Die Topologie, die sich selbst routet

Eine Anfrage trifft ein. Bevor irgendein Modell spricht, hat die Plattform sie bereits platziert — in das richtige Netzwerk, die richtige Community, den richtigen Raum — allein durch Geografie und Bedeutung. Diese Platzierung ist Routing, und bei Everythink ist sie eine Eigenschaft des Raums, kein nachträglich an einen Chatbot geschraubter Gedanke. Die Maschine, die das tut, läuft seit 2016 in Produktion.

2026 stellte ByteByteGo fest, dass produktive Agentensysteme weit weniger vom Modell abhängen, als ihre Demos suggerieren — das meiste Verhalten läuft über deterministischen Code, das Modell wird an wenigen Entscheidungspunkten aufgerufen (ByteByteGo, „Best Practices for Building AI Agents That Work in Production", Juli 2026). Routing ist der folgenreichste dieser Punkte, und es ist derjenige, den die Industrie immer wieder ans Modell zurückgibt. Dieser Beitrag handelt davon, was sich ändert, wenn man es aus den Händen des Modells nimmt und in die Topologie legt.

Erkenntnisse von The Honest Architect

• Die Topologie, nicht das Modell, entscheidet, wo eine Anfrage landet — Organization → Network → Community → Room, jedes ein echtes Polygon auf der Karte (seit 2016 in Produktion).
• Geografie wird zum Routing-Kontext: World Monitor routet über Geohash-Präfixe ohne PostGIS, sodass eine Viewport-Abfrage ein Präfix-Match ist, kein Spatial Join.
• Konfiguration ersetzt Code: Ein Modul in einem Raum zu aktivieren ist eine Einstellung, kein Sprint.

Warum ist die Topologie die Routing-Schicht, die du schon hattest?

Die Topologie routet eine Anfrage, bevor irgendetwas antwortet, weil der Pfad von Organization über Network und Community zum Room selbst die Routing-Entscheidung ist. Everythink modelliert jede Organisation als geospatial Topologie, bei der jede Ebene ein echtes Polygon auf der Karte ist, und eine Anfrage wird vor der Konsultation eines Modells durch Geografie und Bedeutung im richtigen Raum platziert. Der Mechanismus ist die Hierarchie; das Modell ist ein später Teilnehmer.

[UNIQUE INSIGHT] Das Reframing, dass der Raum der Router ist: Ein Chatbot antwortet; ein KI-Betriebssystem routet. Die meisten Agent-Stacks behandeln Routing als Klassifikationsproblem, das das Modell zur Laufzeit löst — klassifiziere die Intention, wähle einen Handler, hoffe, dass es stimmt. Everythink behandelt Routing als eine strukturelle Eigenschaft, die bereits gelöst ist, wenn die Anfrage eintrifft, denn die Anfrage trägt ihre Position in der Topologie bei sich. Das Modell muss nie fragen: „Für welchen Raum ist das?" — der Raum ist ausgewählt.

Das ist die Unterscheidung, die ByteByteGo zwischen Workflows und Agenten zog: In einem Workflow sind die Schritte und der Pfad zur Entwurfszeit entschieden, bevor das Modell die Eingabe sieht, und die meisten heute auf LLMs gebauten Produktivsysteme sind Workflows — vorhersagbar, debugbar und billiger als vollwertige Agenten (ByteByteGo, „The Agent Loop: How AI Goes From Answering Questions to Doing Things", Juli 2026). Topologie-Routing ist eine Workflow-Entscheidung, die in Daten permanent gemacht wurde. Sie klassifiziert nicht bei jedem Aufruf neu. Sie gibt keinen Token aus, um zu entscheiden, was ein Geohash bereits sagt.

Der Routing-Schritt kostet zur Inferenzzeit nichts. Kein Klassifikator-Aufruf, keine Latenz durch ein Routing-Modell, keine Tokens für „Wohin soll das?" Die Topologie ist ein Lookup, und Lookups halluzinieren nicht. In einem System, in dem eine 95-Prozent-Zuverlässigkeit pro Schritt über zwanzig verkettete Schritte auf etwa eins zu drei absinkt (ByteByteGo, „Best Practices for Building AI Agents That Work in Production", Juli 2026), ist das Entfernen eines Schritts aus der Kette der billigste verfügbare Zuverlässigkeitsgewinn.

