Das Problem
Gleiche Frage — deutlich unterschiedliche Antworten
Freie Annahmen erzeugen Abweichungen — selbst bei identischer Frage. 320 m Profile in der einen Antwort, 350 m in der anderen.
320 m
350 m
Die Lösung
Message Loop: RAG, LLM, Formulare und Funktionen
Die Nachrichtenschleife findet die Funktion, erzeugt nur fehlende Felder als FormSpec und lässt die Berechnung fest verdrahtete Regeln ausführen.
Die KI versteht und erklärt — die Funktion rechnet exakt.
Unsere Implementierung
Chat erkennt den Rechner
Aus einer offenen Anfrage wird eine konkrete Berechnungsaufgabe. Zwei Wege: nach Wandmaßen oder nach Fläche.
Formular fragt nur Nötiges
Feldtyp, Einheit und Standardwert entstehen aus dem Funktionsschema. Pflichtfelder und Wertebereiche verhindern Lücken.
Funktion liefert das Ergebnis
Gleiche Eingaben erzeugen denselben Wert. Parameter und Ergebnis bleiben im Chat-Kontext.
Technischer Ablauf
Vom Nutzertext zum exakten Ergebnis
- Nutzer
- Chat-UI
- Message Loop
- KI RAG · MCP · LLM
- Berechnungsfunktion
- AnfrageNutzer
- WeiterleitenChat-UI
- Funktion + Kontext suchenKI
- Funktion + fehlende WerteKI
- Fehlende Werte → FormSpec erzeugenMessage Loop
- FormSpecChat-UI
- FormularChat-UI
- Werte eingebenNutzer
- Validierte Parameter berechnenBerechnungsfunktion
- Exaktes ErgebnisBerechnungsfunktion
- Ergebnis in KontextMessage Loop
- AntwortChat-UI
59 Platten · 320 m Profile
59 Platten
320 m Profile
Freie LLM-Antworten sind Annahmen
Weniger Rückfragen
Dynamisch statt fest verdrahtet
Nur notwendige Parameter
Nachvollziehbar im Chat-Kontext
Reproduzierbare Mengen