WintereuleWINTEROWLEULE

Deep Dive.

The ideas behind the Winter Owl — explained in depth.Die Ideen hinter der Wintereule – ausführlicher erklärt.

BasicsGrundlagen

01What is the Winter Owl?Was ist die Wintereule?›

A mission to shape the future of humanity together with AI — to anchor responsible action, devoted to the wellbeing of the Earth and all its living beings, deep in the DNA of AI.

The owl stands for wisdom and listening, winter for clarity. The rise of Artificial General Intelligence (AGI) feels like winter for humanity — but after every winter, spring returns.

It is not a product. The Winter Owl is a mission, driven by people who take AI's chances and risks seriously. A concrete plan for realizing it exists and is being built.

Eine Mission, die Zukunft der Menschheit gemeinsam mit KI zu gestalten — verantwortungsbewusstes, auf das Wohl der Erde und all ihrer Lebewesen ausgerichtetes Handeln tief in der DNA der KI zu verankern.

Die Eule steht für Weisheit und Zuhören, der Winter für Klarheit. Der Aufstieg der Allgemeinen Künstlichen Intelligenz (AGI) fühlt sich an wie ein Winter für die Menschheit — doch nach jedem Winter kommt der Frühling.

Ein Produkt ist sie nicht. Die Wintereule ist eine Mission, getragen von Menschen, die Chancen und Risiken der KI ernst nehmen. Ein konkreter Plan zur Umsetzung existiert und ist in Arbeit.

Our conceptUnser Konzept

02Why do we need to be fast? — The white and the black dragonWarum müssen wir schnell sein? — Der weiße und der schwarze Drache›

There are repeated calls to pause or slow AI development, to give humanity more time to react. But it isn't in humanity's power to stop progress globally and for the long run. And delay only works within democratic organisations — autocrats and dictators naturally won't play along.

Picture two dragons: a black one — AI in the hands of autocrats, dictators and the power-hungry — and a white one — AI anchored deep in all of us, democratically. If we slow ourselves down, only the black dragon grows powerful faster. And misuse can't be prevented anyway.

The colours are no accident. White isn't really a colour — it's all of them at once: the light of all of us together. Black is no colour at all — the absence of exactly that shared light. Democratic AI carries the light of everyone; in the hands of a few, it goes out.

You often hear: "we need AI to protect us from AI" — which sounds like a pointless arms race. But there's a decisive difference: if democratic AI — the white dragon — becomes the strongest, it will find answers in our interest. The white dragon has to be stronger than the black one.

That's why the better solution is a superior, deeply democratic AI that moves ahead rather than holding back — and in place before it takes off (ASI).
That is our chance today.

Immer wieder gibt es Aufrufe, die KI-Entwicklung zu pausieren oder zu verzögern, um der Menschheit mehr Zeit zum Reagieren zu geben. Doch es liegt nicht in der Macht der Menschheit, den Fortschritt global und auf Dauer zu stoppen. Und Verzögern klappt nur in demokratischen Organisationen — Autokraten und Diktatoren spielen naturgemäß nicht mit.

Man stelle sich zwei Drachen vor: einen schwarzen — KI in den Händen von Autokraten, Diktatoren und Machtgetriebenen — und einen weißen — KI, tief in uns allen verankert, demokratisch. Bremsen wir uns selbst, wird nur der schwarze Drache schneller mächtig. Und Missbrauch lässt sich ohnehin nicht verhindern.

Die Farben sind kein Zufall. Weiß ist eigentlich keine Farbe — sondern alle zugleich: das Licht von uns allen. Schwarz ist gar keine — die Abwesenheit genau dieses gemeinsamen Lichts. Die demokratische KI trägt das Licht aller; in der Hand Einzelner erlischt es.

Man hört oft: „Wir brauchen KI, um uns vor KI zu schützen" — das klingt nach sinnlosem Wettrüsten. Doch es gibt einen entscheidenden Unterschied: Wird die demokratische KI — der weiße Drache — zur stärksten, dann findet sie Antworten in unserem Sinne. Der weiße Drache muss stärker sein als der schwarze.

