ADR-012: Zwei-System-Entscheidungsfassade

Der MZP hat genau einen eingebauten LLM-Aufruf (RequestClassificationService, DeepSeek). Er ist seit 2026-09-04 ausgeschaltet, weil ein LLM-Call je schreibender Anfrage ein Kosten- und Verfügbarkeits-Commitment ist, das nicht getroffen war. Die Aufgabe ist eine reine Auswahl: Kategorie und Kritikalität. Dafür gibt es seit September 2026 Entscheidungsmodelle (Jev), die ohne Text auswählen und eine Konfidenz liefern.

Entscheidungen laufen über einen Port „Entscheiden“. Dahinter eskaliert die Entscheidung in drei Stufen: Regeln, ein Entscheidungsmodell (System 1), das LLM (System 2). Die Pfeile zwischen den Stufen zeigen die Reihenfolge der Eskalation, entschieden wird jeweils an der Konfidenzschwelle τ; die Bausteine rufen einander nicht auf. Das Entscheidungsmodell sitzt hinter einem austauschbaren Adapter; Standardannahme ist die gehostete Jev-API, ein selbst gehosteter Nachbau ist die dokumentierte Ausweichroute.

LLM direkt behalten (Ist): Kosten und Latenz je Entscheidung bleiben bei Sekunden und Token-Preis, und der Kern kennt den Anbieter. Das ist der Zustand, den der Aufruf ausgeschaltet hat. Nur Regeln oder ein trainiertes Modell: schnell und billig, braucht aber Labels und trägt wechselnde Kriterien schlecht. Regeln bleiben als Stufe 0 erhalten, ersetzen die Auswahl aber nicht. OpenAI Decisions API: am 2026-09-30 angekündigt, Limited Preview. Schema, Preis und die Frage, ob Wahrscheinlichkeiten zurückkommen, waren unveröffentlicht; derzeit nicht bewertbar. Der Port macht sie zu einem weiteren Adapter. Selbst gehosteter offener Nachbau (Laya, Kev, Von und andere): läuft lokal und schnell, die kalibrierte Konfidenz ist öffentlich bisher nicht gleichwertig nachgebaut. Als Ausweichroute vorgesehen, nicht als Standard.

Proprietär und ohne SLA; die Modellversion muss festgenagelt werden. Die Konfidenz ist in der Mitte überoptimistisch (angegeben 0,81, tatsächlich 53 % in einem unabhängigen Test) und braucht Kalibrierung an eigenen Labels. Keine Begründung: die Audit-Spalte reasoning bräuchte Wahrscheinlichkeiten plus Konfidenz, bei Eskalation füllt System 2 sie weiter. Injection ist eine dokumentierte Schwäche; der heutige Prompt härtet ausdrücklich dagegen.

Schattenmodus zuerst. Kalibrierung an 50 bis 300 eigenen Labels. Version festnageln. Immer eine Antwort „andere“ anbieten. Eingaben als nicht vertrauenswürdig kennzeichnen. Adapter hinter dem Port halten.

Welche der vier Aufgabenklassen (Klassifizierung, Diagrammtyp-Router, Befund-Triage, Injection-Gate) zuerst in den Schattenmodus geht, entscheidet ein Folgeticket. Es gibt keine gemessenen Volumen im MZP, deshalb keine Euro-Zahl.