Ein Modell ist eine Stichprobe.
Eine einzelne LLM-Antwort ist eine Ziehung aus einer Verteilung. Mit Kirat legt Claude dieselbe Frage ChatGPT und Gemini vor. Jede Modellfamilie bezieht unabhängig Position, Claude reicht seine eigene ein, und das Ergebnis hält jede Stimme mit ihrer selbst angegebenen Konfidenz fest. Die Gegenstimme bleibt erhalten, statt weggemittelt zu werden. Die Debatte endet nach höchstens zwei Runden, und diese Grenze wird im Code durchgesetzt, nicht in einem Prompt.
Übereinstimmung wird berichtet. Uneinigkeit geht verloren.
Ein Gutachter fragt, ob der Befund auch mit einer anderen Modellfamilie Bestand hat. Die Antwort heißt: alles von Hand neu ausführen.
Übereinstimmung zwischen Modellen wird als Robustheit beschrieben – ohne Protokoll darüber, was widersprach und wie stark.
Prompt, Modellname, Einstellungen und Kosten liegen in einem Chatverlauf, den niemand exportiert. Bis Freitag sind sie weg.
Jeder Lauf liefert ein Ergebnis, das Sie in einem Methodenteil beschreiben können.
Eine Abstimmung des Rats liefert ein strukturiertes Ergebnis: den Ausgang, die Entscheidung, wie sie zustande kam, die Zahl der Runden, die Stimme jedes Mitglieds mit ihrer selbst angegebenen Konfidenz und die Kosten. Eine Zweidrittelmehrheit entscheidet. Fallen Mitglieder aus und sind die übrigen uneins, entscheidet ein festgelegter Domänenverantwortlicher den Gleichstand. Ohne Mehrheit lautet das Ergebnis needs_human, statt Einigkeit zu erzwingen.
ABB. 1 — Ein echter Lauf, einstimmig. Die Zahlen in votes sind Konfidenzwerte, die die Modelle selbst angeben – siehe die Einschränkungen unten. Weitere Werte für den Ausgang: needs_human, domain_decision, limited, budget_exhausted.
Was Sie festhalten sollten
Manche Teile des Verfahrens sind im Code festgelegt: das Rundenlimit, die Regel für den Gleichstand, der Budgetwächter. Andere wählen Sie selbst, und sie gehören in Ihren Methodenteil: welche Modelle im Rat sitzen, die Aufwandsstufe, das Datum. Modellnamen sind Einstellungen, die Standardwerte unten sind also nur Standardwerte.
ABB. 2 — Eine minimale Checkliste für die Berichterstattung. Die Kirat-Version und Kirats eigene Einstellungen gehören ebenfalls hinein.
Was Kirat nicht leistet
- —Es ist nicht deterministisch. LLM-Ausgaben variieren zwischen Läufen. Was sich hier wiederholt, ist das Verfahren – dasselbe Werkzeug, dieselben Modelle, dasselbe Rundenlimit, dieselben Ergebnisfelder –, nicht der Text, den die Modelle erzeugen.
- —Übereinstimmung ist keine Validität. Übereinstimmung zwischen Modellfamilien ist ein deskriptives Signal innerhalb der Modelle, die Sie zufällig gewählt haben. Verschiedene Modellfamilien irren auf verschiedene Weise, aber sie können sich dennoch auf eine falsche Antwort einigen.
- —Konfidenzwerte sind selbst angegeben. Die Modelle nennen eine Zahl. Sie ist nicht kalibriert, sie ist keine Wahrscheinlichkeit und sollte auch nicht als solche ausgewertet werden.
- —Es ist kein validiertes Instrument. Dahinter steht kein Paper, keine Validierungsstudie, kein Peer-Review. Es ist ein dokumentiertes Verfahren und ein Ergebnisformat. Was Sie daraus schließen, verantworten Sie.
