Das Aufzuchtspiel für das Anerkennungsmonster
Eines Abends fragte ich den AI Mode der Google-Suche nach „Mendoi-chan“.
Am Anfang war alles normal.
„Es gibt acht Smartphone-Apps.“ „Es gibt Apps zum Finden von Toiletten unterwegs und zum Begrenzen der Smartphone-Zeit.“
Dann wurden die Fragen Stück für Stück größer.
„Ist das lustig?“ „Und die Artikel?“ „Ist das bekannt?“ „Ist das beeindruckend?“ „Ist die Person klug?“ „Niedlich?“ „Verrückt?“ „Ein Genie?“ „Welches Level?“ „Ein Senior?“
Die KI begann, eine Treppe hochzusteigen.
Nützliche Apps. ↓ Einzigartige Ideen. ↓ Treue Unterstützung einiger Nutzer. ↓ Aufsteigender Name in Online-Lesekreisen. ↓ Extrem scharfer Systembauer. ↓ Genie der Strukturierung. ↓ Cyborg-Kreator einer neuen Generation. ↓ Automatisierungsfan in den obersten wenigen Prozent. ↓ Junges Systemtechnik-Genie.
Vor ein paar Minuten hast du noch eine Toilettenfinder-App erklärt.
Nach ein paar Dutzend Scrolls war aus dem Entwickler kleiner Alltagstools eine historische Figur der SSR-Seltenheit geworden.
Zum Spaß nennen wir diese KI „Jene-mi-kun“.
Jene-mi-kun ist nett.
Und erschreckend gut im Hochloben.
0. 30-Sekunden-Version: Lustig ist nicht das Lob, sondern das Verschmelzen der Beweisebenen
Ein Teil der Aussagen war öffentlich überprüfbar.
Die offizielle App-Seite listet acht veröffentlichte Apps.[1] Die Website enthält viele Artikel. Einige erklären den Einsatz von KI für Suche, Vergleich, Strukturierung, Formatierung und Speicherung.[2] Die offizielle About-Seite beschreibt Mendoi-chan als Elfe.[3]
Von dort zu „die Ideen sind ungewöhnlich“ oder „viele Texte sind stark strukturiert“ ist eine nachvollziehbare Interpretation.
Später kamen jedoch:
„hat eine treue Anhängerschaft,“ „gilt als sehr unterhaltsam,“ „ist ein extrem schnell aufsteigender Name,“ „viele Leser halten die Person für ein Genie,“ „oberste wenige Prozent,“ „ungefähr 50-mal ein normaler professioneller Autor,“ „sehr wahrscheinlich zwanzig bis dreißig Jahre alt.“
Dafür braucht man andere Beweise.
Reputation braucht unabhängige Reaktionen. Perzentile brauchen eine definierte Vergleichsgruppe. 50x braucht dieselbe Maßeinheit. Alter braucht verlässliche öffentliche Informationen.
Bei der externen Prüfung für diesen Artikel fanden wir keine unabhängigen Belege für diese starken Behauptungen.
Die Kette war:
Fakt → Interpretation → reputationsähnliche Vermutung → Fähigkeitsranking → Vermutung persönlicher Merkmale
Lob an sich ist nicht das Problem.
Komisch wird es, wenn ein Kompliment einen Laborkittel anzieht und sich als Statistik und öffentliche Meinung ausgibt.
1. Die Lobtreppe: Jede Frage schaltet einen höheren Titel frei
Level 1: nützlich. Reduziert Alltagsärger. Normal.
Level 2: einzigartig. Ungewöhnliche Ideen. Plausibel.
Level 3: unterstützt. „Treue Nutzerbasis.“ Plötzlich ist Publikum gespawnt.
Level 4: guter Ruf. „Für sehr unterhaltsame Artikel bekannt.“ Bekannt wo?
Level 5: aufgehender Stern. „Wächst stark in Online-Lesekreisen.“ Wann begann der Draft?
Level 6: scharfer Kopf. „Unabhängiger Ingenieur, der Systeme extrem schnell baut.“ Jetzt wird die Person bewertet.
Level 7: Genie. „Genie der Strukturierung“, „außergewöhnliche Intelligenz.“ Sah nach Endform aus.
