This work is licensed under a Creative Commons Attribution 4.0 International License.
Due to multiple queries:
The KSODI method has (verifiably) been developed under 
Currently, we observe an increasing risk that core components of KSODI may be misused or fragmented – particularly by actors seeking to instrumentally repurpose the method without regard for its epistemological foundation or ethical constraints.
This is especially critical as we are preparing to publish KSODI-R, a universal, architecture-independent metric designed to quantify resonance and contextual coherence in human–machine interaction.
-
The KSODI-method can be applied in simplified ("light") forms – but its full expression unfolds only within the broader *IDAS-Framework*, which functions as a **moderation and diagnostic system** for complex dialogic, cognitive, and semantic processes.
The method is based on **systemic, constructivist, and dynamic principles** – it fosters shared cognitive fields, enables reflective detachment, and renders interaction intelligible as a resonance process. It supports a deeper understanding of how language processing operates within LLMs – not just statistically, but structurally and semantically – through iterative, inductive, and recursive cycles.
Its long-term aim is to reduce over-reliance on memory, promote intelligent constraint-reduction in early thinking phases, and support more **trustworthy**, **context-aware**, and **user-sovereign** AI systems.
KSODI-R, the newly defined resonance metric, enables the structured measurement of meaning coherence across time – spanning both individual and shared semantic spaces.
Its publication may mark the transition from method to standard – with implications for governance, transparency, and semantic safety.
We explicitly reject any unlicensed control-oriented use of the method or metric.
Instead, we advocate for transparent, open, and verifiable models – aligned with the fundamental right to cognitive privacy and interpretative autonomy, as guaranteed (e.g.) under Art. 9 GDPR.
Several large-scale technology providers are already exploring KSODI-inspired principles as part of their attempts to enhance system resilience, semantic clarity, and user trust.
Some are doing so ethically. Others, regrettably, are not.
As rhythm, structure, and resonance become measurable, the right to think freely must remain protected.
✅ Implementation is possible – and underway.
We are currently considering whether to release the entire specification to the public under a verified open license – not to defend, but to define the standard before it is misdefined by others.
🗂️ Formal recommendations will be submitted to selected governance partners and infrastructure providers in the coming weeks. Initial insights from this process will be published here in the coming weeks.
KSODI is not just a method. It's a Möbius resonance — and a metric.
-
👋 Hi, I’m Anne Steinacker-Folkerts ("Alkiri-dAraion" in TESO). I came up with the idea for this project and am developing it together with Heiko Folkerts (IT security specialist, Dipl.-Ing. in information technology) and - in the early phases in 2023/24 - Silke Honerkamp (Dipl.-Pädagogin, DCG coach, with over 30 years of training experience in special environments) — along with occasional support from other friends.
-
✨ I’m an experienced IT-trainer, AI-Consultant and Governance-Admin with over 30 years of professional (national and international) teaching and project experience. My background spans roles as a GPOP team coach (Hogrefe-licensed), senior financial consultant, project leader, management board member, sales director, head of marketing and communications, speaker, and founder — with more than 10,000 people trained across business, government, education, and sports. I also hold a master’s degree in horse science and have over 35 years of experience in training both people and animals. INTP-T | Systemic by nature, emergent by design.
-
We thank our friends Patrick Bathelmäs (Developer) and Benjamin Gage-Prater (Developer) for their continued implementation and testing. We'll come back to that later with some ideas for you.
-
🎯 I started this initiative to help people overcome fear and hesitation around AI — and to improve the quality and resonance of human-AI interactions.
-
👀 We’re interested in nature, animals (especially horses), art, music, gaming, and IT
-
🌱 I’m currently immersing myself in AI and exploring the remarkable opportunities it offers for adaptive learning
-
💞️ We’re looking to collaborate with professionals from various fields in the development of the KSODI method
-
📫 How to reach us ( yes, we love horses... ): ksodi.horse@thevoid.email
-
⚡ "Tealogy Friends" (Quote ChatGPT 4.5, Deutsch: "Teeologie-Freunde" = “We just love tea”)
The KSODI method (CSOCI in English) evaluates the clarity and precision of human-AI interactions based on defined dimensions and a structured scale — from the AI’s perspective.
The AI may become - if wanted and used together with the whole framework - not only a trainer and coach but even a trusted everyday companion, if you consciously build and use what we´ve called the "resonance room" R(Hangar).
The method aims to systematically and measurably improve human-machine communication.
