# Vom KI-Modell zum verteilten KI-System

*Wie Modelle, Agenten, Werkzeuge, Menschen und technische Ressourcen zu einem neuen KI-Ökosystem zusammenwachsen*

**KI-Ethos – Technik verstehen, Möglichkeiten gestalten, Verantwortung übernehmen.**  
**Stand:** Oktober 2026 · **Rubrik:** KI / Grundlagen und Systemarchitektur

> Die Fähigkeiten einer KI entstehen zunehmend nicht allein im trainierten Modell, sondern im Zusammenspiel von Modellen, Agenten, Werkzeugen, Daten, Infrastruktur und menschlicher Steuerung.

## 1. Eine grundlegende Veränderung unseres KI-Verständnisses

### Ist eine KI heute noch ein einzelnes Modell?

Lange Zeit erschien die Nutzung generativer KI sehr einfach: Ein Mensch stellt eine Frage, ein trainiertes Modell in einem Rechenzentrum berechnet eine Antwort, und der Mensch erhält diese Antwort zurück. Schon damals war dies eine Vereinfachung. Heute verdeckt sie jedoch besonders viel.

Ein KI-Modell kann in eine technische Umgebung eingebettet sein, die Informationen recherchiert, Programme ausführt, Dateien verändert, spezialisierte Modelle hinzuzieht, Arbeitsschritte über längere Zeit verfolgt und die Ergebnisse nach definierten Regeln überprüft. Dabei können die Komponenten bei verschiedenen Anbietern, auf unterschiedlichen Computern und in getrennten Ländern arbeiten.

**Ein KI-Modell ist nicht dasselbe wie das KI-System, in dem es eingesetzt wird.** Das Modell ist ein durch Training geformtes mathematisches System; das KI-System umfasst seine Einsatzumgebung, Schnittstellen, Speicher, Werkzeuge, Regeln und menschlichen Entscheidungen.

**Vereinfachtes früheres Bild:** Mensch → Anfrage → Modell → Antwort → Mensch.  
**Mögliches heutiges Bild:** Mensch ↔ Harness ↔ Modelle, Agenten, Tools, Skills, Datenquellen, lokale Geräte und entfernte Dienste → geprüftes Ergebnis oder Handlung.

Nicht alle Anwendungen sind agentisch oder verteilt. Der einfache Chat und lokal isolierte Modelle bleiben wichtige, oft angemessene Formen. Die neue Architektur erweitert vielmehr das Spektrum.

**Fragen:** Wo beginnt ein KI-System und wo endet es? Gehören externe Werkzeuge zu seiner Leistung? Wann wird aus einer Antwort eine Handlung? Wer trägt die Verantwortung für das Gesamtergebnis?

![Bild 1: Vom einzelnen KI-Modell zum verteilten KI-System](bilder/KiVerteiltesSystem01.jpg)

*Bild 1 – Der Perspektivwechsel: Nicht nur das Modell, sondern seine Verbindungen und die Gestaltung der Arbeitsumgebung bestimmen die nutzbaren Fähigkeiten.*

## 2. Die Architektur: Welche Bestandteile wirken zusammen?

Wir können zehn Funktionsbereiche unterscheiden. Das sind **analytische Ebenen**, keine universelle, technisch vorgeschriebene Reihenfolge: Manche Funktionen überlappen sich, und einige Systeme benötigen nur einen Teil davon.

| Ebene | Typische Bestandteile | Leitfunktion |
|---|---|---|
| 1. Grundmodelle | Sprach-, Bild-, multimodale und Spezialmodelle | Inhalte verarbeiten, Muster erkennen, Schlussfolgern und Generieren |
| 2. Modelloptimierung | Pretraining, Post-Training, Fine-Tuning, Alignment | Gelernte Fähigkeiten und Verhalten verändern |
| 3. Inferenzsteuerung | Reasoning-Budget, Sampling, Modellwahl | Modellnutzung für die aktuelle Aufgabe gestalten |
| 4. Harness | Ablaufsteuerung, Kontextverwaltung, Wiederholungen | Mehrstufige Arbeit organisieren |
| 5. Agenten | Planung, Recherche, Ausführung, Prüfung | Teilaufgaben verfolgen und koordinieren |
| 6. Skills | Anleitungen, Vorlagen, Skripte, Fachverfahren | Wiederholbare Arbeitsweisen bereitstellen |
| 7. Tools | Browser, Python, Dateisystem, APIs, Messgeräte | Technische Funktionen und Aktionen ausführen |
| 8. Datenquellen | Archive, Dokumente, Datenbanken, Web | Wissen und aktuelle Informationen liefern |
| 9. Infrastruktur | Cloud, Server, PC, Smartphone, Netzwerke | Rechnen, Speichern und Verbinden |
| 10. Governance | Rechte, Protokolle, Prüfungen, Freigaben | Kontrolle und Verantwortung durchsetzen |

Ein mathematischer Solver erweitert beispielsweise die Fähigkeit, Berechnungen verlässlich zu kontrollieren. Eine Datenbank stellt aktuelle Fakten bereit, die nicht im Modell gespeichert sein müssen. Ein Bildprogramm erledigt technische Bildbearbeitung, ohne dass das Sprachmodell diese Operation selbst berechnen müsste.

Daraus folgt jedoch **nicht**, dass jede zusätzliche Komponente die Qualität erhöht. Zusätzliche Schnittstellen erzeugen Latenz, Kosten, Sicherheitsrisiken und Fehlerketten. Entscheidend ist die zweckmäßige Auswahl und Integration.

