Trajektorie (Training)
Eine Trajektorie ist die vollständige Aufzeichnung eines Lösungsversuchs: jeder Schritt, den ein Programm oder ein Mensch von der Aufgabe bis zum Ergebnis gemacht hat. Solche Aufzeichnungen sind heute das wichtigste Lernmaterial, wenn KI-Systeme mehrschrittige Aufgaben bewältigen sollen.
Eine Trajektorie ist die lückenlose Aufzeichnung eines Lösungswegs. Sie hält fest, mit welcher Aufgabe alles begann, welche Schritte danach folgten und was am Ende herauskam. Man kann sie sich vorstellen wie ein Fahrtenbuch: nicht nur das Ziel wird notiert, sondern jede einzelne Etappe dorthin. Für ein Computerprogramm, das eine Aufgabe selbstständig bearbeitet, steht in so einem Protokoll zum Beispiel: welche Datei es geöffnet hat, welchen Befehl es ausprobiert hat, welche Fehlermeldung zurückkam. Genau diese Protokolle sammelt man heute in großem Stil, um Computersysteme daran lernen zu lassen. Der Fachbegriff stammt ursprünglich aus der Physik, wo eine Trajektorie die Flugbahn eines Körpers beschreibt.
Warum Endergebnisse allein zu wenig verraten
Frühere Sprachmodelle lernten fast nur aus Texten, in denen die fertige Antwort stand. Ein Lehrbuch zeigt die richtige Lösung, aber selten alle Sackgassen davor. Ein Modell, das nur solche Endergebnisse sieht, lernt gut zu formulieren, aber schlecht zu arbeiten. Es weiß, wie eine korrekte Lösung aussieht, nicht aber, wie man zu ihr kommt.
Bei Aufgaben mit vielen Zwischenschritten ist genau das entscheidend. Ein Programmierauftrag besteht aus Suchen, Testen, Fehler finden und Korrigieren. Wer nur den fertigen Code kennt, kann diesen Ablauf nicht nachahmen. Trajektorien schließen diese Lücke, weil sie die Zwischenschritte mitliefern.
Dazu kommt ein wirtschaftlicher Punkt. Frei verfügbarer Text aus dem Internet ist inzwischen weitgehend ausgeschöpft. Gute Trajektorien dagegen sind knapp und müssen aufwendig erzeugt oder von Fachleuten aufgezeichnet werden. Deshalb tauchen sie in Wirtschaftsnachrichten regelmäßig als teures und begehrtes Gut auf.
Wie ein Lösungsweg zum Lernstoff wird
Trajektorien entstehen auf zwei Arten. Entweder zeichnet man Menschen bei der Arbeit auf, etwa Entwicklerinnen beim Beheben eines Fehlers. Oder man lässt das Modell selbst tausendfach Aufgaben bearbeiten und protokolliert alle Versuche mit. Der zweite Weg ist billiger und liefert riesige Mengen, dafür ist die Qualität sehr unterschiedlich.
Anschließend werden die Aufzeichnungen bewertet. Bei einer Programmieraufgabe prüft ein automatischer Test, ob der Code am Ende läuft. Trajektorien mit erfolgreichem Ausgang gelten als positive Beispiele, die anderen als negative. Das Modell wird dann so angepasst, dass es Schrittfolgen aus erfolgreichen Wegen häufiger wählt. Dieses Vorgehen nennt man bestärkendes Lernen: Das System wird für gute Ergebnisse belohnt, statt eine vorgegebene Antwort abzuschreiben.
Ein bekanntes Problem dabei ist die Zuordnung der Belohnung. Wenn ein Weg mit dreißig Schritten scheitert, ist unklar, welcher Schritt schuld war. Manchmal war nur der dritte Schritt falsch und der Rest sauber. Forschung beschäftigt sich deshalb damit, einzelne Schritte statt nur das Endergebnis zu bewerten.
Trajektorien in Agenten und Produktnachrichten
Am sichtbarsten sind Trajektorien bei sogenannten Agenten. Das sind KI-Systeme, die nicht nur antworten, sondern eigenständig Werkzeuge bedienen: Suchmaschinen, Terminals, Kalender. Programmierassistenten wie Claude Code oder GitHub Copilot arbeiten so. Ihre Fähigkeiten stammen zu einem großen Teil aus Millionen aufgezeichneter Arbeitsabläufe.
Auch außerhalb der Software begegnet einem das Prinzip. Selbstfahrende Autos lernen aus Fahrtaufzeichnungen, Roboter aus Bewegungsabläufen, die Menschen ihnen vorgeführt haben. In allen Fällen ist der Weg der Lernstoff, nicht das Ziel.
Wer Meldungen über KI-Firmen liest, stößt deshalb oft auf Datenanbieter, die Fachleute für das Aufzeichnen solcher Abläufe bezahlen. Ein typischer Irrtum ist, Trajektorien mit gewöhnlichen Trainingsdaten gleichzusetzen. Der Unterschied liegt in der Struktur: Trajektorien haben eine feste zeitliche Reihenfolge und ein bewertbares Ende.