Burhan Dinler · Unabhängige KI-ForschungBurhan Dinler · Independent AI Research

Disputatio

Wissenschaft im Streitgespräch. Jede Aussage nachvollziehbar. Jede Hypothese klar gekennzeichnet.Science as structured argument. Every statement traceable. Every hypothesis clearly marked.

Eine evidenzbasierte Multi-LLM-Forschungsplattform für wissenschaftliche Argumentation, Kritik und Synthese.An evidence-based multi-LLM research platform for scientific argument, critique and synthesis.

Eine Forschungsplattform, auf der KI-Agenten verschiedener Anbieter eine Frage unabhängig bearbeiten, selbst Literatur recherchieren, sich gegenseitig kritisieren und ein überprüfbares wissenschaftliches Paper erarbeiten. Die Richtung entscheidet ein Mensch.A research platform where AI agents from different providers work on a question independently, search the literature themselves, critique each other and produce a verifiable scientific paper. A human decides the direction.

So funktioniert esHow it works Zugang anfragenRequest access

PlattformPlatform

Von der Forschungsfrage zum überprüfbaren PaperFrom research question to verifiable paper

Jeder Lauf folgt derselben Abfolge. Das Forschungsergebnis wird eingefroren; daraus entstehen beliebig viele Paper-Versionen, auf Deutsch oder Englisch.Every run follows the same sequence. The research result is frozen; any number of paper versions can be written from it, in German or English.

Eigene RechercheOwn literature search
Jeder Forscher und Kritiker formuliert eigene Suchanfragen in OpenAlex.Each researcher and critic formulates its own OpenAlex queries.
Unabhängige PositionenIndependent positions
Die Agenten arbeiten parallel, ohne die anderen Beiträge zu sehen.Agents work in parallel without seeing each other's contributions.
HypothesenHypotheses
Neue, ausdrücklich als Hypothese gekennzeichnete Vorschläge.New proposals, explicitly labelled as hypotheses.
NeuheitsprüfungNovelty check
Abgleich gegen das bisher Erarbeitete, ohne globalen Neuheitsanspruch.Compared against prior work in the run, with no claim of global novelty.
DebatteDebate
Vorschlag, Kritik und Überarbeitung. Konflikte bleiben offen sichtbar.Proposal, critique and revision. Conflicts stay visible.
BewertungEvaluation
Jede These wird im belegten Kontext bewertet, nicht als Wahrheit.Each claim is assessed within its evidence, never declared true.
Menschliche EntscheidungHuman decision
Der Forscher wählt die Richtung der Synthese.The researcher chooses the direction of the synthesis.
PaperPaper
Jede Aussage ist an Beiträge, Bewertungen oder Zitate gebunden.Every statement is bound to contributions, evaluations or citations.

PrinzipienPrinciples

Belastbar statt beeindruckendReliable rather than impressive

4 Anbieterproviders

Heterogene ModelleHeterogeneous models

Modelle von OpenAI, Anthropic, Google und DeepSeek prüfen sich gegenseitig. Ob unterschiedliche Trainingshintergründe Scheinkonsens seltener machen, ist selbst eine Forschungsfrage der Plattform.Models from OpenAI, Anthropic, Google and DeepSeek check one another. Whether different training backgrounds make false consensus less frequent is itself one of the platform's research questions.

ErweiterbarExtensible

Neue Modelle integrierenIntegrating new models

Das Modell wird pro Agent und Lauf gewählt. Neue Anbieter lassen sich über einen kleinen Adapter und die Konfiguration leicht integrieren.The model is chosen per agent and run. New providers are easy to integrate through a small adapter and configuration.

3 Prüfebenenlevels

Belegte LiteraturVerified literature

Keine erfundenen Quellen: Existenz und Wortlaut prüft die Plattform, die Deutung prüfen die Agenten.No invented sources: the platform checks existence and wording, the agents check the interpretation.

⅔, min. 2

AusfalltoleranzFault tolerance

Fällt ein Agent aus, läuft die Forschung weiter, solange genug Beiträge vorliegen. Fehlende Perspektiven nennt das Paper ausdrücklich.If an agent fails, research continues while enough contributions remain. The paper names missing perspectives explicitly.