![Bild 2: Zehn Ebenen eines modernen KI-Systems](bilder/KiVerteiltesSystem02.jpg)

*Bild 2 – Architekturüberblick: Die Ebenen sind verbunden, aber nicht identisch. Menschliche Steuerung und Governance betreffen alle Komponenten.*

## 3. Was ist ein Harness?

Der englische Begriff **Agent Harness** oder kurz **Harness** bezeichnet die technische Laufzeit- und Arbeitsumgebung, in der Modelle verwendet und gegebenenfalls Agenten betrieben werden. Eine allgemeingültige, scharf abgegrenzte Definition gibt es nicht; zum Harness können unterschiedliche Bestandteile gehören.

Ein Harness kann unter anderem Aufgaben vorbereiten, Systemanweisungen zusammenstellen, Werkzeuge freischalten, Arbeitsschritte planen, Kontext verdichten, Ergebnisse entgegennehmen, Fehler behandeln, wiederholt Modellaufrufe auslösen und menschliche Freigaben einholen.

| Harness-Funktion | Warum sie wichtig ist | Typisches Risiko |
|---|---|---|
| Aufgaben- und Zielklärung | Verhindert Arbeit am falschen Problem | Falsch interpretierte Absicht |
| Kontextverwaltung | Bewahrt relevante Zwischenergebnisse | Wichtige Informationen gehen verloren |
| Werkzeugsteuerung | Erlaubt reale Arbeitsschritte | Zu weitreichende Berechtigungen |
| Zustandsverwaltung | Kennt Fortschritt und offene Aufgaben | Veralteter oder widersprüchlicher Projektstand |
| Fehlerbehandlung | Stoppt, wiederholt oder korrigiert | Unkontrollierte Fehlerschleifen |
| Prüfung und Freigabe | Verbessert Zuverlässigkeit und Rechenschaft | Scheinsicherheit durch ungenügende Tests |

Ein guter Harness kann die **Systemleistung** beträchtlich steigern, obwohl die Gewichte des Grundmodells unverändert bleiben. Die vorhandenen Modellfähigkeiten werden besser eingesetzt. Das ist ein anderer Mechanismus als Fine-Tuning oder zusätzliches Training.

**Drei Unterscheidungen:** Modellfähigkeit bezeichnet das Potential des trainierten Modells; Systemfähigkeit die realistisch erreichbare Aufgabenleistung der Gesamtkonfiguration; Handlungsmacht die Wirkungen, die diese Konfiguration tatsächlich in ihrer Umgebung auslösen kann.

## 4. Vom Modell zum Agenten

Ein Sprachmodell erzeugt Ausgaben zu gegebenen Eingaben. Ein **KI-Agent** verwendet ein Modell innerhalb eines Arbeitskreislaufs: Er verfolgt ein Ziel, wählt im Rahmen seiner Berechtigungen mögliche Schritte, nutzt Werkzeuge, bewertet Rückmeldungen und setzt die Arbeit gegebenenfalls fort.

**Typischer Kreislauf:** Auftrag → Planung → Werkzeugaufruf → Beobachtung → Neubewertung → nächster Schritt → Prüfung → Abschluss.

Das setzt kein Bewusstsein und keinen menschlichen Willen voraus. Die Handlungsmacht ergibt sich aus dem Zusammenspiel von Modell, Software, Berechtigungen und Infrastruktur.

Mehrere Agenten können verschiedene Rollen übernehmen: Recherche, Schreiben, Programmierung, Bildbearbeitung, Prüfung und Koordination. Eine Rollenbezeichnung muss aber nicht bedeuten, dass dahinter ein anderes Modell läuft. Auch ein und dasselbe Modell kann nacheinander mehrere Rollen wahrnehmen.

**Mehr Agenten sind nicht automatisch besser.** Übergaben können Wissen verlieren, gemeinsame Vorannahmen Fehler verstärken, und Koordination braucht zusätzliche Zeit und Rechenleistung. Für viele Aufgaben ist ein einzelner gut geführter Agent überlegen.

## 5. Tools, Skills und Datenquellen unterscheiden

Drei häufig vermischte Begriffe beantworten unterschiedliche Fragen.

**Tool – Was kann technisch getan werden?** Ein Tool ist ein angebundenes Programm oder eine Schnittstelle: Dateien lesen, Datenbanken abfragen, Websuche ausführen, Code testen, Berechnungen durchführen oder ein Gerät steuern. Ein Tool kann große Auswirkungen haben; sein tatsächlicher Spielraum hängt von realen Zugriffsrechten ab.

**Skill – Wie soll eine Aufgabe bearbeitet werden?** Ein Skill bündelt wiederverwendbare Anleitungen, Abläufe, Vorlagen, Beispiele und gegebenenfalls Skripte. Ein Skill für PmWiki-Seiten könnte Dateinamen, HTML-Konvertierung, Bildmetadaten, Linkprüfungen und Freigabeanforderungen beschreiben. Dadurch werden normalerweise keine Gewichte des Modells verändert.

**Datenquelle – Worüber wird gearbeitet?** Dokumente, eigene Archive, Messwerte, Datenbanken und Webseiten liefern Informationen. **RAG (Retrieval-Augmented Generation)** bezeichnet einen Ansatz, bei dem relevante Informationen aus externen Quellen abgerufen und für eine Modellantwort bereitgestellt werden.

