Kleine KI. Große Frage.
Wie viel Intelligenz steckt im Modell – und wie viel in dem System, das es umgibt? Solaris stellt genau diese Frage. Die interessante Idee ist nicht, einfach mehr Parameter zu besitzen. Es geht darum, Wissen, Werkzeuge, Regeln und Prüfung so zusammenzubringen, dass aus einem Vorschlag ein brauchbares Ergebnis wird.
Wer eine Website baut, kennt den Unterschied: Ein schönes Bild ist noch keine funktionierende Seite. Genauso ist eine überzeugende KI-Antwort noch keine zuverlässig erledigte Aufgabe. Eine Datei muss sich öffnen lassen. Eine Änderung muss den richtigen Bereich treffen. Ein Ergebnis muss seine Anforderungen erfüllen.
Was wir mit „Gehirn“ meinen
Das Gehirn ist hier eine gestalterische Metapher für Zusammenarbeit innerhalb eines Softwaresystems. Es ist kein biologisches Gehirn und kein Beleg für Bewusstsein. In der öffentlichen Solaris-Präsentation werden unter anderem Creator, Syntax-Gate, Analyst und Archiv beschrieben. Diese Rollen lassen sich als Entwerfen, Prüfen, Bewerten und Bewahren verstehen.
Die öffentliche Darstellung beschreibt eine Architekturidee. Sie ersetzt weder einen Einblick in die aktuelle Implementierung noch einen unabhängigen Leistungstest. Gerade diese Trennung macht die Geschichte interessant: Man kann ein System anschaulich erklären und gleichzeitig offenlegen, welche Aussagen bereits überprüft wurden.
Warum Spezialisierung einen Unterschied machen kann
Stell dir zwei Arbeitsplätze vor. Am ersten sitzt eine vielseitige Person ohne Projektunterlagen. Am zweiten arbeitet jemand mit einem engeren Fachgebiet, den richtigen Dokumenten, klaren Prüfschritten und passenden Werkzeugen. Für eine begrenzte Aufgabe kann der zweite Arbeitsplatz bessere Ergebnisse liefern. Daraus folgt nicht, dass seine einzelne Person grundsätzlich klüger ist.
Bei KI ist die Unterscheidung ähnlich. Ein kleineres Modell kann in einem gut aufgebauten System von gezielt bereitgestelltem Kontext, strukturierten Eingaben und ausführbaren Kontrollen profitieren. Ein Parser kann beispielsweise feststellen, ob eine Datei formal gültig ist. Ein Vergleich kann zeigen, ob geschützte Textstellen verändert wurden. Das Sprachmodell muss diese Prüfungen dann nicht allein durch plausibel klingende Sätze ersetzen.
Die Forschung zu Retrieval-Augmented Generation untersucht die Verbindung eines Modells mit abrufbarem Wissen. ReAct untersucht das Zusammenspiel von Schlussfolgern und Handlungen. Beide Arbeiten machen Systemgestaltung als Forschungsrichtung greifbar. Sie liefern keinen Nachweis, dass Solaris bestimmte aktuelle Modelle schlägt.
Ein Beispiel, das mehr sagt als eine große Zahl
Eine sinnvolle Vergleichsaufgabe wäre die Überarbeitung eines strukturierten Dokuments. Dabei sollen sprachliche Fehler korrigiert, Zahlen und Quellen erhalten und die Dateistruktur intakt bleiben. Bewertet wird nicht nur, ob das Ergebnis gut klingt, sondern ob jede vereinbarte Bedingung eingehalten wurde.
Der Test braucht schwierige Gegenbeispiele: Verneinungen, ähnlich geschriebene Namen, Tabellen mit Zahlen, verschachtelte Fußnoten und bewusst widersprüchliche Anweisungen. Ein System, das nur einfache Beispiele besteht, hat noch keine robuste Leistung gezeigt. Ein System, das bei Unsicherheit sauber stoppt, kann praktisch wertvoller sein als eines, das jeden Auftrag selbstbewusst beendet.
Wann „besser als große Modelle“ eine faire Aussage ist
Zuerst muss die Vergleichsebene feststehen. Vergleichen wir einzelne Modelle mit identischen Werkzeugen? Oder vollständige Systeme, die unterschiedliche Hilfsmittel nutzen dürfen? Beides kann sinnvoll sein. Die Ergebnisse beantworten aber verschiedene Fragen.
Ein belastbarer Bericht nennt Modellversionen, Hardware, Aufgaben, erlaubte Werkzeuge, Zeit- und Kostenbudget, Wiederholungen und Auswertung. Das Testmaterial darf nicht vorher zum Optimieren der eigenen Lösung verwendet worden sein. Bei offenen Antworten helfen eine verdeckte Bewertung und klar definierte Kriterien. Bei überprüfbaren Ausgaben sollten automatische Tests und menschliche Kontrolle zusammenarbeiten.
Entscheidend ist die Erfolgsquote über alle Aufgaben, einschließlich Fehlschlägen und Abbrüchen. Dazu kommen Bearbeitungszeit, Kosten pro erfolgreicher Aufgabe und die Streuung der Ergebnisse. Ein einzelner guter Durchlauf ist ein Beispiel, kein allgemeiner Leistungsnachweis.
Was aktuell belegt ist – und was offenbleibt
Solaris wird auf nicohua.de als eigenes KI-Projekt mit einer dargestellten Systemarchitektur präsentiert. Für diesen Artikel lagen keine reproduzierbaren Vergleichsdaten mit eindeutig benannten aktuellen Großmodellen vor. Die Aussage, Solaris sei generell leistungsfähiger, lässt sich daraus nicht ableiten. Auch eine redaktionelle Bewertung des Website-Erlebnisses ist kein KI-Leistungstest.
Die präzise These lautet deshalb: Ein spezialisiertes System kann auf klar definierten Aufgaben einen Vorteil gegenüber einem allgemein eingesetzten Modell haben. Ob und in welchem Umfang das für Solaris zutrifft, muss ein dokumentierter Vergleich zeigen. Seine Ergebnisse gehören später genau hierher – mit Teststand, Rohdaten und Grenzen, nicht als dekorative Punktzahl.
Was das für individuelles Webdesign bedeutet
Die wichtigste Verbindung führt zurück zum Handwerk. Eine gute Website entsteht ebenfalls aus Entscheidungen, die sich gegenseitig tragen: Inhalt, Gestaltung, Technik, Bedienung und Prüfung. Neue Werkzeuge können diese Arbeit unterstützen. Sie nehmen uns weder die Verantwortung für eine Marke noch die Beurteilung des fertigen Ergebnisses ab.
Das Potenzial von Solaris liegt in einer eigenen, nachvollziehbaren Arbeitsumgebung: nah am Projekt, mit wiederverwendbarem Wissen und überprüfbaren Schritten. Wie weit dieses Potenzial schon eingelöst ist, gehört offen dokumentiert. Genau darüber sprechen wir in diesem Journal.
Nico & Solaris – Dialogentwurf
Nico: Muss die größte KI automatisch die beste für meinen Auftrag sein?
Solaris: Bonjour. Erst einmal brauche ich den Auftrag. „Besser“ ohne Aufgabe ist eine ziemlich elegante Nebelmaschine.
Nico: Und wenn du gewinnst?
Solaris: Dann zeigen wir den Test. Und den Durchlauf, bei dem ich verloren habe. Voilà – dann wird es interessant.
