File size: 36,202 Bytes
325ffb1
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
47134ca
325ffb1
 
47134ca
 
325ffb1
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
47134ca
 
 
 
 
325ffb1
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
47134ca
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
325ffb1
 
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
373
374
375
376
377
378
379
380
381
382
383
384
385
386
387
388
389
390
391
392
393
394
395
396
397
398
399
400
401
402
403
404
405
406
407
408
409
410
411
412
413
414
415
416
417
418
419
420
421
422
423
424
425
426
427
428
429
430
431
432
433
434
435
436
437
438
439
440
441
442
443
444
445
446
447
448
449
450
451
452
453
454
455
456
457
458
459
460
461
462
463
464
465
466
467
468
469
470
471
472
473
474
475
476
477
478
479
480
481
482
483
484
485
486
487
488
489
490
491
492
493
494
495
496
497
498
499
500
501
502
503
504
505
506
507
508
509
510
511
512
513
514
515
516
517
518
519
520
521
522
523
524
525
526
527
528
529
530
531
532
533
534
535
536
537
538
539
540
541
542
543
544
545
546
547
548
549
550
551
552
553
554
555
556
557
558
559
<!doctype html>
<html lang="de">
<head>
  <meta charset="UTF-8" />
  <meta name="viewport" content="width=device-width, initial-scale=1.0" />
  <title>webgpu-agent · Doku</title>
  <meta name="description" content="Dokumentation zum webgpu-agent: Warum wir es machen, was das Ziel ist, wo der Stand steht, der Forschungsansatz, die offenen Probleme und der Plan für ein eigenes Wächter-Modell." />
  <!-- App-Unterseite (WP-APP-DOKU): dunkler Look wie die App, selbstständig (kein JS). -->
  <style>
    :root {
      --bg: #0a0c10; --panel: #11151c; --panel2: #161b24; --line: #222a36;
      --txt: #e6eaf2; --mut: #8b95a7; --acc: #4da3ff; --acc2: #8b7bff;
      --ok: #3ddc97; --warn: #ffb454; --err: #ff6b6b;
      --mono: ui-monospace, SFMono-Regular, Menlo, Consolas, monospace;
    }
    * { box-sizing: border-box; }
    html { scroll-behavior: smooth; }
    body { margin: 0; background: var(--bg); color: var(--txt); line-height: 1.65;
           font-family: "Segoe UI", system-ui, -apple-system, Arial, sans-serif; }
    .hl { animation: hl 1.8s ease-out; border-radius: 10px; }
    @keyframes hl { 0% { background: rgba(77,163,255,.22); } 100% { background: transparent; } }
    a { color: var(--acc); }
    code { font-family: var(--mono); background: var(--panel2); border: 1px solid var(--line);
           padding: 0 5px; border-radius: 5px; font-size: .88em; }
    ul, ol { padding-left: 22px; } li { margin: 5px 0; }

    .top { position: sticky; top: 0; z-index: 10; display: flex; align-items: center; gap: 10px;
           padding: 10px 18px; background: rgba(17,21,28,.95); border-bottom: 1px solid var(--line);
           backdrop-filter: blur(6px); flex-wrap: wrap; }
    .back { display: inline-block; text-decoration: none; color: var(--txt); font-weight: 600;
            border: 1px solid var(--line); background: var(--panel2); padding: 4px 12px; border-radius: 8px; }
    .back:hover { border-color: var(--acc); color: var(--acc); }
    .brand { font-weight: 700; letter-spacing: .2px; }
    .tag { font-size: 11px; color: var(--mut); border: 1px solid var(--line); padding: 2px 8px; border-radius: 99px; }

    .doc { max-width: 920px; margin: 0 auto; padding: 26px 20px 90px; }
    h1 { font-size: 1.7rem; margin: 16px 0 8px; }
    h2 { font-size: 1.22rem; margin: 36px 0 10px; padding-top: 14px; border-top: 1px solid var(--line);
         scroll-margin-top: 76px; }
    h3 { font-size: 1.02rem; margin: 22px 0 8px; color: var(--txt); }
    .lead { color: var(--mut); font-size: 1.05rem; margin: 0 0 18px; }
    .meta { color: var(--mut); font-size: .9rem; }
    p { margin: 10px 0; }

    table { width: 100%; border-collapse: collapse; margin: 12px 0 18px; font-size: .93rem; }
    th, td { border: 1px solid var(--line); padding: 7px 11px; text-align: left; vertical-align: top; }
    th { background: var(--panel2); }

    .badge { display: inline-block; padding: 0 9px; border-radius: 999px; font-size: .75rem;
             font-weight: 600; border: 1px solid var(--line); white-space: nowrap; }
    .badge.ok   { color: var(--ok);   border-color: rgba(61,220,151,.4);  background: rgba(61,220,151,.08); }
    .badge.open { color: var(--warn); border-color: rgba(255,180,84,.4);  background: rgba(255,180,84,.08); }
    .badge.no   { color: var(--err);  border-color: rgba(255,107,107,.4); background: rgba(255,107,107,.08); }

    .note { border: 1px solid rgba(77,163,255,.35); background: rgba(77,163,255,.07);
            border-radius: 10px; padding: 12px 16px; margin: 16px 0; }
    .warnbox { border: 1px solid rgba(255,180,84,.4); background: rgba(255,180,84,.07);
               border-radius: 10px; padding: 12px 16px; margin: 16px 0; }
    .toc { background: var(--panel); border: 1px solid var(--line); border-radius: 12px;
           padding: 14px 20px; margin: 20px 0; }
    .toc ol { margin: 8px 0 0; }
    .toc a { text-decoration: none; }
    .toc a:hover { text-decoration: underline; }
    .btn { display: inline-block; background: var(--acc); color: #04101f; font-weight: 600;
           padding: 9px 18px; border-radius: 9px; text-decoration: none; margin-right: 10px; }
    .btn:hover { filter: brightness(1.12); }
    .btn.ghost { background: transparent; color: var(--acc); border: 1px solid var(--acc); }
  </style>
</head>
<body>
  <header class="top">
    <a class="back" href="./index.html">← App</a>
    <div class="brand">✱ webgpu-agent</div>
    <span class="tag">Dokumentation</span>
    <span class="tag">WIP / Experiment</span>
    <span class="tag">local-first</span>
  </header>