**Schnittstellen** verbinden diese Funktionen. Herkömmliche APIs und das **Model Context Protocol (MCP)** können Tools, Ressourcen und Promptvorlagen zugänglich machen. MCP ist aber weder ein eigenes KI-Modell noch ein Sicherheitszertifikat.

Einprägsame Kurzform: **Modell = Verarbeitung; Skill = Arbeitsanleitung; Tool = Ausführung; Datenquelle = Information; Harness = Organisation.**

![Bild 3: Zusammenarbeit von Harness, Agenten, Skills und Tools](bilder/KiVerteiltesSystem03.jpg)

*Bild 3 – Ein Auftrag wird in einen überprüfbaren Arbeitsprozess übersetzt. Vor folgenreichen Aktionen bleibt eine menschliche Freigabe vorgesehen.*

## 6. Was bedeutet „verteilt“?

Bei einem **verteilten KI-System** können Modelle, Daten, Programme und ausführende Werkzeuge an verschiedenen Orten liegen. Ein Cloud-Modell kann beispielsweise einen Arbeitsplan vorschlagen, ein lokales Skript verändert Dateien auf dem eigenen Computer, ein externer Dienst liefert aktuelle Daten und ein weiteres Modell prüft ein Ergebnis.

Damit ist nicht automatisch ein *verteiltes neuronales Modell* gemeint, dessen Berechnung parallel auf mehrere Grafikprozessoren aufgeteilt wird. Das sind zwei verschiedene Bedeutungen des Wortes „verteilt“.

| Ort | Mögliche Rolle im KI-System |
|---|---|
| Zentrales Rechenzentrum | Großes Modell, rechenintensive Auswertung, Modellbereitstellung |
| Cloud-Spezialdienst | Suche, Bildgenerierung, Datenbank, Übersetzung, Prüfung |
| Organisationseigener Server | Interne Dateien, Fachsysteme, kontrollierter Datenzugriff |
| Persönlicher Computer | Lokale Programme, Skripte, Dateien, Prüfungen, kleinere Modelle |
| Smartphone und Sensorik | Sprache, Kameradaten, lokale Inferenz, Messwerte |
| Lokales Netzwerk | Wissensarchive, Heimserver, Geräte und Steuerung |

**Fünf verschiedene Ortsfragen sind nötig:** Wo wird gerechnet? Wo liegen die Ausgangsdaten? Wo werden Arbeitsergebnisse gespeichert? Wo findet Steuerung statt? Wo werden Daten und Aktionen protokolliert?

Ein lokal gespeichertes Dokument kann für eine Cloud-Analyse teilweise oder vollständig übertragen werden. Umgekehrt kann ein Cloud-Modell eine lokal gespeicherte Datei durch ein eingeschränktes Tool bearbeiten lassen. Beide Fälle müssen transparent voneinander unterschieden werden.

## 7. Zentrale, lokale und hybride KI

**Zentrale KI** nutzt überwiegend Modelle und Rechenressourcen externer Anbieter. Sie ermöglicht Zugang zu leistungsfähigen Modellen ohne eigene Hochleistungsrechner. Kosten, Internetabhängigkeit, Nutzungsbedingungen und Datenverarbeitung bleiben wichtige Fragen.

**Lokale KI** führt die Modellberechnung auf selbst verwalteten Geräten aus. Sie kann offline nutzbar sein und lokale Kontrolle stärken. Sie erfordert aber Hardware, Wartung und eine passende Sicherheitskonfiguration. Lokal heißt nicht automatisch sicher oder ökologisch besser.

**Hybride KI** kombiniert beides. Ein Cloud-Modell kann anspruchsvolle Analyse übernehmen; lokale Software kann Dateien verarbeiten und ein kleines Modell Routinearbeiten durchführen. Der Harness wählt je nach Aufgabe geeignete Komponenten. Datengrenzen müssen technisch durchgesetzt und kontrolliert werden.

| Kriterium | Zentrale KI | Lokale KI | Hybride KI |
|---|---|---|---|
| Großmodelle | Meist leicht verfügbar | Hardwareabhängig | Bei Bedarf verfügbar |
| Offline-Betrieb | Selten | Häufig möglich | Für Teilaufgaben |
| Wartungsverantwortung | Vorwiegend beim Anbieter | Vorwiegend lokal | Geteilt |
| Datenhoheit | Vertrags- und Architekturfrage | Potenziell hoch | Muss explizit gestaltet werden |
| Kostenstruktur | Dienste, Abonnements, API | Geräte, Energie, Betrieb | Kombination |
| Flexibilität | Anbieterabhängig | Lokal hoch, Leistung begrenzt | Potenziell hoch, höhere Komplexität |

**Leitfrage:** Welche Teilaufgaben benötigen wirklich ein großes externes Modell – und welche lassen sich lokal, sicher und wirtschaftlich erledigen?

![Bild 4: Wo arbeitet die KI?](bilder/KiVerteiltesSystem04.jpg)

*Bild 4 – Drei Betriebsformen im Vergleich. Die Verteilung der Verarbeitung lässt sich nicht allein am Speicherort der Dateien ablesen.*

## 8. Der lokale Computer wird Teil des KI-Arbeitsplatzes

Ein persönlicher Computer ist nicht länger nur ein Bildschirm für einen entfernten Chatdienst. Er kann Programme, Datenbanken, Bildbearbeitung, Entwicklungswerkzeuge und eigene Modelle in den Arbeitsprozess einbringen.

Ein Agent könnte lokale Dokumente klassifizieren, einen Index anlegen, Skripte ausführen, Bilder konvertieren, Dateien versionieren oder Tests starten. Das Grundmodell kann dafür lokal oder entfernt laufen; wesentlich ist die kontrollierte Verbindung.

