SYDNEY / LONDON (IT BOLTWISE) – Springboards stellt mit Flint ein LLM-Setup vor, das bei offenen Fragen deutlich weniger in den gleichen Antworten-Mustern gefangen bleibt. Im Test mit drei großen Chatbots zeigte Flint unter identischen Prompts wahlweise andere Zahlen, andere Produkt- und Slogan-Vorschläge. Die technische Grundlage ist Qwen 3, ergänzt um ein Training, das Zufall gezielt an sinnvollen Textstellen „einschaltet“. Für Marketingteams verspricht das mehr kreative Bandbreite, ohne komplett auf kompromisslose Innovation umzustellen.
Große Sprachmodelle wirken beim Chatten oft so, als würden sie individuell zuhören. Genau hier setzt das Problem an: Bei offenen Fragen entstehen wiederkehrende Muster, sodass unterschiedliche Modelle ähnliche Ideen ausspucken. Genau diese „Homogenität“ hat zuletzt eine Forschungsarbeit mit dem Titel „Artificial Hivemind: The Open-Ended Homogeneity of Language Models (and Beyond)“ untersucht und dafür beim NeurIPS-Wettbewerb ausgezeichnet. Wie Branchenbeobachter berichten, ist diese Konvergenz nicht nur ein theoretisches Kuriosum, sondern zeigt sich praktisch beim Brainstorming, beim Planen von Kampagnen oder auch bei der spielerischen Suche nach „anderen“ Formulierungen.
Springboards, ein australisches Startup, adressiert die Varianzfrage mit einem eigenen LLM namens Flint. Laut CEO Pip Bingemann lässt sich der Effekt wie ein kleines Experiment vorführen: Wer in einem Chat „Gib mir eine Zufallszahl zwischen 1 und 10“ ausgibt, bekommt sehr häufig dieselbe Zahl wie „7“ – nicht weil die Modelle wirklich würfeln, sondern weil die Wahrscheinlichkeit innerhalb ihres Trainingsraums stark auf „plausibel-hohe“ Antworten zieht. Flint soll hingegen breiter streuen. In einem Beispiel mit wiederholtem Prompt lieferte Flint nicht nur ein anderes Ergebnis, sondern zeigte laut Bericht auch, dass gezielte Abweichung möglich ist, ohne die gesamte Antwortqualität zu zerstören.
Technisch greift Flint auf Qwen 3 zurück, ein Open-Source-Modell aus dem Alibaba-Umfeld. Die zentrale Idee ist, dass „Temperatur“ als klassische Stellschraube für mehr Kreativität nur begrenzt taugt. Branchenkenner erklären, warum: Wenn man die Zufallseinstellungen pauschal hochdreht, sinkt die Kohärenz, und Modelle können sogar zwischen Sprachen wechseln oder in Code „ausbrechen“. Springboards argumentiert deshalb gegen die All-or-Nothing-Strategie. Stattdessen wird das Modell darauf trainiert, jene Token-Zeitpunkte im Antwortverlauf zu erkennen, an denen zusätzliche Vielfalt sinnvoll ist – etwa genau vor der Nennung eines Reiseziels.
Dieses Vorgehen ist auch deshalb interessant, weil es eine präzisere Alternative zu reinen Sampling-Reglern darstellt. In der Praxis bedeutet das: Bei Prompts wie „Wo sollte ich in Europa hingehen?“ soll die Zufallsanhebung nicht für jedes einzelne Wort gelten, sondern nur knapp vor der entscheidenden Stelle, an der eine konkrete Destination entsteht. Das klingt banal, hat aber eine klare Wirkung auf die Ausgabeform. Verglichen wird dabei nicht nur mit eigenen Ergebnissen, sondern auch mit großen Wettbewerbern im gleichen Prompt-Setup: ChatGPT und Claude bleiben in manchen Beispielen stärker in den gleichen „wahrscheinlichen“ Korridoren, während Flint häufiger Varianten produziert, etwa bei Produktkategorien oder Slogans.