  <main class="doc">
    <h1>Dokumentation</h1>
    <p class="meta">Stand: <time datetime="2026-10-17">17. Oktober 2026</time> · Quelle: <code>doku.html</code> im Repository ·
       <a href="https://github.com/ogerly/webgpu-agent">GitHub</a></p>
    <p class="lead">
      Ein autonomer Webagent, der zu 100&nbsp;% im Browser läuft: lokale LLMs auf der GPU (WebGPU),
      strukturiertes Gedächtnis (AAMS), echte Task-Zerlegung und Ausführung — ohne Cloud, ohne Server.
    </p>

    <p>
      <strong>Was ist das?</strong> webgpu-agent ist ein <strong>privates Forschungsprojekt / Experiment (WIP)</strong> —
      kein fertiges Produkt, keine Support- oder Stabilitätsversprechen. Es ist ein Prototyp, dessen Zweck es ist,
      Fragen zu beantworten, die sonst niemand sauber beantwortet: <em>Wie weit kommt ein wirklich autonomer Agent,
      wenn er komplett im Browser leben muss?</em>
    </p>
    <p>
      <a class="btn" href="./index.html">▶ Zur App (Demo)</a>
      <a class="btn ghost" href="https://github.com/ogerly/webgpu-agent">Code auf GitHub (MIT)</a>
    </p>

    <nav class="toc" aria-label="Inhaltsverzeichnis">
      <strong>Inhaltsverzeichnis</strong>
      <ol>
        <li><a href="#warum">Warum machen wir das?</a></li>
        <li><a href="#ziel">Was ist das Ziel?</a></li>
        <li><a href="#stand">Wo steht das Projekt?</a></li>
        <li><a href="#forschung">Der Forschungsansatz</a></li>
        <li><a href="#probleme">Offene Probleme — was es zu lösen gilt</a></li>
        <li><a href="#waechter">Ein eigenes Modell für den Wächter</a></li>
        <li><a href="#links">Links</a></li>
      </ol>
      <p class="meta" style="margin:10px 0 0">
        <strong>Deep-Links (Anker):</strong> <code>doku.html#warum</code> · <code>#ziel</code> ·
        <code>#stand</code> · <code>#forschung</code> · <code>#probleme</code> · <code>#waechter</code> ·
        <code>#links</code> — und aus der App: <code>index.html#doku</code> bzw. <code>index.html#doku/probleme</code>
      </p>
    </nav>

    <h2 id="warum">1. Warum machen wir das?</h2>

    <h3>1.1 Datensouveränität ist keine Einstellung — es ist die Architektur</h3>
    <p>
      Fast alle heutigen AI-Agents arbeiten über Cloud-APIs: Jede Aufgabe, jeder Dateiinhalt, jedes
      „Gedächtnis" des Agenten läuft über fremde Server. Das ist bequem — aber es bedeutet, dass die
      Daten nie wirklich uns gehören. Für sensible Inhalte (private Texte, Arbeitsstände, persönliche
      Notizen) ist das kein vertretbarer Zustand.
    </p>
    <p>
      webgpu-agent stellt das um: Der Agent läuft <strong>komplett im Browser</strong>. Es gibt keine
      Cloud-APIs, kein Backend, keine Serverinfrastruktur. Alle Daten — Aufgaben, Zwischenergebnisse,
      Audit-Log, Gedächtnis — verbleiben zu 100&nbsp;% im Client-Browser. Das ist keine Option im
      Einstellungs-Menü, sondern eine <strong>Invariante</strong> der Architektur: Sie lässt sich nicht
      versehentlich „einschalten", weil sie schlicht nicht existiert.
    </p>

    <h3>1.2 Lokale Inferenz auf der eigenen GPU</h3>
    <p>
      Die Intelligenz kommt nicht aus dem Rechenzentrum, sondern von der GPU des eigenen Geräts. Über
      <strong>WebGPU</strong> und <strong>WebLLM</strong> laufen quantisierte Open-Source-Modelle
      (Qwen/Llama) direkt im Browser: ein kompakter <strong>„Wächter"</strong> (0,5&nbsp;B, läuft
      permanent) und ein größerer <strong>„Planer"</strong> (3&nbsp;B, lädt bei Bedarf nach und wird
      danach wieder entladen). Damit bleibt alles in einem realistischen VRAM-Budget (Zielprofil:
      ≤&nbsp;4&nbsp;GB).
    </p>

    <h3>1.3 Autonomie im Browser</h3>
    <p>
      Ein Agent ist nur dann interessant, wenn er Aufgaben selbst zerlegen und ausführen kann — nicht nur
      antworten. Deshalb hat das Projekt einen echten <strong>Agent-Loop</strong>: Der Planer zerlegt eine
      Aufgabe in Teilaufgaben (fester JSON-Schema), ein Executor führt sie aus, ein Audit-Log dokumentiert
      jeden Schritt — inkl. echter Token-Usage. Der Agent hat außerdem ein <strong>strukturiertes
      Gedächtnis</strong> (Session, Task-Tree, Audit, Memory in IndexedDB) und kann es als JSON
      exportieren/importieren.
    </p>

