Zurück zu Allen Fallstudien
venture-buildingVoller Zugang freigeschaltet

Eine Venture-Engine, an deren Gate das Modell Nicht Vorbeireden Kann

Bittet man ein Sprachmodell, eine Geschäftsidee zu beurteilen, redet es sich selbst in ein Ja. Wir haben eine Screening-Engine gebaut, in der das Urteil per Code abgeleitet wird und das Kreuzverhör auf einem anderen Modell läuft.

Europäischer Venture Builder · Corporate Innovation

venture-building
7
pipeline Stages
3
agents
2
models Cross Examining

!Der Bedarf

Ein Venture Builder prüft weit mehr Gelegenheiten, als er finanzieren kann, und die wichtigste Entscheidung ist der Abbruch. Sprachmodelle sind dafür standardmäßig das falsche Werkzeug: Sie sind überzeugend, gefällig, und ein Modell, das eine gerade selbst verfasste These bewerten soll, redet sich zuverlässig in ein Go hinein. Selbstkritik im selben Modell hilft nicht — ein Modell und sein eigener Kritiker teilen dieselben blinden Flecken. Gebraucht wurde eine Pipeline, in der eine KI denken darf, ohne dass ihr das Urteil anvertraut wird, und in der eine Abbruchentscheidung Monate später gegenüber einem Sponsor verteidigt werden kann.

Der Ansatz

Die zentrale Designentscheidung: Agenten sind Stufen, und die Methode ist der Kontrollfluss — das Modell argumentiert, das System entscheidet. Drei Agenten laufen über sieben Stufen mit typisierten, kreuzvalidierten Übergaben, wobei jede Stufe einem einzigen wachsenden Artefakt einen Schlüssel hinzufügt. Konträres Denken wird strukturell erzwungen: Das Belief Mining läuft als Turnier von drei bis fünf rivalisierenden Thesen, von denen jede die konkrete Annahme zitieren muss, die sie negiert, und Code kürt die Siegerin. Das Red Team läuft anschließend auf einem bewusst anderen Modell, prüft tragende Behauptungen per Live-Suche, greift die Kausalkette an und klassifiziert Schweregrade von Schwächen — gibt aber überhaupt kein Urteil ab. Deterministischer Code leitet Stopp oder Go aus diesen Klassifikationen ab, und ein zweites codiertes Gate verzweigt die Gelegenheit in Richtung Corporate- oder Venture-Capital-Käufer. Jeder Lauf wird persistiert, auch abgebrochene, sodass das Kill-Memo-Archiv abfragbar statt Fließtext ist; ein Evidenz-Ledger lässt einen späteren widerlegenden Datenpunkt eine vorab erklärte Abbruchbedingung auslösen: Der Code schlägt den Abbruch vor, ein Mensch bestätigt ihn.

Verwendete Technologien

ClaudeCross-model red teamZodTypeScriptSQLiteStructured generation

Das Ergebnis

Sieben Pipeline-Stufen über drei Agenten, mit schema-validierten Übergaben, die das Modell erneut befragen, wenn die Ausgabe nicht passt
Ein Turnier konträrer Überzeugungen, in dem jede rivalisierende These die von ihr negierte Annahme zitieren muss
Ein Red Team auf einem anderen Modell — es klassifiziert Schweregrade und kann strukturell kein Urteil fällen
Stopp/Go und die Verzweigung Corporate gegen Venture Capital werden von deterministischem Code abgeleitet, nicht vom Modell
Jeder Lauf persistiert, abgebrochene eingeschlossen, mit abfragbarem Kill-Memo-Archiv
Ein Evidenz-Ledger, in dem ein widerlegender Eintrag eine vorab erklärte Abbruchbedingung auslöst und den Lauf zur menschlichen Bestätigung markiert

Die Wirkung

Das Stopp/Go-Urteil liegt nicht mehr beim Autor — es wird per Code aus den Schweregradbefunden eines anderen Modells abgeleitet
Ein überzeugendes Modell kann eine schwache These nicht retten: Die Methodik-Gates sind Codepfade, keine Prompt-Anweisungen
Blinde Flecken schrumpfen, weil die Kritik auf einem Modell läuft, das die Annahmen des Autormodells nicht teilt
Abbruchentscheidungen wurden Monate später verteidigbar, mit Begründung und widerlegenden Belegen weiterhin am Lauf
Aufgegebene Vorhaben verschwinden nicht mehr — das Portfolio bewahrt, was es verworfen hat, und warum

Bereit für ähnliche Ergebnisse?

Kontaktieren Sie uns
Supalabs AI solutions