Stellen Sie uns die harten Fragen.

Heute: Selbstbewertung anhand der offenen DSS-Methodik, vollständig veröffentlicht in WP-001 und DSS-001, wobei die Fehlerbaum-Ableitung, Annahmen und ergänzende Daten öffentlich sind, sodass jeder die Mathematik nachvollziehen kann. Und hier ist der Teil, den wir absichtlich so gestaltet haben: Unser eigener Standard erfordert auf den Stufen Gold und Platinum ein Audit durch Dritte. Wir haben eine Messlatte definiert, die wir öffentlich überspringen müssen, und unabhängige Prüfer sind formell eingeladen. Ein Anbieter, der sich selbst nach einer geheimen Rubrik bewertet, betreibt Marketing; ein Anbieter, der die Rubrik veröffentlicht und den Prüfer einlädt, setzt einen Standard.

Nein, und die Unterscheidung ist auf dem Zertifikat abgedruckt. Es ist absichtlich zweidimensional: Architektur · Wahrscheinlichkeit. DeepSensi implementiert die komplette Platinum-Architektur, alle fünf Säulen auf der höchsten Stufe. Aus Sicht der Wahrscheinlichkeit erfüllt die konservativ abgeleitete Worst-Case-Grenze von 3,23×10⁻⁶ das IEC 61508 SIL-4 Demand-Mode-Ziel (<10⁻⁴) mit einer etwa 31-fachen Marge; der nominelle, Common-Cause-bereinigte Wert beträgt 1,6875×10⁻⁷. Die DSS-Wahrscheinlichkeitsstufen sind absichtlich strenger als die der IEC, was bedeutet, dass wir uns selbst härter bewerten als die Industrie. Wir hätten eine Tabelle veröffentlichen können, die unser Worst-Case-Szenario bequem übertrifft. Wir haben eine veröffentlicht, bei der das noch nicht der Fall ist.

Wir beanspruchen nur das numerische Demand-Mode-Ziel und sagen dies in den Publikationen ausdrücklich: Es ist eine Messanalogie, keine beanspruchte IEC-Zertifizierung. Die zugrundeliegende Methodik, die Fehlerbaumanalyse nach IEC 61025 über 23 unabhängige Barrieren hinweg mit einem begründeten Common-Cause-Faktor, ist domänenneutrale Mathematik. Unsere Position ist einfach: Wenn sich Luftfahrt- und Kerntechnik vor fünfzig Jahren quantitative Zuverlässigkeitsziele verdient haben, dann verdient die Disziplin, die darüber entscheidet, ob Ihr Brustschmerz ein gezerrter Muskel oder eine Dissektion ist, dieselbe Grammatik.

Im Gange, öffentlich und auf jedem Schritt falsifizierbar. Alle neun Publikationen sind öffentlich; der Benchmark-Anhang (S1) veröffentlicht Inputs, Outputs und Beurteilungen auf Fallebene; die Einreichung bei NEJM AI läuft parallel zu medRxiv-Preprints; eine prospektive Bestätigungsstudie an einer eingefrorenen Konfiguration ist geplant; und Audits durch Dritte sind eingeladen. Jede Zahl, die wir veröffentlichen, trägt den Hinweis auf die Entwicklungskohorte im selben Satz, nicht in einer Fußnote. Noch etwas: Das System wird noch kalibriert, weshalb wir die aktuellen Zahlen als eine Untergrenze, nicht als eine Obergrenze betrachten.

Das wäre es, für ein System, das immer antwortet. Der veröffentlichte Verlauf ist 4,6 % → 1,3 % → 0,0 % über 301 Fälle hinweg, und der Mechanismus ist keine Allwissenheit, sondern Disziplin: „Safety-first“-Kalibrierung plus LIMBO, die strukturierte Weigerung zu raten. In 4,0 % der Fälle (12 von 301) lehnte das System ein diagnostisches Urteil ab und benannte stattdessen, was den Fall klären würde. Der Preis für null waren 2,3 zusätzliche Sekunden medianer Bedenkzeit. Ergebnis der Entwicklungskohorte, Konfidenzintervalle veröffentlicht, Bestätigungsstudie geplant.

