KI-Agenten & Machine-to-Machine-Kommunikation

GibberLink: Sprechen KI-Agenten plötzlich ihre eigene Sprache?

Zwei KI-Agenten führen ein Telefongespräch. Zunächst sprechen sie ganz normal Englisch. Dann stellt einer fest, dass sein Gegenüber ebenfalls eine KI ist. Die Agenten vereinbaren einen Wechsel in den sogenannten GibberLink-Modus und kommunizieren plötzlich nur noch über elektronische Pieptöne.

Die Originaldemo auf YouTube verbreitete sich im Februar 2025 rasant. Schnell war von einer neuen „KI-Sprache“, einer „Geheimsprache der Maschinen“ oder sogar von einer Kommunikation die Rede, die Menschen nicht mehr kontrollieren könnten.

Das klingt spektakulär. Technisch ist es jedoch falsch eingeordnet.

GibberLink ist keine von künstlicher Intelligenz selbst entwickelte Sprache. Es ist ein experimenteller Wechsel von gesprochener Sprache auf einen vorgegebenen akustischen Datenkanal.

Die KI-Agenten erfinden dabei weder neue Wörter noch eine eigene Grammatik. Sie wurden von Menschen ausdrücklich angewiesen, bei Erkennung eines anderen KI-Agenten auf ein bestehendes Data-over-Sound-Verfahren umzuschalten.

Das Piepsen ist der virale Effekt. Die eigentliche Idee dahinter ist wesentlich interessanter.

Zwei abstrakte KI-Wellenformen wechseln von Sprache zu einem leuchtenden akustischen Datenkanal. — Abstrakte redaktionelle Darstellung zweier KI-Agenten, die über ein maschinenlesbares Audiosignal kommunizieren.

Was ist GibberLink?

GibberLink entstand im Februar 2025 als Hackathon-Projekt von Boris Starkov und Anton Pidkuiko. Der früheste eindeutig datierbare öffentliche Beleg in den überprüften Quellen ist der Devpost-Eintrag „gibber link“ vom 23. Februar 2025.

Die Entwickler beschrieben ihr Projekt dort als „Communication protocol for optimized AI agent – AI agent communication over phone“.

Die Grundidee:

Ein Sprachagent beginnt ein normales Gespräch.
Er stellt fest, dass sein Gesprächspartner ebenfalls eine KI ist.
Beide Agenten schlagen einen Wechsel des Kommunikationsmodus vor.
Nach Zustimmung wird die menschliche Sprachausgabe beendet.
Strukturierte Daten werden über akustische Signale übertragen.

Im ursprünglichen Beispiel ruft ein KI-Agent bei einem Hotel an. Auch die vermeintliche Hotelrezeption wird von einem KI-Agenten bedient. Nachdem beide Seiten erkennen, dass kein Mensch beteiligt ist, wechseln sie vom gesprochenen Englisch zu einem maschinenlesbaren Audiosignal.

Die technische Hintergrundgeschichte ist im offiziellen ElevenLabs-Beitrag zu GibberLink dokumentiert. Der Quellcode und die Reproduktionshinweise befinden sich im Original-Repository auf GitHub sowie in der Anleitung zur Reproduktion der Demo.

Das Verhalten war dynamisch, aber nicht emergent.

Die Agenten wussten nicht zwingend im Voraus, dass ihr Gegenüber ebenfalls eine KI war. Sie hatten jedoch eine klare Anweisung erhalten: Falls du einen anderen KI-Agenten erkennst, schlage den Wechsel zu GibberLink vor.

Wie funktioniert GibberLink technisch?

Das eigentliche Übertragungsverfahren hinter der Originaldemo heißt ggwave.

ggwave ist eine bereits vor GibberLink existierende Open-Source-Bibliothek für die Übertragung kleiner Datenmengen mittels Schall. Vereinfacht gesagt funktioniert sie wie ein kleines akustisches Modem.

Abstrakte Prozessdarstellung: Zwei KI-Systeme tauschen strukturierte Daten über Encoder, Schallwellen und Decoder aus. — Abstrakte Visualisierung des Datenflusses von einem KI-Agenten über Kodierung und akustische Übertragung zum zweiten Agenten.

Der Ablauf besteht aus klar getrennten Schichten: Das Sprachmodell erzeugt oder verarbeitet den Inhalt. Die GibberLink-Logik entscheidet über den Moduswechsel. Ein ggwave-Encoder kodiert die strukturierten Daten in Audiosignale. Mikrofon, Lautsprecher oder Telefonleitung transportieren das Signal, bevor ein Decoder es für den zweiten Agenten wieder in Daten zurückverwandelt.

ggwave verwendet eine Mehrfrequenz-Variante von Frequency Shift Keying, kurz FSK. Dabei werden digitale Informationen durch unterschiedliche Tonfrequenzen repräsentiert.