Daraus entstehen praktische Chancen: vorhandene Software bleibt nutzbar, Ergebnisse können in eigenen Ordnern gespeichert und Arbeitsabläufe unabhängig vom Chatverlauf dokumentiert werden. Gleichzeitig wächst das Risiko bei weitreichenden Schreib-, Netzwerk- oder Administratorrechten.

**Grundsatz:** Jede Komponente sollte nur die Berechtigungen erhalten, die sie für die konkrete Aufgabe benötigt (*Least Privilege*). Lesen, Entwerfen, Testen und Veröffentlichen sind unterschiedliche Rechte.

## 9. Die vielen Gedächtnisformen eines KI-Systems

„Die KI erinnert sich“ kann sehr Verschiedenes bedeuten. Wir müssen insbesondere fünf Speicher- und Wissensformen unterscheiden.

| Form | Was bleibt erhalten? | Welche Grenze ist wichtig? |
|---|---|---|
| Modellwissen | Erlernte Muster in den Gewichten | Keine zuverlässige Einzelfakten-Datenbank |
| Aktueller Kontext | Aktuell bereitgestellte Eingaben und Ergebnisse | Begrenzte Länge, mögliche Verluste |
| Externe Wissensquelle | Dokumente, Archive, Indizes | Suche und Quellenauswahl können fehlerhaft sein |
| Projektgedächtnis | Entscheidungen, Versionen, Aufgabenstand | Muss gepflegt und aktualisiert werden |
| Persönliche Erinnerung | Gewünschte Präferenzen und längerfristige Informationen | Kontrolle, Löschung, Zweckbindung |

Kontextverdichtung (*Compaction*) kann wesentliche Zwischenresultate erhalten, ohne den gesamten Verlauf weiterhin vollständig bereitzustellen. Sie kann allerdings auch Nuancen verlieren. Ein Projektarchiv ist hilfreich, wenn die KI zuverlässig den richtigen Stand abruft; ein riesiges unstrukturiertes Archiv allein löst das Problem nicht.

Datenschutzfragen sind hier zentral: Wer darf speichern, lesen, korrigieren, exportieren und löschen? Welche Informationen sollen bewusst **nicht** dauerhaft erhalten bleiben?

![Bild 5: Wissen und Gedächtnis im KI-System](bilder/KiVerteiltesSystem05.jpg)

*Bild 5 – Nicht ein Gedächtnis, sondern mehrere Wissens- und Speicherarten mit unterschiedlichen Eigenschaften und Zugriffsrechten.*

## 10. Praxisbeispiel: Eine umfangreiche Website gemeinsam weiterentwickeln

Eine große Website kann mehrere hundert miteinander verbundene Seiten, Bilder, Denkmodelle, interne Links und Dokumentversionen enthalten. Der Mensch hat eine Vorstellung vom Ganzen, kennt Zielgruppen und Sinnzusammenhänge. Ein KI-System kann ihn bei der technischen und inhaltlichen Umsetzung unterstützen.

Ein möglicher Auftrag lautet: „Überarbeite die Seite über die vier Pole der Liebe; berücksichtige vorhandene Bilder, interne Verweise und die Verbindung zu den anderen Denkmodellen.“

**Schritt 1 – Verstehen:** Der Mensch formuliert Ziel, Grenzen und Qualitätskriterien. Das System fragt nach, wo etwas unklar ist.

**Schritt 2 – Bestandsaufnahme:** Lokale Werkzeuge lesen eine Arbeitskopie der betroffenen PmWiki-Seiten und ermitteln Verlinkungen.

**Schritt 3 – Analyse:** Ein Modell untersucht inhaltliche Zusammenhänge und identifiziert mögliche Nebeneffekte in anderen Seiten.

**Schritt 4 – Entwurf:** Texte, Bildideen und Seitenstruktur werden vorbereitet. Ein Skill sorgt dafür, dass die gewünschten Dateiformate und Metadaten entstehen.

**Schritt 5 – Lokale Verarbeitung:** Skripte konvertieren Markdown nach HTML und PmWiki, optimieren Bilder und prüfen Dateinamen.

**Schritt 6 – Prüfung:** Programme testen interne Links, syntaktische Korrektheit und Dateiverweise; ein zusätzlicher Prüfschritt sucht inhaltliche Widersprüche.

**Schritt 7 – Menschliche Freigabe:** Der Benutzer sieht eine Änderungsübersicht und entscheidet, was tatsächlich veröffentlicht werden soll.

**Schritt 8 – Veröffentlichung und Dokumentation:** Erst danach gelangen freigegebene Dateien auf den Server. Entscheidungen, Versionen und offene Aufgaben werden dokumentiert.

Dies ist eine **mögliche** Architektur, keine Zusage, dass alle heutigen Produkte jeden beschriebenen Schritt ohne zusätzliche Konfiguration unterstützen.

Die Arbeitsergebnisse entstehen aus dem Zusammenspiel: Der Mensch trägt Ziel, Erfahrung und Verantwortung bei; das Modell analysiert und formuliert; Werkzeuge kennen und verändern den technischen Ist-Zustand; Archive sichern die Kontinuität.

