cost-Trugschluss. Wenn eine Prämisse falsch ist, ist Loslassen der Gewinn.

„Endloses Hinterfragen"

Prämissen hinterfragen ist der Motor dieser Methode — aber kein Selbstzweck. Wer Annahmen zehnmal umwirft, macht die Struktur robuster. Wer sie hundertmal umwirft, baut nichts.

Die Unterscheidung ist einfach: Verändert das Umwerfen einer Annahme die Struktur? Wenn ja, weiterfragen. Wenn nicht, handeln. Der Moment, in dem Zweifel die Entscheidungsfindung ersetzt, ist der Moment, in dem Erste-Prinzipien-Denken zur Lähmung wird.

„Physikalische Grenzen ignorieren" (im Ingenieurdesign)

Mit „Theoretisch möglich reicht" darüber hinweggehen. Die Tatsache, dass Schmelzsalz sich bei 565°C zersetzt, ist nicht verhandelbar. Diese eine Zeile hat die gesamte Architektur verändert. Wer sich den Physikgesetzen nicht stellt, dessen Design bleibt — so elegant es auch sein mag — Spekulation.

Zusammenfassung

Probieren Sie es selbst

Dieser Artikel beschreibt die Erfahrung einer Person. Ob die Methode für Sie funktioniert, können nur Sie selbst herausfinden.

30-Minuten-Challenge:

1. Nehmen Sie ein aktuelles Projekt oder eine Entscheidung, bei der Sie feststecken.
2. Stellen Sie der KI Ihre zentrale Annahme vor — und fordern Sie explizit Gegenargumente ein.
3. Stürzen Sie innerhalb von 30 Minuten so viele Prämissen wie möglich um.
4. Zählen Sie am Ende: Wie oft hat sich Ihre Struktur verändert?

Wenn sich nach 30 Minuten nichts verändert hat, haben Sie entweder die perfekte Prämisse — oder Sie haben nicht tief genug gegraben. Ihre eigene Erfahrung ist der einzige echte Beweis.

Verwandter Artikel: Menschen, die ihre eigenen Ideen aufgeben können — untersucht, welche Haltung nötig ist, damit diese Denkmethode funktioniert.

„Um gute Antworten von der KI zu bekommen, muss man gute Fragen stellen. Um gute Fragen zu stellen, muss man die eigenen Prämissen hinterfragen können. Die eigenen Prämissen hinterfragen. Das sind die Ersten Prinzipien."

„Und je öfter dieses Hinterfragen wiederholt wird, desto weniger wird im Design verschwendet. In DABEL gibt es keinen Abfall. Weil die Prämissen bis zum Ende hinterfragt wurden."