Wie wird Geografie ohne räumliche Datenbank zum Kontext?

Geografie wird zum Kontext, indem die Karte zu einer erstklassigen Datenstruktur wird, nicht zu einer Abfrage gegen eine räumliche Datenbank. Everythinks World Monitor routet über Geohash-Präfixe — kurze Zeichenkettenkodierungen von Breiten- und Längengrad — sodass eine Viewport-Abfrage ein Präfix-Match gegen eine indizierte Spalte ist, kein PostGIS-Spatial-Join. Kein PostGIS. Keine GIS-Erweiterung. Kein Neuaufbau räumlicher Indizes. Der Tile-Schlüssel ist der Geohash, und das Präfix ist das Polygon.

[ORIGINAL DATA] Die 21-teilige akademische Paperreihe hinter der Plattform formalisiert das: Der Bezeichner eines GeoSignal ist ein deterministisches uuidv5(source, native_id), sodass erneutes Erfassen eines Upstream-Feeds den bestehenden Datensatz aktualisiert statt ein Duplikat zu erzeugen. Deterministische IDs machen den Geo-Cache zu einem Upsert-Ziel, und das Geohash-Präfix macht den Cache zu einer Routing-Tabelle. Ein Client abonniert einen Broadcast-Kanal pro Geohash-Tile und empfängt Deltas nur für die Tiles seines Viewports — keinen clientseitig gefilterten globalen Firehose.

Das ist der Mechanismus hinter „Geografie ist Kontext". Eine Anfrage aus einem Viewport über Buenos Aires wird zu einer Menge von Geohash-Präfixen aufgelöst; diese Präfixe wählen die Räume, Communities und Netzwerke, deren Polygone sich überlappen; die Überlappung ist die Routing-Entscheidung. Das Modell empfängt, wenn es spricht, ein Kontextfenster, das bereits auf den Ort der Anfrageherkunft eingegrenzt ist.

Der World Monitor ist ein Gateway: Ein Hintergrund-Poller pro Quelle zieht einen externen Feed nach festem Zeitplan, normalisiert ihn zu einem GeoSignal, upsertet in den langlebigen Postgres-Cache und übergibt das Delta an einen Publisher (Everythink, World Monitor / Atlas, ✅ Production). Clients lesen den Cache, nie die Upstreams, also wird das Upstream-Aufrufvolumen durch den Zeitplan der Plattform begrenzt — nicht durch die Client-Anzahl. Quellen sind Daten: Einen Feed hinzuzufügen bedeutet, ein SourceDescriptor zur Registry hinzuzufügen, niemals die Engine anzufassen. Eine Quelle, deren Schlüssel nicht gesetzt ist, schaltet sich selbst ab, sodass ein fehlender Schlüssel die Plattform nie bricht.

Wie sieht Konfiguration-ersetzt-Code in Produktion aus?

Konfiguration ersetzt Code, wenn das Verhalten eines Raums ein Satz Schalter in einem Datensatz ist, kein Zweig in einem Release. Bei Everythink ist ein Raum ein Funktionsbereich innerhalb einer Community, und jeder Raum schaltet seine Module per Konfiguration ein — social, marketplace, calendar, campaigns — sodass sich das System ohne Deploy neu formt. Ein Modul zu aktivieren ist eine Einstellung, kein Sprint.

[PERSONAL EXPERIENCE] Die Engine läuft seit 2016 in Produktion. Der konversationale Kern — der HAI engine — antwortet seit einem Jahrzehnt mit Raumkontext, und die komponierbaren Module teilen dieselbe Topologie. Eine Community fügt einen Marketplace-Raum genauso hinzu wie einen Social-Raum: ein Datensatz, ein Polygon, aktivierte Module. Kein Fork, kein Merge-Konflikt. Die Form der Plattform ist ein Dokument, und das Dokument zu bearbeiten ist das Release.

