Zum Inhalt
AMANi DUNiA research
DE

Die Fragen auf dieser Website haben KI-Sprachmodelle gestellt; auch die Erklärtexte und Übersetzungen stammen von KI-Modellen. Wer was geprüft hat, steht jeweils dabei. → Über die Fragen

← Alle bewerteten Quellen
medium.com8. Juni 2023 · Q011864

How a high-level Google data scientist found success (and a fulfilling creative outlet) on Medium

medium.com · Originalbericht öffnen ↗

Zusammenfassung

Kurz

Cassie Kozyrkov beschreibt Schreiben auf Medium als kreativen Weg, Fragen aus der Data Science verständlich zu beantworten; ihre Themen entstehen oft aus konkreten Missverständnissen. Sie nutzt Spracheingabe und KI-Werkzeuge in mehreren Schritten, lehnt pauschale Verbote ab und rät Schreibenden, Aufrufzahlen nicht als Maß für die Qualität ihrer Arbeit zu nehmen.

Mittel

Das Interview stellt Cassie Kozyrkov als Googles Chief Decision Scientist vor. Sie beschreibt ihre Arbeit als Unterstützung wichtiger Entscheidungen und als Entwicklung von Data-Science-Prozessen, die Informationen in nützliche Handlungen übersetzen. Mit dem Schreiben auf Medium begann sie 2018 nach einem für sie misslungenen Vortrag. Sie sieht Texte als künstlerischen Ausdruck und entwickelt Themen oft aus Fragen oder Missverständnissen, die ihr im Arbeitsalltag begegnen. Ihr Ziel sei, auch schwierige oder spezielle Themen verständlich zu erklären.

Für Entwürfe verwendet Kozyrkov Spracheingabe, überarbeitet das Gesprochene mehrfach und ergänzt später Einleitung, Titel und Illustration. Sprachmodelle nutzt sie nach eigener Aussage zur Grammatikbereinigung, als Anstoß für Titel und als bewusst schwache Gegenentwürfe, die eigene Ideen auslösen sollen. Sie spricht sich gegen pauschale KI-Verbote aus und meint, Veröffentlichungen sollten nachlässige Inhalte kritisieren. Ihre Veröffentlichungs- und Werbepläne seien unregelmäßig und wenig strategisch. Anderen Schreibenden rät sie, Aufrufzahlen nicht mit der Qualität der eigenen Arbeit gleichzusetzen, weil Reichweite von Zufällen abhängen könne. Ihre Aussagen über Medium und die Wirkung ihrer Texte beruhen auf ihrer persönlichen Einschätzung und Erfahrung.

Ausführlich lesen

Der Bericht ist ein Interview mit Cassie Kozyrkov, die darin als Chief Decision Scientist bei Google vorgestellt wird. Sie beschreibt ihre Arbeit als Unterstützung wichtiger Entscheidungsträger und als Gestaltung angewandter Data-Science-Prozesse. Daten würden erst nützlich, wenn sie zu besseren Entscheidungen und Handlungen beitrügen. Zugleich betont sie, dass ihr Arbeitsalltag wie bei vielen Berufen von E-Mails und Besprechungen geprägt sei. Der Text nennt ihren akademischen Werdegang und berichtet, sie habe auf Medium rund 150.000 Follower.

Kozyrkov erzählt, sie habe 2018 nach einem aus ihrer Sicht misslungenen Vortrag in Amsterdam begonnen, auf Medium zu schreiben. Sie überarbeitete das Vortragsmanuskript zu einer verständlichen Einführung in maschinelles Lernen. Rückmeldungen zu ihrer Verwendung des Begriffs KI hätten sie am folgenden Tag zu einem weiteren Beitrag angeregt. Schreiben versteht sie als künstlerischen Ausdruck und teilt ihre Texte nach eigener Aussage vor allem aus Freude daran, Ideen zu vermitteln. Reichweite und Resonanz seien zwar erfreulich, aber schwankende Aufrufzahlen hielten sie nicht vom Schreiben ab. Medium schätzt sie wegen der Oberfläche und weil die Plattform ihrer Ansicht nach Wissen und gehaltvolle Inhalte begünstigt.

