Für KI-Assistenten

Beschreib einer KI ein System. Erkunde es in LeverScope.

Ein KI-Assistent kann ein Bestands-Fluss-Modell als kurzes JSON schreiben und daraus einen Link machen. Der Link öffnet das Modell in LeverScope: Dort siehst du die Struktur, verschiebst die Regler und vergleichst Szenarien. Die Simulation läuft in deinem Browser, nicht in der KI.

Es wird nichts hochgeladen: Das Modell steckt im Link (hinter dem #), und diesen Teil schicken Browser nie an einen Server. Diese Seite richtet sich an Menschen und an KI-Assistenten.

So funktioniert es für dich

  1. Fragen. Kopiere den Prompt unten in deinen KI-Chat und schreib deine Frage in die letzte Zeile.
  2. Öffnen. Klick auf den Link, den die KI dir gibt. LeverScope zeigt das Modell, rechnet es durch, nennt, was es anpassen musste, und prüft, was die KI über das Modell gesagt hat: Jede Erwartung bekommt ✓ oder ✗, so siehst du sofort, ob die Erklärung stimmt.
  3. Prüfen. Klick auf Prüfbericht für deine KI kopieren und füg ihn in den Chat ein. Die KI sieht, wie sich ihr Modell wirklich verhält, und korrigiert Modell oder Erklärung, wo beides auseinandergeht.

Ausprobieren: ein Prompt zum Kopieren

Füge ihn in ChatGPT, Claude, Copilot oder Gemini ein und ersetze die letzte Zeile durch deine eigene Frage.

Lies https://leverscope.com/for-ai.html und halte dich daran.
Baue ein LeverScope-Modell zu meiner Frage, gib mir den Link, der es öffnet,
und erkläre auf Deutsch in ein paar Sätzen, was ich mit den Reglern ausprobieren soll.
Meine Frage: Wie wächst die Mitgliederzahl eines Fitnessstudios, wenn Mundpropaganda wichtiger ist als Werbung?

Kann der Assistent keine Webseiten öffnen, gib ihm stattdessen die Anleitungsdatei. Für Claude gibt es einen fertigen Skill, den du einmal in den Einstellungen von Claude hinzufügst; danach nutzt Claude ihn von selbst, sobald es darum geht, wie sich etwas über die Zeit entwickelt.

So funktioniert es

Die genaue Anleitung für KI-Assistenten steht auf der englischen Seite; KI-Assistenten lesen sie in jeder Sprache und antworten in deiner. Kurz zusammengefasst:

  1. Modell als JSON: Bestände (stock, z. B. Mitglieder, Geld, Wasser), Flüsse (flow, Raten pro Zeiteinheit, die Bestände füllen oder leeren) und Hilfsgrößen (converter, Konstanten und Berechnungen). Zahlen, mit denen man experimentieren soll, bekommen einen Regler ("slider"). Namen bestehen aus Buchstaben, Ziffern und Unterstrichen; Umlaute werden umgeschrieben (ä → ae).
  2. Link: https://leverscope.com/app/#model= mit dem komprimierten JSON (raw DEFLATE, base64url), bei kleinen Modellen auch #json= mit dem URL-kodierten JSON. Ohne Link geht es immer so: JSON kopieren, https://leverscope.com/app/#paste öffnen, einfügen.
  3. Kürzer als Text: statt JSON geht auch eine Zeile pro Element, z. B. Savings(0) = 0, Savings' = Saving - Spending, Saving = Pocket_Money*0.5, Pocket_Money = 10 [0..30] {€/week}, dazu name: und time: 0..52 step 0.25 weeks. Das braucht etwa ein Drittel der Zeichen. Fertige Bausteine sparen Schreibarbeit: use sir(N=100000) (Epidemie), use adoption(market=10000) (Verbreitung eines Produkts), use supply_chain(stages=Handel/Grosshandel/Fabrik) (Lieferkette). Einheiten gehören in geschweifte Klammern am Zeilenende ({Monate}). Zeige den Modelltext immer auch als Codeblock, damit man ihn bei #paste einfügen kann, falls der Link im Chat kaputtgeht. Im Link #text= mit dem URL-kodierten Text oder den Text statt des JSON komprimiert in #model=.
  4. Erwartungen: Jede Aussage der Erklärung über das Verhalten („die Mitglieder wachsen weiter“, „Werbung hilft“) kommt als Erwartung ins Modell, eine expect:-Zeile pro Aussage oder die Liste "expect" im JSON, z. B. expect: Members rises and levels off, expect: Members peaks between month 8 and 14, expect: Members final > 2000, expect: "No adverts" Members final < baseline. LeverScope prüft jede am Modell und zeigt ✓ oder ✗ mit dem, was das Modell wirklich zeigt (alle Formen auf der englischen Seite).
  5. Antwort: Stellt die Person eine Frage, beantwortet das Modell sie: question: Holen Solarmodule auf dem Dach die Energie für ihre Herstellung wieder herein?, decide: Energy_Payback_Ratio final > 1 => Ja | Nein und answer: Ja, …. LeverScope zeigt dann eine Antwortkarte: das Ergebnis und die Zahl dahinter, ob es unter jeder Bedingung gilt (condition: statt scenario: für Umstände, die keine Wahl sind) und welcher Reglerwert es ändern würde.
  6. Übergabe: Der Assistent nennt LeverScope mit Link auf leverscope.com, erklärt die Rückkopplungsschleifen und sagt, welche Regler man zuerst ausprobieren sollte. Die Zahlen sind Annahmen zum Prüfen, keine Tatsachen.

Öffnet LeverScope ein Modell aus einem Link, zeigt es einen Hinweis, dass das Modell von außen kommt, und listet auf, was es anpassen musste. Du kannst es speichern, ändern, wieder als Link teilen (Modelle → Link zu diesem Modell kopieren) oder einen Bericht exportieren. Mit Prüfbericht für deine KI kopieren (im Hinweis oder im Modell-Bereich) bekommst du einen Text, den du in den Chat zurück einfügst: Die KI sieht, ob das Modell läuft, was angepasst wurde und wie sich die wichtigsten Größen verhalten und welche ihrer Erwartungen stimmen, und kann Modell oder Erklärung korrigieren. Der Bericht entsteht im Browser; nichts wird hochgeladen.

Dateien für Assistenten und Entwickler

Bedingungen in Kürze

Du darfst KI-Assistenten und eigene Werkzeuge kostenlos LeverScope-Modelle und -Links erstellen lassen. Wenn du ein Modell, ein Diagramm oder ein Ergebnis zeigst, das mit LeverScope entstanden ist, nenne bitte LeverScope und verlinke auf leverscope.com. LeverScope ist ein Werkzeug zum Lernen und Nachdenken: Die Ergebnisse hängen vollständig von den Annahmen des Modells ab und ersetzen keine fachliche Beratung. Das Werkzeug wird so bereitgestellt, wie es ist.