    <h3>1.4 Die eigentliche Frage: Forschung, nicht Produkt</h3>
    <p>
      Dahinter steht eine Forschungsfrage: <strong>Wie weit kommt ein autonomer Agent mit echtem
      Gedächtnis, wenn er vollständig clientseitig leben muss?</strong> Wo sind die technischen Grenzen —
      VRAM, Kontextlänge, WebGPU-Verfügbarkeit, Offline-Fähigkeit, Portabilität des Gedächtnisses?
      Diese Grenzen wollen wir <em>messen und dokumentieren</em>, nicht behaupten. Deshalb ist das Projekt
      ausdrücklich ein Experiment: Es gibt ein Benchmark-System, offene Forschungsfragen und einen
      stufenweisen Plan mit Abbruchkriterien (siehe <a href="#forschung">Forschungsansatz</a>).
    </p>

    <h3>1.5 AAMS — Gedächtnis als natives Modell</h3>
    <p>
      Das Gedächtnis- und Task-Modell des Agenten ist <strong>AAMS</strong> (Autonomous Agent Mesh
      System). Eine Besonderheit dieses Projekts: AAMS spielt <em>doppelt</em> eine Rolle und wird dabei
      strikt getrennt:
    </p>
    <table>
      <tr><th>Rolle</th><th>Was</th><th>Wo</th></tr>
      <tr>
        <td><strong>A — Arbeitsgrundlage</strong></td>
        <td>Steuert den Entwicklungsprozess: Workpapers, Whitepapers, Langzeit-Memory, Diary</td>
        <td>In diesem Repository (<code>WORKING/</code>)</td>
      </tr>
      <tr>
        <td><strong>B — Native Agenten-Architektur</strong></td>
        <td>Das Gedächtnis- &amp; Task-Modell des Agenten selbst (Session, Task-Tree, Audit, Memory)</td>
        <td>Im Browser des Nutzers (IndexedDB + JSON-Export)</td>
      </tr>
    </table>
    <p>
      Dasselbe Schema wird in beiden Rollen verwendet, die Instanzen bleiben getrennt. Für den Nutzer
      heißt das: Der Agent <strong>versteht AAMS von Haus aus</strong> und baut seine eigene lokale
      Wissens- und Task-Struktur exakt nach dieser Spezifikation auf.
    </p>

    <h2 id="ziel">2. Was ist das Ziel?</h2>

    <h3>2.1 Kernziel</h3>
    <p>Ein <strong>vollständig clientseitiger, autonomer Webagent</strong> mit:</p>
    <ul>
      <li>lokaler Inferenz auf der GPU (WebGPU/WebLLM) — keine Cloud für Kernprozesse (Invariante),</li>
      <li>strukturiertem, session-bezogenem Gedächtnis (AAMS-B), portierbar per JSON-Export/Import,</li>
      <li>eigener Task-Zerlegung und -Ausführung (echter Agent-Loop) mit nachvollziehbarer Audit-Spur,</li>
      <li>prüfbar, reproduzierbar und ehrlich dokumentiertem Verhalten (Benchmark-System).</li>
    </ul>

    <h3>2.2 Forschungsziele (konkret)</h3>
    <table>
      <tr><th>#</th><th>Ziel</th><th>Warum</th></tr>
      <tr>
        <td>1</td>
        <td><strong>Benchmark-System</strong> (Level L1–L10, ≤&nbsp;4&nbsp;GB-VRAM-Profil, Pass-Regel 5/5, Referenzgerät)</td>
        <td>Ohne harte, programmatisch prüfbare Messung ist jede Aussage über „Funktioniert" unbelegt</td>
      </tr>
      <tr>
        <td>2</td>
        <td><strong>Wächter-Spezialist</strong> (eigenes getuntes 0,5–1,5-B-Modell für Protokoll-Aufgaben)</td>
        <td>Der Wächter läuft permanent — seine Zuverlässigkeit hat die größte Hebelwirkung (siehe <a href="#waechter">§6</a>)</td>
      </tr>
      <tr>
        <td>3</td>
        <td><strong>Offline nach Setup</strong></td>
        <td>Ein „lokaler" Agent, der nach dem ersten Start noch Internet braucht, ist nicht souverän</td>
      </tr>
      <tr>
        <td>4</td>
        <td><strong>Gedächtnis-Portabilität</strong> (besser als JSON-Export/Import)</td>
        <td>Heute: Gedächtnis ist an Browser+Origin gebunden — anderes Gerät = leeres Gedächtnis</td>
      </tr>
      <tr>
        <td>5</td>
        <td><strong>Datei-Output</strong> (Artefakte: HTML → ZIP → docx/xlsx)</td>
        <td>Nachgewiesene Lücke: Aufgabe „6/6 erledigt", aber 0 Dateien — Ergebnisse müssen echte Dateien sein</td>
      </tr>
      <tr>
        <td>6</td>
        <td><strong>Helfer-Modelle</strong> (OCR / Übersetzung / Web-Fetch) on-demand</td>
        <td>Spezialisten nur bei Bedarf im VRAM, danach wieder frei</td>
      </tr>
    </table>

    <h3>2.3 Nicht-Ziele (bewusst)</h3>
    <ul>
      <li>Keine Cloud-Anbindung für Kernprozesse, keine automatische Cloud-Synchronisation</li>
      <li>Keine Benutzerverwaltung, kein Multi-Agent-Mesh / WebRTC (spätere, eigene Phase)</li>
      <li>Kein Generalisten-Training, kein Wettlauf mit großen Modellen</li>
      <li>Kein Produkt-Versprechen: Dies ist Forschung — der Stand kann sich ändern, die Richtung bleibt</li>
    </ul>

