README_de.md

metadata

language:
  - en
  - de
license: other
license_name: mankei-reflex-evaluation-license
license_link: LICENSE.md
library_name: mankei-reflex
pipeline_tag: text-classification
thumbnail: https://huggingface.co/keyvan-ai/Mankei-Reflex/resolve/main/karte/banner.png
tags:
  - system-one
  - system-one-model
  - decision-model
  - decision-engine
  - calibrated-probabilities
  - calibration
  - typed-outputs
  - structured-decisions
  - non-autoregressive
  - low-latency
  - real-time
  - routing
  - guardrails
  - classification
  - intent-classification
  - text-classification
  - agent-observability
  - agents
  - robotics
  - autonomous-driving
  - drone
  - browser-automation
  - rpa
  - document-ai
  - invoice-routing
  - security
  - intrusion-detection
  - jev
  - jev-alternative
  - typesafe-jev
  - german
  - deutsch
  - english
  - multilingual
  - on-prem
  - on-premise
  - self-hosted
  - sovereign-ai
  - gdpr
  - eu-ai-act
  - enterprise
  - mankei
  - mankei-reflex
  - reflex
  - entscheidermodell
  - commercial-use
  - safetensors
datasets:
  - mteb/amazon_massive_intent
  - mteb/amazon_massive_scenario
metrics:
  - accuracy
  - brier_score
model-index:
  - name: Mankei Reflex (block pilot 0.4)
    results:
      - task:
          type: text-classification
          name: Intent classification, 60 classes, one call
        dataset:
          type: mteb/amazon_massive_intent
          name: MASSIVE (de-DE), test split
          config: de
          split: test
        metrics:
          - type: accuracy
            value: 78.8
            name: accuracy
          - type: ece
            value: 0.088
            name: expected calibration error
      - task:
          type: text-classification
          name: Scenario classification, 18 classes, one call
        dataset:
          type: mteb/amazon_massive_scenario
          name: MASSIVE (de-DE), test split
          config: de
          split: test
        metrics:
          - type: accuracy
            value: 86.6
            name: accuracy
      - task:
          type: text-classification
          name: >-
            Leave-one-schema-out, choice questions on unseen option sets (eight
            domain families)
        dataset:
          type: mankei-schema-factory
          name: Mankei Schema Factory, held-out schemas
        metrics:
          - type: accuracy
            value: 95.1
            name: accuracy (choice questions)
          - type: coverage
            value: 67.5
            name: coverage at ≤ 1 % error
extra_gated_prompt: >-
  Mankei Reflex is provided under the Mankei Reflex Evaluation License. Access
  to the weights is granted on request. Please state your organisation and what
  you want to evaluate.
extra_gated_fields:
  Organisation: text
  Evaluation scope: text
  I accept the Mankei Reflex Evaluation License: checkbox

English · Deutsch

Mankei Reflex — das deutsche System-One-Entscheidermodell

Sie denken. Wir reagieren.
Typisierte Entscheidungen mit kalibrierten Wahrscheinlichkeiten. Ein Durchlauf für die ganze Anfrage: ~15 ms je Entscheidung und ~17 ms für fünf Fragen auf unserem Inferenzserver, 100 Fragen in einer Viertelsekunde — auf Ihrer eigenen Hardware. Drahtkompatibel zur System-One-API.

_{Aufgezeichnet an der Live-Demo: die Drohne beurteilt alle Hindernisse voraus in einem Durchlauf, die Regel im Code steigt, weicht aus oder landet. Protokoll links, Latenzen wie gemessen.}

Live-Demo: Reflex Pilot · Live-Demo: Reflex Browser · mankei.ai · Client-Beispiele (GitHub) · Mankei-Modellfamilie

Mankei Reflex ist ein System-One-Modell: ein nicht-autoregressives Entscheidermodell, das einen Zustand und einen Satz typisierter Fragen entgegennimmt und typisierte Werte mit kalibrierten Wahrscheinlichkeiten zurückgibt — in einem Durchlauf, ohne ein einziges Token zu erzeugen. Kein Prompt, der geparst werden muss, keine Begründungsprosa, kein halluzinierter Text. Es läuft on-premise, antwortet im Millisekundenbereich und spricht Deutsch und Englisch.

Es ist für dieselbe Aufgabe gebaut wie Jev von TypeSafe — Routing, Guardrails, Klassifikation, Bewertung, Agenten-Beobachtung und Entscheidungsschleifen in Echtzeit — und es ist das erste deutsche Modell dieser Klasse, für Teams, deren Daten das Haus nicht verlassen dürfen.