Die Ehrlichkeits-Tags zählen hier, denn Konfiguration-über-Code ist nur glaubwürdig, wenn du sagst, was gebaut ist. Das Whitelabel Network — Web, iOS und Android unter einer Marke — ist ✅ Production. Social, Campaigns und World Monitor sind ✅ Production. Matchmaking ist ⚠️ Partial: nützlich, nicht fertig. Marketplace und Calendar sind ⚠️ Partial. Das pro-Netzwerk Wallet, Community Credit und die Föderation sind 🔵 Roadmap — für 2026 datierte Designarbeit, Pre-Revenue, nicht als Production dargestellt. Wir stufen keinen Status hoch, um ihn fertig wirken zu lassen. Das ist Theorem 3: Eine Eigenschaft wird genau dann garantiert, wenn ihr Mechanismus implementiert und messend ist.

Dass Konfiguration skaliert, hat denselben Grund wie dass Topologie routet: Die Daten sind das System. Ein Raum-Datensatz trägt seine Eltern-Community, sein Netzwerk, sein Polygon und seine aktivierten Module. Die konversationale Engine liest den Datensatz, um ihren Kontext einzugrenzen; der World Monitor liest das Polygon, um seine Deltas einzugrenzen. Nichts auf diesem Pfad verlangt vom Modell zu entscheiden, was der Datensatz bereits sagt.

Wo sitzt Topologie-Routing neben Agenten-Protokollen?

Topologie-Routing sitzt vor den Agenten-Protokollen, so wie eine Registry vor einem Werkzeug sitzt. Im Juni 2026 veröffentlichten Hugging Face und Mitwirkende von Microsoft, Google und GoDaddy die Agentic-Resource-Discovery-Spezifikation — eine Discovery-Schicht vor MCP, A2A und Skills, die definiert, wie Agenten und Werkzeuge über föderierte Registries katalogisiert, indiziert und gesucht werden, sodass ein Agent Fähigkeiten zur Laufzeit finden kann, statt sie vorinstallieren zu müssen (Hugging Face, „Agentic Resource Discovery: Let agents search for tools, skills, and other agents", Juni 2026). Der zentrale Zug der Spezifikation ist es, die Auswahl aus dem LLM herauszuziehen: Eine Registry indiziert Fähigkeiten mit Herausgeber-Identität, repräsentativen Anfragen und Tags, und ein Client sucht, bevor das Modell aufruft, was die Suche zurückgibt.

ARD löst Discovery. Topologie löst Platzierung. Sie sind komplementär, und die Industrie konvergiert zu derselben Trennung, die Everythink ein Jahrzehnt lang fährt: Verlange nicht vom Modell, was Daten entscheiden können. ByteByteGo brachte den Produktions-Konsens auf den Punkt: MCP handhabt Werkzeugzugriff und A2A handhabt Agent-Kommunikation, und beide sind komplementär (ByteByteGo, „MCP vs A2A vs ACP: How AI Agents Actually Talk to Each Other", Juli 2026). Everythink fügt eine dritte Schicht unter beiden hinzu: die Topologie, die entscheidet, innerhalb welchen Netzwerks, welcher Community und welchen Raums das Werkzeug oder der Agent operiert — bevor MCP oder A2A aufgerufen werden.

Die Unterscheidung ist nicht akademisch. Ein ohne Platzierung aufgerufenes Werkzeug ist ein ohne Kontext aufgerufenes Werkzeug. Ein Modell, das den richtigen MCP-Server findet, aber nicht weiß, in welchem Raum es sich befindet, antwortet generisch — eine Regression in einem platzierten System. Die Topologie gibt dem Werkzeug und dem Modell den Kontext, den sie andernfalls erschließen müssten, und Kontext zu erschließen ist der probabilistische Schritt, der Fehler über eine Kette anhäuft.

Wann scheitert Modell-Routing ohne Topologie?