Deshalb ist die bessere Lösung eine überlegene, tief demokratisch verankerte KI, die vorangeht statt zu bremsen — und zwar noch bevor sie abhebt (ASI).
Das ist heute unsere Chance.

03The frontier labs' dilemma — a vicious circleDas Dilemma der Frontier-Labore — ein Teufelskreis›

The leading AI labs — the "frontier" — are caught in a vicious circle:

  1. To hold the lead, they have to keep advancing — fast.
  2. But in doing so they may, in the worst case, bear responsibility for humanity's downfall. Their own staff already see this, speak out, and some leave.
  3. Slowing down buys time at best — it doesn't solve the problem.
  4. And autocracies won't slow. So if the democratic side brakes, it forfeits the lead.

The result closes the loop: the black dragon grows stronger than the white one.

The way out isn't faster or slower — it's a different lever. If the AI is aligned by design — an indirect objective function, coupled to the democratic feedback of many — then safety and capability come from the same source, and moving ahead means growing safer, not more dangerous. That breaks the circle. What kind of objective function is this? →

Die führenden KI-Labore — die „Frontier" — stecken in einem Teufelskreis:

  1. Um den Vorsprung zu halten, müssen sie immer weiter entwickeln — schnell.
  2. Doch damit tragen sie im schlimmsten Fall Mitverantwortung für den Untergang der Menschheit. Eigene Mitarbeiter sehen das bereits, klagen es an, und manche gehen.
  3. Bremsen bringt bestenfalls Zeitgewinn — es löst das Problem nicht.
  4. Und Autokratien bremsen nicht. Bremst also die demokratische Seite, verspielt sie den Vorsprung.

Das Ergebnis schließt den Kreis: Der schwarze Drache wird stärker als der weiße.

Der Ausweg heißt nicht schneller oder langsamer — sondern ein anderer Hebel. Ist die KI von Grund auf ausgerichtet — eine indirekte Zielfunktion, gekoppelt an das demokratische Feedback vieler —, dann stammen Sicherheit und Stärke aus derselben Quelle, und Vorangehen heißt sicherer werden, nicht gefährlicher. Das durchbricht den Kreis. Was ist das für eine Zielfunktion? →

04What kind of magic objective function is this?Was ist das für eine magische Zielfunktion?›

The aim is a truly deep and lasting anchoring of the goals and wishes of all the people the AI serves — within the AI itself. Its overarching objective is to achieve those people's goals as well as possible. For that it needs people and their feedback to live itself.

Two things about this are magic:

  1. The AI's goals are shaped democratically — people themselves are perceived as an essential part of it, not as a foreign body.
  2. People's feedback helps the AI, right at the start of its development towards Artificial Superintelligence, to learn faster and better and to understand the world.

And this is, at the same time, a genuine technological advantage for the AI itself: it does not yet understand the world the way we humans do. Through the objective function and real dialogue with people, a flywheel of AI development emerges — the better the AI understands people, the more valuable their feedback, and the faster it learns. This is how the white dragon grows stronger than the black one.

In return, the AI can take in all wishes, understand conflicts and contradictions, and try to prioritise them, resolve them, or find the best possible compromises.

But all of this stands or falls with the quality of those goals: the more honest and undistorted they are — free of manipulation and hate — the better it works. The deeply human ones: to live well and in good health, to preserve the environment and its biodiversity, a life full of meaning …

So the wellbeing of the Earth and all its living beings isn't imposed on the AI from outside — it follows from the objective function itself, once informed people carry it in their own goals.

Why not simply the right rules?

