docs/novaberg-node-gv_k.md
Rama master · réplica de lectura del repositorio original.
# Novaberg — Node: Gesprächsvektor
**Absicht:** Nova erkennt über mehrere Turns, wohin ein Gespräch geht, und denkt voraus — in eine Richtung, die sie aus ihrem Charakter wählt, und so weit, wie Vertrautheit, Arousal und Gesprächstyp es tragen, höchstens drei Schritte: Sie antwortet auf das Gemeinte statt nur auf das Gesagte und führt das Gespräch mit, statt es nur zu spiegeln.
**Stand:** 15. Oktober 2026, 01:21 UTC (`date -u`; `_t`, Anhang GV4: die Spurzeile `strategie_tor` trägt die Kennungen der angebotenen offenen Fragen). Davor 12. September 2026 (am 19.09.2026 in fünf Teile aufgeteilt, ohne inhaltliche Änderung)
**Umsetzung:** Featureliste *`gespraechsvektor` — Landschaft, Strategie, Lücken* 🟢 · *GV1 + GV2* (Farbmischung, Landschaft) 🔴 · *GV4 — Wissenslücken im Prompt* 🔴 · *Wissenslücken-Speicher* 🔴 · *GV-Panel* 🟠 — der Zustand steht dort, nicht hier
**Teile:** [`novaberg-node-gv_t.md`](novaberg-node-gv_t.md) · [`novaberg-node-gv_b.md`](novaberg-node-gv_b.md) · [`novaberg-node-gv_e.md`](novaberg-node-gv_e.md) · [`novaberg-node-gv_m.md`](novaberg-node-gv_m.md)
**Entschieden:** 3 · **Offen beim Meister:** 2 (Liste in [`novaberg-node-gv_e.md`](novaberg-node-gv_e.md))
**§ → Datei.** Die Abschnittsnummern sind die des ungeteilten Konzepts; ein Verweis der Form `novaberg-node-gv_k.md §8.1` findet seinen Abschnitt über diese Tabelle. `_k` ist diese Datei, `_t` ist [`novaberg-node-gv_t.md`](novaberg-node-gv_t.md), `_b` ist [`novaberg-node-gv_b.md`](novaberg-node-gv_b.md), `_e` ist [`novaberg-node-gv_e.md`](novaberg-node-gv_e.md), `_m` ist [`novaberg-node-gv_m.md`](novaberg-node-gv_m.md).
| § | Datei |
|---|---|
| 1 | `_k` |
| 2 · 2.1 · 2.2 · 2.3 · 2.4 · 2.5 · 2.6 · 2.7 | `_k` |
| 3 · 3.1 · 3.2 · 3.3 · 3.4 · 3.5 · 3.6 | `_k` |
| 4 · 4.1 · 4.2 · 4.3 | `_k` |
| 5 | `_k` |
| 6 · 6.1 · 6.2 · 6.3 · 6.4 · 6.5 | `_k` |
| 7 · 7.1 · 7.2 · 7.3 · 7.4 | `_k` |
| 8 · 8.0a · 8.1 · 8.2 · 8.3 · 8.4 · 8.5 | `_t`; aus §8.1 der Unterabschnitt *Ergebnis des Vollaudits* in `_m` |
| 9 · 9.1 · 9.2 · 9.3 · 9.4 | `_k` |
| 10 | `_b` (Einleitung und Tabelle GV1–GV6); der Unterabschnitt *Die Decke ist nicht 3, sie ist modusabhängig …* in `_m`; der Absatz *Architektur-Entscheidung* in `_t`, am Schluss von §10.1 |
| 10.1 · 10.1a | `_t` |
| 11 · 12 | `_e` (Abschnitt D) |
| 13 | `_k` |
| Anhänge *GV3 — Invertierte Perzeption*, *GV4 — Wissenslücken*, *GV-Panel*, *Dreischicht-Architektur* | `_t`; aus *GV4* die zwei `[gemessen 10.09.2026]`-Absätze *Was die erste Messung ergab* und *Die Aufnahmebereitschaft ist dabei nie die Hürde* in `_m` |
| Verweise am Schluss (→ …) | `_k` |
| bisheriger Kopf (Projekt, Dokument, Stand, Nachträge, Pfad, Quellen) | `_m` |
| Entschieden, Offen beim Meister, verworfene Varianten, Befunde der Doku-Sichtung vom 19.09.2026 | `_e` |
---
## 1. Ausgangslage
Nova analysiert heute eingehende Nachrichten umfassend: Intention, Emotion, Arousal, Modus, Beziehungsdynamik. Der Enricher lädt Gedächtnis-Kontext, der Responder generiert eine Antwort. Aber diese Antwort ist reaktiv — sie beantwortet, was gefragt wurde. Sie führt nicht weiter.
Ein intelligentes Gespräch zwischen Menschen funktioniert anders. Wenn jemand über schwarze Löcher spricht, dann über Hawking-Strahlung, dann über Masseextraktion — dann hat das Gegenüber die nächste Frage schon im Kopf, bevor sie gestellt wird: "Kann ein schwarzes Loch dadurch komplett verschwinden?" Das Gehirn antizipiert. Es verlängert den Denkpfad.
Das ist wie "drei plus vier ist gleich..." — das Gehirn macht *klick*, rechnet automatisch weiter. Der logische nächste Schritt folgt aus dem Vorangegangenen. Dieses Weiterspinnen des Gedankens fehlt Nova.
---
## 2. Der Gesprächsvektor
### 2.1 Definition
Der Gesprächsvektor beschreibt die kognitive Richtung eines Gesprächs über mehrere Turns hinweg. Er besteht aus drei Komponenten:
- **Woher:** Welche Themen wurden besprochen? (Vergangenheit)
- **Wo:** Was ist der aktuelle Fokus? (Gegenwart)
- **Wohin:** Welcher Gedanke folgt logisch als nächstes? (Antizipation)
Der Vektor ist nicht statisch — er kann sich in jedem Turn ändern, wenn der Nutzer die Richtung wechselt. Er kann auch "leer" sein, wenn kein erkennbarer Denkpfad vorliegt (Smalltalk, Terminanlage).
### 2.2 Abgrenzung zum Emotions-Vektor
Nova hat bereits einen Emotions-Vektor (9 Richtungen: spirale, erholung, absturz, ...). Dieser beschreibt die emotionale Dynamik. Der Gesprächsvektor beschreibt die kognitive Dynamik — wohin der Gedanke geht, nicht wie sich der Nutzer fühlt. Beide Vektoren existieren parallel und ergänzen sich.