Modell-Routing scheitert ohne Topologie, wenn das Signal, das es braucht, zur Routing-Zeit unsichtbar ist. Im Juli 2026 argumentierte IBM Research, dass das, was wie ein Modellauswahl-Problem aussieht, schnell zu einem Systemoptimierungs-Problem wird, dessen Schwierigkeit zur Routing-Zeit oft unsichtbar ist — eine Anfrage wie „fasse diesen Vertrag zusammen" wirkt einfach, kann aber Retrieval, Compliance-Prüfungen, Werkzeugnutzung und mehrere Verfeinerungsrunden auslösen (IBM Research, „Model Routing Is Simple. Until It Isn't.", Juli 2026). Router, so ihr Fazit, jonglieren ständig Kosten, Qualität, Latenz, Compliance und Zuverlässigkeit zugleich.

Topologie löst kein Modell-Routing. Sie nimmt eine Klasse von Eingaben aus dem Problem des Routers heraus. Wenn der Raum bereits ausgewählt ist, erschließt der Router weder Jurisdiktion, noch Publikum oder Scope aus dem Prompt-Text — die Topologie trägt es. Der Vertrag gehört zu einer Community und einem Raum; die Compliance-Prüfungen sind die für diesen Raum konfigurierten; die verfügbaren Werkzeuge sind die dort aktivierten. Die Arbeit des Routers schrumpft von „alles aus einer Zeichenkette erschließen" zu „ein Modell für eine platzierte Aufgabe wählen".

IBMs Zahlen machen das Kostenargument konkret. Über 417 Aufgaben im AppWorld Test Challenge kostete Sonnet $0,19 pro Aufgabe, während GPT-4.1 $0,37 pro Aufgabe kostete — fast das Doppelte — weil Caching-Verhalten, nicht der Aufkleberpreis, die Kosten bestimmte (IBM Research, „Model Routing Is Simple. Until It Isn't.", Juli 2026). Eine Topologie, die das Kontextfenster einschränkt, bevor das Modell aufgerufen wird, schränkt auch das cachefähige Präfix ein — die Variable, die die Kosten schwanken ließ. Everythinks Topologie routet keine Modelle, aber sie leistet die Arbeit, die Modell-Routing handhabbar macht: Sie fixiert den Kontext, über den der Router optimiert.

Wie läuft das heute in Produktion, ehrlich?

Es läuft, wie es getaggt ist, nicht wie eine Demo suggeriert. Die konversationale HAI-Engine ist ✅ Production und antwortet seit 2016 mit Raumkontext. Das Whitelabel Network — eine Marke, eine Identität über Web, iOS und Android — ist ✅ Production. Social, Campaigns und das World-Monitor-/Atlas-Gateway sind ✅ Production. Matchmaking und Marketplace sind ⚠️ Partial — nützlich, nicht fertig. Das pro-Netzwerk Wallet, Community Credit und die Föderation sind 🔵 Roadmap, Pre-Revenue, vor jedem Launch der Howey-Prüfung unterworfen. Nichts in der Wallet- oder Token-Schicht ist live.

Die Ehrlichkeit ist der Mechanismus, keine Haltung. Theorem 3 besagt, dass eine Eigenschaft genau dann garantiert wird, wenn ihr Mechanismus implementiert und messend ist. Eine Fähigkeit erhält Production nur, wenn der Mechanismus dahinter sowohl gebaut als auch aktiv gemessen ist — andernfalls ist sie Partial oder Roadmap. Wir wenden die Regel auf die Topologie an: Das Routing wird gemessen, denn die Geohash-Lookups sind instrumentiert, die Raum-Platzierungen werden protokolliert und die Cache-Upserts werden gezählt.

Das ist die Form von radikaler Ehrlichkeit, die einem Architekten etwas bedeutet: kein Ton, sondern ein Test. Auf der Topologie existiert der Mechanismus und misst. Auf dem Wallet nicht. Ein Käufer prüft das Argument, nicht die Adjektive.

Häufig gestellte Fragen

Worin unterscheidet sich Topologie-Routing von einem Modell, das Intention klassifiziert?