- —Der Rat besteht nicht immer aus denselben drei Mitgliedern. Nach wiederholten API-Fehlern pausiert der Circuit Breaker ein Mitglied für den Rest der Sitzung. Ein Aufruf, der bei maximalem Aufwand in eine Zeitüberschreitung läuft, wird einmal wiederholt, eine Aufwandsstufe niedriger. Mit nur einem API-Key hat der Rat ein externes Mitglied, und jedes Ergebnis nennt den fehlenden Key.
kirat_statuszeigt, welche Mitglieder verfügbar sind – prüfen Sie das vor einer Serie von Läufen. - —Es ist kein Datenspeicher. Kirat behält nur die letzten 20 Ergebnisse, im Ordner
.kiratin Ihrem Home-Verzeichnis. Speichern Sie jedes Ergebnis, das Sie auswerten möchten, selbst. - —Es läuft nicht überall, wo Sie Claude nutzen. Nur dort, wo Claude Werkzeuge auf einem Rechner ausführt, auf dem Kirat installiert ist: Chats in Claude Desktop unter macOS und Windows, Claude Code im Terminal oder in VS Code, lokale Sitzungen im Code-Tab von Claude Desktop, SSH-Sitzungen – und Cloud-Sitzungen von Claude Code (Cloud-Sitzungen im Code-Tab, Claude Code im Web oder in der Mobil-App) nach einer einmaligen Einrichtung Ihrer Cloud-Umgebung. Die Cloud hat Grenzen: Alle, die die Umgebung nutzen, können ihre Umgebungsvariablen lesen, einschließlich Ihrer Keys; Kirats Tagesbudget zählt pro Sitzung, legen Sie also Ausgabenlimits bei OpenAI und Google fest; Hintergrundaufträge und die letzten Ergebnisse enden mit der Sitzung; und die Umgebung muss zwei Hosts zulassen,
api.openai.comund den Download-Host von Kirat. Schlägt die Einrichtung fehl, startet die Sitzung trotzdem, nur ohne Kirat, und der fehlgeschlagene Zustand kann für neue Sitzungen zwischengespeichert bleiben, bis Sie das Setup-Skript bearbeiten. Nicht der Chat im Browser oder in den Mobil-Apps und nicht Cowork-Aufgaben, die in der Cloud laufen. WSL-Sitzungen und lokale Cowork-Aufgaben sind nicht getestet. Netzwerke auf Ihrem eigenen Computer, die einen HTTP-Proxy erfordern, werden nicht unterstützt – das sollten Sie in einem Netzwerk Ihrer Einrichtung prüfen. Organisationen, die Desktop-Erweiterungen auf eine Allowlist beschränken, blockieren manuelle Installationen; fragen Sie Ihre Administration. Wo es läuft, vollständig.
Bevor Sie kaufen.
Kann ich es zitieren?
Sie können das Verfahren beschreiben und zitieren wie jedes andere Werkzeug: Name, Version, Modellnamen, Aufwandsstufe, Datum, Rundenlimit. Abb. 2 oben ist ein Ausgangspunkt. So viel trägt das Ergebnis.
Es gibt kein Validierungspaper, das Sie zitieren könnten, und keine Fachzeitschrift hat aufgrund dieses Werkzeugs etwas angenommen. Behaupten Sie nicht mehr, als das Ergebnis hergibt.
Ist es reproduzierbar?
Das Verfahren ja. Die Ausgaben nicht – das ist eine Eigenschaft der Modelle, nicht von Kirat. Berichten Sie beides.
Berichten Sie auch die Modellnamen und Daten. Anbieter mustern Modelle aus. Wird eines ausgemustert, tragen Sie den neuen Modellnamen und seine zwei Preise in Kirats Einstellungen ein, und ab dann verwenden Ihre Läufe ein anderes Modell.
Kann ich eine weitere Modellfamilie oder ein lokales Modell hinzufügen?
Nein. Der Rat besteht aus ChatGPT (OpenAI) und Gemini (Google), mit Claude als drittem Abstimmenden. Sie wählen, welche OpenAI- und Gemini-Modelle darin sitzen, denn Modellnamen sind Einstellungen. Kirat unterstützt nur OpenAI und Google; es gibt keinen Adapter für andere Anbieter, und der Code ist nicht Open Source.