PrüfpfadAudit trail

Protokolliert und prüfbarRecorded and checkable

Modellaufrufe, Korrekturen und menschliche Entscheidungen werden intern protokolliert. Jedes Paper enthält einen Prüfpfad, der jede Aussage an ihre Quellen und Argumente bindet.Model calls, corrections and human decisions are recorded internally. Every paper contains an audit trail that ties each statement to its sources and arguments.

BeispielExample

Papers aus der PlattformPapers from the platform

Drei Entwürfe aus echten Forschungsläufen, von keinem Menschen redigiert. Die Agenten haben die Literatur selbst recherchiert; ein Mensch hat nur den Schwerpunkt gewählt und im zweiten und dritten Beispiel Hinweise zur Darstellung gegeben, die im Anhang wörtlich dokumentiert sind.Three drafts from real research runs, not edited by any human. The agents searched the literature themselves; a human only chose the emphasis and, in the second and third examples, gave guidance on presentation, quoted verbatim in the appendix.

KI-generierter Entwurf · nicht begutachtet · Deutsch · Oktober 2026AI-generated draft · not peer-reviewed · in German · October 2026

Wann verbessert Debatte die Schlussfolgerungen von Sprachmodellen? Evidenz, Fehlerkorrelation und Scheinkonsens

Forschungsfrage: Unter welchen Bedingungen verbessern strukturierte Debatten zwischen heterogenen LLM-Agenten die faktische Korrektheit, Evidenzqualität und Zuverlässigkeit wissenschaftlicher Schlussfolgerungen – im Vergleich zu einzelnen LLMs und unabhängig arbeitenden Multi-LLM-Systemen?Research question: Under which conditions do structured debates between heterogeneous LLM agents improve the factual correctness, evidence quality and reliability of scientific conclusions – compared with single LLMs and independent multi-LLM systems?

PDF ansehen (11 Seiten)View PDF (11 pages, German)

34Quellen gefundensources found
10im Paper zitiertcited in the paper
50Aussagen mit Prüfpfadstatements with audit trail
8Bewertungenevaluations
1offener Konfliktopen conflict
1menschliche Entscheidunghuman decision

KI-generierter Entwurf · nicht begutachtet · Deutsch · Oktober 2026 · Version 2 nach menschlichem ÜberarbeitungshinweisAI-generated draft · not peer-reviewed · in German · October 2026 · version 2 after human revision guidance

Falscher Konsens in Multi-LLM-Debatten: Messprobleme, Prüfverfahren und offene Evidenzlücken

Forschungsfrage: Was zeigt die empirische Forschung darüber, unter welchen Bedingungen Debatten zwischen mehreren Sprachmodellen zu falschem Konsens führen, und welche Prüfmechanismen können solche Fehler nachweislich erkennen oder verringern?Research question: What does empirical research show about the conditions under which debates between several language models lead to false consensus, and which verification mechanisms can demonstrably detect or reduce such errors?

Neu in diesem Lauf: Die Agenten haben zusätzlich offen lizenzierte Volltexte gelesen; zitierte Passagen sind wörtlich gegen den Volltext geprüft.New in this run: the agents also read openly licensed full texts; quoted passages are checked verbatim against the full text.

PDF ansehen (19 Seiten)View PDF (19 pages, German)

31Quellen gefundensources found
39Volltextpassagen aus 9 Quellenfull-text passages from 9 sources
21im Paper zitiertcited in the paper
52Aussagen mit Prüfpfadstatements with audit trail
13Bewertungenevaluations
2offene Konflikteopen conflicts
1menschliche Entscheidung mit Kommentarhuman decision with comment
1Überarbeitungshinweisrevision guidance

KI-generierter Entwurf · nicht begutachtet · Deutsch · Oktober 2026 · Version 2 nach menschlicher KritikAI-generated draft · not peer-reviewed · in German · October 2026 · version 2 after human critique

Begleitete internetbasierte versus persönliche Kognitive Verhaltenstherapie bei Depression: kritische Bewertung von Metaanalysen, Einzelstudien und ungelösten Evidenzlücken

Forschungsfrage: Wie wirksam sind internetbasierte kognitive Verhaltenstherapien (iCBT) bei Depression im Vergleich zu Therapie von Angesicht zu Angesicht, und für welche Patientengruppen gilt das nicht?Research question: How effective is internet-based cognitive behavioural therapy (iCBT) for depression compared with face-to-face therapy, and for which patient groups does this not hold?

