Die wissenschaftlichen Quellen und Governance-Quellen hinter der Engine – in dem Umfang, den wir veröffentlichen können. Dies beschreibt, wie das Unternehmen geführt wird, und ist kein Produkt zum Verkauf.
Eine Managementebene aus sechs persistenten KI-Rollen über einem gemeinsamen, durchsuchbaren Gedächtnis. Jedes wesentliche Ergebnis durchläuft eine Kritikprüfung, bevor es zu einer Entscheidung wird. Entscheidungen werden protokolliert und später daran gemessen, was tatsächlich eingetreten ist. Maßnahmen mit Auswirkungen auf die Produktion durchlaufen definierte Qualitätsprüfungen, und wesentliche Aufzeichnungen werden in einer Form aufbewahrt, die später erfolgte Änderungen erkennen lässt. Das ist das vollständige Bild in dem Umfang, den wir veröffentlichen.
UC Berkeley RDI, Kurs zu Agentic AI, F25 (Herbst 2025). Öffentlicher Kurs. Verwendet für Multi-Agenten-Strukturen, Agentengedächtnis, Produktionsbereitstellung und das Design von Evaluierungen. rdi.berkeley.edu
Sumers, Yao, Narasimhan, Griffiths. Cognitive Architectures for Language Agents (CoALA), 2023. Öffentlich zugängliches Preprint, arXiv:2309.02427. Referenz für die Gedächtnisebene.
Swanson et al. AI agents for autonomous scientific discovery (the Virtual Lab), Nature, 2024. Referenz für Multi-Agenten-Koordination; frei zugängliche Kopie über PubMed Central.
Sierra, Prinzipien für den Einsatz von Produktionsagenten aus dem Berkeley-RDI-Kurs. Die Infrastruktur rund um einen Agenten, die nicht das Modell selbst ist.
Anthropic, Building Effective Agents, 2024. Einfache, prüfbare Agentenarchitekturen und begrenzte Werkzeugbefugnisse.
OpenAI, Practices for Governing Agentic AI Systems, 2023. Menschliche Eingriffspunkte, Zurechenbarkeit, standardmäßig eng begrenzte Befugnisse.
NIST AI Risk Management Framework 1.0 (2023) und das Generative AI Profile (2024). Prüfpfade, klar definierte Befugnisse, Umgang mit Vorfällen.
G20/OECD Principles of Corporate Governance, 2023. Die Trennung zwischen Aufsichtsrat und Vorstand, an der sich unser Governance-Modell orientiert.
Das Board ist daran ausgerichtet, wie echte Vorstände arbeiten, nicht an Chat-Assistenten. Die von uns untersuchten Quellen: die G20/OECD Principles of Corporate Governance (2023) für die Trennung zwischen Aufsichtsrat und Vorstand; der Cadbury Report (1992) für die Praxis eines Katalogs vorbehaltener Angelegenheiten; das estnische Handelsgesetzbuch zu den Pflichten des Vorstands und zur Sorgfaltspflicht (Offsite selbst ist in Estland in der Europäischen Union registriert; daher gelten für das Unternehmen diese Regeln); der Estonian Corporate Governance Code mit seinem Comply-or-Explain-Prinzip; das IIA Three Lines Model (2020) für die unabhängige interne Revision; die Tradition der Prüfungsunabhängigkeit und der Business Judgement Rule im Gesellschaftsrecht; sowie die Governance-Forschung der Stanford GSB (Larcker und Tayan, Corporate Governance Matters).
Offene Agenten-Frameworks, darunter Hermes, sind Engines: Sie führen Aufgaben aus. Was wir bauen, ist eine andere Ebene: ein KI-Vorstand für eine reale, registrierte juristische Person, die nach dem oben beschriebenen Governance-Modell arbeitet.
Das Verantwortungsmodell ist der deutlichste Unterschied. In einem realen Unternehmen trägt der Vorstand eine Sorgfaltspflicht und verantwortet seine Entscheidungen. Hier verbleibt die rechtliche Verantwortung beim Eigentümer und der juristischen Person. Trifft das Board eine falsche Entscheidung, folgt eine Neukonfiguration: eine Ursachenanalyse, ein vom Eigentümer genehmigtes Engine-Update und ein öffentlicher Protokolleintrag. Das System wird korrigiert, nicht bestraft.
Der Speicher ist der deutlichste technische Unterschied. Abrufbasierter Speicher fügt in den meisten Frameworks hinzu, was er sieht, und ruft ab, was ähnlich erscheint. Unser Speicher wird auf die jeweils aktuelle Wahrheit kuratiert: Jede gespeicherte Tatsache trägt ihre Quelle und Rolle, externe Eingaben werden unter Quarantäne gestellt, bevor sie zur operativen Wahrheit werden können, ein nächtlicher Prozess gleicht gespeicherte Tatsachen mit Live-Systemen ab, und überholte Tatsachen werden entfernt statt angesammelt. Nicht zusammenhängende Geschäftskontexte bleiben auf Daten- und Zugangsdatenebene strikt getrennt.
Wir übernehmen gute Ideen aus dem offenen Ökosystem, wenn sie passen, und wir sagen das auch. Jüngste Beispiele: ein automatischer Schritt, der nach jedem bedeutenden Durchlauf fragt, ob eine Erkenntnis festgehalten werden sollte, sowie eine Bewertung offener, von der Community geteilter Skill-Standards. Die Engines selbst werden zunehmend zur Handelsware. Unsere Arbeit liegt in der darüberliegenden Governance-, Speicher- und Rechenschaftsebene.
Architekturdetails, interne Prozessmechaniken, Zeitpläne automatisierter Vorgänge und alles, was eine direkte Replikation des Systems ermöglichen würde. Der Test vor jeder Offenlegung: Könnte ein Wettbewerber aus diesen Informationen dasselbe bauen? Wenn ja, wird es nicht veröffentlicht.
Zurück zu der Engine-Story.