Ein Modell, das Intention klassifiziert, ist ein probabilistischer Schritt, der bei jeder Anfrage läuft und falsch liegen kann. Topologie-Routing ist ein deterministischer Lookup gegen einen Datensatz, der die Position der Anfrage in der Hierarchie trägt. Fehlerkumulation lässt eine 95-Prozent-pro-Schritt-Kette über zwanzig Schritte auf etwa eins zu drei Erfolg absinken (ByteByteGo, „Best Practices for Building AI Agents That Work in Production", Juli 2026). Den Schritt zu entfernen ist billiger, als ihn zu verbessern.

Benötigt Everythinks World Monitor PostGIS?

Nein. Der World Monitor routet über Geohash-Präfixe — kurze Zeichenkettenkodierungen von Breiten- und Längengrad — sodass eine Viewport-Abfrage ein Präfix-Match gegen eine indizierte Spalte ist. Die Plattform verwendet eine Postgres-Instanz mit gebündeltem pgvector, aber keine PostGIS-Erweiterung. Der Tile-Schlüssel ist der Geohash, das Präfix ist das Polygon. Das hält die Routing-Schicht portabel und die Abfragen billig.

Wie ist der Ehrlichkeitsstatus des Wallets und von Community Credit?

🔵 Roadmap. Das pro-Netzwerk-Token-Wallet und Community Credit sind für 2026 datierte Designarbeit, Pre-Revenue und nicht implementiert. Nichts in dieser Schicht ist live, und hier ist nichts Finanz-, Investitions- oder Rechtsberatung. Jeder Token- oder Credit-Mechanismus bleibt den anwendbaren Finanz- und Wertpapier-Rahmenwerken unterworfen, einschließlich der Howey-Analyse, und wird vor Abschluss dieser Prüfung nicht lanciert.

Wie interagiert die Topologie mit MCP und A2A?

Die Topologie sitzt unter beiden. MCP handhabt Werkzeugzugriff; A2A handhabt Agent-zu-Agent-Kommunikation, und beide sind in Produktion komplementär (ByteByteGo, „MCP vs A2A vs ACP: How AI Agents Actually Talk to Each Other", Juli 2026). Everythinks Topologie entscheidet, innerhalb welchen Netzwerks, welcher Community und welchen Raums das Werkzeug oder der Agent operiert, bevor eines der Protokolle aufgerufen wird, sodass das Werkzeug einen platzierten Kontext erhält statt ihn aus dem Prompt zu erschließen.

Kann ein Raum seine Module ohne Deploy ändern?

Ja. Ein Raum schaltet seine Module per Konfiguration ein — social, marketplace, calendar, campaigns. Ein Modul zu aktivieren ist eine Einstellung in einem Datensatz, kein Code-Release. Die Plattform formt sich ohne Redeploy neu, was der Mechanismus hinter der Konfiguration-über-Code-Behauptung ist.

---

Everythinks Topologie hat ein Jahrzehnt lang Anfragen nach Geografie und Bedeutung geroutet, und die Industrie trennt nun aus demselben Grund Discovery von Execution: Das Modell sollte nicht entscheiden, was die Daten bereits sagen. Wenn du sehen willst, wie die Topologie routet — Netzwerk zu Community zu Raum, auf einer Plattform in Produktion seit 2016 — lies die Paper oder buche eine Demo.

Sources

• Hugging Face, "Agentic Resource Discovery: Let agents search for tools, skills, and other agents", retrieved 2026-08-23, https://huggingface.co/blog/agentic-resource-discovery-launch
• ByteByteGo, "Best Practices for Building AI Agents That Work in Production", retrieved 2026-08-23, https://blog.bytebytego.com/p/best-practices-for-building-ai-agents
• ByteByteGo, "MCP vs A2A vs ACP: How AI Agents Actually Talk to Each Other", retrieved 2026-08-23, https://blog.bytebytego.com/p/mcp-vs-a2a-vs-acp-how-ai-agents-actually
• ByteByteGo, "The Agent Loop: How AI Goes From Answering Questions to Doing Things", retrieved 2026-08-23, https://blog.bytebytego.com/p/the-agent-loop-how-ai-goes-from-answering
• IBM Research, "Model Routing Is Simple. Until It Isn't.", retrieved 2026-08-23, https://huggingface.co/blog/ibm-research/model-routing-is-simple-until-it-isnt