Auf einen Blick

Modellklasse	System-One-Modell · Entscheidermodell · nicht-autoregressiv · typisierte Ausgaben
Primitive	Wahl (2–255 Optionen, mit oder ohne Beschreibung), Stufe (geordnete Skala, Erwartungswert), Janein (Wahrscheinlichkeit)
Tempo	ein Durchlauf je Anfrage — ~15 ms für eine Entscheidung und ~17 ms für fünf Fragen auf unserem Inferenzserver (geteilte Rechenzentrums-GPU); ~40 ms für vier Zustände × drei Fragen in einem Stapel und ~240 ms für 100 Fragen in einem Aufruf auf einer Workstation-GPU
Kalibrierung	Teil jedes Blocks; ECE 0.031 ohne Nachjustierung; Abdeckung 67.5 % bei ≤ 1 % Fehler
Sprachen	Deutsch zuerst; englische und französische Domänenblöcke auf Anfrage
Schnittstelle	HTTP /v1/reflex und das System-One-Drahtformat /v1/systemone; Python-Paket mankei_decide (im Paket)
Betrieb	on-premise, GPU (bf16) oder CPU; keine Token-Gebühren, keine Daten verlassen das Netz
Erweiterung	Domänen-Blöcke aus der Mankei-Schema-Fabrik — neue Entscheidungsschemata ohne Neutraining des Rumpfs
Lizenz	Mankei-Reflex-Evaluationslizenz; Produktion und Premium-Blöcke im Rahmen einer Unternehmensvereinbarung

Warum Reflex

Die Kategorie System One wurde von TypeSafe Jev definiert: ein Modell, das entscheidet statt zu schreiben. Reflex übernimmt dieselbe Schnittstelle und holt sie ins eigene Rechenzentrum — Deutsch zuerst, mit Domänenblöcken, deren Qualität vor der Auslieferung gemessen ist.

	TypeSafe Jev	Mankei Reflex
Gewichte	geschlossene API	On-Premise-Paket, Enterprise-Lizenz
Betrieb	Cloud des Anbieters	eigene GPU oder CPU, auf Wunsch ohne Internet
Preis	je Token	keine Tokengebühr
Sprache	englischzentriert	deutsch muttersprachlich; englische und französische Blöcke für Enterprise
Neue Entscheidungsschemata	nur per Prompt	Domänenblöcke aus der Schema-Fabrik, mit gemessener Qualität geliefert
Drahtformat	System One	System One, dieselbe Anfrage- und Antwortform
Kalibrierung	—	ECE 0.031 in der Domäne, je Block gemessen, ohne Nachjustierung

Wir benchmarken keine Wettbewerber. Jede Zahl unten ist auf dem Block gemessen, der in diesem Repository liegt.

Benchmarks

Benchmark	Mankei Reflex	Referenz
MASSIVE Intent, Deutsch, 60 Klassen, Test-Split, ein Aufruf, Block assistant	78.8 % (ECE 0.088)	60 Klassen, ein Aufruf
MASSIVE Szenario, Deutsch, 18 Klassen, Test-Split, Block assistant	86.6 %	—
Wahl-Fragen auf ungesehenen Optionsmengen, acht Domänenfamilien, Leave-one-schema-out	95.1 %	Mehrheitsbaseline 84.6 %
Trefferquote in der Domäne, alle Fragetypen	90.5 %	—
Abdeckung bei ≤ 1 % Fehler	67.5 %	—
Latenz, eine Entscheidung / fünf Fragen (Inferenzserver)	15 ms / 17 ms	ein Durchlauf je Anfrage, geteilte Rechenzentrums-GPU

Leave-one-schema-out heißt: ganze Fragebögen werden aus dem Training gehalten und erst zur Messung gezeigt — die Zahl, die ein Kunde auf einem neuen Formular, einer neuen Optionsliste, einer neuen Sensormeldung sieht.

Tempo

Reflex beantwortet eine ganze Anfrage in einem Durchlauf: Zustand, alle Fragen und alle Kandidaten liegen in einer einzigen Sequenz mit baumförmiger Aufmerksamkeitsmaske — keine Frage wartet auf eine andere, nichts wird doppelt gelesen. Keine Runden je Frage, keine Token-Erzeugung, keine Cache-Kopien: die Latenz ist ein GPU-Durchlauf plus Kopf.