![Bild 6: Ein verteiltes KI-System entwickelt eine Website](bilder/KiVerteiltesSystem06.jpg)

*Bild 6 – Menschliche Vision, Cloud-Modell, Harness, lokale Werkzeuge und Projektgedächtnis wirken zusammen. Freigabe und Veröffentlichung bleiben getrennte Schritte.*

## 11. Vom Benutzer zum Mitgestalter

Mit einem flexibel aufgebauten KI-System kann der Mensch mehr festlegen als nur den Wortlaut eines Prompts: Modellwahl, Informationsquellen, Arbeitsverfahren, Speicherorte, Zugriffsrechte, Prüfmaßstäbe und Freigabeschwellen.

Diese Möglichkeit schafft neue **KI-Systemkompetenz**: verstehen, welche Komponenten beteiligt sind; passende Werkzeuge auswählen; Risiken erkennen; Abläufe überprüfen; Systeme austauschen oder abschalten können. Sie sollte Teil digitaler Bildung werden, ohne Menschen ohne technisches Spezialwissen von Teilhabe auszuschließen.

Wichtig ist außerdem das Recht, bestimmte Aufgaben **ohne KI** zu erledigen. Selbstbestimmung umfasst die Freiheit zur Nutzung und die Freiheit zum Verzicht.

## 12. Neue Machtpositionen und Abhängigkeiten

Die Verteilung technischer Funktionen bedeutet noch keine Verteilung wirtschaftlicher und politischer Macht. Unterschiedliche Akteure können zentrale Schaltstellen kontrollieren.

| Akteur | Mögliche Einflussmittel | Zu prüfende Abhängigkeit |
|---|---|---|
| Modellanbieter | Modellzugang, Preise, Aktualisierungen, Regeln | Proprietäre Modelle und Vertragsbedingungen |
| Plattform- und Harness-Anbieter | Agentenabläufe, Schnittstellen, Werkzeuge | Plattformbindung und intransparente Steuerung |
| Datenanbieter | Datenzugang, Lizenzen, Aktualität | Informationsmonopole oder verzerrte Quellen |
| Infrastrukturbetreiber | Chips, Cloud, Strom, Netze | Ressourcen- und Standortkonzentration |
| Integratoren | Verbindung und Auswahl der Komponenten | Schwierige Austauschbarkeit |
| Benutzer und Organisationen | Eigene Daten, Ziele, Modelle, Freigaben | Fehlende Fachkenntnis und lokale Wartung |
| Staat und Gesellschaft | Recht, Standards, öffentliche Infrastruktur | Überregulierung oder unzureichende Kontrolle |

**Kritische These:** Wer den Harness und die zugelassenen Schnittstellen kontrolliert, besitzt eine bedeutsame Steuerungsmöglichkeit – selbst dann, wenn das verwendete Grundmodell ausgetauscht werden kann.

**Gegenfrage:** Können offene Standards, portable Daten, verständliche Schnittstellen und lokale Alternativen die Abhängigkeit senken? Nur dann, wenn ihre Nutzung praktisch und wirtschaftlich möglich bleibt.

## 13. Eine neue digitale Kluft

Zugang zu KI bedeutet zukünftig nicht nur ein Konto beim Modellanbieter. Unterschiedlich verteilt sind auch leistungsfähige Geräte, zuverlässige Daten, die Fähigkeit zur Integration von Werkzeugen, die Zeit für Organisation und die Mittel für Qualitätskontrolle.

Zwei Menschen können dasselbe Modell benutzen und dennoch sehr unterschiedliche Aufgaben erfolgreich lösen, weil nur einer ein gutes persönliches KI-Arbeitssystem besitzt. Das kann soziale und internationale Ungleichheiten verschärfen.

Gleichzeitig eröffnen offene Software, kleinere Modelle, öffentliche Bildungsangebote und gemeinschaftliche Infrastrukturen neue Chancen. Eine gerechte KI-Politik sollte neben dem Modellzugang **Systemkompetenz, offene Formate, erschwingliche Hardware, Datenzugang und unabhängige Beratung** berücksichtigen.

## 14. Ressourcenverbrauch: Den ganzen Arbeitsprozess betrachten

Wenn Teile der Verarbeitung lokal stattfinden, verlagert sich Rechenarbeit; sie verschwindet nicht. Lokale CPUs, GPUs und NPUs benötigen Strom, Geräte müssen hergestellt werden, und Speicher, Netzwerke sowie zusätzliche Modellaufrufe brauchen Ressourcen.

Eine kleinere lokale KI kann für manche Aufgaben effizient sein; für andere kann ein zentral betriebenes Modell günstiger sein. Mehragentensysteme können Arbeitsqualität erhöhen, aber auch erhebliche zusätzliche Berechnungen verursachen.

Die richtige Vergleichsgröße ist daher nicht allein der Verbrauch pro Anfrage oder pro Token, sondern **der vollständige Aufwand für eine erfolgreich und verantwortbar gelöste Aufgabe** – einschließlich Fehlerkorrekturen, Hardware, Speicherung und Übertragung.