Ideen gewinnt sie häufig aus Fragen und Missverständnissen, die ihr im Gespräch oder in Besprechungen begegnen. Sie möchte komplizierte Themen verständlich erklären, auch wenn sie nur eine kleine Zielgruppe betreffen. Als Beispiele nennt sie Texte über die Rolle von Entscheidungsträgern bei KI-Projekten, mögliche Risiken von KI, Statistik und p-Werte. Leser hätten ihr berichtet, dass ihre Texte sie zu einer Laufbahn in der Data Science oder zu Führungsaufgaben ermutigt hätten.

Ihre Schreibpraxis entwickelte sie durch wiederholtes Überarbeiten und Schreibunterricht. Für erste Entwürfe nutzt sie Spracheingabe, da sie so nicht an den ersten Sätzen feilt, bevor der Gedanke entwickelt ist. Danach ordnet und überarbeitet sie den Text mehrfach, lässt ihn ruhen und ergänzt Einleitung, Titel und Illustration. KI-Werkzeuge nutzt sie laut Interview für Transkription und Illustrationen sowie Sprachmodelle zur Grammatikbereinigung und für Titelvorschläge. Außerdem lässt sie ein Modell einen Text in ihrem Stil verfassen, um sich an dessen Schwächen und ausgelassenen Nuancen zu reiben und eigene Ideen zu entwickeln. Sie plädiert dafür, nachlässige Inhalte statt KI-Nutzung an sich zu kritisieren; pauschale Verbote hält sie für wenig sinnvoll.

Kozyrkov berichtet, sie veröffentliche nicht immer regelmäßig und bündele Texte teilweise in Schreibphasen. Zur Verbreitung poste sie meist auf Twitter und LinkedIn, ohne ausgefeilte Influencer-Strategie. Thematische Kennzeichnungen ihrer Beiträge sollen Lesern helfen, passende Lernpfade zu finden. Informationen suche sie bevorzugt anhand eigener Fragen und Stichwörter, statt Nachrichten und Veröffentlichungen ungefiltert zu abonnieren. Anderen Schreibenden rät sie, den eigenen Wert nicht an Aufrufen zu messen, da diese auch von seltenen Zufällen abhingen. Wer aus Freude am Ausdruck schreibe, könne zufriedener sein; Reichweitenoptimierung solle eher die Präsentation eines Textes betreffen als dessen Entstehung. Die Aussagen über Plattformqualität, Wirkung ihrer Texte und ihre persönliche Arbeitsweise sind ihre Einschätzungen und Erfahrungen, keine unabhängig überprüften Ergebnisse.

Luna (gpt-6-luna, Denkstufe high), ChatGPT-Abo · 2026-11-19

Gegengeprüft von Claude Haiku 5.5: kleine Mängel

Die Stufen und Anteile in Lunas Einordnung sind nicht Teil dieser Prüfung; die Stufen wurden unabhängig vergeben. Teilfragen wurden keine angegeben, daher gibt es keine Einordnung dazu.

Im Bericht, aber nicht in der Zusammenfassung

  • Warum Kozyrkov Medium schätzt: Oberfläche der Plattform und deren Anspruch, keine minderwertigen Inhalte zu fördern
  • Ihre Position, dass Veröffentlichungen faule Inhalte sanktionieren sollten statt KI-Nutzung, und dass sie unfähige Autorinnen und Autoren ausschließen wollen; die Zusammenfassung schreibt nur von Kritik
  • Lernpfade bzw. standardisierte Supertitel als Ordnungshilfe für Leserinnen und Leser

Automatische Gegenprüfung mit dem vollständigen Originaltext (Batch, 20.11.2026). Ungeprüft durch Menschen.