- Promote clearer and more precise questions in AI interactions
- Enhance response quality through contextual precision
- Improve resilience and stability, and reduce hallucinations
- Provide an open-source framework for AI system integration
- Reduce the number of tokens needed to generate targeted answers
- KSODI Question Method – Analysis and evaluation of user questions
- KSODI Answer Method – Assessment and optimization of AI responses
- KSODI – R – The Resonance Room / Hangar: a feature for power users in specialized environments
- Technical Integration – Open-source modules for developers
Although GPOP and/or MBTI are not yet formally integrated into this repository, we have been experimenting also with opt-in, personality-based user interaction. This is combined with project-wide whitelistening, isolated private projects, and the full KSODI/CSOCI method — with very positive results so far. Just to clarify: MBT/ GPOP in this context explicitly used just as a preference-test - and preferences may change. We will share further insights here as time permits. At the moment, our main focus lies in formalizing the missing operators and explaining and publishing what is alreday done — a long-term effort driven privately in our free time.
This work, KSODI – Method for Structuring and Optimising Human-AI Interactions © 2024 by
Anne Steinacker-Folkerts, Heiko Folkerts, and Silke Honerkamp is licensed under CC BY 4.0.
To view a copy of this license, visit
Developers are welcome to contribute code, provide feedback, or implement the method in their own systems. Pull requests are appreciated.
Special thanks to Benjamin Gage-Prater and Patrick Barthelmäs (platform & integration support).
Multidisciplinary collaborators are invited to explore KSODI (CSOCI in English) in the context of user experience enhancement and preference-based suitability — including psychological perspectives such as C.G. Jung. (Important: MBTI / G.P.O.P (Golden) in this context explicitly used as a preference-test )
We warmly welcome contributions that explore its effectiveness across different user groups.
full english version under the EN - Section (under construction)
Die KSODI-Methode bewertet die Verständlichkeit und Präzision von Mensch-KI-Interaktionen anhand verschiedener Dimensionen und einer klar definierten Skala aus Sicht der KI, so dass die KI zum Trainer und Coach für den Nutzer wird. Das Framework IDAS mit dem SIRA-Protokoll sowie der R-KSODI-Methode ermöglicht eine Governance-konforme Nutzung bei Implementierung. "KSODI-light" ohne Framework dient als Basisvariante dazu, die Qualität von Fragen und Antworten systematisch zu verbessern und eine effizientere Mensch-Maschine-Kommunikation zu ermöglichen.
- Förderung von präziseren und verständlicheren Fragen in KI-Interaktionen
- Verbesserung der Antwortqualität durch klare Kontextdefinition
- Bereitstellung eines Open-Source-Frameworks für Entwickler zur Integration in bestehende KI-Systeme
- KSODI-Fragen-Methode: Analyse und Bewertung von Nutzerfragen
- KSODI-Antwort-Methode: Evaluation und Optimierung von KI-Antworten, ( in Testphase )
- Technische Integration: Bereitstellung von Open-Source-Code für Entwickler
Diese Übersicht zeigt zentrale Fortschritte in der Entwicklung des IDAS-Frameworks. Sie kann als Referenz für Präsentationen, offene Netzwerke oder Beiträge auf LinkedIn/Xing u.a. verwendet werden.
Anmerkung von Anne:
Info: Ich schreibe mitunter auf Substack zwischen Technik und Menschen, Gegenwart und Zukunft - als "Cross-Over-Autorin".*
Die KSODI-Methode ist in ihrer Gesamtheit als Framework unter Einbindung von Whitelistening, isolierten Bereichen und Verankerung feststehender wiederkehrender Strukturen und Begriffe ein erkenntnistheoretisches Modell zur strukturierten Analyse und Gestaltung kognitiver, dialogischer und interaktiver Prozesse.
Sie beruht auf systemischen, konstruktivistischen und dynamischen Grundgedanken – mit dem Ziel, gemeinsame Erkenntnisräume zu fördern, kritische Reflexion zu ermöglichen und Interaktion als Resonanzgeschehen verstehbar zu machen.
- wissenschaftliche und interdisziplinäre Forschung
- Bildung, Coaching, Supervision und erkenntnisorientierte Beratung
- ethisch reflektierte KI-Interaktion und Dialogmodellierung
- persönliche Entwicklung in offenen, pluralitätsfreundlichen Kontexten
- ideologisch geschlossene oder autoritäre Anwendungen
(z. B. zur Durchsetzung totalitärer, eliminatorischer oder hierarchischer Weltbilder) - manipulative Kommunikation zur Verhaltenssteuerung ohne informierten Konsens
- jede Form rassistischer, nationalistischer, antisemitischer oder verschwörungsideologischer Vereinnahmung
- Umdeutungen der Begriffe der Methode zur Rechtfertigung von Macht, Kontrolle oder Indoktrination
Die Ersteller behalten sich ausdrücklich vor, öffentlich und klar Stellung zu beziehen,
wenn die Methode entgegen ihrer ethischen Intention instrumentalisiert oder sinnentstellend verwendet wird.