    <h2 id="stand">3. Wo steht das Projekt?</h2>
    <p>
      Stand: <time datetime="2026-10-17">17. Oktober 2026</time> · Prototyp (Vite + TypeScript) ·
      Lizenz: MIT · Mitarbeit willkommen (GitHub-Issues/PRs).
    </p>

    <h3>3.1 Umgesetzt</h3>
    <table>
      <tr><th>Bereich</th><th>Was kann es</th><th>Status</th></tr>
      <tr>
        <td><strong>Agent-Loop</strong></td>
        <td>Echte Zerlegung (Planer-JSON → Task-Tree) + echte Ausführung (Executor-Regel) mit echter Token-Usage und Audit-Spur (<code>llm.*</code>, <code>plan.*</code>, <code>chat.*</code>)</td>
        <td><span class="badge ok">umgesetzt</span></td>
      </tr>
      <tr>
        <td><strong>Modell-Pool</strong></td>
        <td>Wächter (Qwen2.5 0.5B, ≈945&nbsp;MB) resident + Planer (Llama-3.2 3B, ≈2,3&nbsp;GB) on-demand · Modell-Katalog ≤&nbsp;4&nbsp;GB · Laden/Entladen, Download-Fortschritt, DEGRADED-State, VRAM-Budget-Balken</td>
        <td><span class="badge ok">umgesetzt</span></td>
      </tr>
      <tr>
        <td><strong>Chat</strong></td>
        <td>Einziger Dialogkanal, Intent-gesteuert: Status · „beginne" → Ausführung · Aufgabe → Planer + automatischer Loop · Frage → Planer antwortet</td>
        <td><span class="badge ok">umgesetzt</span></td>
      </tr>
      <tr>
        <td><strong>Dashboard</strong></td>
        <td>Dunkler App-Frame (3 Spalten): Rollen-Karten, VRAM-Bar, Tabs <strong>Zuschauen</strong> (Live-Feed) / <strong>Arbeit</strong> (Task-Tree) / <strong>Audit</strong> (filterbar) / <strong>Gedächtnis</strong></td>
        <td><span class="badge ok">umgesetzt</span></td>
      </tr>
      <tr>
        <td><strong>Artefakte</strong></td>
        <td>HTML-Ergebnisse deterministisch aus <code>task.result</code> extrahiert (kein Schema-Eingriff) → Sandbox-Vorschau (ohne <code>allow-same-origin</code>) + Download + Audit</td>
        <td><span class="badge ok">umgesetzt</span></td>
      </tr>
      <tr>
        <td><strong>Gedächtnis</strong></td>
        <td>AAMS-B in IndexedDB (Session, Tasks, Audit, Memory, Knowledge) · „Neue Session" mit automatischem Safety-Export + Rollback · JSON-Export/Import (portabel, mit Schema-Prüfung)</td>
        <td><span class="badge ok">umgesetzt</span></td>
      </tr>
      <tr>
        <td><strong>KERN</strong></td>
        <td>Prototyp: Tokenwächter (Kontext-Grenzenwächter) + mechanischer Loop (simuliert) — Grundlage für die echten Loops</td>
        <td><span class="badge ok">umgesetzt</span></td>
      </tr>
      <tr>
        <td><strong>Benchmark-System</strong></td>
        <td>Fixiert als Whitepaper WH-002: Level L1–L10, ≤&nbsp;4-GB-Profil, Metriken, Pass-Regel 5/5, Reproduzierbarkeits-Protokoll, Geräterollen</td>
        <td><span class="badge ok">definiert</span> <span class="badge open">1. Testlauf offen</span></td>
      </tr>
      <tr>
        <td><strong>Live-Demo</strong></td>
        <td>Statisch gehostet (HuggingFace-Static-Space), App + Assets verifiziert</td>
        <td><span class="badge ok">live</span></td>
      </tr>
    </table>

    <h3>3.2 Noch offen</h3>
    <table>
      <tr><th>Punkt</th><th>Status</th></tr>
      <tr>
        <td>Erster Benchmark-Testlauf (L1 auf dem Referenzgerät — GTX 1050 4&nbsp;GB, Variante zu verifizieren)</td>
        <td><span class="badge open">offen — erster Schritt</span></td>
      </tr>
      <tr>
        <td>Benchmark-Seite (Szenario-Textseiten L1–L5, Start, Run-Report) + Panel „Maschine"</td>
        <td><span class="badge open">offen</span></td>
      </tr>
      <tr>
        <td>Helfer-Modelle (OCR / Übersetzung / Web-Fetch) via Transformers.js</td>
        <td><span class="badge open">offen</span></td>
      </tr>
      <tr>
        <td>Automatisierte Tests (Vitest) für Gedächtnis, Task-Queue, Modell-Pool</td>
        <td><span class="badge open">offen</span></td>
      </tr>
      <tr>
        <td>PWA / Offline-Cache für die Weights (Forschungsziel 3)</td>
        <td><span class="badge no">bewusst nicht vor Messung</span></td>
      </tr>
    </table>

    <div class="note">
      <strong>Ehrlichkeit-Hinweis:</strong> Die Weights (≈&nbsp;945&nbsp;MB Wächter / ≈&nbsp;2,3&nbsp;GB
      Planer) werden beim <em>ersten</em> Laden vom CDN heruntergeladen (Setup) — danach Browser-Cache.
      WebGPU ist eine Pflicht-Voraussetzung: Chrome/Edge. Firefox/Safari: aktuell nicht verfügbar.
    </div>

