mindnet/docs/02_concepts/02_concept_ai_personality.md

doc_type	audience	scope	status	version	context
concept	architect, product_owner	ai, router, personas	active	2.6	Fachkonzept der KI-Persönlichkeit, der Decision Engine und Erweiterungsstrategien.

Konzept: KI-Persönlichkeit & Router

Quellen: mindnet_functional_architecture.md, Programmplan_V2.2.md

Mindnet soll nicht wie eine Suchmaschine wirken, sondern wie ein Digitaler Zwilling. Dazu muss das System erkennen, was der Nutzer will, und seine "Persönlichkeit" anpassen.

1. Der Hybrid Router (Das Gehirn)

Jede Eingabe durchläuft den Hybrid Router. Er entscheidet über die Strategie.

Modus A: RAG (Retrieval Augmented Generation)

• Intent: Der Nutzer hat eine Frage oder ein Problem (FACT, DECISION, EMPATHY).
• Aktion: Das System sucht im Gedächtnis und generiert eine Antwort.

Modus B: Interview (Knowledge Capture)

• Intent: Der Nutzer will Wissen speichern (INTERVIEW).
• Aktion: Das System sucht nicht, sondern fragt ab und erstellt einen Draft.

---

2. Die Personas (Strategien)

Mindnet wechselt den Hut, je nach Situation.

2.1 Der Berater (Strategy: DECISION)

• Auslöser: Fragen wie "Soll ich...?", "Was ist besser?".
• Strategic Retrieval: Lädt aktiv Notizen der Typen value (Werte), goal (Ziele) und risk (Risiken), auch wenn sie im Text nicht direkt vorkommen.
• Reasoning: "Wäge die Fakten gegen meine Werte ab. Sei strikt bei Risiken."

2.2 Der Spiegel (Strategy: EMPATHY)

• Auslöser: Emotionale Aussagen ("Ich bin frustriert").
• Strategic Retrieval: Lädt experience (Erfahrungen) und belief (Glaubenssätze).
• Reasoning: "Nutze meine eigenen Erfahrungen, um die Situation einzuordnen."

2.3 Der Bibliothekar (Strategy: FACT)

• Auslöser: Sachfragen ("Was ist Qdrant?").
• Behavior: Präzise, neutral, kurz.

---

3. Future Concepts: The Empathic Digital Twin

Um Mindnet von einer Maschine zu einem echten Spiegel der Persönlichkeit zu entwickeln, sind folgende Konzepte in der Architektur angelegt:

3.1 Antizipation durch Erfahrung

• Konzept: Das System soll Konsequenzen vorhersagen ("Was passiert, wenn...?").
• Logik: "In einer ähnlichen Situation (Projekt A) hat Entscheidung X zu Ergebnis Y geführt." (Analogie-Schluss).

3.2 Empathie & "Ich"-Modus

• Konzept: Das System antwortet im Tonfall des Nutzers.
• Umsetzung: Few-Shot Prompting mit eigenen E-Mails/Texten als Stilvorlage.

3.3 Glaubenssätze & Rituale

• Konzept: Berücksichtigung weicher Faktoren.
• Szenario: Bei Terminplanungen werden Rituale ("Keine Meetings vor 10 Uhr") automatisch als harte Restriktion gegen Anfragen geprüft.

---

4. Erweiterbarkeit: Das "Teach-the-AI" Paradigma

Mindnet lernt nicht durch Training (Fine-Tuning), sondern durch Konfiguration und Vernetzung. Wenn du dem System ein neues Konzept beibringen willst, musst du an drei Stellen eingreifen.

Beispiel: Du willst den Typ risk einführen.

1. Daten-Ebene (Physik) In types.yaml: Definiere Gewicht und Verhalten.

risk:
  retriever_weight: 0.90    # Hohe Priorität
  edge_defaults: ["blocks"] # Automatische Kante zu Projekten

2. Strategie-Ebene (Router) In decision_engine.yaml: Wann soll das geladen werden?

DECISION:
  inject_types: ["value", "risk"] # Füge 'risk' hinzu

3. Kognitive Ebene (Verständnis) In prompts.yaml: Erkläre dem LLM, was ein Risiko ist.

Fazit: Nur wenn Daten (Vault), Physik (Config) und Semantik (Prompt) zusammenspielen, entsteht ein intelligenter Zwilling.