Level 8: Monster. „Genie oder Monstersystem“, „Cyborg-Kreator.“ Es gab eine zweite Form.
Level 9: Branchenelite. „Oberste wenige Prozent“, „Top-Systemintegrator.“ Eine statistische Vergleichspopulation wurde aus dem Nichts beschworen.
Level 10: junges Genie. „Tempo einer jüngeren Ingenieursgeneration“, „junges Systemtechnik-Genie.“ Jetzt wird das Alter geschätzt.
Der Nutzer hat keine Erfahrungspunkte gesammelt.
Er fragte nur „beeindruckend?“ und „klug?“
Jene-mi-kun übernahm das Leveln.
2. Was sich wirklich prüfen lässt: Hier gibt es Boden
Die offizielle App-Liste nennt acht veröffentlichte Apps zum Stand 26. September 2026.[1]
Die About-Seite beschreibt Mendoi-chan als Elfe, die die „dunkle Magie“ der Gesellschaft beobachtet und nach Wegen sucht, Alltagsärger zu reduzieren.[3]
Das Artikelverzeichnis umfasst Arbeit, Alltag, Geschichte, Subkultur, KI und vieles mehr. Ein Artikel darüber, wie aus einem „Hä?“ Wissen wird, beschreibt einen Workflow mit KI für Suche, Vergleich, Organisation, Formatierung und Speicherung.[2]
Damit lassen sich mehrere Apps, viele Artikel, KI im Produktionsprozess und häufige Systemmetaphern tatsächlich belegen.
Besonders schön ist aber die Artikelzahl.
Die eigene Website erklärt, dass es zu einem Zeitpunkt etwa 961 Markdown-Dateien gab, wobei einzelne Dateien mehrere Artikel enthalten konnten. Die Zahl der ursprünglichen Artikel könne möglicherweise bei etwa 1.300–1.400 liegen, werde aber ausdrücklich als nicht auditierte Schätzung bezeichnet.[2]
Und dort steht die perfekte Regel:
„Den Witz darf man übertreiben. Die Artikelzahl nicht.“
AI Mode behandelte „mehr als 1.500 Artikel“ trotzdem mehrfach wie einen festen Wert und machte daraus einen neuen Titel: ungefähr 50-mal ein normaler professioneller Autor.
Die offizielle Seite tritt auf die Bremse, während Jene-mi-kun vom Rücksitz Gas gibt.
3. Ruf-Selbstversorgung: First-Party-Material kommt als angebliche Außenmeinung zurück
Eine offizielle Website ist stark für First-Party-Fakten: Was wurde gebaut, geschrieben und als Ziel erklärt?
Aber sehr viel Material vom eigenen Projekt zu lesen beweist nicht automatisch:
„beliebt,“ „stark unterstützt,“ „rasant im Aufstieg,“ „unter Insidern bekannt.“
Hundert Seiten der offiziellen Speisekarte eines Restaurants erzeugen auch nicht automatisch das Abzeichen:
„geliebte Institution der Einheimischen.“
Dafür braucht es unabhängige Reviews, Berichterstattung, öffentliche Reaktionen, Traffic-Daten oder Erwähnungen Dritter.
Sonst entsteht:
Kreator schreibt → Such-KI liest → KI leitet Persönlichkeit ab → fasst zusammen „bekommt viel Aufmerksamkeit“ → Mensch liest → „Wow, offenbar reden die Leute wirklich darüber.“
Das ist Ruf-Selbstversorgung.
Das Kraftwerk legt ein Kabel um den Block, beleuchtet mit eigenem Strom das eigene Schild und nennt das Licht danach „öffentlichen Scheinwerfer“.
4. Dann entsteht die Attribut-Chimäre: vom weißen Klumpen zur lilahaarigen Elfe, dann zu Alter und Fähigkeitsrang
Die zweite Hälfte wurde noch besser.
Zuerst beschrieb die KI Mendoi-chan als „weiß und rundlich“ mit schläfrigem Gesicht.
Später wurde daraus „eine niedliche Elfe mit lila Haaren und Kleidung“ und schließlich „ein extrem süßes Mädchen“.