    <h2 id="forschung">4. Der Forschungsansatz</h2>

    <h3>4.1 Grundprinzipien</h3>
    <ul>
      <li><strong>Messen, nicht raten:</strong> Jede Aussage über Besserung braucht einen Benchmark-Vergleich. Keine erfundenen Messwerte.</li>
      <li><strong>Hard DoD:</strong> Erfolg ist ein hartes, programmatisch geprüftes 0/1 (z.&nbsp;B. valide JSON ohne Retry), keine „klingt plausibel".</li>
      <li><strong>Strikte Train/Test-Trennung:</strong> Auf dem Benchmark trainiert wurde, misst nichts. Test-Szenarien sind zurückgehalten.</li>
      <li><strong>Nur geprüfte Daten:</strong> Programmatisch verifizierte Ergebnisse gelten als Beleg — kein Modell bewertet sich selbst.</li>
      <li><strong>Ehrliche Grenzen:</strong> Grenzen werden benannt (VRAM, Kontext, Browser), nie still verschwiegen. Ein „nicht möglich" ist ein gültiges Ergebnis.</li>
      <li><strong>Abbruchkriterien:</strong> Jeder Forschungsplan hat Stufen mit klaren Abbruch-Bedingungen — auch Abbruch wird dokumentiert.</li>
      <li><strong>Reproduzierbarkeit:</strong> Commit-Hash, Modell-Revision, Seed, Tool-Versionen werden festgehalten.</li>
      <li><strong>Lizenz zuerst:</strong> Basismodelle, Lehrermodelle und Quellen werden vor Nutzung geprüft.</li>
    </ul>

    <h3>4.2 Doku-Kette (AAMS-Dev-Prozess, Rolle A)</h3>
    <p>
      Der Entwicklungsprozess ist selbst Teil des Experiments: Jede Arbeits-Einheit startet mit einem
      <strong>Workpaper</strong> (offen, mit Autor:in und Auftrag), stabil gewordene Wahrheiten steigen in
      ein <strong>Whitepaper</strong> auf (mit Decision Records — nachvollziehbare Entscheidungen mit
      Begründung und Alternativen), und Langzeit-Kontext wird in einem <strong>LTM-Index</strong>
      geführt. Die Kette wird nicht übersprungen: Workpaper → Whitepaper → LTM. Das komplette Repo
      (<code>WORKING/</code>) ist offen einsehbar — man kann also sehen, <em>wie</em> das Projekt entsteht.
    </p>

    <h3>4.3 Benchmark-Protokoll (WH-002, Auszug)</h3>
    <p>
      Das Benchmark-System definiert eine stabile Level-Achse — die Anzahl der Teilaufgaben und der
      Charakter steigen mit dem Level:
    </p>
    <table>
      <tr><th>Level</th><th>Teilaufgaben</th><th>Charakter</th></tr>
      <tr><td>L1</td><td>1</td><td>einfache Aufgabe, keine Zerlegung</td></tr>
      <tr><td>L2</td><td>2</td><td>minimale Zerlegung</td></tr>
      <tr><td>L3</td><td>3</td><td>Standard-Zerlegung</td></tr>
      <tr><td>L4</td><td>4</td><td>ein Zwischenergebnis fließt in Teilaufgabe 4 ein</td></tr>
      <tr><td>L5</td><td>5</td><td>Zwischenergebnisse + finales Artefakt</td></tr>
      <tr><td>L6–L9</td><td>6–9</td><td>Skizze — bei Bedarf ausformulieren</td></tr>
      <tr><td>L10</td><td>~10</td><td>kleine App: planen + bauen + HTML-Übersicht (Kern-Proof)</td></tr>
    </table>
    <p>VRAM-Budget im ≤&nbsp;4-GB-Profil (Ground-Truth: WebLLM-Lib-Metadaten):</p>
    <table>
      <tr><th>Kombination</th><th>VRAM (≈)</th><th>Passt in ≤ 4096 MB?</th></tr>
      <tr><td>Wächter Qwen2.5-0.5B allein</td><td>944,62 MB</td><td><span class="badge ok">✅ ~3,1 GB Reserve</span></td></tr>
      <tr><td>Wächter + Planer Llama-3.2-3B</td><td>3208,31 MB</td><td><span class="badge open">⚠ ~0,8 GB Reserve (beobachten!)</span></td></tr>
      <tr><td>Wächter + Fallback Qwen2.5-1.5B</td><td>2574,37 MB</td><td><span class="badge ok">✅ ~1,5 GB Reserve</span></td></tr>
      <tr><td>7B-Modelle</td><td>&gt; 5100 MB</td><td><span class="badge no">❌ außerhalb des Zielprofils</span></td></tr>
    </table>
    <p>
      Gemessen wird pro Lauf (automatisch in das Gedächtnis geloggt): harter DoD (0/1), Score (0–3),
      geplante Teilaufgaben, echte Token-Usage (Prompt/Completion/Total), Zeit, VRAM (geladen + OOM-Events),
      Flush-Zyklen und <strong>KERN-Integrität</strong> (nichts nach einem Kontext-Flush verloren —
      Invariante). Pass-Regel: <strong>5/5</strong> — und „bewiesen" gilt nur auf dem
      <strong>Referenzgerät</strong> (GTX 1050 4&nbsp;GB, Variante zu verifizieren), nicht auf dem
      Dev-Gerät (RTX 5090). WebGPU-Determinismus ist nicht garantiert → Läufe werden mehrfach wiederholt
      und die Streuung angegeben.
    </p>