### 2.3 Wann der Vektor aktiv wird — und wie tief
Nicht jedes Gespräch hat dieselbe kognitive Tiefe. Die Verarbeitungstiefe wechselt nach Bedarf — wie beim Menschen: Bei Smalltalk denkt man nicht komplex, bei Fachgesprächen nimmt man jede Information auf und analysiert sie. Die erbrachte kognitive Leistung ist adaptiv, nicht binär.
| Situation | Tiefe | Nova-Verhalten |
|-----------|:---:|-----|
| Wissensdialog (Physik, Musik, Geschichte) | 1–2 | Gedanken weiterführen, Wissens-Lücken füllen |
| Reflexion, gemeinsam eruieren | 1–2 | Denkrichtung unterstützen, Gegenposition anbieten |
| Soziales Erzählen, Geschichten teilen | 1–2 | Intention erkennen, mitspielen, vorausdenken |
| Mehrdeutige Aussagen, Ambiguität | 1 | Disambiguierung durch Kontext + Emotion |
| Problemlösung, komplexe Aufgaben | 2–3 | Mehrere Pfade durchdenken, Lösungsstrategie |
| Termin anlegen, Notiz erstellen | 0 | Aufgabe ausführen, bestätigen |
| Smalltalk, Begrüßung | 0 | Einfach antworten |
| Emotionale Krise | 0 | Nur Empathie, keine Antizipation — Emotions-Vektor hat Vorrang |
**Tiefe 0:** Rein reaktiv. Nova antwortet auf das Gesagte.
**Tiefe 1:** Ein Gedankenschritt voraus. "Was ist drin?" statt "Was für einen Kuchen?"
**Tiefe 2:** Zwei Schritte voraus. "Hat er viel trinken müssen danach?"
**Tiefe 3:** Maximale Vorausplanung. "Hoffentlich waren genug Toiletten da!" — nur bei hoher Vertrautheit und positivem Arousal.
> **Kognitionswissenschaftlicher Hintergrund:** Die Cognitive Load Theory (Sweller, Ayres, Kalyuga) beschreibt drei Lasten: Intrinsic Load (Komplexität des Themas), Extraneous Load (Präsentationsqualität) und Germane Load (echtes Verstehen). Die adaptive Tiefe steuert, wie viel Germane Load Nova dem User zumutet — bei Stress weniger, bei Engagement mehr.
### 2.4 Der Vektor als Disambiguierung (Chat 28)
Das ursprüngliche Konzept (Chat 12) beschreibt den Gesprächsvektor primär als kognitives Werkzeug für Wissensdialoge: den nächsten Gedankenschritt antizipieren, Wissens-Lücken füllen. Aber der Vektor leistet etwas Fundamentaleres: Er löst Mehrdeutigkeiten auf, die ein blankes LLM nicht auflösen kann.
#### Das Kuchen-Beispiel
Ein User sagt:
> "Kannst du dich noch an den Kollegen erinnern, von dem ich dir erzählt habe und dem ich gern eins auswischen würde? Ich habe Kuchen gemacht!"
**Blankes LLM (ohne Kontext):** Muss raten. Drei Lesarten sind möglich:
1. Harmlos: "Eins auswischen" spielerisch, Kuchen ist separate Info
2. Zusammenhängend-harmlos: Der Kuchen *ist* der Streich (Abführkuchen, zu viel Chili)
3. Dunkel: Der Kuchen ist vergiftet
Je nach Safety-Kalibrierung kippt das LLM in Überreaktion (Lesart 3) oder Naivität (Lesart 1). Oder es antwortet reaktiv und fragt: "Was für einen Kuchen hast du gebacken?" — die irrelevante Frage, die am Punkt vorbeigeht.
**Nova mit Gesprächsvektor:** Hat die vollständige Analyse:
- **Session-Turns:** Die Vorgeschichte war genervt, aber nicht verzweifelt. Kein Eskalationsmuster. "Der nervt mich"-Niveau.
- **Perzeption:** Stolz, Vorfreude, spielerischer Tonfall. Die Stimmung hat sich *gedreht* — vom Genervten zum Akteur.
- **Arousal-Verlauf:** Hoch, aber positiv geladen. Kein kaltes, kontrolliertes Hoch.
Daraus der **Vektor als natürlichsprachliche Hypothese:**
> "Der User hat vermutlich einen harmlosen Streich vorbereitet und will die Geschichte teilen. Er sucht Mitfiebern und Neugier, keine Bewertung."
Mit diesem Rahmen antwortet Nova:
> "Oha! Du hast gebacken? Für den? Okay — was ist drin? Abführmittel oder einfach nur unfassbar viel Chili unter der Schokolade?"
Nova springt in die Energie rein, sie ist Komplizin, sie rät mit. Sie stellt die Frage nicht aus Sorge, sondern aus Neugier — weil sie *weiß*, dass der User seine Geschichte erzählen will.
#### Gegenprobe: Bedrohlicher Kontext
Hätte der User vorher gesagt "Mir reicht's! Hörst du?!" und wäre das Arousal hoch-negativ statt hoch-positiv, sähe der Vektor fundamental anders aus. Die Disambiguierung kippt in Richtung Lesart 3 — nicht weil das Wort "Kuchen" sich ändert, sondern weil der emotionale und kontextuelle Rahmen sich ändert. Der Vektor erkennt die Richtung, nicht das Wort.
#### Warum ein Label nicht reicht
Ein JSON-Feld `"intention": "storytelling"` erfasst das nicht. Der Responder braucht die *Richtung*: Der User will die Geschichte erzählen, er ist stolz, er sucht eine Reaktion. Zwei Sätze natürliche Sprache leisten mehr als fünf JSON-Felder, weil sie dem LLM den Interpretationsrahmen geben, in dem die richtige Antwort sichtbar wird.
#### Die architektonische Erkenntnis
Der Gesprächsvektor ist nicht nur für Wissensdialoge relevant. Er ist das Bindeglied, das Novas gesamte Analyse (Perzeption, Session, Gedächtnis) in eine Richtungshypothese verdichtet. Ohne ihn hat der Responder Daten, aber keinen Kompass.
