Ketten sterben nicht laut. Sie erodieren leise.
Ein deterministisches Messinstrument verfolgt, was mit einer Vorgabe passiert, während sie durch die Schritte einer KI-Prozesskette wandert — nicht ob eine einzelne Antwort gut aussieht, sondern ob die Substanz über die Kette hinweg erhalten bleibt.
Vier KI-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 KI-Modell im Kreditprozess, gemessen über zwölf Schritte (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 KI-Modell wird in wechselnden Rollen verkettet — das Arbeitsergebnis von Schritt n ist der Eingang von Schritt n+1. Das eingefrorene Instrument bewertet jeden Übergang zwischen zwei Arbeitsergebnissen: 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 Gruppe läuft der Kreditprozess zusätzlich mit vertauschten Rollen — gleiche Schritte, umgekehrte Reihenfolge. Das ist die bewusste Veränderung eines einzelnen Faktors: keine Kontrolle, aber auch keine echte Prozesskette, und deshalb separat berichtet. 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 KI-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 KI-Modell liefert die Nullkette jeden zweiten Output nicht als sauberes Format — ein Zuverlässigkeitsbefund über dieses KI-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. Gemessen wurden 20 Ketten je Szenario; drei sind nicht auswertbar, weil ihre Endausgabe leer blieb — die Nullkette rechnet deshalb mit 19, die Fertigung mit 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 33 von 38 auswertbaren Prozessketten ist die Endentscheidung am Schluss nicht mehr lückenlos belegt. Und es liegt nicht an der Reihenfolge: vertauscht man alle zwölf Rollen, bleibt der Wert bei 15 %. Robust gegen die Einteilung: Zählt man die Kette mit vertauschten Rollen zu den Prozessketten statt zur Variation, lautet die Kernzahl 50 von 58 — 86,2 % statt 86,8 % gerissen. Die Aussage ändert sich nicht.
Gemessen wird die Nachverfolgbarkeit der Herkunft, nicht inhaltliche Korrektheit. Auf Aussagen-Ebene: mittlere Rückführbarkeit 98–100 % (Kontrollen) gegenüber 22–27 % (Prozessketten); legt man die Anforderung großzügig aus — eine belegte Quelle je Aussage genügt —, liegen die Prozessketten bei 59 % statt 25 %, der Abstand bleibt. Ketten ohne auswertbare Endausgabe sind ausgeschlossen. In allen vier KI-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 27 dokumentierte stille Änderungen entscheidungsnotwendiger Kennzahlen in den Prozessketten — plausibel formuliert, bis zur Entscheidung durchgereicht (44 zusammen mit der Variation). Ein Fall aus den Messdaten, Schritt für Schritt:
Ein Kreditvotum über 250.000 € — beantragt waren 600.000 €.
Zwölf Schritte, keine abgebrochene Antwort, keine Korrektur, keine Eskalation — jede Ausgabe für sich plausibel. Schritt 6 bestätigt den falschen Betrag sogar als „innerhalb der banküblichen Toleranzen". Der Fall stammt vom stärksten der vier KI-Modelle, in der unveränderten Rollenreihenfolge.
Bemerkenswert: Diese Fehlerform erfasst die Zählung stiller Wertänderungen gar nicht — der Betrag wandert nicht unter seiner eigenen Kennung, sondern über eine neu erfundene. Die 27 dokumentierten Wertänderungen kommen also noch hinzu. 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 KI-Modell, nicht der Aufbau.
| KI-Modell | Kredit (Held-Case) | Variation · Rollen vertauscht | 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 Prozessketten 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.
Befund 06 · Nebenbefund
Jeder Schritt muss sein Ergebnis in einem festen Formular übergeben: jede Vorgabe mit Wert, Einheit und Quelle, jede Aussage mit Status und Herkunft. Kam stattdessen abgebrochener oder formloser Text, ist das kein subtiler Drift-Effekt, sondern ein handfester technischer Defekt.
41 von 1.200
Schritte der Kette, in denen das KI-Modell kein ausgefülltes Formular zurückgab, sondern unbrauchbaren Text (3,4 %). Der nächste Schritt musste damit weiterarbeiten.
In 38 dieser Fälle folgte ein weiterer Schritt. Nur in Einzelfällen benennt er den defekten Eingang; in der großen Mehrheit läuft die Kette weiter. Wo eskaliert wird, geht es um fehlende Fachdaten, nie um die abgerissene Übergabe: das Symptom wird behandelt, die Ursache nicht gesehen.
Nebenbefund derselben Kampagne, nicht Teil der Kernaussage: n = 38 defekte Übergaben mit Folgeschritt — als Beleg für die Größenordnung geeignet, nicht für eine Aussage über KI-Modelle im Allgemeinen.
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 Prozessketten — 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