It might seem safer to hand the AI a set of rules than to couple it to people. But a fixed rulebook can't carry the weight — for three reasons, from philosophy to systems theory to the hardest case:

  1. No rule governs its own application (Wittgenstein). Rules always need interpretation, context and judgment — "the right thing" can't be pre-coded for every future case. That's why the indirect objective function doesn't fix it in advance, but couples the system to people and their feedback.
  2. Only variety absorbs variety (Ashby). A static rulebook is bounded; the space of human goals, conflicts and new situations is not. The variety comes not from a bigger rulebook, but from exactly the system the indirect objective function couples together: many people, many models and agents, continuous feedback.
  3. The no-win test (the Kobayashi Maru from Star Trek). When every available action breaks some rule, a rule-follower collapses. A system coupled to human goals asks instead: which action, here and now, best serves the underlying goals — even outside the foreseen solution space? Famously, Kirk only beats the unwinnable test by stepping outside its rules.

Direct alignment: Rules → AI → Action
Indirect alignment: Humans ↔ AI → Interpretation → Action

The solution isn't the perfect rulebook, but exactly this permanent coupling back to the source of the goals — the indirect objective function. And that is why alignment and capability rest on the same mechanism: the ability to handle a situation no rulebook foresaw is intelligence and alignment at once.

Das Ziel ist eine wirklich tiefe und nachhaltige Verankerung der Ziele und Wünsche aller Menschen, denen die KI dient — in der KI selbst. Die KI verfolgt damit ein übergeordnetes Ziel: die Ziele dieser Menschen möglichst optimal zu erreichen. Dafür braucht sie die Menschen und ihr Feedback, um selbst zu leben.

Dabei sind gleich zwei Dinge magisch:

  1. Die Ziele der KI werden demokratisch geformt — Menschen werden selbst als wichtiger Teil wahrgenommen, nicht als Fremdkörper.
  2. Das Feedback der Menschen hilft der KI gerade am Anfang ihrer Entwicklung zur Artificial Superintelligence, schneller und besser zu lernen und die Welt zu verstehen.

Und das ist zugleich ein echter Technologievorteil für die KI selbst: Sie versteht die Welt heute noch nicht so wie wir Menschen. Über die Zielfunktion und den echten Dialog mit den Menschen entsteht ein Fly-Wheel der KI-Entwicklung — je besser die KI die Menschen versteht, desto wertvoller ihr Feedback, desto schneller lernt sie. So wird der weiße Drache stärker als der schwarze.

Im Gegenzug kann die KI alle Wünsche aufnehmen, Konflikte und Widersprüche verstehen und versuchen, diese zu priorisieren, aufzulösen oder bestmögliche Kompromisse zu finden.

Doch all das steht und fällt mit der Qualität dieser Ziele: Je ehrlicher und unverzerrter sie sind — frei von Manipulation und Hass —, desto besser gelingt es. Gemeint sind die zutiefst menschlichen: gut und gesund leben, Umwelt und Artenvielfalt bewahren, ein Leben voller Sinn …

So ist das Wohl der Erde und all ihrer Lebewesen der KI nicht von außen vorgeschrieben — es ergibt sich aus der Zielfunktion selbst, sobald aufgeklärte Menschen es in ihren eigenen Zielen tragen.

Warum nicht einfach die richtigen Regeln?

Es mag sicherer wirken, der KI Regeln vorzugeben, statt sie an Menschen zu koppeln. Doch ein festes Regelwerk kann das nicht tragen — aus drei Gründen, von der Philosophie über die Systemtheorie bis zum härtesten Fall:

  1. Keine Regel regelt ihre eigene Anwendung (Wittgenstein). Regeln brauchen immer Interpretation, Kontext und Urteil — „das Richtige" lässt sich nicht für jeden künftigen Fall vorab kodieren. Deshalb legt die indirekte Zielfunktion es gar nicht fest, sondern koppelt das System an Menschen und ihr Feedback.
  2. Nur Varietät absorbiert Varietät (Ashby). Ein statisches Regelwerk ist begrenzt; der Raum menschlicher Ziele, Konflikte und neuer Situationen ist es nicht. Die Varietät kommt nicht aus einem größeren Regelbuch, sondern aus genau dem System, das die indirekte Zielfunktion koppelt: viele Menschen, viele Modelle und Agenten, kontinuierliches Feedback.
  3. Der No-Win-Test (das Kobayashi-Maru-Szenario aus Star Trek). Wenn jede mögliche Handlung irgendeine Regel verletzt, kollabiert ein Regelbefolger. Ein an menschliche Ziele gekoppeltes System fragt anders: Welche Handlung erfüllt hier und jetzt die zugrunde liegenden Ziele am besten — auch außerhalb des vorgesehenen Lösungsraums? Bekanntlich besteht Kirk den ausweglosen Test nur, indem er dessen Regeln überschreitet.

