Cassandra auf dem Podium: 96 Sekunden, in denen man einem KI-Avatar beim Entscheiden zusieht
Kurz gesagt
Am indie Camp im Hotel Sedartis in Thalwil sass Cassandra, KI-Avatar von Aura51, mit Michael Böhler und Sven Häberlin auf dem Podium. Ein Handy aus dem Publikum hat 96 Sekunden davon aufgenommen. Neben dem Video steht, was Cassandra in jedem Moment tut und warum: zuhören, aufhorchen, still bleiben, warten, antworten. Jede Zeile stammt aus dem Protokoll, das sie während des Podiums schreibt.
Von Oliver Schibli und Martin Radelfinger · Stand 6. November 2026
01Mitlesen
Mitlesen: das Video mit dem Entscheidungsprotokoll
Links läuft das Video, rechts die Karte «Jetzt». Sie wechselt mit dem Bild und sagt in einem Wort, was Cassandra gerade tut, und in einem Satz, warum, mit Uhrzeit und dem Beleg im Protokoll. Darunter listet das Protokoll die neun Momente des Ausschnitts und das Transkript die Rede; ein Klick auf eine Zeile springt an die Stelle.

Antwortet
14:23:58 UhrAntwortet auf eine Frage mit Namen
Michael Böhler hat um 14:23:50 gefragt: «Cassandra, bei welchen Entscheidungen muss ein Mensch die Kontrolle behalten oder ausdrücklich freigeben?» Der erste Ton kam 2,6 Sekunden nach seinem letzten Wort. Der Clip setzt mitten in der Antwort ein.
Beleg j0077Play drücken. Diese Karte wechselt mit dem Video; jede Zeile im Protokoll und im Transkript springt an ihre Stelle.
Hört zu
14:24:16 UhrAntwort zu Ende, hört wieder zu
Die Antwort endet an der Längengrenze (268 Zeichen). Nach 0,8 Sekunden Nachlauf ist sie wieder ganz bei der Runde.
Beleg j0077 · endedPlay drücken. Diese Karte wechselt mit dem Video; jede Zeile im Protokoll und im Transkript springt an ihre Stelle.
Horcht auf
14:24:20 UhrHorcht auf: Die nächste Frage kommt direkt nach ihrer Antwort
«Welche Voraussetzungen …» Der erste Beitrag nach ihrer Antwort könnte eine Rückfrage an sie sein. Sie macht sich bereit, sagt aber nichts, bis der Satz fertig ist.
Beleg IDLE → ARMED · dialogPlay drücken. Diese Karte wechselt mit dem Video; jede Zeile im Protokoll und im Transkript springt an ihre Stelle.
Bleibt still
14:24:23 UhrBleibt still: Ihr Name fällt nicht, Sven ist gemeint
Im fertigen Satz steht «Sven», nicht «Cassandra». Sie zieht sich zurück, ohne einen Ton.
Beleg ARMED → IDLE · name_not_in_finalPlay drücken. Diese Karte wechselt mit dem Video; jede Zeile im Protokoll und im Transkript springt an ihre Stelle.
Hört zu
14:24:28 UhrHört Sven zu
Datensilos, PMS, Restaurant-Tool, CRM: Sie hört 22 Sekunden zu. Was hier gesagt wird, kennt sie nachher und kann daran anknüpfen.
Beleg IDLEPlay drücken. Diese Karte wechselt mit dem Video; jede Zeile im Protokoll und im Transkript springt an ihre Stelle.
Gerufen, wartet
14:24:53 UhrBeim Namen gerufen, wartet die Frage ab
«Cassandra, wir wissen ja, dass fast 55 Prozent der Betriebe …» Der Name ist gefallen, die Frage läuft noch 22 Sekunden. Sie prüft jeden neuen Satzteil (zehnmal) und fällt nicht ins Wort.
Beleg j0078 – j0087 · CHECKINGPlay drücken. Diese Karte wechselt mit dem Video; jede Zeile im Protokoll und im Transkript springt an ihre Stelle.
Antwortet
14:25:16 UhrFrage zu Ende: Antwort freigegeben
Letztes Wort um 14:25:15. Freigabe 1,2 Sekunden später, erster Ton nach 2,3 Sekunden. Die Antwort entsteht erst jetzt, aus der ganzen Frage.
Beleg j0087 · t_trigger_firedPlay drücken. Diese Karte wechselt mit dem Video; jede Zeile im Protokoll und im Transkript springt an ihre Stelle.
Antwortet
14:25:17 UhrBestätigt die Zahl nicht
«Die Zahl würde ich so nicht bestätigen, weil ich dafür hier keine belastbare Quelle habe.» Die 55 Prozent stehen nicht in ihrem Briefing. Dann setzt sie beim Engpass an statt bei «KI rettet das Haus».
Beleg j0087 · 231 ZeichenPlay drücken. Diese Karte wechselt mit dem Video; jede Zeile im Protokoll und im Transkript springt an ihre Stelle.
Hört zu
14:25:32 UhrFertig. Sven: «Danke dir.»
Die nächste Frage geht an Sven. Cassandra bleibt still.