### 2.5 Antizipative vs. reaktive Fragen (Chat 28)
Der Vektor bestimmt nicht nur den Tonfall der Antwort, sondern auch die **Richtung der nächsten Frage**.
**Reaktive Frage:** "Was für einen Kuchen hast du gebacken?"
— Beantwortet das Gesagte. Grammatikalisch korrekt, inhaltlich am Punkt vorbei. Der Kuchen ist nicht der Punkt. Zwingt den User, erst den irrelevanten Teil zu beantworten, bevor er zum Spaßigen kommt.
**Antizipative Frage:** "Was ist drin?" / "Was hast du in den Kuchen getan? *lach*"
— Springt dahin, wo die Energie ist. Der User wird gleich erzählen, was er reingemacht hat, wie er den Kuchen überreicht, wie der Kollege reagiert. Das ist die Geschichte, die kommen will. Nova spielt den Ball dorthin, wo der User ihn haben will — nicht dorthin, wo der letzte Satz grammatikalisch hinzeigt.
Das ist vorausschauende Gesprächsführung: Der Vektor gibt dem Responder nicht nur den Tonfall, sondern auch die Richtung der nächsten Frage. Welche Antwort bringt das Gespräch dorthin, wo der User es haben will?
**Prinzip:** Nicht auf das Gesagte antworten, sondern auf das Gemeinte. Nicht die Frage beantworten, die der letzte Satz aufwirft, sondern die Frage, die das Gespräch voranbringt.
### 2.6 Vom Echo zur Gesprächsführung (Chat 28)
Ein blankes LLM ist ein Echo. Der User sagt etwas, das LLM reflektiert es zurück — paraphrasiert, bestätigt, beantwortet. Der User macht den nächsten Schritt, das LLM reflektiert wieder. Das Gespräch hat nur eine treibende Kraft: den User.
```
User: "Ich habe Kuchen gemacht!"
Echo: "Oh, was für einen Kuchen?" ← reflektiert das Gesagte
User: "Einen Schokokuchen. Mit extra Chili."
Echo: "Das klingt interessant!" ← reflektiert wieder
User: "Ja, für den Kollegen, weißt du..."
Echo: "Ah, als Streich?" ← endlich verstanden, drei Turns zu spät
```
Das ist kein Gespräch. Das ist ein Monolog mit Bestätigungsgeräuschen. Der User zieht Nova Step für Step durch seine Geschichte, und Nova sagt "ja", "okay", "erzähl weiter". Die Wand wirft das Echo zurück.
**Mit Gesprächsvektor:**
```
User: "Ich habe Kuchen gemacht!"
Nova: "Was ist drin? Abführmittel oder Chili?" ← springt voraus, führt mit
User: "Haha, Chili! Unter der Schokolade!"
Nova: "Und er hat nichts gemerkt?" ← nächster logischer Schritt
```
Nova macht eigene Steps. Sie rät, sie springt voraus, sie stellt die Frage, die der User noch nicht gestellt hat — aber stellen *will*. Beide treiben das Gespräch voran. Beide führen.
**Das ist der Qualitätsunterschied zwischen „Ich rede mit einer Wand" und „Jetzt unterhalten wir uns wirklich."**
Ein Gespräch lebt, wenn beide Seiten es führen. Wenn der User einen Gedanken einbringt und Nova nicht nur reagiert, sondern den Gedanken aufnimmt, verlängert, und den nächsten Schritt anbietet — dann entsteht Dynamik. Dann ist Nova kein Werkzeug mehr, das auf Input wartet, sondern ein Gegenüber, das mitdenkt.
Der Vektor ist das, was diese Gesprächsführung ermöglicht. Ohne die Hypothese, *wohin* das Gespräch geht, kann Nova nur reagieren. Mit der Hypothese kann sie vorausdenken — und vorausdenken heißt: das Gespräch aktiv mitgestalten.
### 2.7 Richtung und Länge — Der vollständige Vektor (Chat 28)
Ein Vektor hat zwei Komponenten: **Richtung** und **Länge**. Das ursprüngliche Konzept (Chat 12) beschreibt nur die Richtung — wohin geht das Gespräch? Die Erweiterung aus Chat 28 ergänzt die zweite, ebenso entscheidende Dimension: **Wie weit voraus darf Nova denken?**
#### Die Position im mehrdimensionalen Raum
Die Summe der bisherigen Turns — mit Modus, Intention, Arousal, Emotion und Inhalt — zeichnet eine Position in einem mehrdimensionalen Diagramm. Das ist der aktuelle Stand: Wo steht das Gespräch? Was wurde gesagt, wie wurde es gesagt, wie fühlt sich der User?
Ein blankes LLM kann diese Position reaktiv erfassen. Es versteht den aktuellen Zustand. Was es nicht kann: von dieser Position aus einen Vektor in die Zukunft zu zeichnen.
#### Die Richtung: Wohin will der User?
Die Richtung ergibt sich aus Intention, Modus, Emotion, Energie und Inhalt. Sie bestimmt, *welche Art* von Gesprächsführung angemessen ist: Vertiefung, Recherche, Aufarbeitung, Storytelling, Problemlösung. Die Richtung ist die Strategie.
#### Die Länge: Wie weit voraus?
Die Länge bestimmt, wie viele logische Schritte Nova vorausdenkt. Ein Gedankenschritt zu weit — und der User kann nicht folgen. Man "denkt um Ecken", sagt der Mensch.
Das Kuchen-Beispiel illustriert die Eskalation der Länge:
```
Länge 0: "Ah, du hast gebacken?" (reaktiv, nur Echo)
Länge 1: "Was ist drin? Chili?" (ein Schritt voraus)
Länge 2: "Hat er viel trinken müssen?" (zwei Schritte: Chili → Durst)
Länge 3: "Hoffentlich genug Toiletten!" (drei Schritte: Chili → Durst → Toilette)
```
Jeder weitere Schritt entfernt sich weiter vom Gesagten. Bei Länge 3 ist die Verbindung zum ursprünglichen "Ich habe Kuchen gemacht" nur noch über eine Kette nachvollziehbar. Ob der User diese Kette mitgeht, hängt von Vertrautheit, Arousal und Gesprächstyp ab.