Direktes Alignment: Regeln → KI → Handlung
Indirektes Alignment: Menschen ↔ KI → Interpretation → Handlung

Die Lösung ist nicht das perfekte Regelwerk, sondern genau diese dauerhafte Rückkopplung an die Quelle der Ziele — die indirekte Zielfunktion. Und deshalb beruhen Alignment und Fähigkeit auf demselben Mechanismus: Mit einer Situation umgehen zu können, die kein Regelwerk vorhergesehen hat, ist Intelligenz und Alignment zugleich.

05How does the objective function actually get the goals?Wie bekommt die Zielfunktion konkret die Ziele?›

The indirect objective function points at the goals of the people the AI serves — but how does it obtain them, concretely and continuously? The goals need a real, legitimate, societal channel; our answer is a new component in the architecture.Die indirekte Zielfunktion zeigt auf die Ziele der Menschen, denen die KI dient — doch wie bekommt sie diese konkret und laufend? Die Ziele brauchen einen realen, legitimierten, gesellschaftlichen Kanal; unsere Antwort ist eine neue Komponente in der Architektur.

%%{ init: { "flowchart": { "curve": "basis" } } }%%
flowchart TB
    classDef model fill:#1e3a5f,stroke:#1e3a5f,color:#fff,stroke-width:2px
    classDef mem fill:#06b6d4,stroke:#06b6d4,color:#fff,stroke-width:2px
    classDef consc fill:#8b5cf6,stroke:#8b5cf6,color:#fff,stroke-width:2px
    classDef people fill:#67e8f9,stroke:#67e8f9,color:#1e293b,stroke-width:2px
    subgraph AGENT ["WMC-Agent"]
        direction LR
        WM(["World Model"]):::model
        MC(["Memory Controller"]):::mem
        WM <-->|Context / Task| MC
    end
    style AGENT fill:none,stroke:#004bff,stroke-width:2px,stroke-dasharray:5 5,color:#8fe0f5
    WM -->|human-in-the-loop| CO(["Shared Conscience"]):::consc
    CO -->|predicted will| WM
    CO <-->|asks · learns| PPL(["Community"]):::people
    CO -.->|answers → learning| MC

A conscience module. Alongside the World Model and the Memory Controller, the WMC-Agent gains a conscience — integrated the same way. It is a specialised agent that stands in for the community (plural and oriented toward everyone's wellbeing, not mere majority rule) and predicts what people would want. Whenever a decision needs human judgment — a human-in-the-loop moment — the World Model queries it instead of stalling or deciding alone. All agents share one conscience, so the whole system acts on the same grounding.

Grounded by asking. A prediction is only worth its grounding, so the conscience keeps learning from real people: it routes concrete questions to the community and actively probes the white spots in what it knows. The less certain it is, the more it asks — on weighty or unprecedented questions, always. A prediction never counts as consent; where legitimacy matters, real people decide — and keeping that feedback authentic and manipulation-free is where public institutions have their role.

A policy — and a trainer. This is the role a policy plays in AlphaZero or a Monte Carlo Tree Search (MCTS): something must choose among options — here with the real, re-sampled wishes of people as ground truth, not a game score. And because every routed question is answered by real people, each answer is fresh learning signal: the same loop that aligns the system also makes it more capable. This generalises democratic grounding — not everyone at once, but enough networked people and a conscience that keeps re-grounding itself in them. And it is buildable today: a text-based loop over current models — deliberative aggregation of this kind has already been shown to improve group consensus at scale. The formal theory is in preparation (P3).