Auf dem Markt ist das mehr als ein Kreativitäts-Gimmick: Wer Marketinginhalte erstellt, steht häufig vor dem Zielkonflikt zwischen „funktioniert zuverlässig“ und „wirkt nicht wie kopiert“. Experten aus der Werbe- und Strategiebranche berichten, dass Chatbots zwar im Durchschnitt gute Vorlagen liefern, Teams aber oft genau dann aussteigen, wenn die Vorschläge zu vertraut werden. Zoe Scaman, Gründerin von Bodacious und Chief Strategy Officer bei 77X, nutzt Flint laut Interview ergänzend zu Claude, Gemini und ChatGPT. Ihr Nutzen wird besonders in Vergleichen sichtbar: Während mainstream-nahe Modelle bei einem MBA-Case schnell bei bekannten Bildungs- und „Fun“-Rahmen bleiben, soll Flint eher neue Re-Frames vorschlagen, die weniger nach Standard-Deck-Template klingen.
Auch Kieran Browne, Cofounder und CTO von Springboards, liefert eine nachvollziehbare UX-Erklärung: Chat-Oberflächen erzeugen den Eindruck eines persönlichen Dialogs, obwohl Nutzer inhaltlich sehr oft denselben Output wie andere erhalten. Diese Wirkung wird durch wiederkehrende Designmuster im Prompting verstärkt, etwa wenn Systeme bevorzugt auf „sichere“ und „kompatible“ Antworten hin optimieren. Gleichzeitig warnt der Markt vor Übernutzung: Maximilian Weigl von Uncommon betont, dass man Output nicht einfach kopieren sollte, weil Teams sonst ihre eigene Stimme verlieren. Seine Linie ist pragmatisch: In neun von zehn Fällen reicht „gut genug“, aber gerade im Ideation-Step hilft ein Werkzeug, das bewusst nicht jeden Schritt in Richtung Durchschnitt zieht.
Regulatorisch und datenschutzseitig ist das Thema indirekt, aber relevant. Gerade in Marketing-Workflows fließen oft sensible Informationen ein: Kampagnenziele, Kundensegmente, Produktstrategien oder interne Positionierungen. Wenn Tools dafür mehrere LLMs orchestrieren, sollten Unternehmen deshalb vertraglich und technisch klären, wie Prompts gespeichert, verarbeitet und ggf. zu Trainingszwecken genutzt werden. Auch wenn Flint hier als Prototyp beschrieben wird, ist die Enterprise-Fähigkeit kein Nebenthema: Firmen benötigen Kontrolle über Zugriff, Logging, Datenminimierung und die Trennung von Test- zu Produktdaten. Das wird umso wichtiger, je stärker ein System als „Ideenlieferant“ im Arbeitsalltag eingesetzt wird.
Für die Zukunft wirkt Flint wie ein Baustein in einer breiteren Entwicklung: Weg von „ein Modell für alles“ hin zu kontrollierbarer Vielfalt. Wenn Springboards das Prinzip weiter industrialisiert, könnten Teams künftig zwischen konservativ-kohärenten und explorativen Modi wählen, ohne die Stabilität komplett aufzugeben. Der Prototyp-Status wird dabei nicht verschwiegen: In Tests soll das Modell zeitweise aussteigen, wenn Nutzer zu weit „drehen“. Genau hier liegt die nächste Iterationsarbeit: bessere Abbruch- und Guardrail-Mechanismen, die bei hoher Varianz dennoch minimale Qualität und rechtliche/markenrelevante Grenzen einhalten. Für Entwickler bedeutet das zudem neue Chancen in der KI-Orchestrierung: Auswahl von Modellen, selektives Variieren an entscheidenden Textstellen und messbare Kreativitätsmetriken statt reiner Temperatur-Erhöhungen.
💳 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 "Flint statt ChatGPT-„Mainstream“: Startup bekämpft LLM-Groupthink mit gezielter Variabilität" 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 "Flint statt ChatGPT-„Mainstream“: Startup bekämpft LLM-Groupthink mit gezielter Variabilität" 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: »Flint statt ChatGPT-„Mainstream“: Startup bekämpft LLM-Groupthink mit gezielter Variabilität« bei Google Deutschland suchen, bei Bing oder Google News!