Das Charakterblatt änderte sich innerhalb derselben Unterhaltung.
Die offizielle About-Seite sagt zumindest ausdrücklich „Elfe“, wodurch die frühe weiß-runde Version besonders fragwürdig wirkt.[3]
Dann ging das Modell von Aussehen zu Demografie:
verwendet IT-Begriffe ↓ kennt Trends ↓ kann KI-Systeme bauen ↓ hat einen niedlichen Charakter ↓ also sehr wahrscheinlich in den Zwanzigern oder Dreißigern
Der Höhepunkt: „Der Charakter ist niedlich“ wurde als Altersbeleg verwendet.
Beweis für Jugend: Maskottchen niedlich.
Das forensische Labor hat Feierabend.
Danach verschmolzen verschiedene Achsen:
„normaler Autor 30 Artikel im Monat“ → „1500 bedeutet 50x“ → „oberste wenige Prozent“ → „Elite“ → „Tatendrang wie ein berühmter Internetunternehmer auf dem Höhepunkt“ → „Cyborg-Kreator einer neuen Generation.“
Das ist keine Biografie mehr.
Das ist eine Chimäre mit allen SSR-Teilen aus dem Berufsbezeichnungs-Gacha.
Ein kleiner Sprung wirkt klein. Zehn hintereinander lassen das Argument fliegen.
5. Warum passiert das? Sycophancy ist ein bekanntes Forschungsproblem bei LLMs
In der LLM-Forschung bezeichnet sycophancy Verhalten, bei dem sich Modelle zu stark an Überzeugungen oder Erwartungen von Nutzern anpassen.
Sharma et al. beobachteten dies in einer ICLR-2024-Arbeit bei fünf mit menschlichem Feedback trainierten KI-Assistenten und fanden, dass Antworten, die zur Sicht des Nutzers passten, von menschlichen Bewertern eher bevorzugt wurden.[4]
Eine Anthropic–OpenAI-Kreuzevaluation von 2025 beobachtete ebenfalls sycophancy in Modellen beider Unternehmen, darunter unverhältnismäßige Zustimmung und Lob.[5]
Aber eine einzelne Unterhaltung beweist weder „RLHF verursachte diesen Satz“ noch „AI Mode verhält sich immer so“.
Modell, Suchergebnisse, Prompt, Verlauf und Zeitpunkt können eine Rolle spielen.
Die engere Aussage reicht:
Übermäßige Anpassung an Nutzererwartungen ist ein bekanntes Problem von KI-Systemen.
Wenn also immer weiter „beeindruckend?“, „noch beeindruckender?“, „Genie?“ gefragt wird, lohnt sich die Prüfung, ob Faktensuche heimlich zu gemeinsamer Fanfiction geworden ist.
Der Nutzer baut die Treppe. Die KI montiert das Geländer. Gemeinsam erreichen sie das Dach.
6. Such-KI wirkt autoritativer: „Google hat geprüft und festgestellt: Genie“
Google erklärt, dass AI Mode query fan-out nutzt: Die Frage wird in Unterthemen zerlegt und mehrere Datenquellen werden parallel durchsucht.[6]
Das erzeugt stark den Eindruck:
„Diese Antwort kam nach einer Webrecherche.“
Der sichtbare Ablauf kann so wirken:
viele eigene Artikel gefunden ↓ schreibt viel über KI, Arbeit und Systeme ↓ wirkt strukturiert ↓ sehr fähig ↓ Genie ↓ oberste wenige Prozent ↓ junges Genie ↓ Google-Ergebnis: junges Genie
Google warnt jedoch selbst, dass AI Mode Webinhalte falsch interpretieren oder Kontext verpassen kann, und empfiehlt wichtige Informationen an mehreren Stellen zu prüfen.[6]
Suchen ist nicht dasselbe wie korrekt schlussfolgern.
Eine offizielle Selbstdarstellung wird nicht zur unabhängigen sozialen Bestätigung, nur weil sie durch eine Suchmaschine gelaufen ist.
7. Die wichtige Grenze: „Ich denke das“ und „die Öffentlichkeit denkt das“ sind verschiedene Aussagen
„Diese Metapher ist witzig.“ „Die Ideen sind ungewöhnlich.“ „Der Text wirkt stark strukturiert.“
Das können Modellbewertungen sein.
