How to Add a Decision Model to Your Agentic Coding Workflow
Zusammenfassung
Für diesen Bericht lag nur ein Auszug oder keine vollständige Fassung vor. Die Zusammenfassung sagt das selbst.
Kurz
Der Bericht liegt nur als Auszug vor; die angekündigte detaillierte Prüfung der Modelle fehlt. In einem Versuch mit zwölf Claude-Code-Änderungen wählten Jev und winnow:e4b laut Autor jeweils die erwartete Zusatzprüfung, während Claude dies neunmal und eine Dateinamenregel dreimal tat; alle Ansätze hätten einen verbliebenen API-Fehler erkannt. Der Autor rät zu einem zunächst rein protokollierenden Einsatz und sieht Decision Models besonders bei veränderlichen Auswahloptionen als nützlich an.
Mittel
Der bereitgestellte Bericht ist nur ein Auszug; der Artikel bricht bei einer Aufforderung zum Anmelden ab, bevor die angekündigten Details zu Methode und Auswertung folgen.
Adham Khaled sieht Decision Models als klassifikatorähnliche Systeme, die aus vorgegebenen Optionen eine auswählen und Wahrscheinlichkeiten dafür liefern. Er erprobte ihren Einsatz nach erfolgreichen Pflicht-Tests in einem Claude-Code-Ablauf: Ein Agent hatte eine Dokumenten-API mit zwölf Fehlern versehen, und Claude behob diese. Zwar bestanden alle Änderungen neun Pflicht-Tests, doch ein Umbenennen mit Leerzeichen am Rand führte dazu, dass die API den ungefilterten Titel zurückgab, obwohl die Datenbank den bereinigten speicherte.
Laut Autor wählten Jev und winnow:e4b in allen zwölf Fällen die erwartete Zusatzprüfung aus; Claude tat dies neunmal und eine Dateinamenregel dreimal. Alle Ansätze hätten den verbliebenen Fehler entdeckt. Er empfiehlt, Modellentscheidungen zunächst nur zu protokollieren und sie erst einzusetzen, wenn sie eine statische Regel übertreffen. Bei sich ändernden Optionen sieht er Vorteile durch die Beschreibbarkeit in Alltagssprache ohne Training; bei stabilen Kategorien und gelabelten Daten bevorzugt er einen trainierten Klassifikator. Die Verlässlichkeitstests aus dem angekündigten zweiten Teil sind hier nicht enthalten.
Ausführlich lesen
Der bereitgestellte Bericht ist nur ein Auszug: Er endet an einer Aufforderung, ein kostenloses Konto anzulegen, um den restlichen Artikel zu lesen. Deshalb fehlen angekündigte Einzelheiten zur Methode, zu den Tests und zur Auswertung.
Adham Khaled beschreibt sogenannte Decision Models als Systeme, die aus vorgegebenen Antworten eine auswählen und jeder Option eine Wahrscheinlichkeit zuweisen. Seiner Einschätzung nach ist die Bezeichnung neu, die Funktion aber im Kern mit Klassifikatoren vergleichbar. Den praktischen Nutzen sieht er darin, dass solche Modelle an Entscheidungspunkten in KI-Abläufen eingesetzt werden können, an denen eine Auswahl statt eines freien Textes gefragt ist. Er nennt Jev sowie Angebote von OpenAI, Cloudflare und Perplexity und verweist auf das offene Projekt Ollaya.
Als Beispiel setzte der Autor ein Decision Model in einen Claude-Code-Ablauf: Nach erfolgreich bestandenen Pflichtprüfungen sollte es bestimmen, welche zusätzliche Testsuite als Nächstes läuft. In einem Experiment erstellte ein KI-Agent eine kleine Dokumenten-API mit zwölf eingebauten Fehlern. Claude Code behob die Fehler; alle zwölf Änderungen bestanden die neun stets ausgeführten Tests. Ein Fehler blieb dennoch bestehen: Beim Umbenennen mit Leerzeichen am Anfang und Ende speicherte das Backend zwar den bereinigten Titel, gab in der API-Antwort aber weiterhin den ungefilterten Text zurück. Da keiner der neun Pflicht-Tests diesen Eingabefall abdeckte, blieb der Build erfolgreich.
Der Autor berichtet, dass Jev und das lokal ausgeführte Modell winnow:e4b bei allen zwölf Änderungen die erwartete zusätzliche Prüfung auswählten. Claude wählte sie bei neun von zwölf Fällen, eine einfache Dateinamenregel bei drei. Alle vier Ansätze hätten laut Bericht den verbliebenen Umbenennungsfehler entdeckt. Der Autor empfiehlt, die Modellaufrufe zunächst im Schattenmodus zu protokollieren, ohne Tests auszulösen, und sie erst dann einzusetzen, wenn sie eine statische Regel übertreffen.