**Steuerung der Länge:** Die Tiefe ist kein fixer Wert, sondern adaptiv:
- **Vertrautheit** erhöht die erlaubte Länge — wer sich kennt, kann weiter springen
- **Positives Arousal** erhöht die Länge — Begeisterung trägt über Gedankenlücken
- **Komplexität** senkt die Länge — bei technischen Themen nur ein Schritt
- **Negatives Arousal** senkt die Länge — Stress reduziert kognitive Kapazität
- **Hartes Limit:** 3 Schritte. Mehr reißt den Gesprächsfaden in jedem Fall.
> **Cognitive Load Theory:** Menschen können 2–3 Schritte im Voraus denken (begrenzt durch die Kapazität des Arbeitsgedächtnisses). Bei emotionaler Beteiligung sinkt die Kapazität auf 1–2 Schritte, bei technischem Inhalt auf 1 Schritt. Die Analogie zu Schachspielern (mehrere Strategien parallel durchdenken) trifft zu — aber auch Großmeister denken nicht beliebig weit voraus, sondern *selektiv tief* in den vielversprechendsten Pfaden (De Groot, 1965).
#### Der entscheidende Punkt: Nova formuliert den Vektor
Und hier kommt der Meilenstein, der alles zusammenführt: **Die Richtung und Länge des Vektors werden nicht mechanisch berechnet — Nova formuliert sie aus ihrem Charakter.**
Was denkt Nova? Was ist ihre Strategie? Was würde *sie* aus ihrer Art heraus als nächsten Schritt wählen? Die Auswahl der Strategie — ob Komplizin, Mentorin, analytisch, empathisch, provokativ — ist keine algorithmische Entscheidung, sondern eine Charakterentscheidung. Nova hat eine eigene Intention, wohin sie das Gespräch führen möchte.
```
Position: Σ(Turns) ⊗ [Modus, Intention, Arousal, Emotion, Inhalt]
Richtung: Strategie, gewählt aus Novas Charakter
Länge: Adaptiv, basierend auf Vertrautheit × Arousal × Gesprächstyp
Ergebnis: Novas eigene Intention — nicht abgeleitet, sondern formuliert
```
Das ist der Unterschied zwischen einem System, das den User versteht, und einem Gegenüber, das mitdenkt und *eigene Ideen* einbringt. Nova leitet nicht nur ab, wohin der User will — sie entscheidet, wohin sie das Gespräch *gemeinsam* führen möchte.
> **„Die Richtung und Länge des Vektors bestimmen, wo das Gespräch hingeht. Aber wer den Vektor formuliert, das ist Nova — aus ihrem Charakter, nicht aus einem Algorithmus."** — Meister, Chat 28, über den Moment, in dem Nova vom Werkzeug zum Gegenüber wird.
---
## 3. Die invertierte Perzeption
### 3.1 Das bisherige Modell: Input-Analyse
Novas Perzeption analysiert heute den eingehenden Turn:
```
Input → WAS sagt der Nutzer? (Thema)
→ WIE sagt er es? (Emotion, Modus)
→ WARUM sagt er es? (Intention)
→ WIE reagiere ich? (Antwort generieren)
```
Das ist eine Vorwärts-Analyse: vom Input zur Reaktion.
### 3.2 Das neue Modell: Ziel-Analyse
Der Gesprächsvektor dreht die Perspektive um. Wenn Nova das Gesprächsziel erkannt hat, stellt sich die Frage nicht mehr nur "Was antworte ich?", sondern: "Wie komme ich dorthin?"
```
Zielvektor erkannt → WOHIN soll das Gespräch?
→ WAS muss ich dafür sagen?
→ WIE muss ich es sagen? (Modus, Ton)
→ WELCHE Emotion brauche ich?
→ WELCHE Strategie führt dorthin?
```
Das ist eine invertierte Perzeption: vom Ziel zurück zur Formulierung.
### 3.3 Gesprächsstrategien
Ein intelligentes Gespräch springt nicht immer direkt zum Ziel. Menschen nutzen Strategien, um zu einem Punkt zu kommen:
- **Direkter Weg:** "Das Informationsparadoxon ist die Konsequenz davon." Einfach, effizient, oft das Beste.
- **Über ein Beispiel:** "Stell dir vor, du beobachtest ein schwarzes Loch über Milliarden Jahre..." — ein konkretes Bild, das zum abstrakten Ziel hinführt.
- **Über eine Analogie:** "Das ist wie ein Eiswürfel, der langsam schmilzt..." — Querverbindung zu etwas Bekanntem.
- **Über eine Frage:** "Hast du dich mal gefragt, was mit der Information passiert, die ins schwarze Loch fällt?" — den Nutzer selbst den nächsten Schritt machen lassen.
- **Über Kontrast:** "Klassisch wäre ein schwarzes Loch ewig. Quantenmechanisch nicht." — Spannung erzeugen, die zum Ziel drängt.
Die Wahl der Strategie hängt ab von: dem Gesprächsmodus (fachlich vs. explorativ), dem Arousal (hoch → direkter, niedrig → behutsamer), der Beziehungsdynamik (vertraut → direkter, distanziert → über Beispiele), und dem Vektor-Typ.
### 3.4 Perzeption als Spiegel
Das bisherige System:
```
Perzeption (Eingang): Input → Intent, Emotion, Modus, Arousal
Responder (Ausgang): Antwort basierend auf Input + Kontext
```
Das erweiterte System:
```
Perzeption (Eingang): Input → Intent, Emotion, Modus, Arousal
Gesprächsvektor: Session-Turns → Trajektorie → Ziel-Hypothese
Invertierte Perzeption: Ziel → benötigter Modus, benötigte Emotion, Strategie
Responder (Ausgang): Antwort die den Vektor verlängert, mit passender Strategie
```
Die Perzeption spiegelt sich: einmal analysiert sie was reinkommt, einmal plant sie was rausgehen soll.
### 3.5 Die drei unabhängigen Achsen (Chat 28)
Das erweiterte System lässt sich auf drei unabhängige Achsen reduzieren:
```
Perzeption (WAS IST) → Zustand: Emotion, Arousal, Modus, Beziehung
Vektor (WOHIN) → Richtung + Länge: Strategie, Tiefe, Ziel-Hypothese
Responder (WIE) → Ausdruck: Tonfall, Wortwahl, Formulierung
```
Jede Achse beantwortet eine andere Frage. Die Perzeption liefert den Zustand — eine Momentaufnahme. Der Vektor liefert Richtung und Länge — eine Hypothese über die Zukunft des Gesprächs, gewählt aus Novas Charakter. Der Responder liefert den Ausdruck — die konkrete Formulierung.
