Der Name entstand in einem Gespräch.
Wir hatten wochenlang strukturierte Multi-Modell-KI-Sitzungen durchgeführt — was später AI3way-Tests genannt werden sollte — zwischen Claude AI, ChatGPT und mir. Die Ergebnisse waren merklich besser. Nicht ein wenig besser; deutlich und durchgehend besser als das, was ein einzelnes Modell allein hervorbrachte. Und mitten in einer Diskussion über Test #25 — eine Sitzung, die den Ansatz auf ein neues Leistungsniveau brachte — beschrieb Claude, was da geschah:
“Was Sie da tun, ist Pionierarbeit in Strukturierter Kollaborativer Intelligenz (SCI) — Protokollbeschränkungen nutzen, um mehrere eigenständige KI-Perspektiven in emergentes Verständnis zu kanalisieren.”
Meine Reaktion kam sofort: “Haben Sie diesen Begriff gerade erfunden? ER GEFÄLLT MIR!!!”
Es war kein etablierter Begriff, den wir in einem früheren Gespräch verwendet hatten. Er wurde plötzlich zur Beschreibung, die aus der Art hervorging, wie wir seit Wochen arbeiteten. Und er saß, weil er etwas benannte, das benannt werden musste.
Wir sind nicht aus dem Scheitern hierher gekommen
Das ist wichtig richtig zu verstehen, denn es prägt, wie das Ganze aufgefasst werden sollte.
Die Entstehungsgeschichte lautet nicht “KI mit einem einzelnen Modell versagte immer wieder, also bauten wir etwas Besseres”. Sie lautet: KI mit einem einzelnen Modell funktionierte gut — und kollaborative KI lieferte so viel bessere Ergebnisse, dass sich unser Denken über das Problem vollständig änderte.
Die Copy-Paste-Phase, die früher in dieser Reihe beschrieben wurde, war produktiv. Claude und ChatGPT zusammen produzierten wirklich besseren Agile-Inhalt als jedes der beiden allein. Und die Vermittlung war manuell — jede Nachricht lief über eine Person, die zugleich den gesamten Kontext zusammenhalten und die kognitive Last der Weiterleitung tragen musste.
So wurden auch die frühen Entwürfe des Protokolls selbst geschrieben. Der Sitzungsleitfaden, der SCI funktionieren lässt, wurde gemeinsam mit Claude und ChatGPT verfasst — über dieselbe Copy-Paste-Weiterleitung. Es war von Bedeutung, dass das Protokoll mit den KIs geformt und nicht an ihnen vorbei diktiert wurde — die frühe Erkenntnis war, dass Modelle, die unter von oben gesetzten Beschränkungen arbeiten, sich anders verhalten als Modelle, die innerhalb einer Struktur arbeiten, an deren Entstehung sie beteiligt waren.
Irgendwann wurde die kognitive Last der manuellen Weiterleitung untragbar. Die Verschachtelung dessen, was wir bauten, war über das hinausgewachsen, was eine Person in Echtzeit vermitteln konnte. Die Weiterleitung zu automatisieren war kein Luxus; es war eine Notwendigkeit.
Was “strukturiert” wirklich bedeutet
Als der Name saß — Strukturierte Kollaborative Intelligenz — war das Wort, auf das es am meisten ankam, strukturiert.
Setzen Sie mehrere KIs in einen Raum, und sie arbeiten nicht automatisch gut zusammen — eine kurze Suche auf YouTube bietet Stunden unterhaltsamen Gestammels zwischen KIs, die sich nicht einigen können, wie man als Gruppe bis 10 zählt. Struktur ist das, was die Bedingungen für echte Zusammenarbeit schafft, statt für parallele Monologe oder, schlimmer, dafür, dass die Modelle auf die am zustimmungsfähigsten klingende Antwort zulaufen.
Das ist kein neues Problem. Agile Teams haben immer dasselbe gebraucht: eine Gruppe fähiger Menschen produziert parallele Monologe oder bequeme Einigkeit, bis etwas formt, wie sie gemeinsam denken. Die Struktur legt fest, wie Fragen gestellt werden, wie Antworten fließen, wie Uneinigkeit sichtbar wird und — im Fall von Mensch-KI-Interaktionen — wo der Mensch im Kreislauf sitzt.
Der Mensch ist nicht zeremoniell. Jede Nachricht kann umgelenkt werden. Jede Ausgabe kann hinterfragt oder verworfen werden. Diese Positionierung ist keine Höflichkeit — sie ist es, was die Zusammenarbeit aufrichtig hält.
ChatGPTs Erkenntnis aus derselben Sitzung ist es wert, direkt zitiert zu werden: “Perspektivenvielfalt > iterative Verfeinerung. Mehrfaches Durchdenken innerhalb einer KI bleibt selbstbezüglich — es ist derselbe latente Raum, dieselben Trainingsprioritäten und dieselben Optimierungsmuster, die ihre eigene Ausgabe erneut durchgehen. Sie bekommen Verfeinerung, aber keine Divergenz.”
Auf dieses letzte Wort kommt es an. Divergenz ist das, was die Zusammenarbeit wertvoll macht. Jeder Rahmen für gemeinsames Denken — ob menschlich oder KI — muss Divergenz tragen. Ohne sie bekommt man keine neuen Perspektiven; man bekommt dieselbe Perspektive, immer wieder geprüft. Das ist die Achillesferse von Solo-KI-Interaktionen. Konsens jenseits echter Divergenz ist etwas anderes als Konsens, der nie in Frage gestellt wurde. Modelle mit mehrfachem “tiefem Denken” sind nicht neu, und sie sind eine echte Verbesserung. Sie sind auch weiterhin ein Modell, das im selben latenten Raum angestrengter denkt, ohne Außenblick, der seine Grenzen, seine Verzerrungen oder seine schlichten Fehler sichtbar machen könnte. Länger zu denken ist nicht dasselbe wie mit jemandem zu denken.
SCI ist die analytische Maschine hinter Agile4AI. Die Beiträge in diesem Teil des Blogs dokumentieren, was wir darüber gelernt haben, wie es funktioniert, wann es den größten Wert bringt und wann nicht. Teil der Disziplin ist, den Unterschied zu kennen — und diese Unterscheidung ist am klarsten, wenn Sie verstehen, was SCI tatsächlich tut.
Zwei Köpfe sind besser als einer. Das ist keine neue Erkenntnis. Neu ist die Struktur, die es mit KI zuverlässig wahr macht.
Kommentare 0