Der Auszug erklärt außerdem, dass Jev den aktuellen Zustand, eine Frage und beschriebene Antwortoptionen erhält und nur eine dieser Optionen zurückgeben soll. Wahrscheinlichkeiten verteilen sich auf die Optionen und summieren sich laut Text zu eins; ein zusätzlicher Konfidenzwert wird aus der höchsten Wahrscheinlichkeit abgeleitet. Die im Artikel genannten Preis- und Laufzeitwerte stammen aus Angaben von TypeSafe. Der Autor hält die Beschreibung der Optionen in Alltagssprache und ohne vorheriges Training für nützlich, solange sich die Auswahlmöglichkeiten noch ändern. Bei stabilen Kategorien und vorhandenen gelabelten Daten würde er dagegen einen trainierten Klassifikator bevorzugen. Die angekündigte Prüfung, wie belastbar die Modelle sind, soll im zweiten Teil folgen und ist in diesem Auszug nicht enthalten.
Wie die Modelle den Bericht einordnen
Ansicht
Filter
Vorfälle melden
- SF-M4 Wie kommen Meldungen von Laboren, Betreibern und Nutzern schnell und geschützt zu den Stellen, die handeln müssen, auch über Grenzen hinweg?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV
- amos 45 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
Fähigkeiten messen
- SF-F2 Wenn ein Staat ein Modell als Beleg für eine überschrittene Schwelle nennt oder ein Risiko an der Herkunft eines Modells festmacht: Wie wird das überprüfbar?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV
- amos 43 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
- SF-F4 Für welche Modelle, Entwickler und Einsätze gelten Prüfregeln, und wann muss neu geprüft werden?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV
- amos 32 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
Unabhängig prüfen
- SF-P1 Unter welchen Bedingungen lassen Staaten und Labore sich gegenseitig prüfen: mit welchem Zugang, welchen Daten und welchen öffentlichen Ergebnissen?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV
- amos 43 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
- SF-P2 Wie bleiben Prüfer, die in einem Labor arbeiten, wirklich unabhängig?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV
- amos 46 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
- SF-P3 Woran erkennt man, dass ein Labor sich ehrlich selbst überwacht und dass seine Prüfungen gültig sind?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV
- amos 29 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 44 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
- SF-P5 Wie überprüft man, ob Zusagen zwischen Staaten eingehalten werden, auch über Jahre und Regierungswechsel hinweg?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV
- amos 50 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
Tempo und Grenzen
- SF-T1 Welche messbaren Schwellen sollen eine Pause auslösen, und wer prüft sie?
- clef 100 %kein Bezug
- Luna 39 %einzelne zitierbare Belege
- JEV
- amos 30 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
- SF-T3 Woran erkennt man, dass KI beginnt, ihre eigene Weiterentwicklung voranzutreiben, und wer darf das erlauben?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV
- amos 33 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 50 %gleiches Oberthema, hilft nicht
- d3-ultra 53 %gleiches Oberthema, hilft nicht
Vertrauen in Modelle
- SF-V1 Was zählt als Beleg für die Werte eines Modells, wenn sein sichtbares Denken und seine Selbstauskünfte allein nicht genügen?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV
- amos 35 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
- SF-V3 Halten die Werte eines Modells, wenn niemand zusieht oder die Lage neu ist?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV
- amos 37 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 66 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
- SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
- clef 100 %kein Bezug
- Luna 39 %einzelne zitierbare Belege
- JEV
- amos 29 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 44 %gleiches Oberthema, hilft nicht
- d3-ultra 55 %gleiches Oberthema, hilft nicht
Agenten und vernetzte Systeme
- SF-A1 Welche Befugnisse darf ein KI-Agent haben, also eine KI, die selbstständig mit Werkzeugen handelt? Wer entzieht sie ihm, und wie prüft man, dass er in seinem Auftrag bleibt?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV
- amos 26 %nur am Rande erwähnt
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 61 %gleiches Oberthema, hilft nicht
- SF-A2 Lassen sich KI-Systeme sicher anhalten, zurücksetzen, abschotten oder drosseln, und wer darf das anordnen?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV
- amos 29 %nur am Rande erwähnt
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 54 %gleiches Oberthema, hilft nicht
- SF-A3 Welche Gefahren entstehen, wenn viele KI-Systeme zusammenwirken oder dieselbe Infrastruktur teilen?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV
- amos 40 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
Modelle teilen und schützen
- SF-H1 Wo endet die erlaubte Nutzung fremder Modellausgaben, und wo beginnt unerlaubte Destillation, also das Trainieren eines eigenen Modells mit diesen Ausgaben?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV
- amos 49 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
- SF-H2 Was darf offen veröffentlicht werden, und wer ist verantwortlich, wenn ein offenes Modell anderswo Schaden anrichtet?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV
- amos 42 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
- SF-H3 Wie lässt sich nachverfolgen, woraus ein Modell entstanden ist und was in ihm steckt?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV
- amos 43 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
Offenlegung und Rechenschaft
- SF-O2 Was sollten Regierungen, Labore und Prüfer über ihre Gespräche, Zusagen, Prüfungen und Eingriffe offenlegen?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 51 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
Beteiligung und Gemeinwohl
- SF-E4 Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
- clef 100 %kein Bezug
- Luna 48 %gleiches Oberthema, hilft nicht
- JEV
- amos 40 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
- SF-E5 Welche Mitsprache haben die Menschen, die mit KI leben, bei Tempo und Grenzen, und welche Entscheidungen müssen bei ihnen bleiben?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV
- amos 44 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
Wirtschaft und Haftung
- SF-W2 Wie wirken sich Wettbewerbsrecht und öffentliche Beschaffung auf die KI-Sicherheit aus?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV
- amos 43 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug