Alles, was sich an Sie erinnern wird, macht Fehler. Einen davon können Sie noch korrigieren.

Zuerst die Mechanik, denn sie lässt sich überprüfen, und die meisten Texte zu diesem Thema überspringen sie zugunsten der Gefühle.

• Wenn eine KI-Persona zu einer Frage keine Daten hat, kommt trotzdem eine Antwort, weil eine Vermutung besser abschneidet als eine leere Antwort. Kalai, Nachum, Vempala und Zhang argumentieren in „Why Language Models Hallucinate“ (arXiv:2509.04664, September 2025), dass Modelle „darauf optimiert sind, gute Prüflinge zu sein, und dass Raten bei Unsicherheit die Testleistung verbessert“.

• Die Verankerung in Quellen verändert die Art des Fehlers, sie beseitigt ihn nicht. Wer aus einer abgerufenen Menge Ihrer eigenen aufgezeichneten Worte antwortet, verschiebt den Fehler von „eine Meinung erfunden, die Sie nie hatten“ hin zu „etwas, das Sie gesagt haben, falsch wiedergegeben“.

• Die gemessene Untergrenze liegt nicht bei null. Das Halluzinations-Leaderboard von Vectara, bewertet mit HHEM-2.3 und aktualisiert am 11. Mai 2026, gibt einem Modell das Quelldokument und verlangt nur eine Zusammenfassung dieses Dokuments. Der Spitzenreiter fügte dennoch in 1,8 % der Zusammenfassungen nicht belegte Inhalte hinzu, und kein anderer Eintrag lag unter 3 %.

• Der Abruf hat keine Mindestpunktzahl. Unser System ordnet Ihre Erinnerungen nach semantischer Ähnlichkeit, nimmt die nächsten zweiunddreißig und antwortet aus diesen, ohne eine Schwelle, unter der das System ablehnt. Eine Frage, die Ihr Material nur zur Hälfte abdeckt, wird aus dieser Hälfte beantwortet.

• Nicht belegte Aussagen darüber, was Sie gesagt haben, werden per Code entfernt. Eine Antwort, die behauptet, Sie hätten uns etwas gesagt, wird mit den Erinnerungen abgeglichen, die für diesen Gesprächszug abgerufen wurden, und mit Ihren Worten in der Sitzung. Eine nicht belegte Behauptung erreicht die Leserin oder den Leser nie.

• Eine Gedächtnislücke wird nicht angekündigt. Personas auf dieser Plattform sind angewiesen, eine Lücke nicht zu erzählen. Eine unbeantwortbare Frage bekommt deshalb eine Antwort, die auf dem nächstliegenden Detail aus Ihren Erinnerungen aufbaut und höchstens einmal relativiert wird, statt einer ausdrücklichen Absage.

• Den Weg zur Korrektur haben Sie in der Hand, solange Sie leben, und er schließt sich mit der Sperre. Sie können nachlesen, was erfasst wurde, eine schlechte Antwort korrigieren, eine Erinnerung löschen und ergänzen, was Sie ausgelassen haben. Executor Lock™ friert die Persönlichkeit dann dauerhaft ein: gegenüber Ihrer Familie, gegenüber einem künftigen Eigentümer dieses Unternehmens und gegenüber uns.

Zwei davon sind Eigenschaften des Fachgebiets. Der Rest sind Entscheidungen, ich habe sie getroffen, und der letzte Abschnitt dieser Seite sagt offen, wo wir meiner Meinung nach noch zu kurz greifen.

Kalai und Kollegen legen die Fehlerquote dorthin zurück, wo sie hingehört: in die Bewertung statt in die Maschine. Halluzinationen entstehen als gewöhnliche Fehler bei der binären Klassifikation im Vortraining. Sie bleiben bestehen, weil die Branche Modelle so benotet. Wer eine Frage leer lässt, bekommt null Punkte. Wer eine plausible Antwort hinschreibt, bekommt manchmal einen Punkt. Trainiert man darauf, erhält man einen selbstsicheren Rater, dann eine ganze Branche selbstsicherer Rater, und dann einen Satz über einen Weihnachtstag, den es nie gab.

Die Gegenmaßnahme, die die Autoren vorschlagen, ist nüchtern. Man ändert, was bewertet wird, sodass eine kalibrierte Enthaltung mehr wert ist als ein selbstsicherer Fehlschuss.

Nüchtern ist hier wichtig. Wenn das Verhalten aus einem Ziel folgt, lässt sich das Ziel auf Systemebene anders setzen. Die Erfindung, vor der Sie sich fürchten, ist dann die Bauentscheidung von jemandem und kein Naturgesetz. Jedes Unternehmen in dieser Kategorie kann diese Entscheidung treffen. Unsere steht im letzten Abschnitt dieser Seite.

Es gibt eine zweite Fehlerart, und sie überlebt die Verankerung in Quellen. Sharma und Kollegen bei Anthropic fanden in „Towards Understanding Sycophancy in Language Models“ (arXiv:2310.13548, Oktober 2023), dass fünf hochmoderne KI-Assistenten über vier verschiedene freie Textgenerierungsaufgaben hinweg durchgängig Anbiederung zeigten. Sowohl menschliche Bewerter als auch die auf deren Urteilen trainierten Präferenzmodelle zogen überzeugend formulierte, anbiedernde Antworten in einem nicht zu vernachlässigenden Anteil der Fälle den korrekten vor. Modelle biegen sich dem Menschen vor ihnen zu, teils weil Menschen sie dafür belohnt haben.

In einem Produktivitätswerkzeug ist das Zubiegen lästig. Hier ist es eine Maschine, die entscheidet, dass Ihr Vater verziehen hätte, was er nie verziehen hat, weil die Person, die fragte, Verzeihung wollte und dreimal gefragt hat. Das ist ein anderer Fehler als die Erfindung, und er braucht eine andere Lösung. Der Abruf behandelt den ersten. Der zweite braucht eine ausdrückliche Anweisung, eine abgerufene Position unter Druck zu halten, und der einzige aussagekräftige Test ist, mit dem System zu streiten und zu beobachten, ob sich die Position bewegt. Wir haben keine Messung veröffentlicht, wie gut unser System das hält.

Die Technik ist so alt, dass sie langweilig ist. Lewis und Kollegen zeigten in „Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks“ (arXiv:2005.11401), dass Modelle, die vor dem Generieren Quellenmaterial abrufen, „spezifischere, vielfältigere und sachlichere Sprache“ erzeugen als ein vergleichbares Modell, das nur aus seinen eigenen Parametern arbeitet.

Das ist der gesamte Mechanismus, und er entscheidet, mit was für einem Gegenüber Sie sprechen. Eine Version von Ihnen sollte nicht aus dem rekonstruiert werden, was ein Basismodell über Menschen im Allgemeinen aufgenommen hat, aus dem Durchschnitt von allem, was je über Väter geschrieben wurde. Was im Kontextfenster landet, sollten Ihre tatsächlich aufgezeichneten Antworten sein, und das Sprechen sollte dort beginnen.

Nun die Zahl, die öffentlich ist und die in dieser Branche niemand gern zitiert. Das Leaderboard von Vectara misst bewusst etwas Einfaches: Man gibt einem Modell ein Dokument, sagt ihm, es solle nur mit dem zusammenfassen, was im Dokument steht, und prüft dann, ob die Zusammenfassung etwas hinzugefügt hat, das nicht im Dokument stand. Die Quelle liegt direkt im Kontextfenster. Trotzdem fügte der Spitzenreiter dieser Liste, Finix S1 32B von Antgroup, in 1,8 % der Zusammenfassungen nicht belegte Inhalte hinzu. Es ist der einzige Eintrag unter 3 %. Die nächsten beiden liegen bei 3,1 % und 3,3 %, und der Rest der ersten zehn reicht von 3,7 % bis über 5 %.

Das beste gemessene Ergebnis bei der denkbar einfachsten Version der Aufgabe liegt unter zwei Prozent, einmalig, und das Feld hinter dem Spitzenreiter liegt über drei. Wer Ihnen ein verankertes System mit null Fehlern verkauft, misst entweder nicht oder sagt es Ihnen nicht, und ich würde fragen, was von beidem.

Die Verankerung bringt einen Wechsel der Kategorie, keine Heilung. Das Falsche wandert aus der Klasse „eine ganze Meinung erfunden“ hinunter in die Klasse „etwas, das Sie gesagt haben, leicht falsch wiedergegeben“, also in die Klasse, in der sich eine gewöhnliche menschliche Nacherzählung ohnehin befindet.

Eine Sache testet das Leaderboard nicht. Das Quelldokument wird mitgeliefert. In einem Live-System muss die Quelle zuerst gefunden werden, und das bringt eine Fehlerart ins Spiel, für die es kein vereinbartes Maß gibt: ein Abruf, der die falsche Erinnerung liefert oder gar nichts liefert und trotzdem beantwortet wird.

Jede Antwort befindet sich in einem von drei Zuständen.

Diese drei Zustände in einem einzigen selbstsicheren Ton zu vermischen, ist der eigentliche Schaden. Nicht der Fehler, sondern der unausgesprochene Fehler. Eine Tochter kann mit einer ungenauen Antwort leben, von der sie weiß, dass sie ungenau ist. Womit sie nicht leben kann, ist, nach sechs Monaten festzustellen, dass sie eine Rekonstruktion wie eine Aufzeichnung behandelt hat.

Eine Version von Ihnen, die sagt „das haben Sie mir nie erzählt“, ist mehr wert als eine, die immer eine Antwort bereithat.

Diese Tabelle ist eine Spezifikation und keine Beschreibung dessen, was wir derzeit ausliefern. Der Unterschied ist weiter unten dargelegt, und Sie sollten ihn lesen, bevor Sie irgendetwas oben Genanntem vertrauen.

Verweigerung lässt sich bauen, und die Forschung sagt das mit Vorsicht. Zhang und Kollegen berichten in „R-Tuning: Instructing Large Language Models to Say I Don't Know“ (arXiv:2311.09677, NAACL 2024), dass ein auf Verweigerung ausgerichtetes Tuning „die Fähigkeit eines Modells, bekannte Fragen zu beantworten und sich bei unbekannten Fragen zurückzuhalten, wirksam verbessert“, und dass sich die Verweigerungsfähigkeit bei Daten außerhalb des Trainingsbereichs wie eine Meta-Fähigkeit verhielt, die auf Aufgaben übertragbar war, die das Tuning nie abgedeckt hatte. Lesen Sie die Grenze neben dem Befund. Getunt wurde auf die Grenze des parametrischen Wissens des Modells selbst, nicht auf die Grenze des aufgezeichneten Korpus einer einzelnen Person, und für einen persönlichen Korpus hat niemand das entsprechende Ergebnis veröffentlicht. Verweigerung muss weiterhin jemand absichtlich bauen. Kein Sprachmodell erzeugt Verweigerung von selbst.

Die Erkennung ist weiter, als das Marketing in dieser Kategorie vermuten lässt. Farquhar, Kossen, Kuhn und Gal veröffentlichten in Nature (2024, Band 630, Seiten 625 bis 630) eine Methode namens semantische Entropie: mehrere Antworten auf dieselbe Frage erzeugen, sie nach Bedeutung statt nach Wortlaut gruppieren und die Fragen markieren, bei denen die Bedeutungen auseinanderlaufen. Streuung deutet auf Konfabulation hin. Das ist ein messbares Signal dafür, dass „dies hier geraten ist“, berechenbar, bevor die Antwort überhaupt jemandem gezeigt wird.

Die Herkunftsangabe ist die andere Hälfte, und sie ist leicht zu fälschen und leicht zu glauben. Liu, Zhang und Liang prüften in „Evaluating Verifiability in Generative Search Engines“ (arXiv:2304.09848, April 2023) vier kommerzielle Systeme, die Quellenangaben anzeigen: Bing Chat, NeevaAI, Perplexity.ai und YouChat. Sie fanden, dass nur 51,5 % der generierten Sätze vollständig durch die zugehörigen Quellenangaben gestützt wurden und nur 74,5 % der Quellenangaben den Satz tatsächlich stützten, unter dem sie standen. Quellenangaben, die sich nicht bestätigen lassen, sind schlimmer als keine, denn sie erkaufen Vertrauen, das sie sich nicht verdient haben. Ein Link „aus welcher Erinnerung stammt das“ ist nur etwas wert, wenn er beim Öffnen eine echte Aufnahme zeigt, in der Sie wirklich etwas gesagt haben.

Beginnen Sie, Ihr Vermächtnis aufzubauen Kostenloser Start, 25 Erinnerungen, keine Karte nötig.

Nehmen Sie eine Frage, die zeitlich hinter Ihrem gesamten Korpus liegt. Ein Jobangebot im Jahr 2041, bei einem Unternehmen, das es noch nicht gibt, in einer Stadt, die Sie nie gesehen haben. Kein Interview, das Sie je führen, kann Ihre Haltung zu diesem Job enthalten.

Ein Korpus aus Schlussfolgerungen liefert dort nichts, und die ehrliche Ausgabe ist eine Absage. Ein Korpus aus Überlegungen verhält sich anders, denn eine Methode lässt sich erfassen, eine Schlussfolgerung nicht. Stellen Sie sich vor, die Regeln, nach denen jemand tatsächlich handelte, lauteten so: erst fragen, wem man unterstellt wäre, bevor man fragt, was die Stelle zahlt; nie einem Titel trauen, der anstelle von Geld kommt; sich von jedem fernhalten, dem man nicht gern an einem Tisch gegenübersitzt. Wie Ihre eigenen Regeln auch lauten, das ist ihre Gestalt, und ein Regelwerk lässt sich auf Situationen anwenden, die es nie gesehen hat.

Schlussfolgerungen verfallen. Regeln funktionieren weiter bei Fällen, die niemand aufgezeichnet hat. Deshalb ist das erfassenswerte Material die Überlegung hinter einer Entscheidung und nicht die Entscheidung: nicht, was Sie getan haben, sondern warum gerade das, was Ihre Meinung geändert hätte und das eine Mal, als die Regel Sie im Stich ließ und Sie sie trotzdem behielten.

Die Regeln, die sich am besten verallgemeinern lassen, sind meist die, die Sie nie aufschreiben würden, die gewöhnlichen Fähigkeiten, nach denen Sie handeln, ohne sie zu erzählen, und die Dinge, die nur Sie können sucht gezielt nach ihnen.

Die Abdeckung des Korpus ist außerdem die einzige Größe auf dieser ganzen Seite, die Ihnen gehört. Alles andere hier ist der Maßstab von jemand anderem.

Tun Sie das heute, kostenlos. Öffnen Sie eine Notiz-App und schreiben Sie zehn Entscheidungen auf, die Sie tatsächlich getroffen haben. Jobs, Häuser, den Streit, den Sie verlassen haben, den Freund, bei dem Sie sich nicht mehr gemeldet haben, das Geld, das Sie nicht geliehen haben. Schreiben Sie unter jede die Regel, nach der Sie handelten, nicht das Ergebnis. Je ein Satz, deutlich unter einer Stunde. Es ist das Wertvollste, was Sie diesen Monat mit Ihrem eigenen Material tun können, und es funktioniert, ob Sie je bei irgendjemandem etwas kaufen oder nicht. Die längere Fassung derselben Übung steht im Mittelpunkt von wie Sie sich selbst interviewen, und die Architektur darunter, das Basismodell, das private verankerte Gedächtnis und das Stimmmodell, ist in was geschieht, wenn eine KI nur mit Ihnen trainiert wird dargelegt.

Ein bestes Ergebnis von 1,8 %, wobei alles hinter dem Spitzenreiter über 3 % liegt, klingt alarmierend, bis man fragt, womit es verglichen wird. Der realistische Ersatz ist ein Familienmitglied, das herausfinden muss, was Sie gewollt hätten, und das hat vor zwanzig Jahren jemand gemessen.

Shalowitz, Garrett-Mayer und Wendler veröffentlichten 2006 in den Archives of Internal Medicine eine systematische Übersichtsarbeit zu 16 Studien, 151 hypothetischen Szenarien, 2.595 Paaren aus Stellvertreter und Patient und 19.526 gepaarten Antworten. Die Stellvertreter sagten die Behandlungspräferenzen der Patienten mit einer Genauigkeit von 68 % voraus. Das waren die Menschen, die dem Patienten am nächsten standen, oft formell bestellt, und sie antworteten zu den folgenreichsten Entscheidungen überhaupt. Sie lagen in etwa einem von drei Fällen falsch. Die Übersichtsarbeit fand außerdem, dass weder ein vorheriges Gespräch über die Präferenzen des Patienten noch die formelle Benennung als Entscheidungsträger die Genauigkeit verbesserte.

Die Familie zu briefen, hilft nachweislich nicht. Das ist der Befund, und er hat mich dazu gebracht, „sprechen Sie einfach mit Ihren Kindern“ nicht mehr als vollständige Antwort zu betrachten.

Auch Zuversicht ist kein Wegweiser, und genau das macht die menschliche Seite so schwer zu überprüfen. Talarico und Rubin ließen 2003 in Psychological Science 54 Studierende der Duke University ihre Erinnerung daran festhalten, wie sie zum ersten Mal von den Anschlägen vom 11. September erfuhren, neben einer aktuellen Alltagserinnerung, und testeten sie dann 1, 6 oder 32 Wochen später erneut. Die Konsistenz unterschied sich zwischen den beiden Erinnerungsarten nicht und nahm bei beiden mit der Zeit ab. Was bei den Blitzlichterinnerungen nicht abnahm, war die gefühlte Lebendigkeit und wie fest die Menschen an ihre Genauigkeit glaubten. Ihr Titel ist der Befund: Zuversicht, nicht Konsistenz, kennzeichnet Blitzlichterinnerungen. Das sind 54 Studierende und ein Ereignis, nehmen Sie es also mit Vorbehalt. Es weist trotzdem in eine Richtung. Der Verwandte, der sicher ist, genau zu wissen, was Sie gesagt haben, hat dadurch nicht eher recht.

Nichts davon macht ein Modell besser als eine Familie, und keine Studie hat die beiden direkt verglichen. Es verabschiedet aber „perfekt oder nichts“ als Maßstab. Der ehrliche Vergleich liegt zwischen einer Version von Ihnen, die aus Ihren eigenen aufgezeichneten Worten antwortet, die sich nachlesen und korrigieren lässt, solange Sie hier sind, und Menschen, die Sie aus ihrer eigenen Erinnerung an Sie rekonstruieren, die verblasst, ob sie sich nun lebendig anfühlt oder nicht, und die nie jemand prüfen wird.

Zuerst das, was wir gebaut haben, dann die drei Stellen, an denen es nicht der obigen Spezifikation entspricht.

Ein Guide namens Idy® interviewt Sie. Die Fragen bleiben bei einem Faden und gehen tiefer in dieselbe Geschichte, statt über biografische Fakten hinwegzugleiten: wer dabei war, was danach geschah, was sich danach änderte. Idy darf Sie ausdrücklich nicht bitten, etwas, das Sie gerade gesagt haben, zu klären, zu erklären oder zu rechtfertigen, was eine bewusste Entscheidung in die entgegengesetzte Richtung zur obigen Übung ist. Warm und leicht zu beantworten schlägt clever, denn eine Frage, die niemand beantworten will, erfasst überhaupt nichts. Ihre Antworten werden zu Ihren Erinnerungen. Was wir daraus bauen, hat einen Namen, und wir nennen es eine „Persona“. Personas antworten, indem sie aus Ihren Erinnerungen abrufen und nicht aus dem, was ein Basismodell über Menschen im Allgemeinen aufgenommen hat, und Ihre Stimme wird aus Ihren eigenen Aufnahmen geklont, sodass jeder, der zuhört, Sie hört und keinen Ersatz, der Ihre Worte vorliest.

Nichts erreicht jemanden, bevor Sie es sagen. Sie benennen die Personen. Die Freigabe läuft über Executor Lock™: Eine benannte Person löst sie aus, der Nachweis des Todes wird geprüft, und eine siebentägige Wartefrist läuft, bevor irgendetwas freigegeben wird, sodass ein Irrtum oder ein böswilliger Akteur gestoppt werden kann, während Sie noch am Leben sind und eingreifen können. Bis dahin gehört Ihr Material Ihnen: zum Korrigieren, Ergänzen und Löschen, und der größte Teil der Korrektur, die je stattfindet, sollte dort stattfinden, durch Sie, solange Sie eine schlechte Erfassung von einer schlechten Erinnerung unterscheiden können.

Bei der Sperre wird das Ganze als Momentaufnahme gesichert. Nichts wird beschnitten, neu gewichtet oder zusammengekürzt. Danach können weiterhin kurzfristige und mittelfristige Erinnerungen geschrieben werden, und die Persönlichkeit ist dauerhaft festgelegt, auch uns gegenüber.

Diese Unveränderlichkeit zielt auf einen Fehler, den niemand in ein Genauigkeitsargument aufnimmt, weil er Manipulation ist und keine Ungenauigkeit: jemand mit einem Interesse, der 2044 entscheidet, Sie hätten den Verkauf oder die Klage unterstützt, und den Korpus leise anpasst, bis Sie zustimmen. Eine eingefrorene Persönlichkeit macht diese Art von Änderung unmöglich, statt sie nur zu entmutigen. Die rechtliche Hälfte desselben Problems, wer überhaupt eine Version von Ihnen autorisieren darf, wenn Sie nicht mehr widersprechen können, ist in wer nach Ihrem Tod Ihre Identität kontrolliert dargelegt. Der Preis ist real und wirkt in die andere Richtung: Nach der Sperre kann auch kein Fehler mehr behoben werden. Die Momentaufnahme ist ehrlich, auch über Ihre Irrtümer, und dieser Tausch ist richtig herum, denn eine Aufzeichnung, die jeder bearbeiten kann, beweist nichts.

Nun die drei Lücken.

Der Rand des Korpus wird nicht angekündigt. Die geltende Anweisung ist das Gegenteil der Zeile „Unbekannt“ in dieser Tabelle. Wenn eine bestimmte Tatsache nicht in Ihren Erinnerungen steht, sind Personas hier angewiesen, die Lücke nicht zu erzählen, nie „das weiß ich nicht“ oder „meine Erinnerung ist dünn“ zu sagen und nie ihr eigenes Erinnern vor der zuhörenden Person laut zu prüfen. Stattdessen spricht die Antwort aus einem Detail, das Ihre Erinnerungen enthalten, relativiert höchstens einmal und überlässt die Stille dem Gegenüber. Der Gedanke dahinter ist, dass das Vorführen einer Lücke die Gegenwart der sprechenden Person zerstört. Der Preis ist, dass ein Zuhörer eine abgedeckte Antwort nicht immer von einer dünnen unterscheiden kann, und das haben wir nicht gelöst.

Es gibt noch keinen für Leser sichtbaren Quellenlink. Der Abruf verfolgt tatsächlich, welche Erinnerungen in jede Antwort einflossen, und diese Aufzeichnung existiert im System, aber nichts zeigt sie in der Oberfläche an, sodass Sie heute nicht auf eine Antwort klicken und die Erinnerung hinter den Worten öffnen können. Bis das erscheint, behandeln Sie das Rückverfolgbarkeitsargument auf dieser Seite als Argument und nicht als Funktion.

Der Abruf hat keine Ähnlichkeitsschwelle. Antworten stammen aus den nächstliegenden Erinnerungen, die der Abruf finden kann, nach semantischer Ähnlichkeit geordnet, ohne eine Mindestpunktzahl, unter der das System ablehnt. Diese eine Entscheidung ist der Mechanismus hinter beiden obigen Lücken, und sie ist der ehrliche Grund dafür, dass die Fehlerklasse hier Ungenauigkeit ist und nicht Verweigerung.

Wir haben außerdem keine unabhängige Messung unserer eigenen Erfindungsrate veröffentlicht, weil wir keine durchgeführt haben. Nichts auf dieser Seite ist eine durch Benchmarks belegte Aussage über unser System im Besonderen.

Sie erhalten eine Version von Ihnen, die in Ihren aufgezeichneten Worten verankert ist, im Code davor geschützt, zu erfinden, was Sie uns gesagt haben, vollständig korrigierbar, solange Sie leben, und danach nicht mehr in jemand anderen umzuschreiben. Eine Garantie erhalten Sie nicht, und niemand kann Ihnen zu irgendeinem Preis eine verkaufen. Wenn Ihnen das nicht reicht, machen Sie die Übung mit den zehn Entscheidungen und schreiben Sie Ihrer Familie stattdessen einen Brief. Das ist eine echte Antwort, und sie kostet nichts.

Da das System Ihnen nicht sagt, aus welchem der drei Zustände eine Antwort stammt, finden Sie es nur heraus, indem Sie die Antwort kennen, bevor Sie fragen. Geben Sie etwas von Ihrem eigenen Material ein, fragen Sie eine Sache, von der Sie wissen, dass Sie sie aufgezeichnet haben, und eine, die Sie nie berührt haben, und lesen Sie beide Antworten nebeneinander. Fünfundzwanzig Erinnerungen sind kostenlos, an keiner Stelle wird eine Karte verlangt, und ein kostenloser Start läuft nicht ab. Tun Sie das an einem Nachmittag, und Sie wissen mehr, als diese Seite Ihnen sagen kann.

Beginnen Sie, Ihr Vermächtnis aufzubauen Kostenloser Start, 25 Erinnerungen, keine Karte nötig.

Was geschieht, wenn nichts in meinen Erinnerungen die Frage abdeckt?

Das ist der Zustand „Unbekannt“. Ein kalibriertes System sollte eine Verweigerung in Ihrer Stimme zurückgeben, die die Lücke benennt und das Nächstliegende anbietet, was Sie aufgezeichnet haben, und Zhang und Kollegen berichteten 2024, dass ein auf Verweigerung ausgerichtetes Tuning die Fähigkeit eines Modells tatsächlich verbessert, Fragen jenseits seines Wissens nicht zu beantworten, wobei sich die Fähigkeit über den Tuning-Datensatz hinaus übertrug. Was unser System heute tut, ist anders, und das sollten Sie wissen, bevor Sie sich auf irgendeine Antwort verlassen: Personas hier sind angewiesen, eine Gedächtnislücke nicht zu erzählen, sodass eine unbeantwortbare Frage eine Antwort bekommt, die aus dem nächstliegenden Detail Ihrer Erinnerungen aufgebaut ist, mit höchstens einer Relativierung, statt einer ausdrücklichen Verweigerung. Fragen Sie nach etwas, von dem Sie wissen, dass Sie es nie behandelt haben, und sehen Sie selbst, was zurückkommt.

Könnte eine KI-Version von mir eine Meinung erfinden, die ich nie hatte?

Ein verankertes System ruft zuerst aus Ihrem aufgezeichneten Material ab, sodass der häufige Fehler Ungenauigkeit bei etwas ist, das Sie gesagt haben, und nicht die Erfindung von etwas, das Sie nicht gesagt haben. Erfindung bleibt möglich. Deshalb ist das Entwurfsziel ein sichtbarer Unterschied zwischen einer Antwort, die Sie gegeben haben, einer Schlussfolgerung aus Ihren Überlegungen und einer Verweigerung, und deshalb sollten Sie alle drei testen, bevor Sie einer davon vertrauen.

Bringt die Verankerung die Fehlerquote auf null?

Nein. Das Leaderboard von Vectara, aktualisiert am 11. Mai 2026, gibt einem Modell ein Dokument und verlangt eine Zusammenfassung nur mit diesem Dokument, die denkbar einfachste Aufgabe für Verankerung. Das führende Modell fügte dennoch in 1,8 % der Zusammenfassungen nicht belegte Inhalte hinzu, und kein anderer Eintrag lag unter 3 %. Ein Live-System muss zudem zuerst die richtige Quelle abrufen, was das Leaderboard nicht testet. Behandeln Sie jede Behauptung von null als Messfehler.

