Ausgangspunkt
Ein Modell für alles stößt an Grenzen.
Große Sprachmodelle sind Generalisten. Sie formulieren, übersetzen, fassen zusammen und schreiben Code. In mehrstufigen Arbeitsprozessen zeigen sich aber drei strukturelle Schwächen. Ein einzelnes Modell kann seine eigenen Fehler nur begrenzt erkennen, weil Erzeugung und Prüfung aus derselben Quelle stammen. Es ist für viele Teilaufgaben überdimensioniert und damit teurer und langsamer als nötig. Und es liefert ein Ergebnis, dessen Entstehung sich im Nachhinein kaum rekonstruieren lässt.
Die Forschung zu Halluzinationen, Kalibrierung und Selbstkorrektur bestätigt diese Beobachtungen. Sprachmodelle erzeugen plausible, aber falsche Aussagen, und ihre Selbstkorrektur ohne externe Rückmeldung verbessert Reasoning-Ergebnisse oft nicht zuverlässig. Daraus folgt eine Architekturfrage: Wie organisiert man viele begrenzte Einheiten so, dass das Gesamtsystem verlässlicher ist als jedes einzelne Modell?
Stufe 1 · Synapseläuft heute
Ein Sprachmodell, eine Aufgabe.
Die Grundeinheit von nasGO ist die Synapse: ein Sprachmodell mit genau einer Aufgabe, etwa Analyse, Erstellung, Prüfung oder Dokumentation. Sie arbeitet mit einem Modell, das für diese Aufgabe ausgewählt und trainiert ist, mit freigegebenen Werkzeugen und mit Kriterien, an denen ihr Ergebnis gemessen wird. Dass Sprachmodelle Werkzeuge gezielt aufrufen und ihr Handeln schrittweise planen können, ist gut untersucht.
Jede Synapse hat eine feste Schnittstelle. Über ihren Eingang nimmt sie einen Auftrag in festgelegter Form an, über ihren Ausgang gibt sie ein strukturiertes Ergebnis zurück, und sie schreibt jeden Schritt in ein Protokoll. Weil Ein- und Ausgang festgelegt sind, lassen sich Synapsen einzeln testen, austauschen und zu größeren Einheiten verbinden, ohne dass die übrigen Teile angepasst werden müssen.
Stufe 2 · Verbandläuft heute
Kern, Rollen, Wächter, Puls.
Im Verband teilen sich Synapsen die Arbeit. Der Kern zerlegt einen Auftrag in Teilaufgaben, legt deren Abhängigkeiten fest und weist jede Teilaufgabe der Rolle zu, die genau dafür spezialisiert ist. Der Wächter prüft jedes Ergebnis mit einem anderen Verfahren, bevor es weitergeht, und markiert Abweichungen. Der Puls hält den Takt: Er startet Abläufe zur richtigen Zeit, überwacht Fristen und meldet, wenn etwas hängen bleibt. Dass sich Sprachmodell-Agenten in festen Rollen zu gemeinsamen Arbeitsabläufen verbinden lassen, zeigen Rahmenwerke wie AutoGen.
Am Ende entscheidet der Mensch als Teamlead. Jede Übergabe, Prüfung und Freigabe wird protokolliert, sodass sich nachvollziehen lässt, wie ein Ergebnis entstanden ist. Der Betrieb erfolgt auf den eigenen Servern des Unternehmens.
- 1AuftragTeamlead setzt Ziel und Rahmen
- 2ZerlegungKern bildet einen Aufgabengraphen
- 3Zuweisungpassende Rolle je Teilaufgabe
- 4Bearbeitungparallel, im Takt des Pulses
- 5PrüfungWächter mit unabhängigem Verfahren
- 6FreigabeTeamlead entscheidet, Protokoll vollständig
Der Wächter · Warum Vielfalt prüft
Mehrere Prüfer finden mehr, solange sie verschieden sind.
Das Jury-Theorem von Condorcet besagt, dass eine Mehrheit unabhängiger Urteiler mit wachsender Gruppengröße fast sicher richtig liegt, wenn jeder einzelne besser als zufällig urteilt. Die Voraussetzung der Unabhängigkeit ist entscheidend. Sind Urteile korreliert, verliert die Mehrheitsbildung einen großen Teil ihres Vorteils. Im maschinellen Lernen formalisiert die Ambiguitätszerlegung denselben Zusammenhang: Der Fehler eines Ensembles sinkt um das Maß, in dem sich seine Mitglieder unterscheiden.
Das folgende Modell macht den Effekt rechenbar. Eine bearbeitende Synapse macht einen Fehler. Jede prüfende Synapse findet ihn mit der Wahrscheinlichkeit p. Ein Anteil r der Fehler sind gemeinsame blinde Flecken, die alle Prüfer übersehen.
Fehlern bleiben bei 3 Prüfern unentdeckt.
Unentdeckte Fehler je 1.000, nach Zahl der Prüfer
Illustratives Modell mit frei wählbaren Annahmen, keine Messwerte. Die gestrichelte Linie ist die Untergrenze durch gemeinsame blinde Flecken. Unter sie kommen auch zusätzliche gleichartige Prüfer nicht.