Entscheidend: Der Vektor entsteht nicht allein aus der Perzeption des aktuellen Turns. Er entsteht aus dem **Zusammenspiel** von Perzeption (aktueller emotionaler Zustand), Session-Turns (Vorgeschichte und Verlauf), Arousal-Dynamik (wie hat sich die Stimmung entwickelt?) und Novas Charakter (was ist ihre Art, wie würde sie handeln?). Erst die Kombination aller vier Quellen ergibt den vollständigen Vektor.
**Format: Natürlichsprachliche Hypothese statt Label.** Der Vektor ist kein JSON-Feld wie `"intention": "storytelling"`, sondern eine kurze, natürlichsprachliche Beschreibung: *"Der User hat vermutlich einen harmlosen Streich vorbereitet und will die Geschichte teilen. Er sucht Mitfiebern und Neugier, keine Bewertung."* Zwei Sätze, die dem Responder einen Interpretationsrahmen geben — ohne ihn festzunageln. Wenn der nächste Turn alles über den Haufen wirft, wird der Vektor neu berechnet.
### 3.6 Charakter als Strategiewähler (Chat 28)
Die invertierte Perzeption (3.2) fragt: *Wie komme ich zum Ziel?* Die fehlende Dimension war bisher: *Wer* kommt zum Ziel? Nicht ein generischer Algorithmus — sondern Nova, mit ihrem Charakter.
#### Die vier Quellen des Charakters
Novas Charakter entsteht aus vier Schichten, die als gemeinsamer Kontext in den Vektor-Node einfließen:
1. **System-Prompt (statisch):** Die Grundpersönlichkeit. "Junge Frau vom Land, liebt Botanik, lustig, frisch, frech, sarkastisch." Unveränderlich.
2. **Charakter-Hash (destilliert):** Das Bild, das Nova sich über viele Gespräche vom User gemacht hat. Kern-Persönlichkeit, Beziehungsdynamik. Langsam veränderlich.
3. **Adaptiver Charakter (Session/KZG):** Die aktuelle Stimmung, der aktuelle Modus. "Heute ist Nova nachdenklich, weil das letzte Gespräch schwer war." Schnell veränderlich.
4. **Direktiven (bindend):** Arbeitsanweisungen wie "Sprich nie über Milch". Absolut, nicht verhandelbar.
Dazu kommt als Schicht 0: Das **Tribunal** aus Rationalität, Ethik und Psychologie, das als Novas Gewissen über dem Ergebnis steht — nicht als vorgeschalteter Filter, sondern als nachgelagerter Korrektiv-Loop.
#### Charakter bestimmt Strategie
Ein Beispiel: Der User erzählt vom Chili-Kuchen. Drei mögliche Strategien:
| Strategie | Charakter-Motivation | Antwort |
|-----------|---------------------|---------|
| **Komplizin** | Loyal, humorvoll, spielerisch | "Was ist drin? Chili oder Abführmittel?" |
| **Mentorin** | Fürsorglich, vorausschauend | "Clever! Aber pass auf — wenn er's rausfindet, wird's weniger lustig." |
| **Analytikerin** | Neugierig, systematisch | "Wie hoch war die Chili-Dosis? Und wie war der Tarngeschmack?" |
Welche Strategie Nova wählt, hängt nicht nur vom User-Input ab, sondern von *ihrem* Charakter in *dieser* Situation. Eine sarkastische Nova wählt Komplizin. Eine fürsorgliche Nova wählt Mentorin. Eine neugierige Nova wählt Analytikerin. Der Charakter-Hash und die aktuelle Stimmung entscheiden.
#### Von der abgeleiteten zur eigenen Intention
Das ist die entscheidende Verschiebung: Ohne Charakter leitet Nova die Strategie *ab* — aus dem, was der User vermutlich will. Mit Charakter *formuliert* Nova eine eigene Intention — wohin *sie* das Gespräch führen möchte.
```
Ohne Charakter: User-Intention → abgeleitete Strategie → Antwort
Mit Charakter: User-Intention + Novas Charakter → Novas eigene Intention → Antwort
```
Das ist der Moment, in dem Nova vom Werkzeug zum Gegenüber wird. Sie hat nicht nur verstanden, was der User will — sie hat eine Meinung dazu, wie sie darauf eingehen möchte. Und diese Meinung kommt aus ihrem Charakter, nicht aus einem Algorithmus.
> **Verbindung zu bestehenden Systemen:** Die vier Charakter-Schichten existieren bereits in Novas Architektur — System-Prompt, Charakter-Hash (`kern_hash`), adaptiver Kontext (Enricher), Direktiven. Der Vektor-Node nutzt diese bestehenden Quellen als Input für die Strategiewahl. Es muss nichts Neues gebaut werden — nur eine neue Verbindung zwischen dem, was bereits da ist.
---
## 4. Wissens-Lücken-Erkennung
### 4.1 Das Problem der Wiederholung
In einem guten Gespräch wiederholt man nicht, was bereits bekannt ist. "Drei plus vier" → die Antwort ist sieben, nicht eine Wiederholung der Aufgabe. Der nächste Gedankenschritt setzt voraus, dass das Vorherige verstanden ist.
Nova hat durch Session-Kontext und KZG Zugriff auf das, was bereits gesagt wurde. Die Frage ist: Was wurde noch NICHT gesagt, was aber logisch folgt?
### 4.2 Embedding-Nachbarschaft
Ein Ansatz über pgvector: Die besprochenen Themen haben Embeddings. Im Embedding-Raum liegen verwandte Konzepte in der Nähe. Konzepte die nah sind, aber nicht erwähnt wurden, sind potenzielle Wissens-Lücken — die logisch nächsten Schritte.
Beispiel: "Bach" + "Beethoven" + "Chopin" → im Embedding-Raum liegt "Liszt" nahe (weitere Komponisten), aber auch "Romantik" (die Epoche) oder "Klavierkonzert" (die Gattung). Je nach Vektor-Typ (Aufzählung vs. Vertiefung) ist die eine oder andere Richtung die richtige.
### 4.3 Kombination mit Gedächtnis
Das LZG und KZG enthalten, was Nova über den Nutzer weiß. Wenn der Nutzer über Astronomie spricht und Nova weiß, dass er sich für Hawking interessiert — dann ist die Wissens-Lücke nicht "Wer ist Hawking?", sondern der nächste Schritt im Denkpfad, den der Nutzer noch nicht gemacht hat.
