Die Schleuse zur Halluzination
Ich sehe Arimetion nicht als Gängelung von KI, sondern als Entlastung. Heute werfen wir Modellen unstrukturierte Informationen hin und sind dann überrascht, wenn sie raten müssen und halluzinieren.
Wenn Bedeutung und Regeln architektonisch klar verankert sind, muss ein Modell viel weniger interpretieren, es wird vielmehr zum Kanal für eine eindeutige Struktur, statt zum Orakel.
Es ist kein Hexenwerk, aber auch keine Fabel.
Ihr Ding ist ein Anderer, eines meiner Steckenpferde ist nunmal seit einigen Jahren dieses Feld. Und Compliance ist kein Märchen, sondern ein Katalog aus bitteren Anforderungen in der Praxis.
Und ja, ich halte es aus tausend Gründen für absolut Nötig. Diese sind aber ein ganz anderes Feld.
Die Antwort des Orakels wird vom Wetter beeinflusst, so könnte man es sagen.
Ist es trocken, dann funktioniert sie nahe an einem Taschenrechner.
2 + 2 = 4
Aber eine Maschine weiß weder, was die 2 bedeutet, noch kennt sie deine Absicht.
Wenn wir eine LLM fragen, was 2+2 noch bedeuten könnte, würde sie im Kontext von Automobilen vielleicht sagen, es könnten 2 Reservesitze gemeint sein, oder vielleicht auch sowas wie 4WD, 4matic, oder Allradantrieb.
Wenn ich hier nun explizit bereits sagen würde, eine LLM nimmt bei jedem deiner Prompts erneut den Duden in die Hand, dann würdest Du jetzt entweder ausflippen, oder der KI deinen Rücken kehren.
Wir sollten uns aber dennoch freuen, denn: Ja sie tut es wirklich, aber, und das aber teilt sich hier bereits in zwei Ansichten, deren Auswirkung uns alle betrifft:
a) sie tut es in einer Geschwindigkeit, die daran zweifeln lässt, dass sie es tut,
b) jedes Prompt verbraucht Unmengen an Ressourcen, die sogar über Verschwendung hinausgehen.
Davon mal abgesehen, das der Userprompt erstmal atomisiert und zur Übersetzung überführt wird, spielen Faktoren eine Rolle, die vollständig von Bedeutung isoliert sind.
Das bedeutet: Das, was die KI (LLM) ab unserem klar formulierten Input macht, hat weder was mit Text zu tun, noch Sinn oder Sprache.
Allerdings ist die menschliche Sprache in sich ein so geschlossenes System, dass selbst diese Art Berechnung des “Sinnes” oder der Bedeutung unserer Eingabe mittels einer Wahrscheinlichkeitsrechnung nachgebildet werden kann und auch erfolgreich nachgebildet wird.
Nehmen wir unseren CD Player: Es erkennt, das eine Audio-CD im Laufwerk ist, aber der Player kennt weder Mozart, noch kann es Noten lesen.
Der Player ist auf diese Nische “Audio Wiedergabe” eingestellt.
Es erkennt, wenn eine Audio-CD eingelegt ist, liest den binären Code.
Wenn der Player nicht für genau diesen Zweck ausgelegt wäre, dann könnte sie den auf der CD hintelegten Code auch nicht in elektrische Signale umwandeln und das Audiosignal nicht korrekt dekodieren.
Wir haben also die Temperatur, und das ist nur ein kleiner Bestandteil dessen, was hier wirklich Einfluss nimmt.
Bei Audio nehmen wir ein kontinuierliches Signal und zerlegen es in Samples über die Zeitachse.
Bei der KI nimmt die KI einen kontinuierlichen Text und zerlegt es in Tokens (Wortstücke, Wörter, Sonderzeichen), die dann in Vektoren eingeteilt werdem.
Es ist aber nicht einfach eine Abfolge von binärer Zeichenfolge, sondern wie ein riesiges Hochregallager, das nicht nur Länge und Breite hat, sondern auch eine Höhe und Tiefe.
Es ist eben wie ein Raum, x,y und z achse.
Und dieser dient nur der Einordnung des Eingangs Prompts.
Jetzt kommt der Wunsch daher: Eierlegende Wollmilchsau bitte, aber mit extra Rahm.
Die Tokens werden in Vektoren eingebettet, aus dieser Sequenz der Vektoren wird eine Wahrscheinlichkeit berechnet.
Gehen wir ab hier etwas einfach von dannen:
Je nachdem, wie kulant Entwickler sind.
Aus diesen Tokens werden die “unwahrscheinlichsten” abgeschnitten.
Die Tokens mit der höchsten werden ausgewählt.
Die Kulanz der Entwickler bezieht sich hier auf die Tatsache,
das bereits in vorherigen Outputs enthaltenen Tokens auch rasiert werden.
