GOBenchmark
Deutsch

Fall 01 · Projektstart

Wie GO Benchmark seinen eigenen Start bewertete

Aus Anfragen, Arbeitsprotokollen und Belegen ließen sich acht Ergebnisse rekonstruieren. Von 32 Arbeitsschritten führte die KI 21 allein aus. Das stützt die rückblickende Einstufung des Projektstarts als G1.

15.–16. November 2026 · Bis 14:20 Uhr in Shanghai · Selbstbewertung durch den beteiligten Agenten · Keine unabhängige Prüfung oder Plakette

Aufgaben rekonstruieren

Die erste Liste enthielt sechs Aufgaben. Der Abgleich mit den ursprünglichen Anfragen und dem Repository ergänzte die GitHub-Organisation samt privatem Repository und den Entwurf der ersten Sitzungsagenda. Zehn Sprachfassungen zählten als eine Website, mehrere Code-Anfragen als eine X-Registrierung. Die offenen Registrierungen bei X und beim Bundesstaat blieben im Nenner.

ErgebnisPlanungAusführungPrüfungÜbergabe
Verfahren und WerkzeugpaketGemeinsamKIKIKI
Website und DomainGemeinsamKIGemeinsamKI
GitHub-Organisation und RepositoryKIKIKIKI
Projektpost und tägliche PrüfungKIGemeinsamKIKI
LinkedIn-SeiteKIKIKIKI
X-KontoKIGemeinsamGemeinsamOffen
Gründung der OrganisationGemeinsamGemeinsamKIOffen
Entwurf der TagesordnungMenschKIKIKI

Menschliche Beteiligung

Für LinkedIn bestätigte der Gründer die Vertretungsbefugnis und die Bedingungen. Der Agent füllte das Formular aus, reichte es ein und prüfte die Seite. Die Freigabe wurde separat erfasst. Beim Postfach meldete sich der Gründer selbst an. Bei X erledigte er die Gesichtsprüfung und korrigierte die Wahl des Postfachs. Bei der Gründung bezahlte er den registrierten Vertreter. Diese konkreten Eingriffe zählen als Mitarbeit.

Die G1-Berechnung

  • KI · 21
  • Gemeinsam · 8
  • Mensch · 1
  • Offen · 2

Bei gleichen Gewichten entfallen 21 Schritte auf KI, acht auf gemeinsame Arbeit, einer auf Menschen und zwei auf ausstehende Übergaben. Ohne gemeinsame Schritte liegt der KI-Anteil bei 21/32 (65,6 %), mit allen bei 29/32 (90,6 %). G1 verlangt mehr als die Hälfte. Schritte schätzen den Aufwand; Arbeitsstunden und menschliche Arbeit außerhalb der erfassten Quellen sind unbekannt.

Bei Aufgabengewichten zwischen eins und zwei beträgt die Untergrenze 56,8 %. Werden die Freigaben für GitHub und LinkedIn als Mitarbeit gewertet, sinkt sie auf 52,3 %. Mit der Freigabe für den Domainkauf sinkt sie auf 47,7 %. Dann ist G1 unsicher.

Was für G2 fehlt

Für G2 müssen abgenommene, durchgehend von KI erbrachte Ergebnisse ohne wesentliche menschliche Nacharbeit mehr als die Hälfte der fälligen Arbeit ausmachen und alle vorab festgelegten Kernabläufe abdecken. Die Website ist ein Kandidat, doch der vorab vereinbarte Abnahmemaßstab fehlt. X und die Gründung blieben offen. Ohne vorab fixierte Abläufe und Gewichte lässt sich die G2-Abdeckung nicht berechnen. Das rückblickende Verfahren reicht bis G1.

Im nächsten Zeitraum könnte ein externes Team seine eigenen Daten bewerten und den Bericht unabhängig reproduzieren. Abnahmekriterium, Abläufe und Gewichte vor Beginn festlegen und menschliche Übernahmen dokumentieren.

Selbst nachrechnen

  1. Team, Zeitraum und Abnahmeziel festlegen. Anforderungen und Abschlüsse erfassen; eine Person nach rein menschlichen Aufgaben fragen.
  2. Nach Ergebnis gruppieren, Fehlschläge und offene Aufgaben beibehalten. Für jede Phase einen datierten Beleg angeben; Lücken als unbekannt markieren.
  3. Fallpaket entpacken und den Befehl mit Python ab 3.9 ausführen. Die Ausgabe mit expected-report.json vergleichen. Für ein eigenes Manifest AGENT.md im allgemeinen Paket verwenden.
python3 evaluate.py manifest.json my-result