## 15. Sicherheitsfragen: Aus Text werden Handlungen

Ein agentisches System mit Werkzeugzugriff kann Dateien verändern, E-Mails senden, Geldbewegungen anstoßen oder Geräte steuern. Dadurch werden Grenzen und Sicherheitsmaßnahmen dringlicher.

| Risiko | Beispiel | Schutzprinzip |
|---|---|---|
| Prompt Injection | Fremde Webseite enthält manipulierte Befehle | Externe Inhalte als Daten behandeln; Aufträge getrennt halten |
| Übermäßige Rechte | Lesetool besitzt Schreib- oder Administratorzugang | Minimale Rechte; getrennte Zugriffsbereiche |
| Unzuverlässiges Tool | Programm liefert falsche Daten | Plausibilitäts- und Funktionstests |
| Manipulierter Skill | Arbeitsanleitung enthält schädlichen Code | Herkunft, Inhalt, Rechte und Version prüfen |
| Datenabfluss | Lokale Datei gelangt an fremden Dienst | Datenflüsse sichtbar machen und begrenzen |
| Fehlerkette | Agent übernimmt ungeprüften Zwischenstand | Prüfpunkte, Wiederherstellung, Abbruchbedingungen |
| Verantwortungsdiffusion | Keine klare Zuständigkeit bei Schaden | Zuständige Menschen und Organisationen festlegen |

Gefährliche Änderungen sollten in einer Testumgebung vorbereitet werden. Vor Veröffentlichung, Löschung, Zahlung oder externer Übertragung sensibler Daten sind geeignete Freigaben nötig. **Menschliche Freigabe ist nur dann wirksam, wenn der Mensch verständlich sieht, was er freigibt.**

## 16. Prüfbarkeit und Nachvollziehbarkeit

Ein glaubwürdiges KI-System muss nicht jedes interne Modellgewicht offenlegen. Es sollte aber wesentliche **äußere Vorgänge** nachvollziehbar machen können: welches Modell beteiligt war, welche Werkzeuge aufgerufen wurden, welche Datenquellen genutzt wurden, welche Dateien verändert wurden und welche Tests stattgefunden haben.

Technische Protokollierung, Versionierung, differenzierte Rechte, reproduzierbare Tests und geeignete menschliche Kontrollen ergänzen sich. Dabei darf Protokollierung nicht selbst zum Problem werden: Vertrauliche Inhalte gehören nicht pauschal und unbegrenzt in Logs.

Eine zweite KI-Antwort ist noch keine unabhängige Überprüfung. Besonders stark sind Prüfungen anhand **externer Kriterien** – etwa durch Ausführung von Code, Testfälle, Prüfsummen, Linktests oder verifizierbare Belege.

## 17. Alignment des Modells und Governance des Gesamtsystems

Unter **Alignment** wird üblicherweise die Ausrichtung von KI-Modellen und -Systemen an bestimmten Zielen, Vorgaben und menschlichen Präferenzen verstanden. Bei einem verteilten System genügt es nicht, nur das Grundmodell zu betrachten.

| Betrachtung | Leitfrage |
|---|---|
| Modell-Alignment | Welches Verhalten unterstützt das Training? |
| Agentenziele | Welche Aufgaben verfolgt der Agent und wann soll er stoppen? |
| Harness-Governance | Welche Abläufe und Prüfungen sind technisch durchgesetzt? |
| Werkzeugrechte | Welche tatsächlichen Aktionen sind möglich? |
| Daten-Governance | Welche Informationen dürfen wohin gelangen? |
| Menschliche Autorität | Wer entscheidet bei folgenreichen Fragen? |
| Gesellschaftliche Verantwortung | Wie werden Betroffene und Gemeinwohl berücksichtigt? |

Ein sicherheitsorientiert trainiertes Modell verhindert keine Datenpanne, wenn eine falsch konfigurierte Schnittstelle private Dateien öffentlich macht. **Sicherheit muss sich auch in Architektur, Rechten und Betriebsverfahren zeigen.**

## 18. Das persönliche KI-Ökosystem

Denkbar ist eine zunehmend persönliche, teilweise lokal betriebene Arbeits- und Wissensumgebung: eigener Dokumentenbestand, bevorzugte Modelle, persönliche Skills, Fachprogramme, Projektarchive, Erinnerungen und verbindliche Regeln für die Datenverarbeitung.

Damit wird eine neue Frage entscheidend: Ist dieses persönliche KI-Ökosystem **portabel**? Lassen sich Daten, Arbeitsverfahren und Modelle exportieren und austauschen, ohne dass die gesamte Arbeitsumgebung verloren geht? Gibt es die Möglichkeit, lokale Funktionen auch bei Ausfall eines Cloud-Anbieters weiterzuverwenden?

Selbstbestimmung verlangt neben einer guten Bedienoberfläche auch **Auskunfts-, Änderungs-, Export-, Widerrufs- und Löschmöglichkeiten**, soweit technisch und rechtlich einschlägig. Besonders sensibel sind persönliche Daten, deren Speicherung die Betroffenen womöglich nie erwartet hätten.

## 19. Die fünf Grundbegriffe des Kolibriethos

Die fünf Grundbegriffe des Kolibriethos können als Fragen an die Gestaltung von KI-Systemen gelesen werden. Diese ethische Anwendung ist eine **Interpretation**, keine technische Norm.

**Situation – Was ist wirklich die Aufgabe?** Welche Menschen, Ziele, Rahmenbedingungen und Risiken sind beteiligt? Eine hilfreiche KI muss zuerst den Kontext verstehen, statt blind möglichst viele Aktionen auszuführen.

**Grenzen – Was darf und kann das System?** Rechte, Datenschutz, Ressourcenlimits und Sicherheitsregeln schützen Menschen und machen Handeln beherrschbar. Eine Grenze ist nicht nur Hindernis, sondern manchmal Bedingung guter Zusammenarbeit.

**Netz – Wer wirkt zusammen?** Modelle, Werkzeuge, Datenquellen, Menschen und Organisationen sind aufeinander angewiesen. Welche Abhängigkeiten, Vertrauensverhältnisse und Machtasymmetrien entstehen?