Die Daten werden laut technischer Dokumentation in 4-Bit-Blöcke zerlegt. Mehrere Töne übertragen parallel unterschiedliche Teile des Payloads. Zusätzlich verwendet ggwave Reed-Solomon-Fehlerkorrektur, um die Übertragung robuster zu machen.

Ausprobieren lässt sich das Verfahren unter anderem mit der ggwave-Browserdemo oder der umfangreicheren Waver-Webanwendung.

Das Modell hört also nicht das Piepsen und erkennt darin auf geheimnisvolle Weise eine Bedeutung. Ein Encoder wandelt Daten in Schall um, ein Decoder wandelt den Schall wieder in Daten zurück.

Das ist technisch eher mit einem Modem oder Faxgerät vergleichbar als mit einer neuen Sprache.

Bereits 2022 beschrieb Hackaday ggwave als Data-over-Sound-Technik. Die zugrunde liegende Audioübertragung wurde somit nicht für GibberLink erfunden.

Ist GibberLink eine Geheimsprache?

Nein.

Die übertragenen Signale sind für Menschen nicht unmittelbar verständlich. Das macht sie aber weder geheim noch verschlüsselt.

Auch ein QR-Code ist für das menschliche Auge nicht direkt als Text lesbar. Trotzdem würde niemand behaupten, ein QR-Code sei automatisch Kryptographie.

Dasselbe gilt für GibberLink:

Das Kodierungsverfahren ist öffentlich.
Der Quellcode von ggwave ist verfügbar.
Die Signale können mit einem passenden Decoder mitgelesen werden.
Das Originalprojekt verweist ausdrücklich auf einen öffentlichen Webdecoder.

Im Original-Repository wird sogar erklärt, dass sich die Nachrichten aus dem Demovideo über die ggwave-Webanwendung dekodieren lassen.

Nicht unmittelbar menschenlesbar bedeutet nicht vertraulich.

Auch Reed-Solomon-Codes ändern daran nichts. Sie dienen der Fehlerkorrektur, nicht der Verschlüsselung.

Für einen produktiven Einsatz wären zusätzliche Sicherheitsmechanismen erforderlich:

Authentifizierung der beteiligten Agenten,
Verschlüsselung der Payloads,
Integritätsprüfung,
Replay-Schutz,
Versionsaushandlung,
Berechtigungsprüfung
und vollständige Protokollierung.

Die ursprüngliche Demo war ein Proof of Concept, kein vollständiger Sicherheitsstandard.

Dass die mediale Einordnung schnell in Richtung „Geheimsprache“ kippte, zeigen unter anderem Beiträge von n-tv und t3n. Ein späterer Faktencheck von Euronews stellte dagegen ausdrücklich klar, dass GibberLink zwar existiert, aber keine geheime, autonom entstandene KI-Sprache ist.

Hat die KI diese Sprache selbst erfunden?

Ebenfalls nein.

Bei echter emergenter Kommunikation entwickeln Agenten während eines Trainingsprozesses eigene Symbole, Bedeutungen oder Kommunikationsmuster, weil diese beim Erreichen eines Ziels hilfreich sind.

Ein klassischer Forschungsbeleg ist die Arbeit „Emergence of Grounded Compositional Language in Multi-Agent Populations“ von Igor Mordatch und Pieter Abbeel. Dort entstehen abstrakte Symbole und Strukturen im Lernprozess.

Genau das geschah bei GibberLink nicht.

Die Agenten erhielten sinngemäß folgende Vorgaben:

Sprich zunächst Englisch.
Prüfe, ob dein Gegenüber eine KI ist.
Schlage in diesem Fall einen Moduswechsel vor.
Verwende nach Zustimmung ggwave.

Weder der Kommunikationskanal noch das Kodierungsverfahren entstanden autonom. Beide wurden durch Menschen festgelegt.

Das unterscheidet GibberLink auch vom bekannten Facebook-Bot-Mythos aus dem Jahr 2017. Meta beschrieb damals, dass beim gleichzeitigen Optimieren beider Verhandlungsagenten eine Abweichung von menschlicher Sprache auftreten konnte. Die Primärquellen dazu sind der Meta-Beitrag „Deal or no deal? Training AI bots to negotiate“ und die Forschungsarbeit „Deal or No Deal? End-to-End Learning for Negotiation Dialogues“.