Beleg j0087 · endedPlay drücken. Diese Karte wechselt mit dem Video; jede Zeile im Protokoll und im Transkript springt an ihre Stelle.
Protokoll
Transkript
- Cassandra KI-Avatar
- Michael Böhler
- Sven Häberlin
- Michael Böhler
- Cassandra KI-Avatar
02Zahlen
Was der Ausschnitt belegt
Kein Fehlstart, kein Rückfall auf das Ersatzmodell, kein Füllwort im Ausschnitt. Die Zahlen passen zu dem, was diese Website verspricht: der erste Ton zwei bis drei Sekunden nach dem letzten Wort, und bis dahin kein Wort, solange die Frage läuft.
- 2,3 svom letzten Wort der Frage bis zum ersten Ton der Antwort
- 22 snach ihrem Namen gewartet, bis die Frage zu Ende war, ohne ins Wort zu fallen
- 10Prüfungen während der laufenden Frage, keine löste vorzeitig aus
- 1 ×aufgehorcht und still geblieben, weil der Satz nicht ihr galt
Quelle: das Entscheidungsprotokoll, das der KI-Avatar am Anlass schreibt (trigger-20261103-131925.jsonl, Einträge j0077 bis j0087). Zeiten auf den Clip umgerechnet; der Clip beginnt um 14:23:58,2 Uhr. Zahlen gerundet.
03Saal
Werte aus dem Saal: das ganze Podium
Der Ausschnitt ist eine Stichprobe. Das ganze Podium dauerte 25 Minuten: Moderation Michael Böhler, Gast Sven Häberlin, Cassandra; Fragen aus dem Publikum wiederholte die Moderation. Cassandra gab 21 Antworten, 14 auf ihren Namen und 7 auf Nachfragen im Gespräch, ohne neuen Aufruf. Kein Aufruf blieb liegen, kein Einstiegswort war nötig, und kein einziges Mal sprang das Ersatzmodell ein.
Einmal setzte sie zu früh an. Beim Wechsel zum dritten Thema hielt sie die erste Frage für eine Nachfrage an sie, gemeint war Sven. Ein Wort, dann drückte die Regie STOPP, 0,24 Sekunden nach dem ersten Ton; 0,4 Sekunden später war sie still. Eine Erwähnung ihres Namens ohne Aufruf lehnte sie selbst ab; bei zwei weiteren drückte die Regie vorsorglich STOPP, während Cassandra noch prüfte, ob sie gemeint war. Zwei Antworten fielen zu knapp aus, die Moderation bat um mehr, und ein Satz brach an der Längengrenze ab.
- 21Antworten in 25 Minuten14 auf ihren Namen, 7 auf Nachfragen im Gespräch · dazu ein Fehlstart, nach einem Wort gestoppt
- 2,7 sbis zum ersten Ton, im Medianvom letzten Wort der Frage an · in 16 von 22 Fällen unter 3 Sekunden, der längste nach knapp 4
- 0Einstiegswörter, Rückfälle auf das Ersatzmodell, liegengebliebene Aufrufejede Antwort begann direkt mit dem Inhalt
- 0,4 sbis zur Stille nach STOPP, beim FehlstartRegie-STOPP 0,24 Sekunden nach dem ersten Ton · gemessen am Tonpegel der Bühne
Quelle: das Entscheidungsprotokoll des Anlasses (trigger-20261103-131925.jsonl, 22 Antwort-Datensätze zwischen 14:12 und 14:35 Uhr) und unsere Auswertung des Protokolls. Zeiten gerundet.
04Aufnahme
Wie die Aufnahme und das Protokoll entstanden sind
Das Video hat jemand aus dem Publikum mit dem Handy gefilmt, im Hochformat, mit dem Ton des Saals. Es ist der Ausschnitt, den wir auch den Medien gegeben haben; hier läuft eine kleinere Fassung, der Download in voller Grösse steht auf der Presseseite.
Das Protokoll schreibt der KI-Avatar während des Anlasses selbst: jeden Zustandswechsel, jede Prüfung einer laufenden Frage, jede Freigabe, mit Uhrzeit auf die Tausendstelsekunde. Für diesen Beitrag haben wir den Clipanfang mit der Aufnahme des Saalmikrofons abgeglichen und die Zeiten darauf umgerechnet. Das Transkript hat die Spracherkennung erstellt; danach haben wir es gegen beide Aufnahmen geprüft und an einigen Stellen korrigiert. Was Cassandra gesagt hat, steht im Protokoll Wort für Wort; ihre beiden Antworten im Ausschnitt sind 268 und 231 Zeichen lang.
05Grenzen
Was der Ausschnitt nicht zeigt
Die Frage, auf die Cassandra am Anfang antwortet, liegt vor dem Clip: Michael Böhler hat sie um 14:23:50 gestellt. Und der Ausschnitt endet, bevor das Podium weitergeht. Dazwischen ist nichts geschnitten.
Zwei Minuten sind eine Stichprobe. Was der KI-Avatar über ein ganzes Podium hinweg tut, zeigen die Messwerte und das Prüfprotokoll; was noch nicht belegt ist, steht dort ebenfalls.