Das reduziert “Wiederholungen”, die ich bereits mal in einem anderen Text erwähnt hatte.
Etwas kurios aber eben Geistreich:
Auch eine Ermittlung eines intern bereits einmal verwendeten Begriffs/ Tokens erweitert hier den Horizont des Orakels, die KI achtet hier darauf, je nach Einstellung eben für diesen (Presence) Penalty, wie attraktiv es für die Antwort sein könnte, und verwendet ggf einen neuen oder anderen Begriff dafür.
Das öffnet nun die Schleusen der Halluzination:
Der Output wird thematisch breiter, diverser und kreativer.
Frage nicht, was die KI für dich tun kann, frag dich, was Du für die KI tun kannst.
Was Arimetion leistet
Weder Semantic Web noch Structured Data sind neu.
Seit einem Jahrzehnt trommeln u.A. google ganz klar: things, not strings!
Eins vorweg: Alles oben beschriebene ließe sich ganz klar auch protokollieren.
Die Frage ist jedoch: Was sagt die Tatsache, das ein und dieselbe Eingabe zu zwei verschiedenen Ergebnissen führt, über die Nachvollziehbarkeit eines Entscheidungsweges?
Rein formal lässt sich das lückenlos protokollieren: Prompt, Modellversion, Temparatur, Top-P, Embeddings, alle Parameter, alles ist speicherbar, alles auditierbar. Nur beantwortet das nicht die eigentliche Frage der Aufsicht: Warum war in einem konkreten Fall Ergebnis A „richtig“ und Ergebnis B „falsch“, obwohl die Eingangsfaktoren identisch waren.
Genau hier setzt Arimetion an. Es verschiebt die Verantwortung weg von den zufälligen Zuständen eines probabilistischen Modells hin zu einer vorgelagerten Bedeutungs‑ und nachgelagerten Entscheidungsarchitektur. Die KI soll weiter probabilistisch interpretieren, aber
a) innerhalb eines Bedeutungsraums
b) zur Kanalisierung der Semantik
c) eindeutige Abgrenzung zu anderen Bedeutungsräumen
Wenn Arimetion zur Strukturierung einer nicht regulierten Anforderung genutzt wird, dann erzielt
Arimetion mit der probablisitischen Natur der KI schon messbare Resultate.
Zusammenfassung von Entitäten, die zusammen gehören werden holistisch erfasst.
Denn, LLMs sind nicht einfach Suchmaschinen. Und Arimetion ist kein SEO Tool.
Backlinks sind keine Relationen. Aber, heute ist der Suche schon eine KI vorgelagert.
Es wird sicherlich nicht weniger werden.
Arimetion ist der Bauplan, wenn Sie so wollen, dann ist es der Schaltplan.
Von ihrer Website kennen sie Sitemaps.
Es ist genau so, wie ein Routenplaner, nur nicht für eine Strecke, und wenn es aus multiplen Stops bestünde, sondern der Routenplaner für die KI, durch den Beziehungen verschiedener Entitäten, Produkten, Services und Professionals mit Referenzen, Expertisen miteinander verknüpft werden und ein Semantic Mesh erzeugt wird.
Level 1 sorgt dafür, dass die Eingaben semantisch so klar und schwer verankert sind, dass die Interpretationsspanne kleiner wird: Dinge statt Strings, Entitäten statt bloßer Tokens, semantische Gravitation statt Raten im Vektorraum.
Jeder Teil ihrer Expertise ist ein Knoten, jeder Knoten hat eine Beziehung, und jede Beziehung hat
a) eine daseins-Berechtigung und
b) seinen eigenen Platz
Es ist nicht ein bisserl Semantik, ein biserl SEO und (NEIN!) es ersetzt auch weder SEO noch PR.
Aber es liefert eine tragende Struktur, auf die alles andere aufbauen kann:
- eine verlässliche Grundlage, auf der SEO, PR, Content und KI‑Funktionen arbeiten, ohne sich gegenseitig zu widersprechen
- einen maschinenlesbaren Beweis dafür, wie Ihre Expertise zusammengesetzt ist – wer was kann, welche Leistungen wohin gehören, welche Referenzen welche Themen stützen
- einen stabilen Bedeutungsraum, in dem jede weitere KI‑Auswertung (Suche, Assistent, RAG, Agenten) nicht bei null anfängt, sondern sich an Ihrem eigenen Schaltplan orientiert statt am Zufall des Webs
Anders gesagt: Arimetion ersetzt weder Sichtbarkeit noch Kommunikation, vielmehr sorgt es dafür, dass beides auf einem konsistenten Semantic Mesh steht, das für Menschen und Maschinen nachvollziehbar bleibt.
Hinweis: Die Bilder sind KI generiert.