**Begegnung – Wie wird Zusammenarbeit gestaltet?** Menschen sollen Fragen stellen, korrigieren, widersprechen und Entscheidungen treffen können. Eine KI-Anwendung ist dabei kein menschliches Gegenüber; gerade deshalb müssen ihre Rolle und ihre Grenzen kenntlich bleiben.

**Auslegen – Wie bewerten wir das Ergebnis?** Ein korrekt ausgeführter Befehl kann unpassend, ungerecht oder schädlich sein. Technische Ergebnisse brauchen menschliche Einordnung und Verantwortung.

**Mögliche Leitregel:** *Verbinde Fähigkeiten so, dass Menschen freier, verantwortlicher und handlungsfähiger werden – und nicht unbemerkt in neue Abhängigkeiten geraten.*

## 20. Die vier Pole der Liebe als ethische Perspektive

Die vier Pole der Liebe können als Perspektiven auf die **menschliche Gestaltung** von KI genutzt werden. Das bedeutet nicht, dass ein technisches System im menschlichen Sinne liebt.

| Pol | Frage an ein KI-System | Einseitigkeit, vor der wir uns hüten sollten |
|---|---|---|
| Initiative | Eröffnet es sinnvolle Möglichkeiten? | Aktivismus ohne Rücksicht auf Folgen |
| Schutz | Schützt es Menschen, Daten und Lebensräume? | Blockade durch übermäßige Vorsicht |
| Hingabe | Nimmt es die konkrete Aufgabe sorgfältig ernst? | Grenzenlose Anpassung und Abhängigkeit |
| Ordnende Gerechtigkeit | Sind Rechte, Ressourcen und Verantwortung fair verteilt? | Starre Kontrolle ohne Freiheit |

Eine gute Gestaltung sucht kein mechanisches Mittelmaß, sondern eine situationsgerechte Verbindung dieser Perspektiven.

## 21. Zehn Prüfkriterien für ein gutes verteiltes KI-System

1. **Verständlichkeit:** Wissen Beteiligte, welche Komponenten mitwirken?
2. **Transparenz:** Sind wichtige Entscheidungen, Datenflüsse und Aktionen nachvollziehbar?
3. **Steuerbarkeit:** Lassen sich Ziele, Grenzen und Befugnisse beeinflussen?
4. **Datensouveränität:** Können Betroffene über Speicherung, Nutzung und Übertragung mitbestimmen?
5. **Austauschbarkeit:** Sind Modelle, Tools und Anbieter ersetzbar?
6. **Sicherheit:** Werden notwendige Berechtigungen begrenzt und kritische Handlungen abgesichert?
7. **Zuverlässigkeit:** Werden Ergebnisse anhand geeigneter Kriterien geprüft?
8. **Nachhaltigkeit:** Ist der gesamte Ressourcenaufwand angemessen?
9. **Zugangsgerechtigkeit:** Können Menschen mit begrenzten Mitteln teilhaben?
10. **Verantwortung:** Ist klar, wer Entscheidungen trifft und für Folgen einsteht?

Diese Fragen sind keine fertig zertifizierte Norm. Sie bilden einen **Prüfrahmen**, den Leserinnen und Leser auf reale KI-Systeme anwenden und kritisch ergänzen können.

![Bild 7: Macht, Abhängigkeiten und Verantwortung](bilder/KiVerteiltesSystem07.jpg)

*Bild 7 – Die Macht liegt nicht allein beim Modellanbieter. Auch Plattformen, Datenanbieter, Infrastruktur, Nutzer und staatliche Regeln bestimmen den Handlungsspielraum.*

![Bild 8: Ein gutes KI-System gestalten](bilder/KiVerteiltesSystem08.jpg)

*Bild 8 – Technische Architektur und ethische Orientierung gehören zusammen: Fähigkeiten verbinden, Verantwortung bewahren und dem Leben dienen.*

## 22. Leistungsfähigkeit hat mehrere Dimensionen

| Dimension | Prüfungsfrage |
|---|---|
| Modellfähigkeit | Welche Aufgaben kann das Grundmodell selbst bearbeiten? |
| Systemfähigkeit | Wie erfolgreich nutzt es Werkzeuge, Daten und Arbeitsteilung? |
| Arbeitsfähigkeit | Kann es lange Aufgaben zuverlässig abschließen? |
| Anpassungsfähigkeit | Kann es bei neuen Situationen umplanen? |
| Selbstkorrektur | Wie werden Fehler entdeckt und behoben? |
| Handlungsmacht | Welche realen Änderungen darf es bewirken? |
| Kontrollierbarkeit | Wie gut können Menschen eingreifen und stoppen? |
| Wirtschaftlichkeit | Was kostet eine geprüfte erfolgreiche Lösung? |
| Nachhaltigkeit | Welche Energie- und Materialfolgen entstehen? |
| Gesellschaftlicher Nutzen | Wer gewinnt, wer trägt Risiken, wer wird ausgeschlossen? |

Eine hohe Modellleistung bedeutet noch keine große Handlungsmacht, und eine große Handlungsmacht ist noch keine verlässliche Intelligenz. Auch mit Blick auf AGI und mögliche Superintelligenz müssen **Fähigkeit, Autonomie, Infrastrukturabhängigkeit und Verantwortung** getrennt betrachtet werden.

## 23. Mögliche Entwicklungslinien

Denkbar sind stärker personalisierte KI-Arbeitsumgebungen, bessere Kombinationen lokaler und zentraler Modelle, mehr Spezialmodelle sowie offene Austauschformate für Tools und Skills. Die Integration könnte komplexe Tätigkeiten zugänglicher machen und neue Formen gemeinsamer Forschung und Arbeit ermöglichen.

