LONDON (IT BOLTWISE) – Der Tech-Journalist Robert Cringely treibt mit seinem Startup 2Brains einen Ansatz voran, der Halluzinationen nicht durch größere Modelle bekämpfen will, sondern durch eine strikte Trennung von Sprache und Fakten. Statt statistisch zu „raten“ soll das System Informationen gezielt nachschlagen und vor der Ausgabe gegeneinander abgleichen. Cringely stellt das als entscheidenden Schritt für den produktiven Einsatz von Unternehmens-KI in regulierten Umgebungen dar. Im Hintergrund steht dabei auch das Ziel, Rechen- und Energiekosten gegenüber klassischen Large-Model-Strategien deutlich zu senken.
Robert Cringely meldet sich nach einer mehrjährigen Pause mit einer neuen Unternehmensidee zurück: Das Startup 2Brains Inc. soll das Halluzinationsproblem von Künstlicher Intelligenz „architektonisch“ lösen, nicht durch das übliche Aufbohren von Modellgrößen. Der Tech-Journalist, der seine Karriere 1978 am Stanford Artificial Intelligence Lab startete, nennt als persönliche Gründe für die Auszeit Folgen eines Herzinfarkts und eines Schlaganfalls im Juli 2025. Parallel dazu entstand 2022 gemeinsam mit zwei Partnern das Projekt 2Brains, dessen Systemarchitektur inzwischen in Patentanmeldungen dokumentiert ist. Laut Cringely wird die Arbeit aktuell von einem kleinen Team fortgeführt.
Die zentrale Kritik richtet sich dabei gegen das Skalierungsmodell vieler Tech-Konzerne: Milliardeninvestitionen fließen demnach vor allem in größere Rechenleistung und größere KI-Modelle. Cringely argumentiert, dass die Branche davon ausgeht, sich Halluzinationen durch mehr Parameter und Trainingskapazität „wegoptimieren“ zu können. Seine Gegenposition ist deutlich: Solange ein KI-System Fakten erfindet, bleibt es für verlässliche Rollen in Krankenhäusern, Banken oder Gerichten ungeeignet. Der produktive Einsatz in Unternehmen hängt für ihn deshalb weniger an der Modellgröße als an der Fähigkeit, Aussagen zuverlässig zu verifizieren, bevor sie einen Nutzer erreichen.
Technisch beschreibt 2Brains einen Ansatz, bei dem zwei Rollen innerhalb des Systems getrennt werden: Der Teil, der Sprache generiert, wird strikt von der Komponente entkoppelt, die Fakten abruft und verifiziert. Beide Prozesse sollen erst dann zusammengeführt werden, wenn eine Abstimmung stattgefunden hat, bevor eine Ausgabe an den Endnutzer erfolgt. Damit verschiebt sich die Fehlerursache vom „wahrscheinlichen Fortsetzen“ von Text hin zu einem kontrollierten Datenzugriff. Der Unterschied zu klassischen Transformer-basierten Pipelines ist konzeptionell: Statt statistische Plausibilität anstelle von Wahrheitsprüfung zu setzen, zielt das System auf ein deterministisches Nachschlagen.
Für die praktische Wirkung bedeutet das laut Beschreibung: Das System soll nicht „erraten“, sondern Fakten gezielt recherchieren. Dadurch werde das Erfinden von Informationen blockiert, weil die Wissensgrundlage nicht frei im Sprachraum konstruiert, sondern an verifizierbare Quellen gebunden wird. Gleichzeitig betont Cringely den Effizienzvorteil: Die Lösung soll auf herkömmlichen Prozessoren laufen und dadurch den Energiebedarf im Vergleich zu großen KI-Modellen erheblich senken. Damit rückt 2Brains in eine Linie mit dem Trend „Retrieval Augmented Generation“, bei dem externe Datenquellen als Wahrheitsschicht dienen. Der Unterschied bleibt jedoch der Anspruch, die Trennung von Sprache und Fakten als Designprinzip noch stärker auszubauen und nicht als nachgelagerte Ergänzung zu betrachten.