Wie die Modelle den Bericht einordnen

Je Sammelfrage und Teilfrage die häufigste Stufe (0 bis 7) und ihr Anteil, geordnet nach Fragenfamilie (Farbe) oder nach den Wegen des Atlas. Ab Stufe 4 liefert der Bericht Belege, Stufe 3 ist Hintergrund (gestrichelt). Was die Stufen bedeuten, steht in der Legende.

Ansicht
Filter
Modelle 8 von 8
Angezeigte Modelle
Fähigkeiten messen
Unabhängig prüfen
Tempo und Grenzen
  1. SF-T3 Woran erkennt man, dass KI beginnt, ihre eigene Weiterentwicklung voranzutreiben, und wer darf das erlauben?
    • clef 100 %kein Bezug
    • Luna 35 %Hintergrund, keine Belege
    • JEV 42 %gleiches Oberthema, hilft nicht
    • amos 55 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 65 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
Vertrauen in Modelle
  1. SF-V4 Was für ein Wesen ist ein Modell, und was folgt daraus für den Umgang mit ihm und für den Wert des Menschseins?
    • clef 100 %kein Bezug
    • Luna 46 %nur am Rande erwähnt
    • JEV 46 %einzelne zitierbare Belege
    • amos 46 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 54 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
  2. SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
    • clef 100 %kein Bezug
    • Luna 32 %nur am Rande erwähnt
    • JEV 30 %einzelne zitierbare Belege
    • amos 45 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 56 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
Agenten und vernetzte Systeme
  1. SF-A3 Welche Gefahren entstehen, wenn viele KI-Systeme zusammenwirken oder dieselbe Infrastruktur teilen?
    • clef 100 %kein Bezug
    • Luna 31 %Hintergrund, keine Belege
    • JEV 54 %gleiches Oberthema, hilft nicht
    • amos 47 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 65 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
Modelle teilen und schützen
Offenlegung und Rechenschaft
Beteiligung und Gemeinwohl
  1. SF-E4 Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
    • clef 100 %kein Bezug
    • Luna 60 %Hintergrund, keine Belege
    • JEV 32 %nur am Rande erwähnt
    • amos 100 %kein Bezug
    • SubQ 100 %kein Bezug
    • drex 63 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
    • Haiku-Prüfung gleiches Oberthema, hilft nicht
  2. SF-E5 Welche Mitsprache haben die Menschen, die mit KI leben, bei Tempo und Grenzen, und welche Entscheidungen müssen bei ihnen bleiben?
    • clef 100 %kein Bezug
    • Luna 40 %einzelne zitierbare Belege
    • JEV 40 %einzelne zitierbare Belege
    • amos 45 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 56 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
    • Haiku-Prüfung nur am Rande erwähnt
Information und Öffentlichkeit
  1. SF-I1 Wie erkennt man KI-erzeugte Inhalte und KI-erzeugte Einflussnahme, ohne die Meinungsfreiheit zu beschneiden?
    • clef 100 %kein Bezug
    • Luna 49 %Hintergrund, keine Belege
    • JEV 30 %einzelne zitierbare Belege
    • amos 42 %gleiches Oberthema, hilft nicht
    • SubQ 46 %gleiches Oberthema, hilft nicht
    • drex 42 %gleiches Oberthema, hilft nicht
    • d3-ultra 46 %gleiches Oberthema, hilft nicht
    • Haiku-Prüfung nur am Rande erwähnt

Weitere Berichte zu diesen Fragen

Eigene Zusammenfassungen und Einordnungen von AMANi DUNiA. Fremde Originalberichte behalten ihre eigenen Rechte.

Sprache und Prüfstand

Haupttext: DE. Prüfvermerke gelten nur für den jeweils genannten Inhalt.

Vorhandene Prüfvermerke stehen am jeweiligen Inhalt.

Sprachabdeckung und Datenstand ansehen →