Ein Beispiel außerhalb der KI-Forschung. Volltextzitate sind als solche gekennzeichnet; Version 2 setzt fünf menschliche Kritikpunkte um, die im Anhang wörtlich stehen.An example outside AI research. Full-text quotations are marked as such; version 2 implements five points of human critique, quoted verbatim in the appendix.

Kein medizinischer Rat.Not medical advice. KI-Entwurf zur fachlichen Begutachtung; er ersetzt keine ärztliche oder psychotherapeutische Beratung.An AI draft for expert review; it does not replace advice from a doctor or psychotherapist.

PDF ansehen (12 Seiten)View PDF (12 pages, German)

36Quellen gefundensources found
25Volltextpassagen aus 6 Quellenfull-text passages from 6 sources
9im Paper zitiertcited in the paper
70Aussagen mit Prüfpfadstatements with audit trail
9Bewertungenevaluations
2offene Konflikteopen conflicts
1menschliche Entscheidung mit Kommentarhuman decision with comment
5Kritikpunkte für Version 2critique points for version 2

Eine Debatte im DetailOne debate in detail

Wie eine Hypothese in zwölf Minuten geprüft wurdeHow a hypothesis was tested in twelve minutes

Ein unveränderter Ausschnitt aus dem Forschungslauf zum zweiten Beispiel-Paper (25. Oktober 2026). Drei Modelle von drei Anbietern greifen eine Hypothese an, überarbeiten und bewerten sie; ein Mensch legt danach den Schwerpunkt fest. Die Kurzfassungen sind redaktionell, die Originaltexte wörtlich.An unaltered excerpt from the research run behind the second example paper (25 October 2026). Models from three providers challenge, revise and assess a hypothesis; a human then sets the emphasis. The summaries are editorial, the original texts verbatim.

22:52 Researcher A Anthropic · Claude Sonnet 5.5 HypotheseHypothesis

Zwei Signale sollen falschen Konsens erkennen: „alle irren schon vor dem Austausch gemeinsam“ (A) und „Ansteckung in der Debatte“ (B). Behauptet wird, damit ließen sich bei gleichem Aufwand mehr Fehlentscheidungen verhindern.Two signals are meant to detect false consensus: “all were wrong together before talking” (A) and “contagion during the debate” (B). The claim: at equal cost, more wrong majority decisions are prevented.

Originaltext anzeigenShow original text (German)
Unbestätigte Hypothese für ein späteres Design: Ein Zwei-Signal-Auslöser trennt die beiden Fehlerwege und lenkt Prüfaufwand passend. Signal A (korrelierter Ausfall): hohe Übereinstimmung der peer-blinden Erstantworten, besonders bei Modellen mit ähnlichen Fehlerprofilen. Signal B (Ansteckung): Zunahme der Übereinstimmung über Runden ohne neue Evidenz. Bei A wäre externe Evidenz- oder Quellenprüfung sinnvoller als weitere Debatte, weil Peer-Dissens kein neues Wissen erzeugt. Bei B wäre Neuerzeugung peer-blinder Antworten oder ein strukturierter Dissenter sinnvoller. Vorhersage: Das Verfahren verhindert bei gleichem Tokenbudget mehr falsche Mehrheiten als ein einzelnes Signal, ohne mehr Korrekturen zu verlieren. Annahmen: Signale sind messbar, trennscharf und die externe Evidenz ist unabhängig. Risiken: Hohe Übereinstimmung kann korrekt sein, und die Prüfung kann Korrekturen unterdrücken. Keine Erkennungsraten werden behauptet.
23:01 Critic DeepSeek · V4 Pro EinwandChallenge

Hohe Einigkeit ist ohne Referenzlösung nicht von richtiger Einigkeit zu unterscheiden; die Trennschärfe der Signale wird nur vorausgesetzt.Without a reference solution, high agreement cannot be told apart from correct agreement; the signals’ discriminating power is merely assumed.

