MiroFish im Test

MiroFish hilft Teams, eine geplante Entscheidung vor der Veröffentlichung aus mehreren Blickwinkeln zu testen. Das Projekt ersetzt weder Marktforschung noch echte Bürgerbeteiligung. Es zeigt, welche Argumente, Missverständnisse oder Konfliktlinien in einem Szenario auftauchen, wenn viele synthetische Agenten auf dieselbe Vorlage reagieren.

Wichtigste Funktionen

• Dokument als Startpunkt: MiroFish liest ein Quelldokument ein und baut daraus mit GraphRAG einen Wissensgraphen aus Begriffen, Personen, Aussagen und Beziehungen. Die Agenten beziehen sich dadurch auf den Inhalt der Vorlage statt auf ein allgemeines Thema.
• Agenten mit eigenen Profilen: Das System erzeugt hunderte bis tausende Agenten mit individuellen Eigenschaften, Rollen und Erinnerungen. Das Briefing grenzt Zielgruppen ein, etwa nach Beruf, Haltung oder Hintergrund.
• Simulierte Online-Umgebung: Die Agenten posten, kommentieren und reagieren in einer Umgebung, die an Twitter und Reddit angelehnt ist. Wiederkehrende Einwände, Zuspruch aus bestimmten Gruppen oder frühe Missverständnisse werden dadurch sichtbar.
• Bericht nach dem Simulationslauf: MiroFish erstellt aus dem Verlauf einen Vorhersagebericht mit Zusammenfassung, Risikosignalen und Folgefragen. Der Bericht hilft bei der Vorbereitung, ist aber keine statistisch validierte Prognose.
• Betrieb auf dem eigenen Server mit externen Bausteinen: Der Quellcode läuft mit Node.js 18+, Python 3.11 oder 3.12 und einem OpenAI-kompatiblen Modell-Endpunkt. In der Standardkonfiguration nennt das Projekt Alibaba Qwen-plus als Modell und Zep Cloud für das Agenten-Gedächtnis.

Preise und Tarife

MiroFish ist unter der AGPL-3.0-Lizenz kostenlos nutzbar, wenn du das Projekt selbst betreibst und die Lizenzpflichten einhältst. Laufende Kosten entstehen durch die Modellaufrufe und durch den Speicherdienst für das Agenten-Gedächtnis. Das Projekt nennt einen hohen Verbrauch und empfiehlt erste Simulationen mit weniger als 40 Runden. Eine öffentliche Produktpreisliste für eine gehostete MiroFish-Version liegt nach aktuellem Stand nicht vor. Auf dem eigenen Server sind die genannten Beträge keine Softwaregebühren, sondern Nettokosten der eingesetzten Infrastruktur und Dienste, zu denen die Umsatzsteuer hinzukommt.

Für wen ist MiroFish geeignet?

• Kommunikationsabteilungen vor größeren Veröffentlichungen: Vor einer Pressemitteilung, Preisänderung oder öffentlichen Erklärung liefert MiroFish Hinweise auf mögliche Reaktionen und missverständliche Formulierungen.
• Strategieteams mit Szenario-Aufgaben: Bei Entscheidungen mit mehreren Interessengruppen können Teams verschiedene Briefings ausprobieren und die simulierten Reaktionen vergleichen.
• Forschende und technische Teams mit Interesse an Multi-Agent-Systemen: Für praktische Tests mit agentenbasierten Simulationen, GraphRAG und synthetischen Online-Debatten ist MiroFish ein junges und aktiv gepflegtes Open-Source-Projekt.

DSGVO und Datenschutz

MiroFish ist quelloffen und kann auf eigener Infrastruktur betrieben werden. Die Standardkonfiguration passt für vertrauliche Daten deutscher Unternehmen nicht, weil sie Alibaba Qwen-plus über DashScope und Zep Cloud als externen Speicherdienst vorsieht. Drittlandtransfers und zusätzliche Auftragsverarbeitungsverträge müssen deshalb in die Datenschutzprüfung.

Ein datenschutzfreundlicher Betrieb braucht eine geänderte Architektur. Das Modell sollte über einen EU-gehosteten Endpunkt oder über lokale Modelle angebunden werden, und das Agenten-Gedächtnis braucht eine selbst betriebene Alternative. Für die öffentlich zugänglichen Demos solltest du nur Dokumente verwenden, die ohnehin veröffentlicht werden dürfen. MiroFish ist für DSGVO-sensible Szenarien nur nach technischem Umbau und eigener Datenschutzprüfung geeignet.

Alternativen zu MiroFish

• CrewAI: CrewAI baut Agenten-Teams für operative Aufgaben wie Recherche, Auswertung oder interne Automatisierung. Eine Simulation öffentlicher Reaktionen gehört nicht zum Kern.
• Deep Agents: Deep Agents konzentriert sich auf autonome Recherche und Werkzeugnutzung über mehrere Schritte. Für Szenario-Simulationen müsstest du die Umgebung selbst entwickeln.
• Langflow: Langflow ist ein visueller Baukasten für KI-Abläufe und RAG-Anwendungen. Es passt besser, wenn du eigene Agenten- oder Dokumentenprozesse zusammenstellen willst, statt ein fertiges Simulationsmodell zu nutzen.