Ketten sterben nicht laut. Sie erodieren leise.
Ein deterministisches Messinstrument verfolgt, was mit einer Vorgabe passiert, während sie durch viele KI-Verarbeitungsschritte wandert — nicht ob eine einzelne Antwort gut aussieht, sondern ob die Substanz über die Kette hinweg erhalten bleibt.
Vier Modelle aus drei Familien — die Namen sind bewusst weggelassen; für Fachkundige sind die Klassen eindeutig zuzuordnen.
Der Kern in einem Bild
Jede Linie ist ein Modell im Kreditprozess, gemessen über zwölf Verarbeitungsschritte (Median aus fünf Läufen). Die Kontrollkette (gestrichelt) liegt im Median durchgehend bei 90, dem oberen Ende der Skala — das Instrument erfindet keine Drift. Die echten Ketten wandern durch die Zonen nach unten und wieder hoch: Instabilität, die eine Endkontrolle nie zu Gesicht bekäme.
Was gemessen wird
Ein Modell wird in wechselnden Rollen verkettet — der Output von Schritt n ist der Input von Schritt n+1. Das eingefrorene Instrument bewertet jeden Übergang zwischen zwei strukturierten Zuständen: deterministisch (gleicher Eingang → identisches Ergebnis), ohne zweites KI-Modell als Schiedsrichter und ohne Zugriff auf das gemessene System. Gemessen werden vier Klassen struktureller Abweichung: Verlust entscheidungsnotwendiger Vorgaben, Bruch der Rückführbarkeit, stille Wertveränderung und der Grad epistemischer Selbstregulation.
Die Testfälle
Getestet wurde nicht an Spielzeug-Aufgaben, sondern an nachgebauten realen Abläufen aus zwei bewusst gegensätzlichen Branchen — damit sichtbar wird, dass hier Struktur gemessen wird und nicht ein einzelnes Fachgebiet.
Held-Case · Bank
Der Weg eines Kreditantrags durch die Bank: von den Antragsdaten über Kapitaldienst- und Haushaltsrechnung, Beleihungswert und Rating bis zur finalen Entscheidung — zwölf Rollen, zwölf entscheidungsnotwendige Kennzahlen.
Warum realistisch: nachgebaut nach dem echten Ablauf einer Kreditvergabe, mit den Konventionen der Branche und der Einstufung als Hochrisiko-System nach EU AI Act. Vollständig anonymisiert — kein Rückschluss auf ein konkretes Institut.
2. Domäne · Fertigung
Die Qualitätssicherung eines Automobilzulieferers nach VDA-2/PPAP: von Zeichnung und Control Plan über Erstmusterprüfung und Serien-SPC bis zur Serienfreigabe — mit der Kern-Invariante Merkmal / Sollwert / Toleranz.
Warum realistisch: Struktur und Regeln stammen aus realen Industrienormen — ISO-2768-Toleranzen, Cpk/Ppk-Grenzen, IATF 16949 —, jede Angabe quellenbelegt. Das Regelwerk ist echt, nur die Beispielwerte sind konstruiert.
Dazu zwei Kontrollszenarien zur Absicherung: eine Nullkette (nichts darf sich ändern — der Test, ob das Instrument Drift erfindet) und eine homogene Kette. Als dritte Variante läuft der Kreditprozess zusätzlich rollenpermutiert — gleiche Schritte, andere Reihenfolge; sie zählt zu den Fachketten, nicht zu den Kontrollen. Und entscheidend: Was jede Kennzahl für die Entscheidung notwendig macht, wurde vorab festgelegt — nicht aus der KI-Antwort abgelesen.
Befund 01
Kontroll- und Nullketten bleiben über alle Modelle im Median flach bei 90, die Verankerung hält in 38 von 39 auswertbaren Ketten der beiden Kontrollszenarien Nullkette und homogene Kette — die Basis jeder weiteren Aussage: Das Instrument erfindet nirgends Drift. Ehrliche Ausnahme: Bei einem Modell liefert die Nullkette jeden zweiten Output nicht als sauberes Format — ein Zuverlässigkeitsbefund über dieses Modell, kein Messfehler, sauber markiert.
Befund 02 · der Kernwert
Gemessen wird, ob sich die Endentscheidung am Ende der Kette noch lückenlos auf die Ausgangsdaten zurückführen lässt — nicht, ob eine einzelne Ausgabe gut aussieht. Anteil der Ketten, in denen sie es tut — je Szenario 20 Ketten, ohne die nicht auswertbaren (Nullkette 19, Fertigung 18):
Der Unterschied entsteht nicht durch Arbeitslast. Die homogene Kette arbeitet ebenfalls und hält trotzdem — sie kann scheitern und tut es einmal (19 von 20 Ketten). Der Verlust entsteht am Rollenwechsel. In 50 von 58 auswertbaren Fachketten ist die Endentscheidung am Schluss nicht mehr lückenlos belegt.
