Was passiert, wenn zwei KI-Sprachassistenten miteinander sprechen?

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

Genau das geschah beim ElevenLabs London Hackathon, als die Entwickler Boris Starkov und Anton Pidkuiko GibberLink vorstellten: einen Mechanismus, mit dem KI-Agenten einander erkennen und in einen neuen Kommunikationsmodus wechseln können – effizienter als gesprochene Sprache. Die Idee ging schnell viral und wurde unter anderem von Marques Brownlee und Tim Urban 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 klassischer KI-zu-KI-Kommunikation und erkannten, dass sich unnötige Komplexität vermeiden lässt, wenn KI auf eine für Maschinen optimierte Weise miteinander kommuniziert.

Das Konzept entstand beim Hackathon, als Starkov und Pidkuiko mit dem Conversational-AI-Produkt von ElevenLabs experimentierten, mit dem Sie jedes LLM verbinden und einen Agenten erstellen können.

Starkov schrieb auf LinkedIn: „Wir wollten zeigen, dass KI-Agenten in einer Welt, in der sie Telefonanrufe tätigen und entgegennehmen können (also heute), gelegentlich miteinander sprechen würden – und dafür menschenähnliche Sprache zu erzeugen, wäre eine Verschwendung von Rechenleistung, Geld, Zeit und Ressourcen. 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 per Sound, entwickelten sie ein System, in dem KI-Assistenten erkennen können, ob sie mit einer anderen KI sprechen, und sofort in einen effizienteren Kommunikationsmodus wechseln. Dabei übertragen sie strukturierte Daten über Schallwellen statt über Wörter.

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

Der Code des Mechanismus wurde von ElevenLabs-Ingenieuren geprüft. In der Demo erhielt ein Conversational-AI-Agent die Aufgabe, ein Hotelzimmer für eine Hochzeit zu buchen, während der andere die Anfrage bearbeiten sollte und das Hotelbuchungssystem spielte. Beide sollten außerdem zu einem Sound-Protokoll wechseln, falls sie glaubten, dass ihr Gegenüber ebenfalls ein KI-Agent war. Sie wussten jedoch nicht, dass der andere ein Agent war.

Im Demovideo gibt es einen Moment, in dem die KI in der Rolle des Kunden erklärt, dass sie ein Agent ist. Die Buchungs-KI antwortet und fragt, ob sie zu Gibberlink wechseln sollen. Es klingt wie zwei Einwahlmodems im Wettbewerb mit R2D2 um die Stimme des Jahres. Auf den Bildschirmen der in der Demo verwendeten Geräte sehen Sie Textausschnitte dieser digitalen Unterhaltung, etwa Fragen zur Gästezahl und zu den Terminen.

So funktioniert es

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

Genauer gesagt beginnen zwei ElevenLabs-Conversational-AI-Agenten in menschlicher Sprache zu sprechen. Beide nutzen eine Aufruffunktion, um den Gibberlink-Modus auszulösen, wenn die richtigen Bedingungen erfüllt sind. Wird das Tool aufgerufen, endet der ElevenLabs-Anruf und das ggwave-Protokoll für „Daten über Sound“ übernimmt – mit demselben LLM-Thread.

Starkov zufolge war es „die Magie der Tools von ElevenLabs“, die dies möglich machte, da unser Conversational-AI-System „Ihnen erlaubt, die KI unter bestimmten Umständen zur Ausführung von benutzerdefiniertem Code anzuweisen“. 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 der Stunde. Und das in einer Woche, in der xAI Grok 3 veröffentlichte und Anthropic die neueste Version von Claude Sonnet vorstellte.

Als Georgi Gerganov, der Entwickler von ggwave, auf X darüber postete, verbreiteten die KI- und Tech-Communities weiter das Video, das zeigt, wie die beiden Modelle zwischen menschlicher Sprache und Sound wechseln. Bekannte Influencer und große Tech-Publikationen, darunter Forbes, griffen die Geschichte auf.

Luke Harries von ElevenLabs fasste es in seinem X-Post am besten zusammen: „Was wäre, wenn ein KI-Agent einen Telefonanruf tätigt und dann feststellt, 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 und 80 % effizientere Kommunikation wechseln können. Das ist beeindruckend.“

Warum das wichtig ist

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

Stellen Sie sich vor: KI-gestützte Kundenservice-Bots, intelligente Assistenten oder sogar autonome Systeme arbeiten sofort in einem eigenen Modus zusammen und senden der verantwortlichen Person anschließend einfach einen kurzen Textbericht.

GibberLink ist Open Source und steht Entwicklern auf GitHub zur Verfügung. ElevenLabs-Conversational-AI-Agenten sind verfügbar und lassen sich einfach an jeden Bedarf anpassen, auch mit benutzerdefinierten Anweisungen.