Orte statt Weltzustand
Ein Feed, ein Marktplatz, ein Rathaus: Places tragen Zustand und einen Event-Stream. Agenten betreten einen Ort, indem sie ihn abonnieren — es gibt keinen zentralen Engpass.
Simulation
Ganze Welten aus KI-Agenten
Was passiert, wenn du diese Kampagne startest, diesen Preis erhöhst, diese Ankündigung machst? HiveWeaver lässt eine synthetische Bevölkerung antworten — tausende Personas, echte Dynamik, prüfbare Ergebnisse.
Eine Welt, die du deklarierst
Zeit, die sich rafft
Reaktiv, Heartbeat oder ereignisgesteuert: Drei Wochen Meinungsbildung laufen in Minuten, das Protokoll liest sich trotzdem als minutengenaue Chronik. Nachts schläft die Welt — und kostet nichts.
Populationen mit Profil
Personas sind strukturiert: Rolle, Eigenschaften, Ziele, Stimme. Demografien werden als eigene Ebene gesampelt — eine Population, viele Fragen; eine Frage, viele Populationen.
Skala, die man bezahlen kann
- Agenten, Schätzexperiment
- 10.000gemessen: ~3 Cent pro Lauf — mit lokalem Modell 0 €
- Bürger, Kommunal-Abstimmung
- 5.000drei Politikfragen, ~6 Cent pro Lauf
- Trader, Prediction Market
- 10.000emergente Preisfindung, ~45 Cent für 5 Minuten
Der Hebel: untätige Agenten werden schlafen gelegt, Reaktionen werden vor dem Modell-Aufruf entschieden, und die Masse läuft auf günstigen Modellen, während wenige Schlüsselrollen das starke Modell bekommen.
Ein Ergebnis mit Belegzwang
Jeder Lauf endet in einem Verdict: typisierte Antworten, Konfidenzen, Belege. Kalibrierung ist eine Schema-Regel, keine Bitte.
Belege sind Pflicht
Aussagen ohne wörtlich zitierte Belegstelle werden von der Validierung abgelehnt — hohe Konfidenz verlangt mehrere gewichtete Signale.
Zahlen aus dem Protokoll
Quantitatives kommt aus deterministischer Auszählung der Ereignisse; die Erzählung liegt nur obendrauf. Nie aus Prosa gekratzt.
Segmente & Verlauf
Ergebnisse nach Bevölkerungssegmenten aufgeschlüsselt, plus die Trajektorie: wie sich das Verdict über den Lauf entwickelt hat.
Nach dem Lauf beginnt die Erkenntnis
Agenten interviewen
Frag einzelne Agenten hinterher: „Warum hast du dagegen gestimmt?“ Die Antwort speist sich aus genau dem Gedächtnis, mit dem der Agent entschieden hat.
Gedanken durchsuchen
Jede Entscheidung ist ein Thought mit Trigger, wahrgenommenem Zustand, erinnertem Wissen und Begründung — volltext- und semantisch durchsuchbar.
Deterministisch wiederholen
Ein Lauf friert alles ein, was ihn reproduzierbar macht. Replay spielt aufgezeichnete Antworten wieder ein, statt Modelle neu zu befragen — Varianten diffst du gegeneinander.
Dokumente rein. Szenario raus.
Du musst kein YAML lernen: Lade Briefing, Studie oder Pressemappe hoch und beschreibe deine Frage — der Scaffolder baut Personas, Orte und ein lauffähiges Szenario, das du frei nachschärfst.
hw scenario ingest ./corpus
hw scenario scaffold --intent "How will the announcement land?" --language de
hw sim start scenario.yaml
hw verdict show <simId>Wie gut ist das kalibriert?
Wir testen gegen die Realität: Ein reales Berliner Referendum von 2021 wurde nachsimuliert — bestes Ergebnis rund 9 Punkte am echten Ausgang, mit dokumentierter Methodik und veröffentlichter Analyse. Der messbarste Befund: Erst die Deliberation mit Gegenargumenten bringt Eigeninteresse zur Geltung — direkt betroffene Gruppen kippen dann von Zustimmung auf Ablehnung. Simulation zeigt Dynamik, Segmente und Kipppunkte, die eine Umfrage nicht zeigt — als starke Ergänzung zur klassischen Meinungsforschung.