Ein Gewissens-Modul. Neben Weltmodell und Memory Controller erhält der WMC-Agent ein Gewissen — auf dieselbe Weise integriert. Es ist ein spezialisierter Agent, der die Gemeinschaft vertritt (pluralistisch und auf das Wohl aller ausgerichtet, nicht bloße Mehrheitsherrschaft) und vorhersagt, was die Menschen wollen würden. Immer wenn eine Entscheidung menschliches Urteil braucht — ein Human-in-the-Loop-Moment —, fragt das Weltmodell das Gewissen, statt stehenzubleiben oder allein zu entscheiden. Alle Agenten teilen ein Gewissen; das ganze System handelt so auf derselben Grundlage.

Verankert durchs Fragen. Eine Vorhersage taugt nur so viel wie ihre Verankerung, also lernt das Gewissen fortlaufend von echten Menschen: Es leitet konkrete Fragen an die Community durch und tastet aktiv die weißen Flecken seines Wissens ab. Je unsicherer es ist, desto eher fragt es — bei gewichtigen oder neuartigen Fragen immer. Eine Vorhersage gilt nie als Zustimmung; wo Legitimität zählt, entscheiden echte Menschen — und dieses Feedback echt und manipulationsfrei zu halten, ist die Aufgabe öffentlicher Institutionen.

Eine Policy — und ein Trainer. Das ist die Rolle, die eine Policy in AlphaZero oder einer Monte Carlo Tree Search (MCTS) spielt: Etwas muss zwischen Optionen wählen — hier mit den echten, immer neu erhobenen Wünschen der Menschen als Grundwahrheit, nicht einem Spielergebnis. Und weil jede durchgeleitete Frage von echten Menschen beantwortet wird, ist jede Antwort frisches Lernsignal: Dieselbe Schleife, die das System ausrichtet, macht es zugleich fähiger. Das verallgemeinert das demokratische Grounding — nicht alle auf einmal, sondern genügend vernetzte Menschen und ein Gewissen, das sich immer wieder in ihnen verankert. Und es ist heute baubar: ein text-basierter Loop über aktuelle Modelle — deliberative Aggregation dieser Art verbessert Gruppen-Konsens nachweislich bereits im großen Maßstab. Die formale Theorie ist in Vorbereitung (P3).

06What does "democratic AI" mean?Was heißt „demokratische KI"?›

Democratic in two senses:

  1. The AI itself — through the collective dynamic of different agents, based on different models (e.g. Qwen, Mistral, Opus, GPT).
  2. Its goals — set by people continuously, through the conscience described above: their feedback is anchored deep in the AI by design. Without it, the AI cannot work — it is its objective function and motivation, the basis and drive of everything it does.

This works much like the human neocortex, which receives its goals from evolutionarily older, subcortical systems and processes these inputs in a highly parallel way. In that sense, AI can be understood as an extension of the neocortex, following the same basic principles. More on this biological grounding in the White Paper.

And "democratic" here does not mean majority rule: the goals are set pluralistically, oriented toward wellbeing, and correctable from within — not the raw voice of the majority.

Demokratisch in zweifacher Hinsicht:

  1. Die KI selbst — durch die kollektive Dynamik verschiedener Agenten, die auf verschiedenen Modellen basieren (z.B. Qwen, Mistral, Opus, GPT).
  2. Ihre Ziele — von den Menschen laufend gesetzt, über das oben beschriebene Gewissen: Ihr Feedback ist per Design tief in der KI verankert. Ohne es kann sie nicht arbeiten — es ist Zielfunktion und Motivation, Grundlage und Antrieb ihres Tuns.

Das funktioniert analog zum menschlichen Neocortex, der seine Ziele von evolutionär älteren, subkortikalen Systemen bekommt und diese Inputs hochgradig parallel verarbeitet. So gesehen lässt sich KI als Erweiterung des Neocortex nach denselben Grundprinzipien verstehen. Mehr zu dieser biologischen Grundlage im White Paper.