Im Marktumfeld ist das Timing bemerkenswert, denn derzeit setzt die KI-Industrie weiterhin häufig auf skalierende Modellfamilien und Plattform-Upgrades, um Produktivitätsgewinne zu liefern. Als direkte Konkurrenzidee lässt sich die Strategie großer Anbieter einordnen, bei denen Modellleistung und Bedienoberfläche im Vordergrund stehen und Zusatzmechanismen wie RAG typischerweise als Feature nebenbei anwachsen. In einem Experteninterview habe Cringely sinngemäß betont, dass „Vertrauen“ und „Sparsamkeit“ nicht gegeneinander ausgespielt werden müssten, sondern aus derselben Designentscheidung entstehen. Dieses Narrativ steht im Gegensatz zu vielen Unternehmensbudgets, die vor allem auf GPU-Kosten und Trainings-/Inference-Lasten fokussieren.
Auch regulatorisch ist die Architekturfrage brisant. Sobald Ausgaben in regulierten Prozessen genutzt werden, rücken Nachvollziehbarkeit, Datenherkunft und Prüfpfade in den Vordergrund. Ein Halluzinationsmechanismus, der interne Plausibilitätsmuster über tatsächliche Fakten stellt, erhöht das Risiko von falschen medizinischen Hinweisen, fehlerhaften Finanzangaben oder ungeeigneten rechtlichen Aussagen. Ein System, das vor der Ausgabe eine Faktenverifikation erfordert, kann sich besser in Governance-Modelle integrieren lassen: Rollen, Logging, Freigabeprozesse und Zugriffskontrollen funktionieren technisch leichter, wenn die Wissensbeschaffung klar separiert und protokollierbar ist. Entscheidend ist dabei weniger der Marketingbegriff als die tatsächliche Umsetzbarkeit im Enterprise-Stack.
Für Unternehmen könnte 2Brains damit vor allem eine neue Bewertungslogik anstoßen: Nicht nur „Wie gut antwortet das Modell?“, sondern „Wie schnell und zuverlässig wird die Faktenbasis beschafft, überprüft und abgeglichen?“. Wenn die Trennung von Sprache und Fakten tatsächlich zu weniger Halluzinationen führt, entsteht ein greifbarer ROI-Vorteil, weil weniger menschliche Korrekturschleifen notwendig werden und Workflows robuster laufen. Gleichzeitig bleibt abzuwarten, wie genau der Abruf und die Verifikation in der Praxis implementiert sind, etwa welche Datenquellen genutzt werden und wie die Konsistenz bei widersprüchlichen Quellen gehandhabt wird. Für Entwickler ergeben sich daraus Chancen in der KI-Entwicklung: Enterprise-Teams können stärker auf überprüfbare Pipelines, deterministische Prüfpfade und effizientere Inferenz setzen, statt ausschließlich auf Modell-Upgrades zu warten.
In die Zukunft übersetzt heißt das: Wenn 2Brains die postulierte Architektur früh industrialisiert, könnte sich der Wettbewerb in Richtung „KI-Systeme als verifizierende Maschinen“ verlagern. Der Trend zu günstigeren Deployments auf Standardhardware würde die Markteintrittsbarriere für kleinere Teams senken und zugleich die Abhängigkeit von dauerhaft teurer GPU-Infrastruktur reduzieren. Für größere Anbieter wiederum entsteht Druck, Verifikationsschichten und Faktenzugriffe nicht nur als optionale Add-ons zu betrachten, sondern stärker in die Systemarchitektur zu integrieren. Cringelys Position zielt damit auf einen Perspektivwechsel: Halluzinationen werden nicht durch mehr Rechenleistung „wegtrainiert“, sondern durch bessere technische Grenzen zwischen Wissen und Text verhindert.
💳 Amazon-Kreditkarte mit 2.000 Euro Limit bestellen!
🔥 Heutige Hot Deals bei Amazon: Bis zu 80% Rabatte!
🎉 Amazon Haul-Store für absolute Schnäppchenjäger!
