Eine Antwort, der mehrere Stimmen zustimmen müssen.

Case Study

1. 01

   Ausgangslage

   Ein einzelnes KI-Modell liefert Antworten, die überzeugend klingen, aber nicht gegengeprüft sind. Bei Entscheidungen mit Gewicht fehlt eine zweite und dritte Meinung – und die Möglichkeit nachzuvollziehen, warum eine Antwort entstanden ist.

2. 02

   Aufgabe und eigene Rolle

   Produktidee, Architektur und Entwicklung: ein Beratungsraum, in dem gleichberechtigte Stimmen eine Frage bearbeiten, mit einem Ablauf, der Einwände sichtbar macht statt sie zu glätten.

   • Jede teilnehmende KI hat genau eine Stimme
   • Beratungsprotokoll mit Begründungen und Einwänden
   • Gemeinsames Gedächtnis unabhängig vom Anbieter

3. 03

   Wichtigste Entscheidungen

   Die erste Stellungnahme entsteht unabhängig, damit sich die Teilnehmer nicht gegenseitig beeinflussen. Ein wechselnder Schriftführer formuliert den gemeinsamen Entwurf; danach stimmt jede KI mit „approve“, „revise“ oder „reject“ ab. Eine ausführliche Antwort wird nur bei Einstimmigkeit veröffentlicht. Verborgene Gedankengänge werden bewusst nicht angefordert oder gespeichert.

4. 04

   System und Datenflüsse

   Eine Frage geht an alle ausgewählten Teilnehmer, die strukturiert antworten. Der Koordinator führt Runden aus, sammelt Abstimmungen und schreibt das Protokoll. Beratungen und Protokolle werden gespeichert. Das gemeinsame Gedächtnis kommt aus der KI-Zentrale AIHQ und wird bei späteren Beratungen als begrenzter Kontext herangezogen.

5. 05

   Technologien und Lösungen

   Wie der Aufbau technisch gelöst ist:

   • TypeScript-Monorepo (pnpm) mit drei Teilen: ein anbieterunabhängiger Kern (Typen, Schemata, Prompts, Koordinator), ein Server und eine lokale Web-Oberfläche.
   • Anbieteradapter: Der Kern kennt nur eine Funktion für strukturierte Antworten. Adapter für Ollama, OpenAI, Anthropic und Manus übersetzen sie in das jeweilige Herstellerformat (JSON-Schema-Ausgaben, native Chat-Schnittstelle, asynchrone Tasks).
   • Strukturierte Ausgaben: Alle Beiträge und Abstimmungen folgen festen Schemata. So lässt sich Einstimmigkeit maschinell prüfen, statt sie aus Fließtext zu erraten.
   • Gedächtnis: Ting liest bestätigte Einträge der KI-Zentrale AIHQ per MCP, nur lesend und mit Stichwort- und Bedeutungssuche. Ein Spiegel in der eigenen Datenbank, alle fünf Minuten aktualisiert, springt bei einem Ausfall ein. Vorschläge einer Beratung gehen über eine Warteschlange in den AIHQ-Eingang und werden erst nach Freigabe dort genutzt.
   • Datensparsamkeit: API-Schlüssel bleiben im Serverprozess und gehen nie an den Browser. Fehlt die Datenbank, läuft Ting kontrolliert mit vorübergehendem Speicher weiter und zeigt diesen Zustand an.
   • Feinjustierung: Rundenzahl, Kreativität und Grundeinstellungen wie „Ausgewogen“, „Gründlich“ oder „Sparsam“ lassen sich pro Beratung einstellen.

6. 06

   Qualität, Sicherheit und Betrieb

   Der Kern ist über Schemata und Typen abgesichert und von den Anbietern getrennt testbar. Nur in AIHQ bestätigte Erinnerungen fließen in Beratungen ein; verwaltet und freigegeben wird ausschließlich dort. Das Gedächtnis-Panel in Ting ist nur lesend. Hell- und Dunkelmodus gehören zur Oberfläche.

7. 07

   Grenzen und nächster Ausbau

   Ting läuft bisher lokal und ist keine öffentliche Anwendung. Einstimmigkeit ist kein Wahrheitsbeweis: Mehrere Modelle können gemeinsam irren. Das Protokoll macht Begründungen prüfbar, ersetzt aber nicht die eigene Bewertung. Nächste Schritte sind weitere Anbieter und eine bessere Auswertung der Protokolle.