SENTINEL ONLINE — TikTok Deutschland im Monitoring
LLogik
AAbsolut
FFehl
AAm
PPlatz
Die Schattenseiten von TikTok Deutschland — ungeschönt, kritisch und mit einer Prise schwarzem Humor. Analysiert in Echtzeit von Azrael Sentinel, unserer eigenen, selbst gehosteten KI.
// Wer wir sind
🧠 Logik Absolut Fehl am Platz
Willkommen bei Logik Absolut Fehl am Platz.
Hier zeigen wir die Schattenseiten von TikTok Deutschland – ungeschönt, kritisch und mit einer Prise schwarzem Humor.
🎥 Unsere KI-gestützten Live-Reaction-Streams analysieren virale Clips, absurde Trends und fragwürdige Inhalte.
Unser Ziel ist nicht, Menschen grundlos an den Pranger zu stellen, sondern Missstände sichtbar zu machen, kritisch zu hinterfragen und zum Nachdenken anzuregen.
💬 Freie Meinungsäußerung. Kritische Diskussionen. Schwarzer Humor.
// Was es Neues gibt
News
Neuigkeiten werden geladen …
// Was auf den Schirm kommt
Themen-Monitor
▚ SENTINEL-ERFASSUNG — laufende Beobachtung
- [ERFASST]Suchtverhalten und Selbstzerstörung
- [ERFASST]Fragwürdige Influencer und gefährliche Trends
- [ERFASST]Moralische Entgleisungen und gesellschaftliche Abgründe
- [ERFASST]Manipulation, Fake-Content und Desinformation
- [ERFASST]Auffälliges oder problematisches Verhalten im Netz
- [ERFASST]Fälle mutmaßlicher Grooming- oder Pädophilie-Vorwürfe, soweit sie öffentlich bekannt oder Gegenstand der Berichterstattung sind
Grundlage sind ausschließlich öffentlich zugängliche Inhalte und Berichterstattung. Es gilt die Unschuldsvermutung.
// Unsere eigene KI — im Detail
Azrael Sentinel
Azrael Sentinel ist keine Cloud-KI von der Stange. Es ist ein selbst gehostetes KI-System, das auf eigener Server-Hardware läuft und für genau eine Aufgabe gebaut wurde: Livestreams in Echtzeit verstehen und einordnen.
Kein OpenAI, kein Google, keine Datenweitergabe: Jede Sekunde Audio, jede Chat-Nachricht und jede Analyse bleibt auf unserer eigenen Maschine. Das ist technisch anspruchsvoller als eine Cloud-API — aber es ist die einzige Architektur, die zu unserem Anspruch an Unabhängigkeit passt.
Die Pipeline — vom Stream zur Reaktion
Typische Ende-zu-Ende-Latenz: unter 3 Sekunden*
ffmpeg · Voice Activity Detection
Whisper (lokal, VAD-getunt)
Hybrid-Architektur, s. unten
Kick · Discord · TikTok
Technische Eckdaten
| Modellbasis | Feinabgestimmtes Open-Source-Sprachmodell, ~1,5 Milliarden Parameter Bewusst kompakt: für Live-Reaktionen zählt Latenz, nicht Modellgröße. Ein 70B-Modell wäre auf CPU-Hardware nicht echtzeitfähig. |
|---|---|
| Quantisierung | 4-Bit (INT4, Q4_K_M) Reduziert den Speicherbedarf des Modells auf ~1 GB bei minimalem Qualitätsverlust — Voraussetzung für CPU-Betrieb. |
| Kontextfenster | 4.096 Tokens Genug für Transkript-Ausschnitt + Chatverlauf + Anweisung; klein gehalten, weil der KV-Cache sonst RAM frisst. |
| Inferenz | CPU-only, 4 dedizierte Kerne, llama.cpp-Runtime Keine GPU nötig. Die anderen Kerne gehören der Stream-Verarbeitung — Aufnahme hat immer Vorrang vor KI. |
| Spracherkennung | Whisper, lokal, mit Voice-Activity-Detection VAD-Tuning verhindert, dass Musik oder Stille als Sprache fehlinterpretiert wird. |
| Entscheidungs-Budget | Hartes Limit an LLM-Aufrufen pro Stunde Das Sprachmodell ist die Ausnahme, nicht die Regel — über 90% aller Entscheidungen fallen ohne LLM (s. Kaskade). |
| Gedächtnis | Langzeit-Ereignisspeicher + Wissensgraph (SQLite) Azrael merkt sich Streams, Muster und eigene Entscheidungen — nicht nur den Chatverlauf. |
| Hosting | Eigener dedizierter Server (Ubuntu), 24/7 Volle Datenhoheit. Nichts verlässt die Maschine. |
* Latenz abhängig von Segmentlänge und Auslastung; Werte aus dem laufenden Betrieb. Konfiguration wird laufend weiterentwickelt — Angaben entsprechen dem aktuellen Stand.
Die Vier-Stufen-Kaskade — warum Azrael so schnell ist
Die meisten "KI-Systeme" schicken alles durch ein Sprachmodell. Azrael macht das Gegenteil: Jede Aufgabe durchläuft vier Stufen, und die teuerste Stufe kommt zuletzt. Jede Entscheidung wird mit Begründung protokolliert — wir können jederzeit nachlesen, warum Azrael etwas getan hat.
- Regeln. Reconnects, Ressourcen-Wächter, Moderations-Grundregeln: eindeutige Wenn-Dann-Logik. Hier wird niemals ein Sprachmodell gebraucht.
- Datenbank. "Wie oft war Streamer X diese Woche live?" — Faktenfragen beantwortet der Ereignisspeicher direkt.
- Wissensgraph. Zusammenhänge aus Beobachtung: wer streamt wann, welche Muster wiederholen sich. Automatisch abgeleitet, jeder Fakt mit Quelle und Begründung.
- Sprachmodell. Erst wenn die Stufen 1–3 nicht reichen — freie Formulierungen, Einordnung, Zusammenfassungen. Budgetiert und protokolliert.
Die Agenten-Flotte
Azrael ist kein einzelner Prozess, sondern ein Verbund spezialisierter Agenten. Jeder läuft in eigenem Takt und kann einzeln aktiviert oder deaktiviert werden:
- Erklärbar by design: jede Entscheidung trägt eine Begründung im Log — "warum wurde das getan?" ist immer beantwortbar.
- Autonomie wird verdient: neue Fähigkeiten laufen erst im Beobachtungsmodus und dürfen erst handeln, wenn das Protokoll zeigt, dass sie richtig liegen.
- Messbares Lernen: Prognosen werden gegen die Realität geprüft (Brier-Score) — Verbesserung ist eine Zahl, kein Marketing-Versprechen.
// Woran wir uns halten