Offene soziale Innovation lebt von kollektiver Intelligenz. Doch kollektive Intelligenz entsteht nicht von selbst: Sie braucht Struktur, Kontinuität und die Fähigkeit, viele Akteure gleichzeitig zu begleiten. Vor, zwischen und nach den Momenten, in denen Menschen tatsächlich zusammenkommen.
Hier kommt Deep Inno als zusätzlicher Partner ins Spiel. Das agentenbasierte KI-System unterstützt Teams dabei, ihre Problemstellung vor einem Co-Creation-Workshop zu schärfen. So kann die gemeinsame Zeit für das Wesentliche genutzt werden, statt für vorbereitende Arbeiten. Zwischen den Veranstaltungen hält es die Reflexion in Gang, wenn die Dynamik sonst leicht nachlässt. Und weil es mehrere Teams parallel begleitet, kann es Muster und Zusammenhänge erkennen, die einem einzelnen Moderator möglicherweise verborgen bleiben.
Beim Dezentrum und im Team des Innovation Booster Future Urban Society, für den der Prototyp entwickelt wurde, lautete die Leitfrage deshalb nie, ob KI Innovation ersetzen kann. Vielmehr fragten wir: Kann KI Teams und Moderatoren dabei unterstützen, im Innovationsprozess bessere Fragen zu stellen?
Gute Fragen statt oberflächlicher Antworten
Deep Inno unterstützt Innovationsteams mit gezielten Fragen und greift dabei auf Methoden der systemischen Problemerkundung und Ideenfindung zurück. Bereits früh im Prozess macht das System blinde Flecken sichtbar: Welche Hindernisse wurden bisher übersehen? Welche Stakeholder fehlen noch im Gesamtbild? Im weiteren Verlauf unterstützt es die Teams bei der Weiterentwicklung ihrer Projekte und schafft Klarheit. Etwa bei der Schärfung von Hypothesen oder der Konkretisierung von Vorschlägen.
Die Inhaltsstrategie unterscheidet Deep Inno von generischen Chatbots.
Sprachmodelle allein sind nicht vorhersehbar: Sie können ihre Antworten und Vorgehensweisen verändern, noch bevor ein Problem wirklich verstanden ist. Deep Inno bildet diese Beurteilungslogik explizit im Code ab. So wird nachvollziehbar und überprüfbar, nach welchen Kriterien der Prozess jeweils weitergeführt wird.
Architektur: Die Hauptkomponenten
Deterministische Komponenten, Agenten mit spezifischen Aufgaben
Technisch ist Deep Inno ein Workflow aus mehreren Agenten, gebaut auf n8n: eine Berliner Plattform, die selbst gehostet werden kann und deren Quellcode Open Source ist. Er kombiniert deterministische Komponenten für die Weiterleitung und Bewertung mit spezialisierten Agenten, die jeweils eine klar definierte Aufgabe innerhalb des Innovationsprozesses übernehmen, von der Problemerkundung über die Ideenfindung bis zur Entwicklung konkreter Angebote.
Die Agenten machen das System anpassungsfähig. Weil jeder eine spezifische und klar abgegrenzte Aufgabe übernimmt, lässt sich Deep Inno schnell neu konfigurieren und an unterschiedliche Kontexte anpassen, etwa an verschiedene Förderlogiken, Sprachen, Methodiken oder thematische Schwerpunkte. Wo immer Ideen und Projekte weiterentwickelt werden müssen, kann Deep Inno mit vergleichsweise geringem Aufwand angepasst werden.
Ein weiteres Merkmal der Konfiguration: Alle Systemkomponenten wurden so ausgewählt, dass sich der gesamte Stack jederzeit auf eine selbst gehostete Lösung umstellen lässt. Auch die zugrunde liegende Intelligenz-Engine ist austauschbar. Eine souveräne Konfiguration mit offenen Modellen, die in Schweizer Rechenzentren laufen, wurde bereits entworfen, ohne Protokollierung von Eingabeaufforderungen und ohne Lock-ins.
Tests und Nutzer:innen-Feedback
Am InnoDay 2026 haben wir Deep Inno erstmals mit einem breiten Publikum getestet: mit Expert:innen aus öffentlichen und privaten Innovationsförderorganisationen. Die Teilnehmenden arbeiteten live mit dem System an zwei vorbereiteten Fallstudien. So hatte jedes Team einen konkreten Ausgangspunkt und konnte Deep Inno testen, ohne zunächst eine eigene Idee entwickeln zu müssen.
Fall A beschrieb eine Idee im Frühstadium im Bereich der lokalen Energieversorgung mit vielen offenen Fragen und unklaren Hindernissen. Fall B betraf ein Projekt in einem späteren Stadium: eine funktionierende Plattform, deren Skalierung ins Stocken geraten war. In beiden Fällen lautete die Aufgabe gleich: einen blinden Fleck zu finden.
Die Demo bestätigte unsere These: Deep Inno hilft Teams, früher bessere Fragen zu stellen. Gemeint sind die richtigen Fragen zum richtigen Zeitpunkt. Fragen, die ein Team dabei unterstützen, seine Innovationsidee weiterzuentwickeln, unabhängig davon, wo es im Prozess steht: sei es, um ein noch unklares Problem frühzeitig zu präzisieren oder später ein übersehenes Hindernis im System aufzudecken.
Das Feedback floss direkt in die Weiterentwicklung ein, von konkreten Fehlerbehebungen über die Erkenntnis, dass ein System zum Stellen von Fragen eine gute Einführung braucht, bis hin zum Grundsatz, mehr Tiefe statt mehr Geschwindigkeit zu erzeugen.
Seitdem ist einiges passiert. Wir führen Gespräche mit mehreren Innovationsförderorganisationen über massgeschneiderte Prototypen, bei denen Phasen, Agenten und Auswertungen auf deren spezifische Sprache, Förderlogik und Prioritäten abgestimmt werden.
Ausblick: Vom Experiment zur Entwicklungsinfrastruktur
Deep Inno wird kontinuierlich verbessert. Erkenntnisse aus jedem Einsatz fliessen direkt in die nächste Version ein, und wir loten Schritt für Schritt aus, wie sich das agentenbasierte KI-System und physische Formate über den gesamten Innovationszyklus hinweg am besten ergänzen können.
Dahinter steht eine tiefere Überzeugung: (Soziale) Innovation benötigt nicht nur Projektfinanzierung, sondern auch Entwicklungsinfrastrukturen und Ökosysteme, die kollektive Intelligenz wirklich unterstützen. Deep Inno ist ein kleines Experiment im Rahmen einer grösseren Frage: Finanzieren wir heute Lösungen oder auch die Infrastrukturen, um morgen noch bessere Lösungen zu entwickeln?
Wir passen das System individuell an Förderlogiken und Prioritäten an. Wir freuen uns über Kontaktaufnahme bei Interesse.