Wenn Sie andere Anbieter brauchen, sehen Sie sich PAL MCP an: ein kostenloser Open-Source-MCP-Server, der viele Anbieter unterstützt und ein eigenes Konsens-Werkzeug hat. Prüfen Sie den aktuellen Stand. Wenn er abdeckt, was Sie brauchen, nutzen Sie ihn.
Wenn Sie mit einem Coding-Agenten einen eigenen Rats-Server bauen möchten: Der Blueprint auf der Hauptseite besteht nur aus Dokumenten – der Spezifikation, den Architekturentscheidungen mit ihrer Begründung, der Abnahme-Checkliste und den Benchmark-Daten hinter den Zahlen auf dieser Website. Um Kirat zu nutzen, brauchen Sie ihn nicht.
Was ist mit sensiblen oder personenbezogenen Daten?
Alles, was Sie Kirat geben (Fragen, Kontext, Code, Bilder), geht direkt an OpenAI und Google, unter Ihren Konten und deren Bedingungen – von Ihrem Computer aus oder, in Cloud-Sitzungen von Claude Code, aus Ihrer eigenen Cloud-Umgebung über den Netzwerk-Proxy von Anthropic für diese Umgebung. Kirat hat keinen Server, kein Konto bei uns und keine Telemetrie. Wir sehen weder Ihre Keys noch Ihre Daten.
Auf Ihrem Computer legt Kirat einen Ordner .kirat in Ihrem Home-Verzeichnis an: der tägliche Kostenzähler, das Kostenprotokoll, die letzten 20 Ergebnisse (sie enthalten Ihre Fragen und Antworten), das Protokoll delegierter Entscheidungen und erzeugte Bilder. Sie können ihn jederzeit löschen.
Wenn Ihre Daten nicht an OpenAI oder Google gehen dürfen, ist Kirat nichts für Sie.
Was kostet ein Lauf, und wie lange dauert er?
Eine Entscheidung des Rats kostet in unseren gemessenen Läufen $0.02 bis $0.15, je nach Aufwandsstufe und Eingabegröße, und dauert 8 Sekunden bis 3 Minuten. Sie bezahlen OpenAI und Google direkt. Drei Modelle kosten mehr als eines.
Lange Läufe geben sofort ein Ticket zurück und laufen im Hintergrund zu Ende; Claude holt das Ergebnis mit kirat_result ab, sodass eine Zeitüberschreitung im Client kein bereits bezahltes Ergebnis verschluckt. Zeitlimits werden pro Anbieter festgelegt, abgeleitet aus dem gemessenen Durchsatz, weil sich die Anbieter unterscheiden: Der mittlere Ausgabedurchsatz (Median) lag bei gpt-5.6 ≈ 48 Tokens/s und gemini-3.6-flash ≈ 196 Tokens/s (Produktivläufe, Aug. 2026, ein einzelner Container in der EU).
Ein Budgetwächter reserviert vor jedem Aufruf die Kosten für den ungünstigsten Fall und blockiert Aufrufe, die das Tagesbudget überschreiten könnten – standardmäßig $5 pro UTC-Tag, anpassbar. Er arbeitet nach bestem Bemühen, legen Sie also auch bei den Anbietern Ausgabenlimits fest. Ein separates Projekt beim Anbieter mit eigenem Limit ist eine gute Idee.
Lizenz für die Nutzung in der Forschung?
Kirat wird unter einer proprietären Lizenz verkauft, nicht unter einer Open-Source-Lizenz. Eine Lizenz gilt für eine Person, auf beliebig vielen eigenen Geräten und eigenen Cloud-Umgebungen dieser Person. Eine Weitergabe ist nicht erlaubt, daher braucht jedes Mitglied Ihrer Gruppe, das Kirat nutzt, eine eigene Lizenz, und eine mit anderen geteilte Cloud-Umgebung braucht eine Lizenz pro Person.
Sie dürfen die Ergebnisse in Ihrer eigenen Arbeit verwenden, kommerzielle Arbeit eingeschlossen.
Ein Produkt für alle: ein Kauf, ein Download mit der Erweiterung für Claude Desktop und dem Plugin für Claude Code. Preise und Details finden Sie auf der Hauptseite.