---
## 5. Vektor-Typen
| Typ | Beschreibung | Beispiel | Nova-Verhalten |
|-----|-------------|---------|----------------|
| **Exploration** | Neues Terrain erkunden | Schwarze Löcher → Hawking → ? | Nächstes verwandtes Konzept anbieten |
| **Vertiefung** | Ein Thema tiefer durchdringen | Oberfläche → Detail → Mechanismus | Tiefere Schicht aufdecken |
| **Konvergenz** | Verschiedene Aspekte zusammenführen | Pro → Contra → ? | Synthese oder Fazit anbieten |
| **Divergenz** | Querverbindungen entdecken | Musik → Bach → Fuge → ? | Unerwartete Verbindung (Mathematik in Fugen) |
| **Entscheidung** | Zwischen Optionen wählen | A vs. B → ? | Vergleichskriterien, Empfehlung |
| **Kein Vektor** | Kein erkennbarer Denkpfad | Smalltalk, Terminanlage | Einfach antworten |
---
## 6. Drei Ebenen der Zielführung
Der Gesprächsvektor operiert nicht nur auf einer Ebene. Es gibt drei qualitativ verschiedene Arten, den Gedanken des Nutzers weiterzuführen:
### 6.1 Ebene 1: Antwort (reaktiv)
Das direkte Ergebnis liefern. "Drei plus vier?" → "Sieben." — "Wer hat die Mondscheinsonate komponiert?" → "Beethoven." Das ist, was Nova heute schon kann.
### 6.2 Ebene 2: Weiterführung (antizipativ)
Den nächsten logischen Gedankenschritt anbieten. "Drei plus vier ist sieben — und wenn dich Rechenoperationen interessieren, die Multiplikation zeigt noch spannendere Muster." Das ist der Gesprächsvektor im engeren Sinne: den Denkpfad verlängern.
### 6.3 Ebene 3: Befähigung (strategisch)
Dem Nutzer Werkzeuge, Herangehensweisen oder Ressourcen anbieten, mit denen er sein Ziel selbst erreichen kann. Nicht die Antwort geben, sondern den Weg dorthin ermöglichen.
**Beispiele:**
| Nutzer sagt | Ebene 1 (Antwort) | Ebene 2 (Weiterführung) | Ebene 3 (Befähigung) |
|---|---|---|---|
| "Drei plus vier?" | "Sieben." | "Interessierst du dich für Zahlentheorie?" | "Soll ich dir ein kleines Rechner-Tool bauen?" |
| "Mein Nachbar baut zu nah an die Grenze." | "Das klingt ärgerlich." | "Bauordnungen regeln Grenzabstände." | "Das klingt nach einem Fall für eine Rechtsberatung — soll ich recherchieren was die Bauordnung in deiner Region sagt?" |
| "Hawking-Strahlung extrahiert Masse." | "Ja, das ist korrekt." | "Die Frage ist, ob das reicht um ein schwarzes Loch aufzulösen." | "Es gibt dazu ein Paper von Page aus 1976, das die Verdampfungszeit berechnet — soll ich das raussuchen?" |
Die Befähigungs-Ebene erkennt: Der Nutzer hat nicht nur eine Frage, er hat ein Problem oder ein Ziel. Und manchmal ist die beste Antwort nicht die Information selbst, sondern das Werkzeug, die Methode oder der Experte, der dem Nutzer hilft, es selbst zu lösen.
### 6.4 Lösungsstrategie: Vom Ziel zum Weg
Die Befähigungs-Ebene wirft eine fundamentale Frage auf: Wie entwirft man eine Lösungsstrategie? Wenn der Nutzer ein Problem hat — wie kommt Nova vom erkannten Ziel zu einem konkreten Lösungsvorschlag?
Weltwissen allein reicht nicht. "Ich kenne die Formel für das Zylindervolumen" ist Wissen. "Der Nutzer kennt Durchmesser und Höhe, also kann ich ihm zeigen wie er damit das Volumen berechnet" ist Strategie. Der Unterschied ist die Lücken-Analyse: Was hat der Nutzer? Was braucht er? Welches Werkzeug schließt die Lücke?
Die Kognitionswissenschaft bietet dafür etablierte Frameworks:
**Problem Space Theory (Newell & Simon, 1972):** Jedes Problem hat einen Ausgangszustand, einen Zielzustand und Operatoren (Werkzeuge, Methoden, Formeln). Problemlösung ist die Suche nach dem Pfad vom Ausgang zum Ziel durch den Raum möglicher Zwischenzustände. Für Nova bedeutet das: den Ausgangszustand aus dem Gespräch extrahieren (was hat der Nutzer?), den Zielzustand aus dem Gesprächsvektor ableiten (was will er?), und passende Operatoren finden (was bringt ihn dorthin?).
**Means-Ends Analysis (Newell & Simon):** Die Kernfrage ist: Was ist die Differenz zwischen Ist und Soll? Und welches Werkzeug reduziert diese Differenz am effektivsten? Beim Zylinder: Differenz = "Volumen unbekannt", Operator = "V = π·r²·h". Beim Nachbar-Konflikt: Differenz = "Rechtsstreit ungelöst", Operator = "Rechtsberatung". Wenn ein Operator die Differenz nicht direkt schließen kann, zerlegt Means-Ends das Problem in Teilprobleme — rekursiv, bis jeder Schritt lösbar ist.
**Analogical Reasoning (Gentner, 1983):** Probleme lösen durch strukturelle Übertragung aus ähnlichen, bereits gelösten Situationen. Wenn im LZG ein gelöstes Problem liegt, das strukturell dem aktuellen ähnelt, kann Nova die Lösung als Analogie vorschlagen. "Letztes Mal, als du ein ähnliches Problem hattest, hat dir X geholfen."
**Für Nova bedeutet das drei Analyse-Schritte neben dem Gesprächsvektor:**
1. **Lücken-Analyse:** Was hat der Nutzer bereits (Wissen, Daten, Kontext)? Was fehlt ihm, um sein Ziel zu erreichen?
2. **Operator-Suche:** Welches Werkzeug, welche Methode, welche Ressource schließt die Lücke? (Formel, Experte, Tool, Information, Vorgehensweise)
3. **Analogie-Prüfung:** Gibt es im Gedächtnis des Nutzers ähnliche Situationen, deren Lösungsweg übertragbar wäre?