    <h3>4.4 Offene Forschungsfragen (Auswahl)</h3>
    <table>
      <tr><th>#</th><th>Frage</th><th>Status</th></tr>
      <tr><td>1</td><td>Offline nach Setup: Was darf der Service Worker zuverlässig cachen? App-Shell ja; Weights (1–2,5&nbsp;GB) → Quota-/CacheStorage-Verhalten je Browser <em>messen</em></td><td><span class="badge open">offen</span></td></tr>
      <tr><td>2</td><td>AAMS-B &amp; Origin: Gedächtnis ist an Browser+Origin gebunden — reicht JSON-Export/Import, oder brauchen wir eine Brücke (OPFS + File-System-Access)?</td><td><span class="badge open">offen</span></td></tr>
      <tr><td>3</td><td>WebGPU-Verfügbarkeit: Welche Browser/Devices können es (Chrome/Edge ja; Firefox/Safari zu prüfen)? Capability-Check + saubere Meldung im UI</td><td><span class="badge open">offen</span></td></tr>
      <tr><td>4</td><td>Modell-Updates: Wie versionieren wir Weights (Revision pro Modell), wie veralten Caches, wie migrieren Nutzer?</td><td><span class="badge open">offen</span></td></tr>
      <tr><td>5</td><td>Browser-Extension (Web-Zugriff-Brücke): sinnvoll nur am selben Gerät — wie verteilen/aktualisieren?</td><td><span class="badge open">offen</span></td></tr>
      <tr><td>6</td><td>Sicherheit/Hosting: CSP-Header, keine Secrets in der App, Web-Zugriff nur über geprüfte Brücke (untrusted-Daten-Regel)</td><td><span class="badge open">offen</span></td></tr>
    </table>

    <h3>4.5 Erweiterungs-Proposal (V1–V5, geprüft)</h3>
    <table>
      <tr><th>#</th><th>Vorschlag</th><th>Prüfergebnis</th></tr>
      <tr><td>V1</td><td>OPFS (Origin Private File System) für größere Kapazität</td><td><span class="badge ok">✅ machbar</span></td></tr>
      <tr><td>V2</td><td>Browser-Extension als Web-Zugriff-Brücke (untrusted-Daten-Regel)</td><td><span class="badge ok">✅ optional, zuletzt</span></td></tr>
      <tr><td>V3</td><td>Pyodide (Python in der Browser-Sandbox)</td><td><span class="badge ok">✅ erst nach 5/5-Proof</span></td></tr>
      <tr><td>V4</td><td>Artefakte: Ergebnisse als echte Dateien</td><td><span class="badge ok">✅ Schritt 1 (HTML) umgesetzt, ZIP folgt</span></td></tr>
      <tr><td>V5</td><td>„Hermes-lite" im Pool</td><td><span class="badge open">1–4 ja / 5.5 abgelehnt</span> (kein passendes Modell ≤&nbsp;4&nbsp;GB im Katalog)</td></tr>
    </table>
    <p>Vorgeschlagene Reihenfolge: V4 → V1 → V5 → V3 → V2 — jede Stufe erst nach menschlicher Freigabe.</p>

    <h2 id="probleme">5. Offene Probleme — was es zu lösen gilt</h2>
    <p>
      Diese Liste ist <strong>bewusst gesondert</strong>: Hier stehen die Probleme, die wir kennen und die
      es in Zukunft zu lösen gilt. Bei jedem Punkt steht, <em>warum</em> er wichtig ist und <em>in welche
      Richtung</em> wir nach besseren Wegen und besseren Lösungen suchen. Die aktuelle Lösung ist bei
      keinem Punkt als final zu verstehen — genau das ist der Punkt der Forschung.
    </p>
    <table>
      <tr><th style="width:26%">Problem</th><th>Warum es wichtig ist</th><th>Bessere Wege / was wir suchen</th></tr>
      <tr>
        <td><strong>P1 · Offline nach Setup</strong></td>
        <td>Ein „lokaler" Agent, der nach dem ersten Start noch Internet braucht, ist nicht souverän. Weights (≈3&nbsp;GB) + Cache-Quota sind je Browser unbekannt</td>
        <td>Zuverlässige Cache-Strategie messen (Service Worker, CacheStorage vs. OPFS), selbst gehostete Weights, Update-/Versions-Strategie — pro Browser messen, nicht raten</td>
      </tr>
      <tr>
        <td><strong>P2 · Gedächtnis an Browser+Origin gebunden</strong></td>
        <td>Anderes Gerät oder Browser = leeres Gedächtnis. Heute gibt es nur JSON-Export/Import (manuell)</td>
        <td>Bessere Portabilität: OPFS + File-System-Access-API, lokale Synchronisations-Konzepte, bessere Import-/Merge-UX — ohne Cloud (Invariante bleibt)</td>
      </tr>
      <tr>
        <td><strong>P3 · WebGPU-Verfügbarkeit</strong></td>
        <td>Chrome/Edge ja, Firefox/Safari nein — ein Teil der Nutzer kann das Projekt nicht nutzen</td>
        <td>Besserer Capability-Check + ehrliche Meldung im UI; langfristig: Alternativen prüfen (WASM-Runtimes, andere Backends) — als eigene Studie, nicht als Stillstand</td>
      </tr>
      <tr>
        <td><strong>P4 · Modell-Updates &amp; Caches</strong></td>
        <td>Neue Quantisierungen/Revisionen: Wie veralten Caches? Wie kommen Nutzer zu besseren Modellen, ohne zu verlieren?</td>
        <td>Revisionssystem pro Modell, saubere Cache-Invalidation, Migrations-Pfad — Teil des Benchmark-Protokolls (Reproduzierbarkeit)</td>
      </tr>
      <tr>
        <td><strong>P5 · Kontextfenster (4096 Tokens)</strong></td>
        <td>Für größere Aufgaben zu klein; der Tokenwächter muss Kontext flushen — dabei darf nichts verloren gehen (Invariante)</td>
        <td>Progressive Disclosure (nur benötigte Kontext-Schnitte), bessere Memory-Kompression/Reflexion, längere Kontexte nur, wenn das VRAM-Profil es hergibt</td>
      </tr>
      <tr>
        <td><strong>P6 · Datei-Output</strong></td>
        <td>Nachgewiesene Lücke: eine Website-Aufgabe lief „6/6 erledigt" — aber 0 Dateien. Ein Agent ohne echte Dateien ist unvollständig</td>
        <td>Artefakt-Pipeline (V4): HTML (fertig) → ZIP/mehrdateiig → docx/xlsx; File-System-Access für direkten Speicherort-Wunsch</td>
      </tr>
      <tr>
        <td><strong>P7 · Reproduzierbarkeit auf WebGPU</strong></td>
        <td>Inferenz ist nicht deterministisch garantiert — Benchmark-Ergebnisse sind nur im Rahmen der Streuung vergleichbar</td>
        <td>Besseres Protokoll: mehr Läufe, fixierte Seeds wo möglich, Spannweite ausweisen, „bewiesen" nur auf dem Referenzgerät</td>
      </tr>
      <tr>
        <td><strong>P8 · VRAM auf kleinen GPUs</strong></td>
        <td>Wächter + Planer lassen im 4-GB-Profil nur ≈0,8&nbsp;GB Reserve — enger als gedacht</td>
        <td>Besseres VRAM-Budget mit Systemreserve, Quantisierungs-Wahl via Capability-Gate (<code>shader-f16</code> → q4f16_1, sonst q4f32_1), Fallback-Pfade</td>
      </tr>
      <tr>
        <td><strong>P9 · Training: Daten &amp; Qualität</strong></td>
        <td>Für den Wächter-Spezialisten: Daten-Leckage, Lehrer-Fehler, Lizenzen, Quantisierungs-Verlust — alles kann den Tuning-Nutzen aufzehren</td>
        <td>Strikter Split, nur programmatisch geprüfte Daten, lizenzkonforme Lehrermodelle, Vor-/Nach-Messung des Exports (Details in <a href="#waechter">§6</a>)</td>
      </tr>
      <tr>
        <td><strong>P10 · Distribution &amp; Sicherheit</strong></td>
        <td>Hosting (CSP, Model-CDN) und die Web-Zugriff-Brücke (Extension) müssen sicher bleiben, ohne die Invariante „keine Secrets in der App" zu brechen</td>
        <td>Besseres Hosting-Setup (ggf. selbst gehostetes Weights-CDN), untrusted-Daten-Regel für alles Webseitige, saubere Capability-Grenzen</td>
      </tr>
    </table>
    <div class="warnbox">
      <strong>Meta-Regel:</strong> Diese Liste ist lebendig. Ein Problem, das gelöst ist, wandert mit Beleg
      (Benchmark/Decision Record) in ein Whitepaper — und verschwindet von dieser Liste. Ein Problem, das
      widerlegt wird (z.&nbsp;B. „Training lohnt sich nicht"), ist ein <em>gültiges</em> Ergebnis und wird
      ebenfalls dokumentiert.
    </div>