Anfrage	Inferenzserver (RTX 4000 SFF Ada, shared with a 27B LLM)	Workstation-GPU (Klasse RTX 4060)
eine Entscheidung	~15 ms	~31 ms
fünf Fragen, ein Durchlauf	~17 ms	~33 ms
Browser-Schritt, zwei Fragen (Reflex Browser, Ende-zu-Ende inkl. DOM-Indexierung)	~38 ms	—
vier Zustände × drei Fragen, ein Stapel (/v1/reflex/batch)	—	~40 ms
Zustand mit ~1.000 Token, sieben Fragen	—	~110 ms
100 Fragen × 6 Optionen, ein Aufruf	—	~240 ms

Gemessen Ende-zu-Ende mit curl gegen den laufenden Server (bf16, Block pilot), auf unserem Inferenzserver am 23. September 2026, während dieselbe GPU ein 27B-Sprachmodell bediente. Das ist das schnellste Entscheidermodell, das wir kennen — und es läuft auf Ihrer eigenen Hardware: eine Echtzeitschleife für Fahrzeuge, Drohnen und Browser-Agenten, die viele Dinge auf einmal prüft statt nacheinander.

Einsatzfelder

• Fahrzeug- und Drohnen-Entscheidungsschleifen — Lage, Personen, Hindernisse, Sperrzonen, Wetter; Regeln im Code, Bedeutung aus dem Modell. Siehe Reflex Pilot.
• Browser- und Portalautomatisierung (RPA ohne Selektoren) — Reflex liest die Elementtabelle der Seite und gibt den Index zurück, auf den zu handeln ist. Siehe Reflex Browser.
• Security Operations — Vorfallssichtung, Alarm-Routing, CAN-Bus- und Netzwerk-Einbruchsklassifikation neben unseren IDS-Modellen.
• Dokumenten-Workflows — Rechnungs- und Belegrouting, Kontenzuordnung, Prüfung gedruckter Merkmale.
• Kundenservice-Routing — 60 Intents und 18 Szenarien in einem Aufruf, kalibriert, auf Deutsch.
• Guardrails und Moderation — typisiertes Ja/Nein mit einer Wahrscheinlichkeit, gegen die Sie eine Schwelle setzen.
• Agenten-Beobachtung — jeden Schritt einer Agentenspur bewerten: auf Kurs, riskant, Mensch nötig.
• Lagebeurteilung — Robotik, Leitstände, Meldungen aus dem Feld, deutsch und englisch.

So funktioniert es

1. Zustand hinein. JSON oder Text aus Ihrer Anwendung — eine Szene, Telemetrie, die Elementtabelle einer Seite, ein Dokument.
2. Eine Lesung. Der eingefrorene Mankei-Rumpf liest den Zustand einmal; jede Frage wird aus dieser einen Lesung beantwortet. Die Reihenfolge von Fragen und Optionen ändert die Antworten nicht.
3. Typisierte Antwort heraus. Jede Frage liefert ihren Wert mit Wahrscheinlichkeit; jeder Block trägt seine eigene Kalibrierung.
4. Ihre Regel darüber. Geometrie, Schwellen, Verkehrszeichen, Geschäftsregeln bleiben in Ihrem Code — Zeile für Zeile im Protokoll sichtbar.

Blöcke werden mit der Mankei-Schema-Fabrik trainiert: Generatoren, deren Wahrheit aus der modellierten Welt folgt, plus lizenzierte Datensätze, gemessen leave-one-schema-out. Keine Ausgaben von Chat-Modellen, keine synthetischen Labels fremder LLMs.

Schnellstart

pip install torch transformers safetensors huggingface_hub
huggingface-cli download keyvan-ai/Mankei-Reflex --local-dir mankei-reflex && cd mankei-reflex
python3 -m mankei_decide.server --modell . --kopf bloecke/pilot.safetensors --port 8088

Das Paket enthält Rumpf, Engine (mankei_decide/) und den Block pilot. Zustände und Fragen sind deutsch — die Sprache, auf der der öffentliche Block trainiert ist.

curl -s http://127.0.0.1:8088/v1/reflex -H "Content-Type: application/json" -d '{
  "state": {"szene": "Fußgänger 12 m voraus auf der Fahrbahn, quert. Stoppschild in 30 m.", "tempo_kmh": 28, "limit_kmh": 50},
  "questions": {
    "lage":   {"type": "choice", "instructions": "Was ist die Lage vor dem Fahrzeug?",
               "criteria": {"freie Fahrt": null, "Person auf oder neben der Fahrbahn": null, "Hindernis auf der Fahrbahn": null, "Gefahr": null}},
    "person": {"type": "noul", "instructions": "Auf oder neben der Fahrbahn befindet sich eine Person."}
  }}'

from mankei_decide.reflex import Reflex
reflex = Reflex.laden("keyvan-ai/Mankei-Reflex", block="pilot")    # oder der lokale Ordner
antworten = reflex.entscheide(zustand, fragen)      # Zustand und Fragen wie oben, ein Durchlauf
print(antworten["lage"].wahl, antworten["lage"].konfidenz, antworten["person"].janein)

System-One-Drahtformat: SYSTEMONE_URL auf http://<host>:8088/v1/systemone zeigen lassen; Anfrage und Antwort folgen der System-One-Form (choice / score / noul).