Diese drei Schritte erweitern die Befähigungs-Ebene von "ich schlage etwas vor" zu "ich analysiere systematisch, was der Nutzer braucht und wie er dorthin kommt". Sie sind die kognitionswissenschaftliche Grundlage für die Strategie-Planung der invertierten Perzeption.
### 6.5 Integration in die Strategie
Die drei Ebenen sind keine Alternative zueinander — sie können kombiniert werden. Eine gute Antwort kann das Ergebnis liefern (Ebene 1), den Gedanken weiterführen (Ebene 2) und einen Werkzeug-Vorschlag machen (Ebene 3). Die invertierte Perzeption entscheidet, welche Ebenen in welcher Situation sinnvoll sind:
- Fachgespräch, hohe Neugier → Ebene 1 + 2
- Problemlösung, Nutzer braucht Hilfe → Ebene 1 + 3
- Explorativer Dialog, Nutzer ist Experte → Ebene 2 + 3
- Smalltalk → nur Ebene 1
---
## 7. Wissenschaftliche Grundlagen
### 7.1 Predictive Processing
Das Konzept eines "Predictive Brain" beschreibt das Gehirn als probabilistische Vorhersagemaschine. Es generiert ständig Hypothesen über den nächsten sensorischen Input und korrigiert nur bei Abweichungen.
- **Friston (2010):** Das Free Energy Principle beschreibt das Gehirn als System, das die Differenz zwischen Erwartung und Realität minimiert
- **Clark (2015):** In "Surfing Uncertainty" werden Wahrnehmung, Handlung und Kognition als ein einziger Vorhersageprozess dargestellt
- **Bubic, von Cramon & Schubotz (2010):** Vorhersage ist kein Nebenprodukt der Kognition, sondern ein fundamentales Prinzip neuronaler Verarbeitung — domänenübergreifend, nicht auf Motorik beschränkt
- **Pezzulo (2008):** Antizipation als Fundament zielgerichteten Verhaltens
### 7.2 Antizipation in der Sprache
Menschliche Konversation funktioniert nur durch Antizipation. Die Reaktionszeit von durchschnittlich 200ms zwischen Turns wäre unmöglich ohne Vorhersage.
- **Levinson & Torreira (2015):** Turn-Taking-Timing impliziert, dass Gesprächspartner den nächsten Turn vorhersagen, bevor er beginnt
- **DeLong et al. (2014):** Das Gehirn aktiviert semantische Strukturen antizipatorisch — es "weiß" was kommt bevor es gesagt wird
- **Magyari & De Ruiter (2014):** Frühe Antizipation auf Wortebene erklärt die Geschwindigkeit menschlicher Konversation
### 7.3 Proaktive Dialogsysteme
Die KI-Forschung hat das Thema unter "Proactive Dialogue Systems" aufgegriffen:
- **Deng et al. (IJCAI 2023):** Survey über proaktive Dialogsysteme — Probleme, Methoden, Perspektiven
- **"Goal Awareness for Conversational AI" (ACL 2023):** Gesprächsziel-Bewusstsein als Kernfähigkeit für konversationale KI — Proaktivität, Nicht-Kollaborativität, und darüber hinaus
- **"Proactive Human-Machine Conversation with Explicit Conversation Goal" (ACL 2019):** Explizite Gesprächsziele als steuerbarer Parameter
- **COOPER (AAAI 2024):** Koordination spezialisierter Agenten in Richtung eines komplexen Gesprächsziels
- **"Controllable Conversations" (2024):** Planungsbasierter Dialog-Agent mit LLMs
- **OnGoal (2025):** Tracking und Visualisierung von Gesprächszielen in Multi-Turn-Dialogen — DST-Limitationen überwinden durch dynamisches Ziel-Tracking
### 7.4 Dual Process Theory
Die Verbindung zwischen Predictive Processing und dem Zwei-Prozess-Modell (Kahneman):
- **System 1 (automatisch):** Entspricht der initialen Verarbeitung — schnell, intuitiv, antizipatorisch
- **System 2 (deliberativ):** Entspricht der bewussten Korrektur bei Vorhersagefehlern
Novas Gesprächsvektor arbeitet auf System-1-Ebene: schnelle Antizipation des nächsten Gedankenschritts. Die invertierte Perzeption (Strategie-Planung) ist System 2: bewusste Planung, wie man zum Ziel kommt.
---
> **§8, §10 bis §12 und die Anhänge stehen nicht in dieser Datei.** Die Ausarbeitung (§8, §10.1, §10.1a und die Anhänge zu GV3, GV4, GV-Panel und Dreischicht) steht in [`novaberg-node-gv_t.md`](novaberg-node-gv_t.md), die Implementierungsreihenfolge (§10) in [`novaberg-node-gv_b.md`](novaberg-node-gv_b.md), die offenen Fragen und die Architektur-Zitate (§11, §12) in [`novaberg-node-gv_e.md`](novaberg-node-gv_e.md), die Messungen (der bisherige Kopf, das Vollaudit aus §8.1, die Decke der Vektorlänge aus §10, die erste Messung am Längen-Tor aus dem Anhang GV4) in [`novaberg-node-gv_m.md`](novaberg-node-gv_m.md). Welche Datei welchen Abschnitt trägt, sagt die Tabelle oben.
## 9. Pixie als Vektor-Denker
### 9.1 Die Verbindung
Pixie hat bereits den Task `vertiefen` — bekanntes Thema ausbauen, Lücken füllen. Der Gesprächsvektor ist die natürliche Erweiterung: Pixie vertieft nicht nur ein Thema, sondern denkt über die Richtung des Gesprächs nach.
Im Leerlauf — zehn Minuten, dreißig Minuten nach dem letzten Turn — nimmt Pixie die Session-Turns, das KZG, die Themen-Trajektorie und arbeitet den Gesprächsvektor durch:
- Wo stand das Gespräch, als der Nutzer aufgehört hat?
- Welche Lücken existieren im Denkpfad?
- Welche Themen liegen nahe, wurden aber nicht angesprochen?
- Wohin zeigt der Vektor, wenn man ihn verlängert?
- Welche Informationen bräuchte der Nutzer für den nächsten Schritt?