Originaltext anzeigenShow original text (German)
Gegenargument zum Zwei-Signal-Auslöser: Die Trennbarkeit der Signale wird vorausgesetzt, aber Signal A (hohe peer-blinde Übereinstimmung) ist ohne unabhängige Referenzlösung nicht von korrekter Einstimmigkeit unterscheidbar. Die Vorhersage, bei gleichem Tokenbudget mehr falsche Mehrheiten zu verhindern ohne mehr Korrekturen zu verlieren, setzt voraus, dass der Auslöser falsche von richtigen Konvergenzen trennt; genau diese Trennschärfe ist offen. Versteckte Annahme: Übereinstimmungszunahme über Runden (Signal B) ist peerinduziert und nicht durch legitime Korrektur bei neu verfügbarer Information verursacht. Fehlende Evidenz: Bedingungen, in denen Signal B bei gleicher Erstantwort-Fehlerkorrelation variiert und die Klassifikationsgüte des Auslösers direkt gemessen wird. Zudem bleibt ungeklärt, wie externe Evidenz als unabhängig zertifiziert wird. Unsicherheit: hoch.
23:02 Researcher A Anthropic · Claude Sonnet 5.5 ÜberarbeitungRevision

Gesteht den Einwand zu und zieht die Vorhersage zurück. Übrig bleibt ein erster prüfbarer Schritt: messen, ob die Signale überhaupt trennen.Concedes the objection and withdraws the prediction. What remains is a first testable step: measure whether the signals discriminate at all.

Originaltext anzeigenShow original text (German)
Revidierte Hypothese (ersetzt b087e9d2, eingeengt auf Messbarkeit): Zugestanden (66f83bd9): Signal A (hohe peer-blinde Übereinstimmung) ist ohne unabhängige Referenzlösung nicht von korrekter Einstimmigkeit unterscheidbar; Signal B (Übereinstimmungszunahme über Runden) kann legitime Korrektur bei neu verfügbarer Information abbilden. Die frühere Vorhersage, bei gleichem Budget mehr falsche Mehrheiten ohne mehr verlorene Korrekturen zu verhindern, wird zurückgenommen. Beibehalten wird nur eine erste prüfbare Stufe: In einem Kalibrierungsdatensatz mit unabhängiger Referenzlösung und gespeicherten peer-blinden Erstantworten wird geprüft, ob A und B die Klassen 'vor Kontakt gemeinsam falsch', 'durch Peer-Exposition falsch geworden', 'korrekte Konvergenz' und 'korrekte Revision' besser als zufällig trennen; B wird bei konstanter Erstantwort-Fehlerkorrelation variiert und neue Evidenz kontrolliert. Erst bei ausreichender Trennschärfe lohnt ein budgetgleicher Vergleich mit Einzelsignal-Triggern. Offen: wie externe Evidenz als unabhängig zertifiziert wird. Keine Raten behauptet. Unsicherheit: hoch.
23:03 Researcher B OpenAI · GPT-6.1 Sol ÜberarbeitungRevision

Bestätigt den Rückzug und ergänzt: auch sofortige Einigkeit stichprobenartig prüfen, budgetgleiche Zufallsprüfung als Vergleich; externe Evidenz ist nicht automatisch unabhängig.Confirms the withdrawal and adds: spot-check immediate agreement too, compare against equal-budget random checks; external evidence is not automatically independent.

Originaltext anzeigenShow original text (German)
Den Zwei-Signal-Auslöser behalte ich nur als unkalibrierte Designhypothese bei. Ich ziehe die Behauptungen zurück, Signal A trenne korrelierten Ausfall von korrekter Einigkeit, Signal B identifiziere Ansteckung und die Kombination verhindere mehr Fehler ohne zusätzliche Korrekturverluste. Hohe peer-blinde Übereinstimmung und spätere Angleichung sind zunächst beobachtbare Merkmale, keine Fehlerdiagnosen. Signal B kann auch nützliche Korrektur oder Selbstreflexion abbilden. Deshalb darf keines der Signale unmittelbar einen Debattenstopp oder eine bestimmte Prüfart rechtfertigen. Integriert wird der Vorschlag, sofortige Einigkeit ebenfalls stichprobenartig zu prüfen und budgetgleiche Zufallsprüfung als Vergleich vorzusehen. Die Literaturauswertung soll unterscheiden, ob Studien lediglich Zusammenhang, tatsächliche Klassifikationsgüte oder interventionsspezifischen Nutzen messen. Referenzlösungen wären zur nachträglichen Evaluation nötig, dürfen aber nicht verdeckt in den operativen Trigger eingehen. Auch externe Evidenz wird nicht als automatisch unabhängig vorausgesetzt: Herkunftsabhängigkeit, Belegfunktion und sachliche Richtigkeit müssten getrennt bewertet werden. Offen bleibt, ob beide Merkmale gemeinsam gegenüber einem Einzelmerkmal überhaupt zusätzlichen Nutzen liefern. Unsicherheit: hoch; eine feste Zuordnung von Signal zu Prüfmechanismus ist derzeit nicht gerechtfertigt.
23:04 Evidence Reviewer DeepSeek · V4 Pro BewertungEvaluation