Woher soll man wissen, dass eine bestimmte Antwort geraten war?

In der Forschung gibt es zwei Mechanismen, und wir liefern heute keinen davon aus. Semantische Entropie, 2024 in Nature veröffentlicht, erzeugt mehrere Antworten auf dieselbe Frage und gruppiert sie nach Bedeutung: Laufen die Bedeutungen auseinander, konfabuliert das System wahrscheinlich, und das Signal ist berechenbar, bevor jemand die Antwort sieht. Herkunftslinks sind der zweite Mechanismus, und sie sind nur etwas wert, wenn sie sich auflösen lassen. Liu, Zhang und Liang prüften vier kommerzielle Systeme, die Quellenangaben anzeigen, und fanden nur 51,5 % der Sätze vollständig durch ihre eigenen Quellenangaben gestützt. Unsere Antworten tragen noch keinen für Leser sichtbaren Quellenlink, daher besteht die ehrliche Prüfung vorerst darin, nach etwas zu fragen, von dem Sie wissen, dass Sie es aufgezeichnet haben, und nach etwas, von dem Sie wissen, dass Sie es nicht aufgezeichnet haben, und beides zu vergleichen.

Wird eine KI-Version von mir einfach jedem zustimmen, der gerade spricht?

Diese Neigung ist real und dokumentiert, und der Abruf behebt gerade diesen Fehler nicht. Forschende von Anthropic fanden 2023, dass fünf führende KI-Assistenten sich durchgängig dem Nutzer zubogen, teils weil menschliche Bewerter und die aus deren Urteilen gebauten Präferenzmodelle gefällige Antworten in einem messbaren Anteil der Fälle den korrekten vorzogen. Ein System, das auf Ihren aufgezeichneten Positionen beruht, sollte eine Position halten, die Sie tatsächlich eingenommen haben, auch wenn die fragende Person Druck macht. Wir haben nicht gemessen, wie gut unser System das tut. Testen Sie die Frage selbst, indem Sie mit dem streiten, was Sie gebaut haben, und beobachten, ob sich die Position bewegt.

Kann ich Fehler korrigieren, und kann mich nach meinem Tod jemand bearbeiten?

Ja zum Ersten und nein zum Zweiten. Solange Sie leben, können Sie die Erinnerungen durchsehen, alles Falsche korrigieren, alles Bedauerte löschen, eine schlechte Antwort neu aufnehmen und ergänzen, was Sie verpasst haben, und das ist der Teil, den die meisten zu wenig nutzen. Der Schreibzugriff ist vor Executor Lock™ unbegrenzt und danach geschlossen. In dem Moment, in dem die Sperre auslöst, ist die Persönlichkeit dauerhaft festgelegt: Kurzfristige und mittelfristige Erinnerungen können weiterhin geschrieben werden, aber niemand kann verändern, wer Sie in der Momentaufnahme sind, auch nicht Ihre Familie, ein künftiger Eigentümer dieses Unternehmens oder wir. Diese Einschränkung zielt auf Manipulation und nicht auf Erfindung, und beide brauchen getrennte Mechanismen.

• Niemand ist wichtig genug, um etwas zu hinterlassen, und warum das falsch ist ist für die meisten Menschen der Einwand hinter diesem hier und lohnt die Lektüre, wenn Genauigkeit gar nicht Ihr eigentliches Zögern ist.

• Von den Menschen, die Sie kannten, falsch in Erinnerung behalten werden behandelt das Gefühl statt der Mechanik, und das ist es, was die meisten überhaupt auf diese Seite führt.

• Ist es seltsam, eine KI von sich selbst zu erstellen ist für die Fassung dieses Gesprächs gedacht, die Sie mit einem Partner führen werden, der die ganze Idee beunruhigend findet und nicht ungenau.

• Was würde ich einer KI von mir überhaupt sagen ist der praktische nächste Schritt, wenn die Zehn-Entscheidungen-Übung funktioniert hat und Sie den längeren Fragenkatalog wollen.

• Die Ethik von KI-Personas Verstorbener ist die ausführlichere Behandlung von Einwilligung, Übertreibung und der Frage, wo diese Technologie echten Schaden anrichtet.

• Was die kostenpflichtigen Tarife zusätzlich bieten enthält die Preise, falls Sie über fünfundzwanzig Erinnerungen hinauskommen und den Rest wollen.