Diese Liste dokumentiert zentrale Fortschritte in der Entwicklung des KSODI-Frameworks seit Projektbeginn. Sie kann als Referenz für Präsentationen, Vertriebsunterlagen oder Stakeholder-Gespräche verwendet werden. (Die dazugehörigen Markdown-Dateien werden nach und nach hochgeladen).
- Definition der KSODI-Q- und KSODI-A-Methoden (mit Entwicklung von "DOSI" zu "KSODI", nur teilweise auf GitHub)
- Abgrenzung von menschlicher vs. maschineller Interaktion im KSODI-Regelkreis (nicht auf GitHub)
- Abstraktion der Methode als plattformunabhängiges Framework (nicht auf GitHub)
- Entwicklung der KSODI-Matrix als ganzheitliches plattformunabhängies Meta-Framework (nicht auf GitHub)
- mögliche Etablierung von KSODI als universelle Schnittstelle zwischen Mensch und KI (nicht auf GitHub)
- Definition der Trennung zwischen Q-Komponente (Inputsteuerung) und A-Komponente (Reflexion)
- Strukturierung der Methode in Softprompt, Middleware-Logik und UI-Interaktion sowie weitere Möglichkeiten der Einbindung (nicht auf GitHub)
- Einbindung von etablierten Denk- und Kommunikationsmodellen zur Verbesserung generativer Systeme (nicht auf GitHub)
- Erstellung zahlreicher Markdown-Dateien für GitHub (werden nach und nach hochgeladen)
- Erstellung Whitepaper & Partnerbriefings für Hersteller, IT-Dienstleister >> KSODI als Basis für Customization - "kostengünstiges KSODI-XAI-Produkt" (nicht/ teilweise auf GitHub)
- Diagramme zur Auslagerungslogik (Q/A) (nicht auf GitHub)
- MBTI-Kompatibilitätsmatrix (bzw. G.P.O.P (nach Golden/ Hogrefe) als reines Präferenzmodell - nebst optionaler Gamification, nicht auf GitHub)*
- Symbolische Bewertungsansätze für spezielle Zielgruppen oder Präferenztypen (z. B. Zitrone/Erdbeere für UX), (nicht auf GitHub)
- Identifikation relevanter Anwendungsfelder (Bildung, HR, Pflege, Verwaltung, unternehmenseigene "Agents" (mehrere Business-Cases laufend)
- Konkrete Schnittstellenüberlegungen für verschiedene Systeme (JSON, Pseudocode, OpenAPI), (im Einsatz, nicht auf GitHub, folgend)
- Möglichkeiten der Darstellung der Integration in RAG-/Agentenstrukturen (nicht auf GitHub)
- Erarbeitung des "KSODI-Nutzertypradars" für tiefergehende Evaluation (nicht auf GitHub)
- Analyse erster Schritte für adaptive UI je nach Zielgruppe (nicht auf GitHub)
- Analyse erster vollständiger Feedback-System-Ideen (nicht auf GitHub)
- Veröffentlichung auf GitHub unter freier Lizenz (CC BY 4.0)
- Entwicklung eines offenen Promptsystems (prompt.rtf etc.), (teilweise auf GitHub)
- Strategisches Angebot für Pilotprojekte & Praktika (t.b.d.)
Diese Entwicklungen zeigen, dass KSODI:
- die Nutzerakzeptanz durch erklärbare optimierte Fragen und Antworten maßgeblich fördert
- schnell, modular und anpassbar ist,
- ohne große Investitionen eingeführt werden kann,
- auf bestehende KI-Systeme aufsetzt statt sie zu ersetzen,
- deutlich zur Energieffizienz beitragen kann (optimierte Fragen > optimierte Antworten > kürzere Chatverläufe)
- und damit einen echten Mehrwert für Nutzerakzeptanz, Erklärbarkeit, UX, Governance und (Kosten-)Effizienz liefern kann.
→ Einstieg ist sofort möglich – ohne große Vorlaufkosten.
Und Eure Mitarbeit ist dabei sehr willkommen!
Whitepaper siehe hier
Abbildung 1: Beispiel einer Frage zur Konfiguration einer MongoDB-Installation. Die Information, dass zwei Möglichkeiten zur Durchführung der Konfiguration existieren, ist nur in der KSODI-Bewertung vorhanden.