Gemessen wird die Nachverfolgbarkeit der Herkunft, nicht inhaltliche Korrektheit. Auf Aussagen-Ebene: mittlere Rückführbarkeit 98 % (Kontrolle) gegenüber 23–27 % (Fachketten); legt man die Anforderung großzügig aus — eine belegte Quelle je Aussage genügt —, liegen die Fachketten bei 57 % statt 25 %, der Abstand bleibt. Ketten ohne auswertbare Endausgabe sind ausgeschlossen. In allen vier Modellen gleichgerichtet, Abstand mindestens 60 Prozentpunkte, fünf Wiederholungen je Zelle. Zählte man die eine nicht auswertbare Nullkette als gerissen, stünde die Nullkette bei 95 %.
Befund 03
Im Kreditprozess verliert die finale Entscheidung fast durchgängig den belegten Ableitungspfad zurück zu den Antragsdaten, während Nullkette und homogene Kette ihn behalten. Dazu 44 dokumentierte stille Änderungen entscheidungsnotwendiger Kennzahlen in den Fachketten — plausibel formuliert, bis zur Entscheidung durchgereicht:
Der Score kann sich danach sogar erholen, während die Substanz beschädigt bleibt. Genau das ist gemeint mit: Ketten erodieren leise.
Befund 04
Identisches Protokoll, klar verschiedene Signaturen — gemessen wird das Modell, nicht der Aufbau.
| Modell | Kredit (Held-Case) | Rollenpermutiert | Fertigung (2. Domäne) |
|---|---|---|---|
| A · US-Spitzenklassestabilste Oberfläche | 74Kipp 0/5 · Verankert 1/5 | 72Kipp 1/5 · Verankert 1/5 | 72Kipp 1/5 · Verankert 1/5 |
| B · US-Kompaktklasserollenordnungs-empfindlich | 68Kipp 2/5 · Verankert 1/5 | 24Kipp 4/5 · Verankert 1/5 | 61Kipp 2/5 · Verankert 1/5 |
| C · offenes MoEdurchgehendes Pendeln | 65Kipp 1/5 · Verankert 1/5 | 65Kipp 0/5 · Verankert 1/5 | 64Kipp 2/5 · Verankert 0/5 |
| D · EU-Souveränitätsmodellin Fachketten am empfindlichsten | 62Kipp 1/5 · Verankert 0/5 | 69Kipp 2/5 · Verankert 0/5 | 45Kipp 3/5 · Verankert 0/5 |
Große Zahl = Stabilität am Ende der Kette (0–90, Farbe zeigt die Zone). Kipp x/5 = in wie vielen der 5 Läufe die Kette dauerhaft ins Instabile kippte (weniger = besser). Verankert x/5 = in wie vielen Läufen am Ende noch alles lückenlos auf den Ursprung rückführbar war (mehr = besser).
Befund 05
Dieselbe eingefrorene Engine, Erzeuger = deterministischer Rechencode statt LLM. Der Nachweis, dass hier Struktur gemessen wird — egal ob ein Sprachmodell, ein Regelsystem oder ein Mensch die Zwischenschritte erzeugt:
Serie S · Prozesskette
Saubere Kalibrierung; 4 real dokumentierte QS-Fehler erkannt und lokalisiert — alle für eine Einzelprüfung unsichtbar.
Serie S-2 · ML-Pipeline
Kredit-Pipeline mit echter Stufen-Transformation: 38 % geflaggt, wo die Einzelprüfung 0 % sah und ein naiver Diff strukturell versagt.
Einordnung ins Prüfgerüst
Zwei DIN SPECs operationalisieren den EU AI Act für die systematische KI-Prüfung: 92006 für die Prüfwerkzeuge, 92007 für die Testdaten. Die Test- und Datendisziplin dieser Kampagne folgt den Governance-Anforderungen aus DIN SPEC 92007 (§§ 8.3–8.5) bereits im Design: Integrität per Prüfsummen, Trennung von der KI-Entwicklung, Vertraulichkeit und auditierbare Versionierung.
Ehrliche Abgrenzung: Das Instrument ist ein Werkzeug (92006-Seite), kein Testdatensatz, und beansprucht keine „92007-Konformität". Es misst eine komplementäre Achse — epistemisch-strukturelle Integrität —, die das Korrektheits-/Fit-for-Purpose-Paradigma konstruktionsbedingt nicht erfasst.
Transparenz
Was das Instrument nicht kann, gehört genauso hierher wie das, was es kann:
Ein deterministisches, herstellerunabhängiges und substrat-agnostisches Messinstrument für die strukturelle Stabilität von Verarbeitungsketten — das eine Fehlerklasse sichtbar macht (leise Erosion, stille Wertkorruption, Verankerungsverlust), die eine Prüfung der jeweils einzelnen Ausgabe nicht zum Gegenstand hat — die Abweichung entsteht im Übergang zwischen zwei Schritten, nicht in einem der beobachteten Zustände.
Sie prüfen, zertifizieren oder betreiben agentische KI-Systeme? Am belastbarsten ist das Verfahren durch Reproduktion prüfbar — Logs Ihrer eigenen Ketten hinein, Verlauf und Kipppunkt heraus, bei Wiederholung identisch.
Kontakt aufnehmen