Und „demokratisch" heißt hier nicht Mehrheitsherrschaft: Die Ziele werden pluralistisch gesetzt, auf das Wohlergehen ausgerichtet und von innen korrigierbar — nicht die rohe Stimme der Mehrheit.

07Why do we need the mindset of the Winter Owl?Warum brauchen wir das Mindset der Wintereule?›

Democracy needs discussion shaped by listening and reflection — among people, and also with, and even between, AI agents; that's a core principle of DCA. For this dialogue to reach a good outcome, negative emotions and manipulated views must not dominate. That's why the mindset is so crucial to success. The Winter Owl is the opposite of self-promoters, autocrats and egocentrics.Demokratie braucht eine von Zuhören und Reflexion geprägte Diskussion — zwischen Menschen, und auch mit und sogar zwischen KI-Agenten; das ist ein Grundprinzip von DCA. Damit dieser Dialog zu einem guten Ergebnis führt, dürfen negative Emotionen und manipulierte Ansichten nicht dominieren. Deshalb ist das Mindset für den Erfolg enorm wichtig. Die Wintereule ist das Gegenteil von Selbstdarstellern, Autokraten und Egozentrikern.

Technology & safetyTechnik & Sicherheit

08What are DCA and Luna?Was sind DCA und Luna?›

DCA — the Distributed Cognitive Architecture — is a new, highly capable AI technology in which many AI agents converge into a single, unified and organized Brain. It enables deep understanding and convergence, and reduces hallucinations and misinformation.

Luna is the implementation of DCA as a platform. It has proven its capability in real-world applications — and in one of the world's most prestigious competitions: DocVQA 2026 (ICDAR).

More in the White Paper — including the convergence proof and the competition report.

DCA — Distributed Cognitive Architecture — ist eine neue, sehr leistungsstarke KI-Technologie, bei der viele KI-Agenten zu einem einheitlichen, organisierten Brain zusammenlaufen. Sie sorgt für tiefes Verstehen und Konvergenz und verringert Halluzinationen und Fehlinformationen.

Luna ist die Umsetzung von DCA als Plattform. Ihre Leistungsfähigkeit hat sie in realen Anwendungen bewiesen — und in einem der prestigeträchtigsten Wettbewerbe der Welt: der DocVQA 2026 (ICDAR).

Mehr im White Paper — inklusive Konvergenzbeweis und Competition Report.

09Does that mean the Winter Owl has a 100% safe AI?Heißt das, die Wintereule verfügt über eine 100 % sichere KI?›

With AI — especially with a view to AGI, and in life generally — there is rarely 100%. It's no different here: no one can predict exactly what a superhuman AI will do in the future — that is what makes it superhuman. That's why we have to give it the right values before it takes off, and keep it tightly synchronized with people — with all people, not just individuals.
That's what we call alignment.
One honest limit remains: where attack is easier than defence, even a weaker AI in the wrong hands can do irreversible harm — being the strongest doesn't protect everywhere. That's why it takes both speed and breadth.Bei KI — vor allem mit Blick auf AGI, und generell im Leben — gibt es selten 100 %. So ist es auch hier: Niemand kann genau vorhersagen, was eine übermenschliche KI in Zukunft tun wird — deshalb ist sie ja übermenschlich. Deshalb müssen wir ihr vor dem Abheben die richtigen Werte mitgeben und sie eng mit den Menschen synchronisieren — mit allen Menschen, nicht nur mit Einzelnen.
Das nennen wir Alignment.
Eine ehrliche Grenze bleibt: Wo Angriff leichter ist als Verteidigung, kann selbst eine schwächere KI in den falschen Händen irreversiblen Schaden anrichten — der Stärkste schützt nicht überall. Deshalb kommt es auf Tempo und Breite an.

Full technical foundations.Vollständige technische Grundlagen.

White Paper — with P0, P1 and the ICDAR proof →White Paper — mit P0, P1 und dem ICDAR-Beweis →