    <h2 id="waechter">6. Ein eigenes Modell für den Wächter</h2>
    <p>
      Der Wächter ist die permanent geladene Instanz des Agenten (≈945&nbsp;MB, resident). Er führt die
      engen <strong>Protokoll-Aufgaben</strong> aus: Planer-JSON im festen Schema, Tool-Aufruf-JSON,
      Skill-Routing und Memory-Zusammenfassungen. Genau deshalb ist er der interessanteste Kandidat für ein
      <strong>eigenes, getuntes Modell</strong>.
    </p>

    <h3>6.1 Der Ansatz</h3>
    <ul>
      <li>Ein schmales Modell (<strong>0,5–1,5&nbsp;B</strong>), zugeschnitten auf die Protokoll-Aufgaben, das im ≤&nbsp;4-GB-VRAM-Profil läuft.</li>
      <li><strong>Hypothese:</strong> Ein getunter Spezialist ist in diesen engen, prüfbaren Aufgaben <em>zuverlässiger</em> als das ungetunte Basismodell — bei gleicher Größe. Er ist ausdrücklich <strong>kein</strong> Generalist.</li>
      <li>Stufenplan mit Abbruchkriterien (0–5), jede Stufe endet mit ehrlicher Auswertung — auch bei Abbruch:</li>
    </ul>
    <table>
      <tr><th>Stufe</th><th>Inhalt</th><th>Abbruch / Weiter</th></tr>
      <tr><td><strong>0</strong></td><td>Datenerfassung: jeder Lauf loggt Prompts, Antworten, Prüf-Ergebnisse, Versionen als JSONL (kein Training)</td><td>Weiter, sobald Format stabil</td></tr>
      <tr><td><strong>1</strong></td><td><strong>Baseline ohne Training:</strong> Prompt-Optimierung + schemabasierte JSON-Ausgabe</td><td><strong>Wenn die Baseline schon ≥ Zielwert → Training überflüssig, Stufen 2+ streichen</strong></td></tr>
      <tr><td><strong>2</strong></td><td>Datensatz-Aufbau: Lehrermodell + Filter, strikter Train/Val/Test-Split, Dubletten-Check</td><td>Weiter bei genügend geprüften Beispielen je Task</td></tr>
      <tr><td><strong>3</strong></td><td>Erstes Tuning (LoRA/QLoRA) auf 0,5&nbsp;B, ggf. 1,5&nbsp;B</td><td>Abbruch, wenn Val-Metriken nicht besser als Baseline</td></tr>
      <tr><td><strong>4</strong></td><td>Export für WebGPU: Adapter zusammenführen, quantisieren, kompilieren, in WebLLM laden</td><td>Abbruch, wenn Export Qualität oder VRAM-Profil bricht</td></tr>
      <tr><td><strong>5</strong></td><td>Benchmark-Vergleich Base vs. Tuned im selben Protokoll (WH-002)</td><td>Entscheidung über Aufnahme in den Pool (Decision Record)</td></tr>
    </table>
    <p>
      Messgrößen (Base vs. Tuned, identische Bedingungen): Schema-Validität ohne Retry, Tool-Wahl und
      Parameter korrekt, Retry-Rate, harter DoD-Erfolg, Token/Zeit pro Aufgabe, VRAM-Spitze — und
      Test-Set-Leistung <em>getrennt</em> von Val-Leistung, damit Überanpassung sichtbar bleibt.
      „Besser" heißt: Verbesserung <strong>außerhalb der Streuung</strong> auf dem Test-Split.
    </p>

