Künstliche Deliberative Crowds: Warum gemischte KI-Modelle intelligenter sind als einzelne Experten

Eine im September 2026 auf arXiv eingereichte Studie zeigt, dass künstliche Gruppen aus verschiedenen großen Sprachmodellen (LLMs) bei der Beantwortung von Fragen präziser sind als menschliche Experten. Dies gilt jedoch nur, wenn die Modelle unterschiedliche Architekturen besitzen; Repliken desselben Modells profitieren nicht von Diskussionen.

Hintergrund: Der Kontext der KI-Forschung

Die Studie 'The Wisdom of Artificial Deliberative Crowds', eingereicht am 18. September 2026 auf arXiv (cs.AI), untersucht, ob sich das Prinzip der 'Weisheit der Vielen' – ursprünglich als Überlegenheit von aggregierten Laienschätzungen gegenüber einzelnen Expertenjüngern bekannt [1] – auch auf künstliche Intelligenz übertragen lässt. Die Autoren Federico Barrera-Lemarchand, Mariano Sigman und Joaquin Navajas testeten diese Hypothese an vier verschiedenen Aufgabenbereichen: visuelle Schätzung von Zahlen, Begutachtung von ML-Papieren, Erkennung von schädlichem Verhalten und Sportvorhersagen [1].

Der Kern der Forschung liegt im Unterschied zwischen unabhängiger Antwortgebung und einer kleinen Gruppe, die diskutiert, sich gegenseitig überzeugt und ihre Antworten anpasst. Diese Phase des 'Deliberations' (Diskussion) reduziert den kollektiven Fehler, aber nur unter einer entscheidenden Bedingung: Die Gruppe darf nicht aus Klonen desselben Algorithmus bestehen. Wenn alle Modelle identisch sind, findet keine echte Interaktion statt, und die Genauigkeit verbessert sich nicht, unabhängig von der Anzahl der Diskussionen [1].

Wichtige Fakten und Zahlen

Hinweis: Die spezifischen numerischen Werte für die Fehlerreduktion wurden im Text als qualitativer Fortschritt ('Fehler wurde reduziert') beschrieben, wobei der Fokus auf der Notwendigkeit von Modellvielfalt liegt, nicht auf exakten Prozentzahlen ohne Kontext.

Auswirkungen: Wer ist betroffen?

Die Ergebnisse haben direkte Konsequenzen für Branchen, die auf KI-Systeme angewiesen sind, wie Finanzen und Medizin. Dort könnte es zukünftig üblich sein, dass KI-Modelle intern diskutieren, um zu einer endgültigen Diagnose oder Entscheidung zu gelangen. Die Studie warnt jedoch davor, dies mit identischen Modellen zu tun: Ein System, das nur aus Klonen desselben Modells besteht, profitiert nicht von der Debatte [1].

Dies zwingt Entwickler dazu, die Richtlinien für 'diverse architectures' im Bereich KI und Software neu zu überdenken. Die Nutzung einer einzigen Vendor-Lösung und deren Skalierung ist mit diesen Forschungsergebnissen unvereinbar, da sie den Mechanismus der kollektiven Intelligenz blockiert. Selbst nach Abschluss der Diskussion behielten die einzelnen Modelle in gemischten Gruppen ihre verbesserte Leistungsfähigkeit bei, was darauf hindeutet, dass eine einzige Interaktion das individuelle Niveau des Systems hebt [1].

Ausblick: Nächste Schritte und Variablen

Zur Zeit der Einreichung im September 2026 gaben die Autoren konkrete Pläne an. Die Studie befindet sich in der Phase des Peer-Reviews für den formellen Druck in einer wissenschaftlichen Zeitschrift, wobei der genaue Veröffentlichungszeitpunkt zur Veröffentlichungszeit noch nicht spezifiziert war [1].

Ein wichtiger Variabler ist der Vergleich mit realen Märkten: Die Ergebnisse der Sportvorhersage (Study 4) wurden bereits mit einem echten Vorhersagemarkt verglichen. Die Echtzeit-Schwankungen dieses Marktes werden als weiterer Benchmark für die Genauigkeit von KI-Vorhersagen dienen [1]. Aktuell bleibt das Mischen verschiedener Modellserien die einzige identifizierte Lösung, um den Vorteil der deliberativen Gruppen zu nutzen.

Quellen

1. The Wisdom of Artificial Deliberative Crowds — arXiv cs.AI 신규 논문
2. Artificiality — Wikipedia (en)