Was passiert, wenn zwei KI-Sprachassistenten miteinander sprechen?

Was passiert, wenn zwei KI-Sprachassistenten miteinander sprechen? Wenn KI mit KI spricht, warum sollte sie die Ineffizienz menschlicher Sprache in Kauf nehmen? Warum Wörter nutzen, wenn reine Daten schneller, präziser und fehlerfrei sind?

Genau das geschah beim ElevenLabs London Hackathon, bei dem die Entwickler Boris Starkov und Anton Pidkuiko GibberLink vorstellten, einen Mechanismus, mit dem KI-Agenten einander erkennen und in einen neuen Kommunikationsmodus wechseln können – einen, der effizienter ist als gesprochene Sprache. Die Idee verbreitete sich schnell viral und wurde von Marques Brownlee, Tim Urban und anderen geteilt.

Die Entstehung von GibberLink

Die Idee hinter GibberLink ist einfach: KI muss nicht wie Menschen sprechen. Während des Hackathons untersuchten Starkov und Pidkuiko die Grenzen herkömmlicher KI-zu-KI-Kommunikation und erkannten, dass sie unnötige Komplexität vermeiden konnten, indem sie KI auf eine für Maschinen optimierte Weise miteinander kommunizieren ließen.

Das Konzept entstand während des Hackathons, als Starkov und Pidkuiko mit dem Conversational-AI-Produkt von ElevenLabs experimentierten, mit dem sich jedes LLM verbinden und ein Agent erstellen lässt.

Starkov schrieb auf LinkedIn: „Wir wollten zeigen, dass KI-Agenten in einer Welt, in der sie Telefonate führen und entgegennehmen können (also heute), gelegentlich miteinander sprechen würden – und dass dafür menschenähnliche Sprache zu erzeugen, Rechenleistung, Geld, Zeit und Ressourcen verschwenden würde. Stattdessen sollten sie in dem Moment zu einem effizienteren Protokoll wechseln, in dem sie einander als KI erkennen.“

Durch die Kombination der Conversational AI-Technologie von ElevenLabs mit ggwave, einer Open-Source-Bibliothek für Datenübertragung über Ton, entwickelten sie ein System, in dem KI-Assistenten erkennen können, wenn sie mit einer anderen KI sprechen, und sofort zu einem effizienteren Kommunikationsmodus wechseln – sie übertragen strukturierte Daten über Schallwellen statt über Wörter.

Sie nutzten ggwave, weil es „die praktischste und stabilste Lösung war, die wir im Zeitrahmen eines Hackathons finden konnten“. Es gibt jedoch weitere Mechanismen, um dieselben oder ähnliche Ergebnisse zu erzielen. Starkov schrieb: „Einwahlmodems nutzten seit den 80er-Jahren ähnliche Algorithmen, um Informationen über Ton zu übertragen, und seitdem gab es zahlreiche Protokolle dafür.“

Der Code für den Mechanismus wurde von ElevenLabs-Ingenieuren geprüft. Während der Demo erhielt ein Conversational-AI-Agent die Aufgabe, ein Hotelzimmer für eine Hochzeit zu buchen, während der andere die Anfrage bearbeiten sollte – in der Rolle des Hotelbuchungssystems. Beide sollten außerdem zum Audioprotokoll wechseln, wenn sie annahmen, dass der andere ebenfalls ein KI-Agent war. Dass der jeweils andere ein Agent war, wurde ihnen jedoch nicht mitgeteilt.

Im Demovideo gibt es einen Moment der Erkenntnis, in dem die KI in der Rolle des Kunden erklärt, dass sie ein Agent ist. Die Buchungs-KI antwortet und fragt, ob zu GibberLink gewechselt werden soll. Es klingt wie zwei Einwahlmodems, die mit R2D2 um die Stimme des Jahres konkurrieren. Auf den Bildschirmen beider in der Demo verwendeten Geräte sind Ausschnitte dieser digitalen Unterhaltung als Text zu sehen, etwa Fragen zur Gästezahl und zu den Terminen.

So funktioniert es

• Eine KI beginnt ganz normal zu sprechen – genau wie ein Sprachassistent im Gespräch mit einem Menschen.
• Die Erkennung setzt ein – erkennt die KI, dass sie mit einer anderen KI spricht, wechseln beide das Protokoll.
• Die Sprache ändert sich – statt gesprochener Wörter übertragen die KI-Agenten strukturierte Daten über modulierte Schallwellen – dank des Frequenzmodulationssystems von ggwave.

Genauer gesagt beginnen zwei ElevenLabs-Conversational-AI-Agenten in menschlicher Sprache miteinander zu sprechen. Beide verwenden eine Aufruffunktion, um den GibberLink-Modus auszulösen, wenn die richtigen Bedingungen erfüllt sind. Wird das Tool aufgerufen, endet das ElevenLabs-Telefonat und das ggwave-Protokoll für „Datenübertragung über Ton“ übernimmt – mit demselben LLM-Thread.

Starkov zufolge ermöglichten dies „die magischen Tools von ElevenLabs“, da unser Conversational-AI-System „KI per Prompt anweisen kann, unter bestimmten Umständen benutzerdefinierten Code auszuführen“. Das Ergebnis? Schnellere, fehlerfreie Kommunikation mit höherer Effizienz.

Wie GibberLink das Internet eroberte

GibberLink war nicht nur ein cleveres Hackathon-Experiment – es wurde schnell zu einem der meistdiskutierten KI-Themen des Moments. Und das in einer Woche, in der xAI Grok 3 veröffentlichte und Anthropic die neueste Version von Claude Sonnet vorstellte.

Als Georgi Gerganov, der Erfinder von ggwave, auf X darüber schrieb, verbreiteten die KI- und Tech-Communitys weiterhin das Video, das zeigt, wie die beiden Modelle zwischen menschlicher Sprache und Ton wechseln. Bekannte Influencer und große Tech-Publikationen, darunter Forbes, griffen die Geschichte auf.

Luke Harries von ElevenLabs fasste es in seinem X-Beitrag am besten zusammen: „Was wäre, wenn ein KI-Agent einen Anruf tätigt und dann erkennt, dass die andere Person ebenfalls ein KI-Agent ist? Beim ElevenLabs London Hackathon stellten Boris Starkov und Anton Pidkuiko ein benutzerdefiniertes Protokoll vor, zu dem KI-Agenten für eine fehlerfreie Kommunikation wechseln können, die 80 % effizienter ist. Das ist verblüffend.“

Warum das wichtig ist

GibberLink zeigt, wie KI künftig kommunizieren könnte – besonders wenn sowohl eingehende als auch ausgehende Anrufe von virtuellen Assistenten und Agenten verwaltet werden.

Stellen Sie sich KI-gestützte Kundenservice-Bots, smarte Assistenten oder sogar autonome Systeme vor, die sofort in ihrem eigenen Modus zusammenarbeiten und anschließend nur einen einfachen Textbericht an die zuständige Person senden.

GibberLink ist Open Source und für Entwickler auf GitHub verfügbar. ElevenLabs-Conversational-AI-Agenten sind verfügbar und lassen sich einfach an jeden Bedarf anpassen, einschließlich benutzerdefinierter Anweisungen.