AI ADVISORY BOARD

Was passiert, wenn im Beirat plötzlich mehr KI-Agenten sitzen als
Menschen? Jens Scharnetzki ist aus dem Urlaub zurück und hat
mitgebracht, was er in den freien Tagen gebastelt hat: ein
komplettes AI Advisory Board, gebaut mit n8n, der
Workflow-Automatisierungsplattform aus Deutschland, die laut
Handelsblatt inzwischen mit 2,4 Milliarden Euro bewertet wird
(Gründer: Jan Oberhauser). Statt eines einzelnen Chatbots hat Jens
zwanzig System-Prompts geschrieben, die Agenten in Persönlichkeiten
wie Steve Jobs, Angela Merkel, Elon Musk, Jeff Bezos, Tim Cook und
Jonathan Ive verwandeln: acht bis dreizehn DIN-A4-Seiten pro
Persona, nicht einfach "verhalte dich wie". Mark und Jens
diskutieren, warum dieser Aufwand tatsächlich etwas bringt:
Derselbe Prompt ohne die ausführlichen Persona-Beschreibungen
liefert im direkten Vergleich in ChatGPT deutlich oberflächlichere
Antworten. Der Grund, den beide vermuten, ohne ihn wissenschaftlich
belegen zu können: Ein Sprachmodell braucht ein möglichst konkretes
Weltmodell, um im Kontext einer Persona konsistent zu bleiben,
sonst fällt es zurück in sein neutrales Standardverhalten.
Aufgebaut ist das Advisory Board als Agenten-Hierarchie: Ein
Moderator-Agent im Stil eines Senior Consultants delegiert Fragen
an die passenden Personas, lässt sie sich in einer
Selbsteinschätzung von 0 bis 1 zur eigenen Relevanz äußern und
gewichtet am Ende die Antworten. Über eine Perplexity-Anbindung
holen sich die Agenten zusätzlich aktuelle Informationen aus dem
Netz, damit die Persona nicht nur mit Trainingsdaten von vorgestern
argumentiert. Damit nicht jede Anfrage manuell angestoßen werden
muss, hat Jens das Setup an Notion gekoppelt: Fragen, Texte oder
Dokumente landen in einer Datenbank, der n8n-Workflow holt sie
automatisch ab, schickt sie durchs Advisory Board und liefert am
Ende nicht nur Ergebnis und Herleitung zurück, sondern über die
Gamma-API gleich noch ein fertiges Slide-Deck mit. Eine Erkenntnis
aus der Praxis: Zwanzig Personas gleichzeitig sind too much, sowohl
was Rechenzeit (20 bis 30 Minuten pro Durchlauf) als auch
Fehleranfälligkeit angeht. Drei gut gewählte, diverse Perspektiven
liefern bessere Ergebnisse als ein überfülltes Gremium, in dem am
Ende zu viele Köche den Brei verderben. Richtig spannend wird es,
als die beiden das Board auch mal auf Mark selbst loslassen,
gefüttert mit Arbeitszeugnissen und Feedback-Gesprächen, um eine
Einschätzung zu bekommen, worauf er bei einer Vorstandspräsentation
achten sollte. Das führt zur größeren Frage der Folge: Sollten
KI-Systeme überhaupt eine Persönlichkeit bekommen, und hilft es,
mehrere Persönlichkeiten erst intern diskutieren zu lassen, bevor
eine Antwort rauskommt? Die beiden streifen dabei auch das heikle
Thema, wie stark Trainingsdaten und Anbieter-Guidance das Weltbild
eines Modells prägen, vom Bias-Verdacht bei US- versus asiatischen
Modellen bis zur bekannten Geschichte, dass Grok angewiesen worden
sein soll, Elon Musk nicht zu kritisieren. Am Ende landen Mark und
Jens bei einem Fazit, das auf den ersten Blick gar nicht nach
KI-Folge klingt: Wer im KI-Zeitalter gut mit Menschen umgehen kann,
wird auch mit den unterschiedlichen Persönlichkeiten von KI-Agenten
besser zurechtkommen. Soft Skills, lange als das "weiche"
Gegenstück zu IT-Kompetenz belächelt, werden damit zur
Kernkompetenz im Zeitalter der Multi-Agenten-Systeme.