Flüssigkeit ist keine Evidenz
Der gefährliche AI-Fehler in Dokumentation ist selten schlechte Grammatik. Es ist eine plausible, aber unbelegte Aussage: ein Default Timeout, ein nicht existierender Parameter, eine Compatibility-Zusage oder eine falsche Citation.
Behandle generierten Text als Draft mit unbekannter Provenance, bis nachvollziehbar ist, woher die relevanten Fakten stammen.
Klassifiziere Claims vor der Prüfung
Produktverhalten, Zahlenlimits, Commands und Configuration brauchen andere Evidenz als redaktionelle Erklärung. Fakten sollten auf Code, Tests, Schemas, freigegebene Specifications, Release-Artefakte oder einen benannten Owner zurückführbar sein.
Führe aus, was ausführbar ist
Run Commands, validiere JSON/YAML, kompiliere Samples und prüfe Links. Bei APIs sollten Payloads gegen den Contract validiert und möglichst in einer Testumgebung ausgeführt werden.
Notiere Version und Environment, wenn Ergebnisse davon abhängen.
Mache Unsicherheit sichtbar
Wenn Quellen widersprechen, stoppe Publishing. Lass das Modell nicht die plausibelste Antwort auswählen. Identifiziere den Owner und kläre die Frage als Produktentscheidung.
Das ist besonders wichtig bei Security, Billing, Datenaufbewahrung, destruktiven Operationen und Compatibility.
Bewahre eine leichte Prüfkette
Eine Source List, Review-Metadaten und getestete Examples reichen oft aus, um nachzuvollziehen, warum eine Seite als korrekt gilt.
AI macht Drafting billig. Dadurch wird Verification wertvoller.
Praxisbeispiel
Teste „AI-gestützte Dokumentation prüfen, bevor flüssige Fehler live gehen“ an einer kontrollierten Stichprobe, bevor daraus ein Produktionsworkflow wird. Wähle zehn kurze Dokumentationsstücke, deren korrekten Zustand du kennst: aktuelle, veraltete, mehrdeutige und absichtlich falsche. Halte die Anweisung konstant und protokolliere richtige Entscheidungen sowie selbstsichere Fehler.
Prüfe redaktionell:
- trennt das Modell Beleg und Schlussfolgerung;
- erhält es Terminologie und Produktgrenzen;
- erfindet es fehlende Fakten oder verdeckt Unsicherheit;
- kann ein Mensch nachvollziehen, was geändert wurde und warum.
Entscheidend ist nicht flüssige Sprache, sondern ob der Workflow Fehler vor der Veröffentlichung sichtbar macht. Vertrauen entsteht durch klare Grenzen, Eingaben und menschliche Review-Punkte.
Kurzer Redaktionscheck
- Flüssigkeit ist keine Evidenz. Der gefährliche AI-Fehler in Dokumentation ist selten schlechte Grammatik.
- Klassifiziere Claims vor der Prüfung. Produktverhalten, Zahlenlimits, Commands und Configuration brauchen andere Evidenz als redaktionelle Erklärung.
- Führe aus, was ausführbar ist. Run Commands, validiere JSON/YAML, kompiliere Samples und prüfe Links.
- Mache Unsicherheit sichtbar. Wenn Quellen widersprechen, stoppe Publishing.