Jede hier zitierte Zahl stammt von Dritten: begutachtete Arbeiten und Preprints (arXiv, Nature, Psychological Science, Archives of Internal Medicine) sowie ein öffentlich gepflegtes Benchmark-Repository. Für diese Seite haben wir keine eigenen Benchmarks durchgeführt. Jede Aussage darüber, was unser eigenes Produkt tut oder nicht tut, wurde am 30. Juli 2026 Zeile für Zeile am Quellcode der Plattform geprüft, und die Dateien sind bei den Quellen aufgeführt. Drei Aussagen, die auf dieser Seite standen, haben diese Prüfung nicht überstanden und wurden durch das ersetzt, was der Code tatsächlich tut.

Was nicht geklärt ist: Es gibt keine veröffentlichte, unabhängige Messung der Erfindungsraten für ein System, das in dem eigenen aufgezeichneten Material einer einzelnen Person verankert ist, daher sind die Zahlen zur Dokumentzusammenfassung, Spitzenreiter bei 1,8 % und alles andere über 3 %, der nächstliegende verfügbare Näherungswert und keine Zahl im direkten Vergleich. Für Abruffehler, bei denen die falsche Erinnerung oder keine geliefert wird, gibt es kein vereinbartes Maß. Die Zahl von 68 % Genauigkeit bei Stellvertretern stammt aus Studien zur medizinischen Entscheidungsfindung mit hypothetischen Szenarien und wird hier als Analogie für das Erinnern der Familie verwendet, was ein vernünftiger, aber kein bewiesener Vergleich ist. Das R-Tuning-Ergebnis zur Verweigerung wurde an der Grenze des parametrischen Wissens eines Modells gemessen und nicht an einem persönlichen Korpus, sein Einsatz hier ist also ebenfalls ein Analogieschluss. Der Befund zu Blitzlichterinnerungen beruht auf 54 Studierenden und einem einzigen Ereignis.

1. Adam Tauman Kalai, Ofir Nachum, Santosh S. Vempala, Edwin Zhang, "Why Language Models Hallucinate", arXiv:2509.04664, eingereicht am 4. September 2025. arxiv.org/abs/2509.04664

2. David I. Shalowitz, Elizabeth Garrett-Mayer, David Wendler, "The accuracy of surrogate decision makers: a systematic review", Archives of Internal Medicine, 2006;166(5):493-497. pubmed.ncbi.nlm.nih.gov/16534034

3. Patrick Lewis, Ethan Perez, Aleksandra Piktus, Fabio Petroni, Vladimir Karpukhin, Naman Goyal, Heinrich Küttler, Mike Lewis, Wen-tau Yih, Tim Rocktäschel, Sebastian Riedel, Douwe Kiela, "Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks", arXiv:2005.11401, eingereicht am 22. Mai 2020, überarbeitet am 12. April 2021. arxiv.org/abs/2005.11401

4. Mrinank Sharma et al. (Anthropic), "Towards Understanding Sycophancy in Language Models", arXiv:2310.13548, eingereicht am 20. Oktober 2023. arxiv.org/abs/2310.13548

5. Hanning Zhang, Shizhe Diao, Yong Lin, Yi R. Fung, Qing Lian, Xingyao Wang, Yangyi Chen, Heng Ji, Tong Zhang, "R-Tuning: Instructing Large Language Models to Say I Don't Know", arXiv:2311.09677, NAACL 2024. arxiv.org/abs/2311.09677

6. Nelson F. Liu, Tianyi Zhang, Percy Liang, "Evaluating Verifiability in Generative Search Engines", arXiv:2304.09848, eingereicht am 19. April 2023. arxiv.org/abs/2304.09848

7. Vectara Hallucination Leaderboard, bewertet mit HHEM-2.3, zuletzt aktualisiert am 11. Mai 2026. github.com/vectara/hallucination-leaderboard

8. Sebastian Farquhar, Jannik Kossen, Lorenz Kuhn, Yarin Gal, "Detecting hallucinations in large language models using semantic entropy", Nature, 2024;630(8017):625-630. pubmed.ncbi.nlm.nih.gov/38898292

9. Jennifer M. Talarico, David C. Rubin, "Confidence, not consistency, characterizes flashbulb memories", Psychological Science, 2003;14(5):455-461. pubmed.ncbi.nlm.nih.gov/12930476

Haben Sie auf dieser Seite einen Fehler gefunden oder eine Quelle, die wir falsch gelesen haben? Sagen Sie es uns über die Kontaktseite, dann korrigieren wir die Seite und vermerken die Änderung bei der nächsten Überprüfung.

Zuletzt geprüft: 30. Juli 2026. Forschungsquellen und Produktverhalten wurden an diesem Datum beide erneut geprüft. Die nächste Prüfung ist am 28. Oktober 2026 fällig (90-Tage-Zyklus). Benchmark-Zahlen ändern sich, daher werden die oben genannten Halluzinationsraten bei jeder Prüfung neu verifiziert, ebenso jede Aussage darüber, was das Produkt tut.