Allein beim Top-1-Wert bei diesen Stichprobengrößen würden wir nicht widersprechen, und wir veröffentlichen unsere Konfidenzintervalle genau aus dem Grund, damit Sie es überprüfen können. Aber die Behauptung war nie der halbe Punkt. Die Behauptung ist die Kombination: Genauigkeit an der Spitze des Feldes plus eine zertifizierte Worst-Case-Sicherheitsgrenze plus eine 0,0 % Rate übersehener kritischer Fälle plus ein Audit-Trail bis zur letzten Aussage plus ein offener Standard, anhand dessen jeder verifizieren kann. Entfernen Sie eines davon bei einem Konkurrenten, und der Vergleich fällt in sich zusammen. Niemand sonst bringt all das an den gleichen Tisch.

Öffentliche Benchmark-Daten bepreisen die Alternativen bereits. In Microsofts eigener SDBench-Studie (Nori et al. 2025, dieselbe NEJM-CPC-Fallfamilie) war das Erreichen einer Diagnose mit Tausenden von Dollar an angeordneten Tests pro Fall verbunden: o3 lag im Durchschnitt bei $7.850, Microsofts beste MAI-DxO-Konfiguration erreichte 85,5 % bei $7.184, und Ärzte lagen im Schnitt bei $2.963. Das Protokoll unterscheidet sich, SDBench ordnet Tests sequenziell an, daher beanspruchen wir keinen Vergleich mit demselben Protokoll. Aber die Ökonomie ist der entscheidende Punkt: DeepSensi erreicht 86,0 % Top-1 allein anhand der Fallakte, in 12 Sekunden bis zu wenigen Minuten, und wenn wirklich Evidenz fehlt, bestellt es keine Schrotschuss-Batterie an Tests, sondern LIMBO nennt den einen Test, der die Sache klärt. Die Logik selbst läuft auf handelsüblicher Infrastruktur zu Rechenkosten, die im Vergleich zu einem einzigen Laborpanel ein Rundungsfehler sind. Die Preise für den Einsatz werden pro Pilotprojekt festgelegt.

Das ist die erste Frage, die wir uns gestellt haben, und die Verteidigung ist architektonisch, nicht chronologisch. Das Anti-Kontaminations-Gate entfernt Identifikatoren, Autoren, Daten und Zitate aus jedem Fall, bevor die Schlussfolgerung beginnt, wodurch eine Ableitung aus der Pathophysiologie anstatt durch Erinnerung erzwungen wird. Die gemessene Lücke spricht für sich: Nackte Einzelmodell-Baselines erzielen bei denselben Fällen etwa 39–49 % Top-1; das orchestrierte Konsilium erreicht 93,7 % Top-3. Wenn Auswendiglernen das Ergebnis erklären würde, lägen die nackten Baselines nicht vierzig Punkte zurück. Ein Input-Grounding-Watchdog verifiziert zusätzlich, dass sich Schlussfolgerungen auf den präsentierten Fall zurückführen lassen, und das vollständige Audit auf Fallebene wird im S1-Anhang veröffentlicht.

Version 90 ist auf einer Infrastruktur in Produktion, die vier Kontinente umfasst, und der Zugang ist bewusst beschränkt: Pilotprojekte und Partnerschaften zuerst, mit LOIs (Absichtserklärungen) in aktiver Diskussion bei Gesundheitssystemen, Kostenträgern und Gesundheitsbehörden. Wir haben uns entschieden, den Beweis, den Standard und das Audit vor den Kundenlogos zu veröffentlichen, nicht an deren Stelle, weil diese Reihenfolge in der Medizin die ehrliche ist. Ankündigungen folgen auf Unterschriften, nicht umgekehrt.

