MirrorMind: KI-Wissenschaftler nutzen Expertenwissen und kollektives Wissen

Die neueste Veröffentlichung auf arXiv (2511.16997v1) stellt MirrorMind vor – eine hierarchische kognitive Architektur, die KI-Wissenschaftlern ermöglicht, sowohl individuelle Expertise als auch das kollektive Wissen der wissenschaftlichen Gemeinschaft zu nutzen. Während bisherige KI-Modelle die Forschung als isolierten Optimierungsprozess betrachten, betont MirrorMind, dass wissenschaftliches Erkenntnisgewinnung ein sozialer und historischer Prozess ist.

MirrorMind gliedert sich in drei Ebenen: Auf der Individual‑Ebene werden hochpräzise kognitive Modelle einzelner Forscher erstellt, die episodische, semantische und Persönlichkeits‑Daten erfassen. Die Domain‑Ebene strukturiert das kollektive Wissen in disziplinären Konzeptgraphen, während die Interdisziplinäre Ebene als orthogonaler Orchestrierungs‑Engine fungiert. Durch die Trennung von Speicher und agentischer Ausführung können KI‑Agenten flexibel auf persönliche Perspektiven oder auf das kollektive Netzwerk zugreifen.

Die Autoren haben MirrorMind in vier umfassenden Aufgaben getestet, die von Autoren‑Level‑Kognition bis hin zu interdisziplinären Forschungsfragen reichen. Die Ergebnisse zeigen, dass die Architektur die Leistungsfähigkeit von KI‑Wissenschaftlern deutlich steigert und die Lücke zwischen individueller Expertise und kollektivem Wissen schließt.