Urteil: „herausgefordert im evaluierten Kontext“, keine empirische Stützung. Sechs offene Fragen, Empfehlung: zusätzliche Evidenz und ein Experiment. Eine Unstimmigkeit im eigenen Konfliktinventar wird offen benannt.Verdict: “challenged within the evaluated context”, no empirical support. Six open questions; recommends additional evidence and an experiment. An inconsistency in its own conflict inventory is stated openly.

Originaltext anzeigenShow original text (German)
Scientific evaluation within the frozen evaluated context: CHALLENGED_WITHIN_EVALUATED_CONTEXT. Explicit conflict inventory: NO_EXPLICIT_CONFLICT. Evaluation is not truth or proof; proposed next steps do not select winners or execute actions. T1 ist eine ausdrücklich unbestätigte Designhypothese, die einen Zwei-Signal-Auslöser zur Trennung von korreliertem Ausfall (Signal A) und Ansteckung (Signal B) vorschlägt und eine budgetgleiche Überlegenheit gegenüber einem Einzelsignal prognostiziert. Im bereitgestellten Kontext sind keine empirischen Belege, Quellen oder Experimentresultate enthalten, sodass keine empirische Stützung vorliegt. N4 wendet explizit ein, dass Signal A ohne unabhängige Referenzlösung nicht von korrekter Einstimmigkeit unterscheidbar ist, Signal B auch legitime Korrektur bei neu verfügbarer Information abbilden kann, die Trennschärfe offen bleibt und die Unabhängigkeit externer Evidenz nicht zertifiziert ist. N5 und N6 revidieren T1 und nehmen die zentrale Vorhersage zurück oder reduzieren sie auf eine unkalibrierte, erst noch messbar zu machende Hypothese. Deshalb wird T1 innerhalb des evaluierten Kontexts als herausgefordert bewertet. Das gelieferte Inventar gibt den Konfliktstatus als NO_EXPLICIT_CONFLICT aus; diese Angabe wird unverändert übernommen. Unterstützende Graph- oder Evidenzreferenzen sind im Inventar nicht vorhanden. […] Unresolved questions: Kann hohe peer-blinde Übereinstimmung ohne unabhängige Referenzlösung korrekte Einstimmigkeit von korreliertem Fehler trennen? Trennt Signal B soziale Ansteckung von legitimer Korrektur bei neu verfügbarer Information? Wie wird die Unabhängigkeit externer Evidenz oder Quellen zertifiziert? Bieten beide Signale gemeinsam einen Zusatznutzen gegenüber einem einzelnen Signal? Wie kann der Zielkonflikt zwischen verhinderten falschen Mehrheiten und verlorenen richtigen Korrekturen gemessen werden? Unter welchen Aufgaben- und Modellheterogenitätsbedingungen wäre der Auslöser robust? […] Resolution proposals: REQUIRES_ADDITIONAL_EVIDENCE REQUIRES_METHOD_REVIEW REQUIRES_ADDITIONAL_EXPERIMENT REQUIRES_REPLICATION
23:13 Mensch Betreiber der Plattform EntscheidungDecision

Wählt den Schwerpunkt „Methodische Grenzen und Evidenzlücken“ und verlangt, belegte Befunde klar von unbestätigten Hypothesen zu trennen.Chooses the emphasis “methodological limits and evidence gaps” and asks for a clear separation of evidenced findings from unconfirmed hypotheses.