- ★ 23-stufiges KI-Go-Training – Für Spieler mit Grundkenntnissen der Regeln – Entwickelt als intelligenter Trainingspartner passt sich die KI Spielern von 18K bis 9D an. Ideal für alle, die die Grundregeln bereits beherrschen und ihr Spiel verbessern möchten.
- IHR EMOTIONALER AI-BEGLEITER: Eiliko ist mehr als nur ein Anhänger, es ist ein charismatischer KI-Freund. Mit einem dynamischen LED-Bildschirm, der eine Vielzahl von animierten Gesichtern und Ausdrucksformen anzeigt, reagiert er auf Ihre Interaktionen mit einzigartiger Persönlichkeit und Charme.
- NIEDLICHER BEGLEITER: Eilik ist der ideale Begleiter für Kinder und Erwachsene, die Haustiere, Spiele und intelligente Roboter lieben. Mit vielen Emotionen, Bewegungen und interaktiven Funktionen.
- 【XL-Größe für gedeihende Pflanzen】Geben Sie Ihren Pflanzen den Raum, den sie verdienen! Unser verbessertes, großes 13,7 cm großes Design bietet Platz für Pflanzen mit einem Durchmesser von bis zu 8,9 cm und damit deutlich mehr Platz für Wurzelwachstum und Pflanzengesundheit im Vergleich zu kleineren, veralteten Modellen. Die Produktabmessungen betragen 13,6 x 13,6 x 13,2 cm und das Gerät wiegt nur 355 g.
- V28 Update - JETZT MIT NEUEN FUNKTIONEN! Als Reaktion auf das Ladeproblem von Loona haben wir das automatische Aufladen 2.0 verbessert. Diese Optimierung hilft Loona, die Ladewege in verschiedenen Szenarien zu erkennen und anzupassen, um die Erfolgsquote beim automatischen Aufladen zu erhöhen. Mobile Hotspots können sich mit Loona verbinden und überwinden WLAN-Einschränkungen, sodass Sie jederzeit und überall mit Loona interagieren können.
- Die besten Bücher rund um KI & Robotik!
- Die besten KI-News kostenlos per eMail erhalten!
- Zur Startseite von IT BOLTWISE® für aktuelle KI-News!
- IT BOLTWISE® kostenlos auf Patreon unterstützen!
- Aktuelle KI-Jobs auf StepStone finden und bewerben!
- Künstliche Intelligenz: Dem Menschen überlegen – wie KI uns rettet und bedroht | Der Neurowissenschaftler, Psychiater und SPIEGEL-Bestsellerautor von »Digitale Demenz«
Du hast einen wertvollen Beitrag oder Kommentar zum Artikel "2Brains will KI-Halluzinationen per Architektur blockieren statt skalieren" für unsere Leser?
#Sophos
#AmazonPrime
#Bestseller
Es werden alle Kommentare moderiert!
Für eine offene Diskussion behalten wir uns vor, jeden Kommentar zu löschen, der nicht direkt auf das Thema abzielt oder nur den Zweck hat, Leser oder Autoren herabzuwürdigen.
Wir möchten, dass respektvoll miteinander kommuniziert wird, so als ob die Diskussion mit real anwesenden Personen geführt wird. Dies machen wir für den Großteil unserer Leser, der sachlich und konstruktiv über ein Thema sprechen möchte.
Du willst nichts verpassen?
Du möchtest über ähnliche News und Beiträge wie "2Brains will KI-Halluzinationen per Architektur blockieren statt skalieren" informiert werden? Neben der E-Mail-Benachrichtigung habt ihr auch die Möglichkeit, den Feed dieses Beitrags zu abonnieren. Wer natürlich alles lesen möchte, der sollte den RSS-Hauptfeed oder IT BOLTWISE® bei Google News wie auch bei Bing News abonnieren.
Nutze die Google-Suchmaschine für eine weitere Themenrecherche: »2Brains will KI-Halluzinationen per Architektur blockieren statt skalieren« bei Google Deutschland suchen, bei Bing oder Google News!