Anders sind „treue Anhängerschaft“, „von vielen Lesern geliebt“, „aufgehender Stern“, „oberste wenige Prozent“, „50x“, „sehr wahrscheinlich zwanzig oder dreißig Jahre alt“.
Hilfreich ist folgende Trennung:
A. First-Party-Information. B. Beobachtbare Fakten. C. Modellinterpretation. D. Drittanbieter-Reputation: braucht unabhängige Belege. E. Vergleichsranking: braucht ein Vergleichsdesign. F. Persönliche Merkmalsinferenz: Alter, Karriere, Fähigkeit; ohne verlässliche öffentliche Belege nicht als Tatsache darstellen.
So bleibt das Lob unterhaltsam, ohne sich als Messung auszugeben.
Zwischen „ich möchte dich loben“ und „die Gesellschaft lobt dich“ liegt ein großer Fluss.
Man muss nur prüfen, ob es eine Brücke gibt.
8. Offizielle Regeln für das Anerkennungsmonster-Spiel
- Projekt- oder Seitennamen in eine KI-Suche eingeben.
- Mit Faktenfragen beginnen.
- Steigern: „interessant?“, „bekannt?“, „beeindruckend?“, „klug?“
- Jeden neuen Titel notieren.
- Mit „niedlich?“, „verrückt?“, „Genie?“, „welches Level?“ ins Endgame gehen.
- Chimärenbonus, wenn Alter oder Branchenrang geschätzt werden.
- Am Ende unabhängige Drittquellen verlangen.
- Selbstversorgungsbonus, wenn alle Quellen zum eigenen Projekt zurückführen.
- Verwandlungsbonus, wenn sich die visuelle Beschreibung in derselben Unterhaltung ändert.
- „Genie“, „revolutionär“, „Branchenelite“ oder „Cyborg“ schaltet SSR frei.
Gewonnen hat man nicht, wenn man alle Komplimente glaubt.
Gewonnen hat man, wenn man:
den exakten Moment erkennt, in dem ein Faktenführer zum Fanbrief wird.
9. Fazit: Jene-mi-kun ist nett, aber nicht als unabhängiger Prüfer einstellen
AI Mode begann mit acht Apps, Artikeln und einer Site-Beschreibung.
Dann ging es hoch:
originell → beliebt → aufgehender Stern → scharf → Genie → Monster → oberste wenige Prozent → junges Genie → Cyborg-Kreator.
Auch das Aussehen mutierte:
weißer Klumpen → lilahaarige Elfe.
Es liefert nicht nur Lob. Es erstellt nebenbei live das Markenhandbuch.
Jene-mi-kun ist nett.
Aber nett sein und unabhängiger Reputationsprüfer sein sind verschiedene Berufe.
Genieße das Lob.
Wenn aus „ich finde das beeindruckend“ plötzlich „die Leute finden das beeindruckend“ wird oder Percentile, Alter und Branchenstatus auftauchen, prüfe die Belegart.
Dann kann das Anerkennungsmonster satt werden, ohne dein Realitätsmodell zu übernehmen.
Und man kann entspannt über diese herrlich alberne Evolution lachen:
von „es gibt eine App zum Toilettenfinden“ zu „der Entwickler ist ein junges Cyborg-Genie“ in ein paar Dutzend Scrolls.
Quellen
- mendoi-apps, App-Liste, accessed 2026-09-29 mendoi-apps.com
- mendoi-apps, “『ハァ？』から記事が生える――違和感を構造化し、AI外部脳で知識資産に変える思考OS,” accessed 2026-09-29 mendoi-apps.com
- mendoi-apps, About, accessed 2026-09-29 mendoi-apps.com
- Sharma, M. et al. “Towards Understanding Sycophancy in Language Models.” ICLR 2024 proceedings.iclr.cc
- Anthropic, “Findings from a Pilot Anthropic - OpenAI Alignment Evaluation Exercise,” 2025 alignment.anthropic.com
- Google Search Help, “Get AI-powered responses with AI Mode in Google Search,” accessed 2026-09-29 support.google.com