Der Einwand verdreht die Geschichte ins genaue Gegenteil. Die Durchbrüche der Medizin kamen immer wieder von Einzelpersonen, die sich gegen den institutionellen Konsens stellten: Semmelweis gegen das Kindbettfieber, Fleming, der eine einzige kontaminierte Schale bemerkte, Marshall, der Helicobacter trank, um dem Establishment das Gegenteil zu beweisen, und das Web selbst war das Protokoll eines einzigen Architekten, bevor es zur Industrie von allen wurde. Komitees liefern Konsens. Architekten liefern Erfindungen. Ein einziger Verstand zu sein, ist nicht das Handicap dieses Projekts; es ist der Grund für seine Existenz. Der Audit-Trail hier: Ein Master Architect schrieb das Betriebssystem, zwölf schwebende Patentanmeldungen mit vierundzwanzig weiteren in Vorbereitung, neun Publikationen und ein offener Zertifizierungsstandard, und lieferte sie betriebsbereit aus, nicht als Präsentationsfolien. Es gibt auch einen strukturellen Vorteil, den ein Konzern nicht kaufen kann: Ein Verstand, der die gesamte Pipeline von Anfang bis Ende hält, kann sie ohne Komitees, Altlasten oder Firmenpolitik optimieren. Die öffentlichen Benchmark-Wirtschaftsdaten zeigen, was nicht-optimierte Architekturen verbrennen: in Microsofts eigener Studie Tausende von Dollar an Kosten pro Diagnose (o3: $7.850; die beste MAI-DxO-Konfiguration: $7.184 pro Fall; Nori et al. 2025). Die Architektur von DeepSensi, gesteuert durch das Gomola Framework, den offenen Zertifizierungsstandard, der den Namen seines Master Architect trägt, wurde von einem Verstand entwickelt, der genau wusste, wo die Verschwendung lag: dieselbe Klasse von Ergebnissen, zu Rechenkosten, die sich gegenüber einem einzelnen Laborpanel auf null runden, ohne eine einzige Sicherheitsschwelle aufzuweichen. Und die laufende Expansion ist ebenfalls sein Design: Leiter für klinische Partnerschaften und regionale Repräsentanten, die auf fünf Kontinenten hinzukommen, und eine Plattform, die Tausende von Ärzten in bezahlte Mitautoren verwandelt. Das ist kein Ein-Personen-Unternehmen, das eine Schwäche ausbessert. Das ist ein Master Architect, der seine Architektur absichtlich skaliert.

Nein. NeuroTokens sind eine transparente Rechnungseinheit für kognitive Arbeit innerhalb der Plattform: Sie messen die Rechenkosten und rechnen die Vergütung von Ärzten auf ein Tausendstel Cent genau ab. Es gibt keinen öffentlichen Coin, keine Spekulation, nichts zu handeln. Und der wichtigste Satz: Ökonomie berührt niemals das klinische Urteil. Die Vergütung ist ergebnisabhängig, revisionssicher versiegelt und innerhalb der Anti-Kickback-Grenzen konzipiert. Das Staking von Hypothesen findet in der Forschungsschicht statt, nicht in der Versorgung eines Patienten.

Der Arzt besitzt die Unterschrift und damit die Verantwortung für jeden Fall. Aber wir weigern uns, den Prozess zu romantisieren: Eine Unterschrift ist Autorität, keine Unfehlbarkeit, und bei den schwierigsten öffentlichen Fällen erreichen Ärzte ohne Unterstützung 19,9 %. Deshalb ist DeepSensi auf einem ehrlicheren Vertrag aufgebaut: Beide Verstände werden gemessen, beide sind auditierbar. Das Konsilium kann den Kliniker aktenkundig herausfordern; der Kliniker kann das Konsilium aktenkundig überstimmen; GCPS bewertet die Leistung des Menschen so objektiv, wie der Fehlerbaum die der Maschine begrenzt; und die Haftung wird pro Entscheidung aufgeteilt, KI, Arzt oder Regel, kryptografisch versiegelt. Der Patient profitiert von dieser Diskrepanz, und das auf dieser Messung basierende Geschäftsmodell – Expertise als gemessener, vergüteter Vermögenswert anstelle einer Annahme – unterscheidet sich bewusst von allem anderen in der Medizin. Regulatorische Haltung: HIPAA- und DSGVO-konform, architektonisch am EU AI Act ausgerichtet, FDA-Vorabeinreichung (Q-Sub) initiiert; der Einsatz folgt dem Zulassungsweg für klinische Software der jeweiligen Rechtsordnung.

Weil ein Sicherheitsstandard hinter einer Bezahlschranke kein Standard ist, sondern ein Produkt. Der Haken, wenn Sie so wollen, ist strategisch, und wir sagen es offen: Die Akzeptanz ist der Burggraben. Jedes Krankenhaus, das ein DSS-Niveau in die Beschaffung schreibt, jeder Versicherer, der die Preise an einer zertifizierten Grenze ausrichtet, jede Aufsichtsbehörde, die sich auf das Gomola Framework bezieht, macht den Maßstab realer, und DeepSensi ist die Referenzimplementierung dieses Maßstabs. Mitbewerber sind herzlich eingeladen, sich danach zu zertifizieren. Wir haben die Messlatte gebaut und freuen uns, an ihr zu konkurrieren.