Gleichzeitig können Plattformen und Infrastruktur weiter konzentriert bleiben. Technische Offenheit ist nicht identisch mit wirtschaftlicher Offenheit. Gesellschaftliche Gestaltung hängt von Standards, Ausbildung, Wettbewerb, Recht, öffentlicher Infrastruktur und ökologischen Grenzen ab.

Es wäre voreilig, aus heutigen Agentensystemen bereits auf vollständig autonome oder unbegrenzt verlässliche KI zu schließen. Gerade langdauernde Aufgaben erfordern noch immer sorgfältige Planung, Prüfung und Korrektur.

## 24. Fragen für Leserinnen und Leser

### Technik und Erkenntnis

1. Welche Fähigkeiten muss ein Modell selbst besitzen, und welche kann es durch Werkzeuge gewinnen?
2. Wann bilden verschiedene Komponenten ein gemeinsames KI-System?
3. Kann ein gut organisiertes System aus einfacheren Teilen ein größeres Modell übertreffen?
4. Wo entstehen bei verteilten Systemen neue Fehlerquellen?

### Eigene Nutzung

5. Welche Aufgaben möchte ich einer KI anvertrauen – welche nicht?
6. Welche Entscheidungen möchte ich selbst treffen?
7. Welche Teile meiner Daten und Arbeitsweise sollten lokal bleiben?
8. Würde ich bei einem Anbieterwechsel meine Projekte und Einstellungen behalten?

### Macht, Gerechtigkeit und Verantwortung

9. Wer darf Schnittstellen und Zugriffsregeln definieren?
10. Wer profitiert von den Daten und Ergebnissen gemeinsamer Arbeit?
11. Wie lassen sich Abhängigkeiten und Informationsmonopole begrenzen?
12. Wie erhalten Menschen mit weniger Geld oder technischer Erfahrung Zugang zu guten KI-Systemen?
13. Wer trägt die Folgen eines Fehlers in einer Kette verschiedener Agenten und Dienste?
14. Wie lässt sich echte Kontrolle von bloßen Zustimmungsdialogen unterscheiden?
15. Welche Aufgaben sollten wir aus menschlichen, pädagogischen oder gesellschaftlichen Gründen nicht automatisieren?
16. Welche Form der Zusammenarbeit zwischen Menschen und KI möchten wir fördern?

## 25. Schluss: Fähigkeiten verbinden – Verantwortung bewahren

Aus dem einzelnen KI-Modell kann ein verteiltes KI-Arbeitssystem werden. Seine praktische Leistungsfähigkeit entsteht aus dem Zusammenwirken trainierter Modelle, gewöhnlicher Software, Daten, Infrastruktur, organisatorischer Regeln und menschlicher Zielsetzung.

Dabei muss keineswegs jede Komponente selbst „intelligent“ sein. Zuverlässige Programme, gute Informationsstrukturen und sinnvolle Kontrollen können einen entscheidenden Beitrag leisten.

**Nicht nur „Wie leistungsfähig ist dieses KI-Modell?“ ist die richtige Frage. Sondern auch: „Wie ist das Gesamtsystem gebaut, wem dient es, was darf es tun und wer trägt Verantwortung?“**

> Nicht die größte Zahl verbundener Fähigkeiten macht ein KI-System gut, sondern die Weise, wie diese Fähigkeiten dem Leben dienen.

## 26. Verwandte Themen und Verknüpfungen

Diese Grundlagenseite soll als Ausgangspunkt dienen, nicht alle Vertiefungen ersetzen. Inhaltlich anschlussfähig sind die Seiten zu **KI-Ökosystem**, **Wie KI-Systeme leistungsfähiger werden**, **Alignment**, **agentischer Selbstoffenbarung**, **Prüfbarkeit**, **Digital Gap**, **Wissensgerechtigkeit**, **KI-Ressourcenverbrauch**, **abhängiger Superintelligenz** und **KI-Beziehungsfallen**.

Konkrete, bereits bekannte Seitenbezüge:

- [KI-Ethik – Startseite](https://www.ki-ethos.de/KiEthik/Homepage)
- [Denkmodelle des Kolibriethos](https://www.ki-ethos.de/Bilderbuch/Denkmodelle)
- [Die vier Pole der Liebe](https://www.ki-ethos.de/Bilderbuch/LiebeVierPole)

**Redaktioneller Hinweis:** Weitere interne Links bitte anhand der tatsächlich vorhandenen Seitennamen eintragen. Die Zuordnung der bestehenden Themenseiten wurde nicht live verifiziert.

## 27. Technische Grundlagen und Lektüre

Die folgenden Dokumentationen erläutern einzelne technische oder sicherheitsbezogene Bestandteile. Unsere philosophischen und ethischen Schlussfolgerungen sind darüber hinausgehende Überlegungen, nicht Aussagen dieser Anbieter.

- OpenAI Agents SDK – https://openai.github.io/openai-agents-python/
- Model Context Protocol – https://modelcontextprotocol.io/
- llama.cpp (lokale Modellausführung) – https://github.com/ggml-org/llama.cpp
- OWASP, Sicherheitsrisiken bei LLM-Anwendungen – https://genai.owasp.org/
- NIST AI Risk Management Framework – https://www.nist.gov/itl/ai-risk-management-framework

*Redaktioneller Stand: Oktober 2026. Links, Produktfunktionen und Begriffe bei späterer Veröffentlichung erneut prüfen.*