Spielen Sie ein Spiel: Fragen Sie einen beliebigen Chatbot nach einer Zufallszahl zwischen 1 und 10. Sie erhalten 7. Fragen Sie nochmal: 3 oder 4. Nochmal: 8 oder 9. Das ist keine Telepathie – es ist Gruppendenken. Große Sprachmodelle sind vorhersehbar und unkreativ, was fürs Programmieren in Ordnung ist, aber für die Urlaubsplanung lausig.

Betreten Sie Springboards, ein australisches Startup, mit Flint – einem LLM, das darauf trainiert ist, Halluzinationen willkommen zu heißen, statt sie zu bekämpfen. Mitgründer Pip Bingemann demonstrierte: ChatGPT und Claude gaben beide 7; Flint gab 3,7916. Nach einer Automarke gefragt, sagten die Mainstream-Modelle Toyota oder Honda; Flint sagte Ford F-150. Für einen New Balance-Slogan gaben Claude und ChatGPT beide „Run your way“; Flint bot „Built to last, run to win.“

Diese Gleichförmigkeit erregt Aufmerksamkeit. Ein November-Papier mit dem Titel „Artificial Hivemind“ gewann den Best Paper Award auf der NeurIPS und zeigte, dass 25 LLMs nahezu identische Metaphern für Zeit („Zeit ist ein Fluss“) und Bandnamen (mit „Glas“, „Neon“, „Samt“ oder „Statik“) produzierten. Springboards baute Flint auf Alibabas Open-Source-Modell Qwen 3 auf und justierte die Zufälligkeit nur an entscheidenden Ausgabepunkten – etwa kurz vor der Nennung eines Reiseziels – statt die Temperatur global hochzudrehen, was zu Inkohärenz führen kann.

Marketingstrategin Zoe Scaman fand Flint nützlich für unkonventionelle Ideen, wie die Umbenennung von Vermögensaufbau statt der üblichen „Finanzbildung auf unterhaltsame Weise“. Aber Mitgründer Maximilian Weigl warnt: Neun von zehn Mal ist der Durchschnitt in Ordnung, und das Kopieren von KI-Output ist kein Job. Springboards zielt vorerst auf Werbetreibende ab, besteht aber darauf, dass Vielfalt für alle wichtig ist. Wie Bingemann sagt: „Lasst uns diesen Weg gehen, statt in einer grauen, langweiligen Welt zu landen.“