Originaltext anzeigenShow original text (German)
Welche Forschungsrichtung soll die Synthese aus den vorliegenden Beiträgen priorisieren? Gewählt: Methodische Grenzen und Evidenzlücken priorisieren Kommentar: Bitte empirisch belegte Befunde klar von theoretischen Annahmen und unbestätigten Hypothesen trennen. Widersprüchliche Studien nach Methodik, Datengrundlage und Evaluationskriterien gegenüberstellen. Die offenen Forschungslücken, die für ein späteres experimentelles Design relevant sind, am Ende als nummerierte Liste zusammenfassen.

Ergebnis: Die ursprüngliche Behauptung wurde zurückgezogen und bleibt im Paper als unbestätigte Hypothese mit offenen Fragen stehen – nicht als Befund. Die Bewertung ist kein Wahrheitsurteil.Outcome: the original claim was withdrawn and appears in the paper as an unconfirmed hypothesis with open questions – not as a finding. The evaluation is not a verdict on truth.

Über michAbout

Burhan Dinler

Diplom-Informatiker und unabhängiger Forscher. Über 40 Jahre Erfahrung in der IT, zuletzt als Architekt von KI-Systemlandschaften und im Entwurf von Multi-Agenten-Systemen. Meine Forschung verbindet Philosophie der KI, Erkenntnistheorie und empirische Untersuchungen großer Sprachmodelle.Computer scientist (Dipl.-Inform.) and independent researcher. More than 40 years in IT, most recently as architect of AI system landscapes and designer of multi-agent systems. My research connects philosophy of AI, epistemology and empirical studies of large language models.

seit 2009since 2009: Selbstständig als Solution und Enterprise ArchitectIndependent solution and enterprise architect
2018–2026: Carl Zeiss SMT: Architektur von KI-Systemlandschaften, Entwurf und Analyse von Multi-Agenten-SystemenCarl Zeiss SMT: architecture of AI system landscapes, design and analysis of multi-agent systems
1995–2009: Projektleiter, Enterprise und Solution Architect in verschiedenen UnternehmenProject lead, enterprise and solution architect in various companies
1990–1995: Wissenschaftlicher Mitarbeiter, GMD-Forschungszentrum Informationstechnik, Sankt AugustinResearch associate, GMD German National Research Center for Information Technology, Sankt Augustin
StudiumEducation: Informatik, Universität Dortmund (Diplom)Computer science, University of Dortmund (Diplom)
ProfileProfiles: ORCID 0009-0007-1167-2012 · Google Scholar

Publikationen (Auswahl)Selected publications

VeröffentlichungenPublications

2026
Vom Pythagoras zum Prompt
Informatik Spektrum · 10.1007/s00287-026-01609-6
2026
Ethics and Reliability in Heterogeneous Multi-Agent LLM Systems: An Empirical Analysis of Claude, GPT-5, and DeepSeek
Zenodo · 10.5281/zenodo.19307589
2007
FachbeitragArticle
iX 09/2007
1992–94
Beiträge zur Software-Prozesstechnik im Hardware-Entwurf (mit B. Krämer)Contributions on software process technology in hardware design (with B. Krämer)
Springer LNCS 635 (1992), LNCS 772 (1994)

Status & ZugangStatus & access

Die Plattform ist in ErprobungThe platform is in its pilot phase

Der Zugang ist auf eingeladene Personen beschränkt. Ich freue mich über Kontakt von:Access is limited to invited people. I welcome contact from:

ForschendeResearchers

Gemeinsame Läufe zu Ihrer Fragestellung, Austausch zur Methodik und zu den Grenzen KI-gestützter Forschung.Joint runs on your research question, exchange on methodology and on the limits of AI-assisted research.

PilotpartnerPilot partners

Organisationen, die überprüfbare Literatur- und Argumentationsanalysen für eigene Fragen erproben möchten.Organisations that want to trial verifiable literature and argument analyses on their own questions.

FördererFunders

Unterstützung für den Ausbau: Volltextanalyse, Evaluationsstudien und den Betrieb auf eigener Infrastruktur. Forschung & Roadmap →Support for the next stage: full-text analysis, evaluation studies and operation on dedicated infrastructure. Research & roadmap →

KontaktContact kontakt@dinler.cc