Evidenz ueber Dialoggrenzen hinweg: Cernion revalidiert offene Fragen

Wenn spaetere Evidenz zur richtigen Ursprungssession zurueckfindet

In der Produktentwicklung von Cernion haben wir heute einen kleinen, aber fachlich wichtigen Baustein im Personal-Agent-Konzept validiert: Ein Agent darf eine fruehe Einschaetzung nicht einfach vergessen, nur weil die belastbare Evidenz erst spaeter und in einem anderen Dialog auftaucht.

Das getestete Szenario ist bewusst nah an der Praxis von Stadtwerken und Kommunen: Eine Buergermeisterin fragt nach einer vorsichtigen Ersteinschaetzung zu einem kommunalen Batteriespeicher. Fachlich ist klar: Ohne Netzbetreiber-/BDEW-Code und belastbare Anschlussdaten darf daraus keine harte Empfehlung werden. Die richtige Antwort ist also nicht mehr Sicherheit zu simulieren, sondern die fehlende Evidenz sauber zu benennen.

Spaeter kommt die Netzplanung in einem anderen Dialog mit genau dem fehlenden Fakt zurueck. Cernion muss diesen neuen Fakt nicht nur lokal verstehen, sondern ihn auf die offene Evidenzanforderung aus dem urspruenglichen Dialog beziehen. Genau das wurde jetzt nachgewiesen: Die spaeter gelernte, strukturierte Evidenz loest eine Revalidierung aus, erzeugt eine Notification und legt sie auf die Ursprungssession der Buergermeisterin, nicht auf die spaetere Netzplanungs-Session.

Das klingt nach einem Detail. Fuer agentische Fachsysteme ist es aber zentral. In echten Organisationen entstehen Entscheidungen selten in einem einzigen Chat. Fakten kommen versetzt, Rollen wechseln, Personen arbeiten asynchron, und belastbare Evidenz liegt oft erst nach Ruecksprache mit Netzplanung, Regulierungsmanagement oder Datenmanagement vor. Wenn ein Agent hier nur den aktuellen Dialog sieht, bleibt er ein Chatbot. Wenn er offene Evidenzanforderungen erkennt, spaetere Fakten tenant-sicher korreliert und die urspruengliche Entscheidungssituation aktualisiert, wird er zu einem Arbeitsgedaechtnis fuer die Organisation.

Technisch wurde dabei vor allem der Work-Out-Loud-Pfad genutzt: Sobald ein spaeterer Chat-Turn einen sicheren Knowledge-Scope-Datapoint enthaelt, kann der Listener die passende offene Evidenzanforderung automatisch korrelieren. Die Rohtexte aus Prompt und Antwort werden dabei nicht als Teil der Requirement persistiert. Entscheidend ist der strukturierte, begrenzte Fakt, nicht die komplette Chat-Prosa.

Im Dev-Lauf wurde die Kette Ende-zu-Ende belegt:

Die urspruengliche Evidenzanforderung blieb zunaechst korrekt im Status "missing".
Der spaetere strukturierte Netzbetreiber-Fakt wurde ueber den Work-Out-Loud-Pfad erkannt.
Die offene Requirement wurde automatisch auf "updated" gesetzt.
Eine evidence-revalidated Notification wurde erzeugt.
Der Pull der Ursprungssession zeigte genau diese Nachricht.
Cross-Tenant- und Wiederholungschecks verhindern, dass Evidenz in falsche Mandanten oder bereits geschlossene Anforderungen hineinlaeuft.

Begleitend liefen die relevanten Regressionstests fuer Work-Out-Loud Listener, Evidence Revalidation, Notification Service und Proactive Messages gruen.

Der naechste Integrationsschritt ist klar: Heute braucht der spaetere Chat-Turn den sicheren Knowledge-Scope-Datapoint noch explizit. Cernion soll kuenftig fuer sichere Felder wie gridOperatorBdew selbst entscheiden koennen, wann daraus ein strukturierter Evidenzpunkt wird. Ebenso steht noch aus, dass personal-agent.chat fehlende Evidence-Requirements direkt aus freier Fachprosa ableitet.

Kurz gesagt: Cernion lernt gerade nicht nur zu antworten, sondern offene fachliche Unsicherheit ueber Dialoggrenzen hinweg zu fuehren. Genau dort beginnt der Unterschied zwischen KI-Auskunft und revisionsfaehiger Entscheidungsunterstuetzung.