    <h3>6.2 Sinnhaftigkeit &amp; erwarteter Nutzen</h3>
    <ul>
      <li><strong>Höhere Zuverlässigkeit genau dort, wo sie am meisten zählt:</strong> Der Wächter läuft permanent und ist die „Stimme" des Agenten. Wenn er Planer-JSON und Tool-Aufrufe ohne Retry sauber erzeugt, wird der gesamte Loop stabiler.</li>
      <li><strong>Weniger Retry = weniger Latenz und weniger Token:</strong> Jede vermiedene Wiederholung spart Zeit und VRAM-Druck — im 4-GB-Profil ein reales Budget.</li>
      <li><strong>Prüfbar und begrenzt:</strong> Die Aufgaben sind eng und programmatisch prüfbar (Schema, DoD). Das macht den Nutzen messbar — im Gegensatz zu vagen „bessere Antworten".</li>
      <li><strong>Ehrliche Einordnung:</strong> Ein getunter Wächter wird nicht als „intelligent" beschrieben, sondern als „zuverlässig im Protokoll". Er ersetzt keinen Generalisten — er entlastet ihn.</li>
    </ul>

    <h3>6.3 Die Probleme (bewusst sichtbar)</h3>
    <table>
      <tr><th>Problem</th><th>Gegenmaßnahme / wie wir es prüfen</th></tr>
      <tr><td>Daten-Leckage / Auswendiglernen des Benchmarks</td><td>Strikter Split: Test-Szenarien <em>nie</em> im Training; Dubletten-Check; zurückgehaltene Zusatz-Szenarien</td></tr>
      <tr><td>Lehrer-Fehler im Trainingssatz</td><td>Nur programmatisch geprüfte Beispiele (Schema + DoD) — kein Modell bewertet sich selbst</td></tr>
      <tr><td>Überanpassung auf das Protokoll, Verlust von Allgemeinwissen</td><td>Aufgabe bewusst eng halten; Generalisten-Leistung wird nicht versprochen (Leitplanke T7)</td></tr>
      <tr><td>Quantisierung/Export bricht die Qualität</td><td>Stufe 4 misst vor/nach Export; Abbruchkriterium, wenn das VRAM-Profil oder die Qualität bricht</td></tr>
      <tr><td>Lizenzen (Basismodell + Lehrermodell)</td><td>Vor Stufe 2 abschließen: Lizenzen selbst lesen, dokumentieren, abgeleitete Modelle prüfen</td></tr>
      <tr><td>„Moving Target": Der Agent verändert sich laufend</td><td>Commit-Hash, Tool-Registry- und Skill-Version in jedem Datensatz festgehalten</td></tr>
      <tr><td>Aufwand unterschätzt</td><td>Abbruchkriterien pro Stufe — und Stufe 1 kann den ganzen Plan beenden („Baseline reicht schon")</td></tr>
    </table>

    <div class="note">
      <strong>Status:</strong> Der Plan ist als Research-Plan verfasst (WP-TRAIN-PLAN) und steht zur
      Prüfung bereit. Stufe 0 (Datenerfassung) ist noch nicht umgesetzt; jede Stufe beginnt erst nach
      menschlicher Freigabe. Es wird nicht trainiert, bevor die Baseline gemessen ist.
    </div>

    <h2 id="links">7. Links</h2>
    <ul>
      <li><strong>App (Demo):</strong> <a href="./index.html">Diese App</a> · Space: <a href="https://huggingface.co/spaces/ogerl/webgpu-agent">huggingface.co/spaces/ogerl/webgpu-agent</a></li>
      <li><strong>Code (MIT):</strong> <a href="https://github.com/ogerly/webgpu-agent">github.com/ogerly/webgpu-agent</a> — inkl. vollständiger Doku-Kette (<code>WORKING/</code>)</li>
      <li><strong>Projekt-Vision (Whitepaper-Quelle):</strong> <code>idee.md</code> im Repository</li>
      <li><strong>Beispiel-Projekte des Autors:</strong> <a href="https://github.com/ogerly/AAMS">AAMS</a> · <a href="https://github.com/ogerly/webgpu-arena">webgpu-arena</a></li>
      <li><strong>Mitarbeit:</strong> Feedback, Issues und Pull Requests sind willkommen — siehe README des Repositories.</li>
    </ul>
  </main>

  <script>
    // Anker-Navigation (WP-APP-DOKU): Ziel-Sektion sanft einscrollen + kurz hervorheben,
    // wenn die Seite mit Anker geöffnet wird (Deep-Link aus App/Chat/Foren).
    (function () {
      const id = window.location.hash.slice(1);
      if (!id) return;
      const el = document.getElementById(id);
      if (!el) return;
      requestAnimationFrame(function () {
        el.scrollIntoView({ behavior: "smooth", block: "start" });
        el.classList.add("hl");
        setTimeout(function () { el.classList.remove("hl"); }, 1800);
      });
    })();
  </script>
</body>
</html>