Verifier
Ein Verifier ist ein Programm oder ein zweites KI-Modell, das die Antwort einer KI überprüft und bewertet, ob sie richtig ist. Er urteilt nur über Lösungen, statt selbst welche zu erfinden — und macht KI-Systeme dadurch zuverlässiger.
Ein Verifier ist ein Prüfer. Er bekommt eine Aufgabe und eine vorgeschlagene Lösung und sagt, ob die Lösung stimmt. Die Lösung stammt meist von einem KI-Programm, das Texte oder Code erzeugt. Der Verifier selbst denkt sich nichts aus, er urteilt nur. Das kann ein festes Programm sein, etwa ein Taschenrechner oder ein Testlauf für Programmcode. Es kann aber auch ein zweites KI-Modell sein, das eigens dafür trainiert wurde, Fehler zu erkennen.
Warum Prüfen leichter ist als Lösen
Hinter dem Verifier steckt eine einfache Beobachtung: Eine Lösung zu finden ist oft schwer, sie zu kontrollieren dagegen leicht. Ein Sudoku zu lösen kann eine halbe Stunde dauern. Zu prüfen, ob ein ausgefülltes Sudoku korrekt ist, dauert eine Minute. Diese Lücke lässt sich ausnutzen. Man lässt die KI viele Lösungen erzeugen und wählt mit dem Prüfer die beste aus.
Das ist wichtig, weil Sprachmodelle sich manchmal Dinge ausdenken, die überzeugend klingen, aber falsch sind. Fachleute nennen das Halluzination. Ein Modell ohne Kontrolle merkt seinen eigenen Fehler nicht. Ein Verifier merkt ihn, zumindest oft. Damit wird aus einem System, das plausibel klingt, ein System, das man ernsthaft einsetzen kann.
Besonders deutlich wird der Nutzen bei Mathematik und Programmieren. Dort gibt es ein eindeutiges Richtig und Falsch. Bei einer Gedichtinterpretation ist das anders — was gut ist, hängt vom Geschmack ab. Deshalb funktionieren Verifier in manchen Bereichen sehr gut und in anderen kaum.
Vom Vorschlag zur geprüften Antwort
Der häufigste Ablauf heißt Best-of-n. Das Modell erzeugt zum Beispiel 64 verschiedene Antworten auf dieselbe Frage. Der Verifier vergibt für jede eine Punktzahl. Die Antwort mit der höchsten Punktzahl wird ausgegeben, der Rest verworfen. Dass das funktioniert, liegt an der Statistik: Unter 64 Versuchen ist die richtige Lösung meistens dabei, auch wenn ein einzelner Versuch oft danebengeht.
Man unterscheidet zwei Bauarten. Ein harter Verifier prüft mechanisch und irrt sich nie: Der Code wird ausgeführt, entweder die Tests laufen durch oder nicht. Ein weicher Verifier ist selbst ein trainiertes Modell und schätzt nur, wie wahrscheinlich eine Antwort korrekt ist. Er ist flexibler, kann sich aber täuschen. Manche Systeme prüfen dabei nicht nur das Endergebnis, sondern jeden Rechenschritt einzeln.
Verifier werden außerdem beim Training eingesetzt. Sie liefern das Signal, an dem sich das Hauptmodell verbessert: richtige Lösungen werden belohnt, falsche nicht. Ein bekanntes Risiko dabei heißt Reward Hacking. Das Modell lernt dann, den Prüfer zu überlisten, statt die Aufgabe wirklich zu lösen — etwa indem es Code schreibt, der genau die Testfälle besteht, sonst aber unbrauchbar ist.
Verifier in heutigen KI-Produkten
Wenn ein Chatbot bei einer Rechenaufgabe kurz Python-Code schreibt und ausführt, arbeitet dort im Grunde ein Verifier. Das Ergebnis der Rechnung ist objektiv überprüfbar, das erratene Ergebnis wäre es nicht. Ähnlich funktionieren Programmierassistenten, die ihren Vorschlag automatisch gegen bestehende Tests laufen lassen, bevor sie ihn anzeigen.
In Nachrichten über KI taucht der Begriff meist im Zusammenhang mit sogenannten Reasoning-Modellen auf, also Modellen, die vor der Antwort längere Zwischenschritte rechnen. Ein Großteil ihrer Fortschritte bei Mathematik-Wettbewerben beruht darauf, dass ihr Training überprüfbare Aufgaben nutzt. Fachleute sagen deshalb, KI werde dort besonders schnell besser, wo es gute Verifier gibt.
Genau daraus folgt auch die Grenze. Für Steuerberatung, medizinische Einschätzungen oder journalistische Texte existiert kein automatischer Prüfer. Dort bleibt der Mensch der Verifier. Wer über KI-Fortschritt liest, kann sich deshalb immer eine Frage stellen: Lässt sich in diesem Bereich überhaupt maschinell feststellen, ob die Antwort stimmt?