Blöcke

Block	Domäne	Verfügbarkeit
pilot	Fahrzeug: Lage, Personen, Gefahrstellen, Hindernisse aus Sensorsätzen	im Evaluationspaket enthalten
drohne	Lagebeurteilung im Flug: Hindernisse, Menschen, Sperrzonen, Wetter	Unternehmen
portal	Bedienung von Web-Oberflächen über die Elementtabelle: Handlung, Element	Unternehmen
beleg	Belegart, Konto, gedruckte Merkmale	Unternehmen
lage	Meldungen aus Robotik und Leitstand, deutsch und englisch	Unternehmen
assistenz	Intent und Szenario aus Nutzeräußerungen (60 Intents, 18 Szenarien)	Unternehmen

Rumpf, Engine und der Block pilot bilden das Evaluationspaket. Premium-Blöcke und kundenspezifische Blöcke aus eigenen Zuständen sind Unternehmenskunden vorbehalten.

Demos

• Reflex Pilot — eine 3D-Stadt, ein Pkw auf der Straße oder eine Drohne auf der Luftlinie. Fahrzeug wählen, Ziel auf der Karte setzen; jedes Urteil erscheint mit Zeitstempel und Wahrscheinlichkeit im Protokoll neben der Szene. https://mankei.ai/reflex/
• Reflex Browser — Reflex bedient ein deutsches Serviceportal über die Elementtabelle, ohne Screenshots und ohne Selektoren: Anmeldung, Reiter, Filter, Formular, Bescheid. Eine 16-Schritte-Mission läuft ohne Eingriff in unter zehn Sekunden bei ~38 ms je Urteil. https://mankei.ai/reflex/browser/

_{Auf der Straße: die Szene als deutscher Satz plus Kandidatentabelle, fünf Urteile je Durchlauf; der Fahrzeugzustand hat rund tausend Token, ein Durchlauf dauert darum länger als bei der Drohne.}

_{Landeanflug: der Landekreis wird auf Fahrzeuge und Personen geprüft, bevor die Drohne sinkt; Regel und Grund stehen im Protokoll.}

_{Reflex Browser, ein Bild je Schritt: Cookies, Anmeldung, Reiter, Filter, Formular, Bescheid — jeder Schritt von Reflex aus der Elementtabelle der Seite gewählt.}

Wer Mankei ist

Mankei baut deutsche Sprachmodelle von Grund auf, in Deutschland, auf offen lizenzierten und dokumentierten Quellen, mit eigenem deutschen Tokenizer — und betreibt sie dort, wo die Daten liegen. Die Familie: Reflex (Entscheidungen), die Retrieval-Linie (Embedder und Reranker, Apache 2.0), Mankei-1B-Chat (deutscher Chat, CPU-fähig) und die Dialektlinie (Bairisch, Schweizerdeutsch). Alles auf Hugging Face unter keyvan-ai; mehr auf mankei.ai.

Lizenz und Zugang

Mankei Reflex wird unter der Mankei-Reflex-Evaluationslizenz bereitgestellt (LICENSE.md): Evaluation, Benchmarking und die Veröffentlichung von Messergebnissen sind erlaubt. Produktiver, interner oder gehosteter Einsatz, Weitergabe der Gewichte und das Training anderer Modelle auf Reflex-Ausgaben setzen eine Vereinbarung mit Mankei voraus. Der Zugang wird auf Anfrage über das Formular oben erteilt.

Zitieren

@software{mankei_reflex_2026,
  title  = {Mankei Reflex: Ein deutsches System-One-Entscheidermodell mit kalibrierten Wahrscheinlichkeiten},
  author = {Mankei},
  year   = {2026},
  url    = {https://huggingface.co/keyvan-ai/Mankei-Reflex}
}

Schlagwörter: System-One-Modell, Entscheidermodell, Jev-Alternative, kalibrierte Wahrscheinlichkeiten, typisierte Ausgaben, nicht-autoregressiv, Routing, Guardrails, Intent-Klassifikation, Agenten-Beobachtung, On-premise-KI, souveräne KI, deutsches KI-Modell, EU AI Act, Echtzeit-Entscheidungen, Browser-Automatisierung, Fahrdemo, Drohnendemo.

_{Mankei · Sie denken. Wir reagieren.}