Dual-Process · Architekturentwurf · Stand 11. Oktober 2026
System 1 vor System 2
Ein schnelles, kalibrierbares Entscheidungsmodell (Jev) beantwortet, was sich entscheiden lässt. Das große Sprachmodell bekommt nur, was Begründung braucht. Dieser Entwurf zeigt die Naht dazwischen am Beispiel des MZP.
Kurzfassung
Eine Fassade
Der Produktkern fragt einen Port. Dahinter steht eine Eskalationskette aus Regeln, Jev und LLM. Die Kette zeigt die Reihenfolge, nicht Aufrufe zwischen den Bausteinen: Die Fassade entscheidet nach jedem Schritt anhand von τ, und jeder Baustein lässt sich austauschen, ohne den Kern anzufassen.
Eine Naht
Die Konfidenzschwelle τ entscheidet, ob der Code handelt, nachfragt oder eskaliert, nicht die Aufgabenklasse.
Ein Lernpfad
Jedes Urteil wird protokolliert und wird zum Datensatz für die Kalibrierung und für den Wechsel in Regeln.
Ebene 1: die Fassade
Erst der Soll-Zustand mit Fassade, darunter der Ist-Zustand ohne. Die Regel „Kern kennt keinen Adapter“ ist im Diagramm hinterlegt und wird geprüft; im Ist-Zustand schlägt sie an.
Ebene 2: was wandert wohin
Vier Aufgabenklassen des MZP sind Kandidaten für Stufe 1. Nur die Klassifizierung existiert im Code, sie ist seit dem 4. September 2026 ausgeschaltet. Die anderen drei sind Vorschläge. „Erklären und Schreiben“ geschieht beim aufrufenden Agenten und nicht im MZP; es steht als Gegenstück da, damit die Grenze sichtbar ist.
Ebene 3: ein Aufruf im Detail
Die Laufzeitsicht aus dem Jev-Bericht ist die Detailebene des Jev-Bausteins (Doppelklick auf „Jev“ in Ebene 1).
Was es spart, und was nicht belegt ist
| Größe | Unabhängig gemessen | Hersteller |
|---|---|---|
| Tempo | von langsamer (0,5× bis 0,65×) über gleichauf (1,04×) bis rund 18×; Beispiele 9,9× und 12,1× | Mittel 97,8×, Spitze 193,6× (ein Aufbau) |
| Kosten | typisch 4× bis 30×, Median 18,6× über 19 LLMs; in Einzelfällen teurer | Mittel 149,2×, Spitze 444,6× (ein Aufbau) |
| Genauigkeit | in 14 von 15 Aufgaben hinter dem besten LLM, Median −11,6 Makro-F1 | 67,8 % gegen 67,9 % für GPT-5.6 Terra, Opus 5 liegt bei 73,1 % (vier eigene Workflows) |
| Konfidenz | bei 1,00 meist richtig (97,1 % bei 1.516 Fällen); in der Mitte überoptimistisch (angegeben 0,81, tatsächlich 53 %) | Kalibrierfehler 0,002 bis 0,047 (japanischer Benchmark) |
Quelle: Recherche Das Gehirn der ersten Ebene vom 6. Oktober 2026. Für den MZP selbst gibt es keine gemessenen Volumen, deshalb steht hier kein Eurobetrag.
Auflagen
- Schattenmodus zuerst: Jev läuft mit, entscheidet nicht, bis die Übereinstimmung an eigenen Labels bekannt ist.
- Kalibrieren an 50 bis 300 eigenen Labels, neu bei jeder Änderung von Wortlaut, Datenquelle oder Modellversion.
- Modellversion festnageln, kein
jev-latest. - Immer eine Antwort „andere“ oder „unbekannt“ anbieten.
- Eingaben als nicht vertrauenswürdig kennzeichnen und die Injection-Abwehr gezielt testen.
- Der Adapter bleibt austauschbar: Jev ist proprietär und ohne SLA.
Was dieser Entwurf nicht sagt
- Dass Jev das LLM ersetzt. Es ist Gate und Router davor.
- Dass der MZP selbst viel einspart. Sein einziger eingebauter LLM-Aufruf ist ausgeschaltet; der große Verbraucher ist der aufrufende Agent.
- Eine Zahl für Einsparung in Euro.