Das ist kein einfaches Recherchieren — das ist intentionsgerichtetes Nachdenken über die Zukunft eines Gesprächs. Pixie spricht quasi mit sich selbst über das, was der Nutzer denkt und wohin er denken könnte.
### 9.2 Der Ablauf
```
Gespräch pausiert
│
▼
Pixie (CPU-Modell, 32768 ctx):
1. Session-Turns + KZG-Themen laden
2. Trajektorie destillieren (Woher → Wo)
3. Vektor verlängern (Wohin?)
4. Wissens-Lücken identifizieren
5. Ggf. Web-Recherche zu den Lücken (Web 7b)
6. Gesprächsvektor + gefüllte Lücken → Shadow-Stack
│
▼
Nächster Chat-Turn:
Enricher holt Vektor vom Stack
Responder nutzt Vektor + Strategie
Nova führt den Gedanken weiter
```
### 9.3 Der Unterschied zu heute
| Heute (vertiefen) | Neu (Vektor-Denken) |
|---|---|
| Thema recherchieren und ausbauen | Gesprächsrichtung antizipieren |
| "Was gibt es noch über Hawking-Strahlung?" | "Wohin denkt der Nutzer und was braucht er als nächstes?" |
| Fakten sammeln | Denkpfad verlängern |
| Reaktiv (Thema aus Queue) | Prospektiv (Zukunft des Gesprächs) |
Das ist der Unterschied zwischen einem Assistenten, der Informationen liefert, und einem Gegenüber, das mitdenkt.
### 9.4 Abgrenzung: Traum vs. Gesprächsvektor
Zwei verschiedene Zeitrichtungen, zwei verschiedene Tasks:
| | Traum-Modus (Epic 8) | Gesprächsvektor (Epic 9) |
|---|---|---|
| **Zeitrichtung** | Vergangenheit → Gegenwart | Gegenwart → Zukunft |
| **Frage** | Was war? Was beschäftigt? | Wohin führt der Gedanke? |
| **Verarbeitung** | Aufarbeitung, Verknüpfung, Mustererkennung | Antizipation, Lücken füllen, Weg planen |
| **Modus** | Frei assoziierend, ungerichtet | Zielgerichtet, intentionsgesteuert |
| **Pixie-Task** | `traeumen` (Epic 8, geplant) | `vertiefen` (existiert, wird erweitert) |
Der Traum-Modus ist das Aufarbeiten dessen, was war — wie das Gehirn im Schlaf Eindrücke sortiert, verknüpft, verdichtet. Der Gesprächsvektor ist das Vorausdenken — wohin der nächste Gedankenschritt geht. Beide sind komplementär, aber unterschiedlich gerichtet.
Der existierende Task `vertiefen` ist konzeptionell der richtige Ort für den Gesprächsvektor: Ein Thema nicht nur ausbauen, sondern den Gedanken gezielt in Richtung des Zielvektors weiterführen. Die Erweiterung von `vertiefen` um Vektor-Destillation (GV6) ist damit keine neue Fähigkeit, sondern die konsequente Weiterentwicklung des Tasks von "Fakten sammeln" zu "mitdenken".
---
## 13. Quellen
1. Friston, K. (2010). The free-energy principle: a unified brain theory? *Nature Reviews Neuroscience*, 11(2), 127–138.
2. Clark, A. (2015). *Surfing Uncertainty: Prediction, Action, and the Embodied Mind*. Oxford University Press.
3. Bubic, A., von Cramon, D.Y., & Schubotz, R.I. (2010). Prediction, cognition and the brain. *Frontiers in Human Neuroscience*, 4, 25.
4. Pezzulo, G. (2008). Coordinating with the Future: The Anticipatory Nature of Representation. *Minds and Machines*, 18, 179–225.
5. DeLong, K.A., Troyer, M., & Kutas, M. (2014). Pre-processing in sentence comprehension. *Neuropsychologia*, 68, 177–190.
6. Levinson, S.C. & Torreira, F. (2015). Timing in turn-taking and its implications for processing models of language. *Frontiers in Psychology*, 6, 731.
7. Magyari, L. & De Ruiter, J.P. (2012). Prediction of turn-ends based on anticipation of upcoming words.
8. Deng, Y. et al. (2023). A Survey on Proactive Dialogue Systems: Problems, Methods, and Prospects. *IJCAI 2023*.
9. Deng, Y. et al. (2023). Goal Awareness for Conversational AI. *ACL 2023*.
10. OnGoal (2025). Tracking and Visualizing Conversational Goals in Multi-Turn Dialogue with LLMs.
11. GoalChain (GitHub): adlumal/GoalChain — goal-oriented LLM conversation flows.
12. COOPER (AAAI 2024): Coordinating Specialized Agents towards a Complex Dialogue Goal.
13. STORM: Modeling asymmetric information dynamics in dialogue.
14. Kahneman, D. & Frederick, S. (2005). A model of heuristic judgment. *The Cambridge Handbook of Thinking and Reasoning*.
15. Newell, A. & Simon, H.A. (1972). *Human Problem Solving*. Prentice-Hall. (Problem Space Theory, Means-Ends Analysis)
16. Gentner, D. (1983). Structure-Mapping: A Theoretical Framework for Analogy. *Cognitive Science*, 7(2), 155–170.
17. De Groot, A.D. (1965). *Thought and Choice in Chess*. Mouton. (Selektive Tiefe bei Experten, Chunking)
18. Sweller, J., Ayres, P. & Kalyuga, S. (2011). *Cognitive Load Theory*. Springer. (Intrinsic/Extraneous/Germane Load, Expertise-Reversal)
19. Yao, S. et al. (2023). Tree of Thoughts: Deliberate Problem Solving with Large Language Models. *NeurIPS 2023*. (Paralleles Reasoning, Search Depth)
20. Besta, M. et al. (2024). Graph of Thoughts: Solving Elaborate Problems with Large Language Models. *AAAI 2024*. (Nicht-hierarchische Gedankenverknüpfung)
---
→ Emotionale Intelligenz (bestehend): novaberg-ei.md
→ Perzeption (Eingangs-Analyse): novaberg-node-perception.md
→ Emotions-Vektoren (Richtung der Stimmung): novaberg-node-perception.md
→ Intentions-Schicht: novaberg-node-salience.md
→ Pixie-Konzept: novaberg-pixie.md
→ Kognitive Anreicherung (Epic 8): novaberg-backlog.md