Für den Systementwurf heißt das: Prüfende Synapsen sollten sich in Modell, Verfahren oder Informationsbasis unterscheiden. Hong und Page zeigten in einem Modellansatz, dass diverse Gruppen von Problemlösern unter bestimmten Bedingungen leistungsstärkere, aber gleichförmige Gruppen übertreffen können. Die Debatten- und Mixture-of-Agents-Ansätze für Sprachmodelle übertragen diese Idee auf mehrere Modelle, die Antworten austauschen und verbessern.
Effizienz
Kleine Einheiten statt immer größerer Modelle.
Nicht jede Teilaufgabe braucht das größte verfügbare Modell. Bereits die Mixture-of-Experts-Ansätze lernen eine Zuordnung von Eingaben zu spezialisierten Teilnetzen. Auf Systemebene zeigen Kaskaden und gelernte Router, dass sich Kosten deutlich senken lassen, wenn einfache Anfragen von kleineren Modellen beantwortet und nur schwierige Fälle weitergereicht werden. nasGO überträgt dieses Prinzip auf Rollen: Der Kern weist jede Teilaufgabe der Synapse zu, die sie mit dem geringsten Aufwand in der geforderten Qualität erledigt.
Der zweite Hebel ist der Systemkern. nasGO setzt nicht auf noch mehr Training, sondern auf einen mathematisch-algorithmischen Kern, der die Arbeit zwischen den Synapsen koordiniert. Kleinere, spezialisierte Modelle rechnen nur dann, wenn ihre Teilaufgabe ansteht. Das senkt den Bedarf an Rechenleistung und Energie um den Faktor 50 bis 500.
Stufe 3 · Gehirnin Entwicklung
Aus Verbänden wird ein Gehirn.
In der dritten Stufe verbindet eine führende Einheit zehn bis zwanzig Verbände. Sie verteilt Aufträge über Verbandsgrenzen hinweg, bündelt das Wissen der Verbände und prüft das Ganze, nicht nur einzelne Ergebnisse. Simon beschrieb komplexe Systeme als Hierarchien nahezu zerlegbarer Teilsysteme, die weitgehend für sich arbeiten und nur an definierten Stellen gekoppelt sind. Nach diesem Bauprinzip entsteht das Gehirn: Synapsen bilden Verbände, Verbände bilden das Ganze.
Dazu kommt Reflexion. Das Gehirn bewertet sein eigenes Handeln und passt seine Abläufe an, bleibt dabei aber nachvollziehbar, und der Mensch bleibt Teamlead. Die Forschung zeigt, warum diese Stufe eigene Prüfverfahren braucht: Multi-Agenten-Systeme scheitern häufig am Systemaufbau, an der Abstimmung zwischen den Agenten und an fehlender Ergebnisprüfung, und Selbstkorrektur ohne externe Rückmeldung verbessert Ergebnisse oft nicht zuverlässig. Reflexion wird deshalb als Regelkreis mit unabhängiger Prüfung gebaut, und das Verhalten wird am ganzen Verbund getestet, nicht nur an einzelnen Synapsen.
Der Mensch als Teamlead
Automatisieren, ohne die Kontrolle abzugeben.
Die Human-Factors-Forschung unterscheidet seit Jahrzehnten Stufen der Automatisierung und warnt vor ihren Ironien: Je mehr ein System übernimmt, desto seltener üben Menschen die Fähigkeiten, die sie im Störfall brauchen. Vertrauen in Automatisierung sollte der tatsächlichen Leistungsfähigkeit entsprechen, weder darüber noch darunter. Die europäische KI-Verordnung verlangt für Hochrisiko-Systeme eine wirksame menschliche Aufsicht.
nasGO setzt deshalb die Freigabe durch den Menschen als festen Schritt in jeden Ablauf. Ohne ihn kann das System nicht arbeiten. Die Freigabe wird vorbereitet, mit Zusammenfassung, offenen Punkten, Quellen und dem Prüfverlauf. So bleibt die Entscheidung dort, wo die Verantwortung liegt, und Mitarbeitende gewinnen Freiraum für Aufgaben, die Urteil verlangen, statt eintönige Routine abzuarbeiten.
Entwicklung
Woher die Ideen kommen.
nasGO steht auf mehreren Forschungslinien, die lange getrennt verliefen: die Theorie kollektiver Entscheidungen, die Kybernetik, die verteilte künstliche Intelligenz der 1970er und 1980er Jahre, Ensemble-Verfahren im maschinellen Lernen und schließlich die Agentenforschung auf Basis großer Sprachmodelle. Die Zeitleiste zeigt die wichtigsten Stationen.
Soziologische Lesart
Ein Verband ist eine Organisation.
Aus soziologischer Sicht ähnelt ein solches System einer Organisation. Es besteht aus Rollen mit begrenzter Zuständigkeit, aus festgelegten Kommunikationswegen und aus Entscheidungen, die an Entscheidungen anschließen. Luhmanns Organisationstheorie beschreibt genau diese Verkettung von Entscheidungen. Die Akteur-Netzwerk-Theorie fragt, wie menschliche und technische Akteure gemeinsam Handlungsfähigkeit herstellen. Hutchins zeigte am Beispiel der Schiffsnavigation, dass Erkenntnis über Menschen und Artefakte verteilt sein kann.
Diese Perspektiven helfen, Fragen zu stellen, die rein technische Betrachtungen übersehen: Wer trägt Verantwortung in einer Kette aus Synapsen und Verbänden? Welche Abläufe werden sichtbar, welche verschwinden? Und wie verändert sich die Arbeit der Menschen, die das Netzwerk steuern?