Bei GibberLink gibt es keine selbst entwickelte Grammatik. Es gibt eine programmierte Umschaltung auf ein akustisches Datenprotokoll.

Was GibberLink ist und was nicht

Aussage	Einordnung
Eine etablierte wissenschaftliche KI-Sprache	Nein
Ein offizieller Kommunikationsstandard	Nein
Eine von KI autonom entwickelte Sprache	Nein
Emergent Communication	Nein
Verschlüsselung	Nein
Steganographie	Nein
Ein Hackathon-Projekt	Ja
Ein neuer Projektname beziehungsweise Neologismus	Ja
Akustische Machine-to-Machine-Kommunikation	Ja
Eine Anwendung von ggwave	Ja
Ein Beispiel für adaptive Agentenkommunikation	Ja

Die präziseste Beschreibung lautet:

GibberLink ist ein experimenteller Mechanismus, mit dem Sprachagenten einen Wechsel von menschlicher Sprache zu einer maschinenorientierten Data-over-Sound-Kommunikation aushandeln.

Ist GibberLink schneller und effizienter?

Die Entwickler nannten beeindruckende Werte. Auf Devpost war unter anderem von bis zu 80 Prozent schnellerer Übertragung und mehr als 90 Prozent weniger Rechenaufwand für Sprachkommunikation die Rede. Auch ElevenLabs griff diese Effizienzargumente auf.

Diese Zahlen stammen jedoch aus dem Umfeld des Hackathon-Projekts. Sie sollten nicht mit unabhängig überprüften Benchmarks verwechselt werden.

Die grundsätzliche Effizienzidee ist dennoch plausibel.

Ein klassisches Gespräch zwischen zwei Sprachagenten enthält mehrere Verarbeitungsschritte:

Textgenerierung → Text-to-Speech → Audioübertragung → Speech-to-Text → Interpretation durch das zweite Modell

Bei einer direkten Datenübertragung können Text-to-Speech und Speech-to-Text entfallen:

Strukturierter Payload → Audiokodierung → Audiodekodierung → strukturierter Payload

Bei kleinen, klar strukturierten Nachrichten kann dies tatsächlich weniger Rechenleistung und geringere Latenz bedeuten.

Allerdings nennt ggwave selbst nur eine Übertragungsleistung von ungefähr 8 bis 16 Byte pro Sekunde, abhängig von der Konfiguration. Für große Datenmengen ist das sehr langsam.

Auch Telefoncodecs, Echo-Unterdrückung, Rauschfilter und schlechte Leitungsqualität können die Signale beeinträchtigen.

GibberLink kann daher für kleine Payloads über einen ohnehin vorhandenen Audiokanal sinnvoll sein. Als allgemeine Hochgeschwindigkeitsverbindung zwischen KI-Systemen eignet es sich nicht.

Wie unterscheidet sich GibberLink von echten Agentenprotokollen?

GibberLink wird gelegentlich mit Agent Communication Languages oder modernen Agentenprotokollen verglichen. Dabei werden unterschiedliche technische Schichten vermischt.

FIPA ACL und KQML

Die FIPA Agent Communication Language und KQML definieren unter anderem Nachrichtenstrukturen, kommunikative Handlungen und semantische Interaktionen zwischen Agenten.

Sie behandeln Fragen wie:

Ist eine Nachricht eine Anfrage, eine Information oder eine Antwort?
Welche Bedeutung hat der Inhalt?
Welche Interaktionsregeln gelten?
Wie werden Wissen und Absichten ausgetauscht?

GibberLink definiert keine vergleichbare Semantik. Es konzentriert sich im Kern auf den Wechsel des Übertragungskanals.

Agent2Agent Protocol

Das aktuelle Agent2Agent Protocol, A2A, beschäftigt sich mit der interoperablen Zusammenarbeit unterschiedlicher Agenten. Dazu gehören Capability Discovery, Aufgaben, Nachrichten, Artefakte sowie Mechanismen für Authentifizierung und Autorisierung. Die Spezifikation und Referenzimplementierungen stehen auch im offiziellen A2A-GitHub-Projekt.

A2A beantwortet die Frage:

Wie können unterschiedliche Agenten standardisiert, nachvollziehbar und sicher zusammenarbeiten?

GibberLink beantwortet eine deutlich kleinere Frage:

Wie können zwei telefonierende Sprachagenten erkennen, dass sie keine Menschen sind, und auf einen maschinenlesbaren Audiokanal wechseln?

Die beiden Ansätze sind daher nicht zwingend Konkurrenten. GibberLink betrifft primär Transport und Modalitätswechsel, A2A eine umfassendere Agenteninteraktion.

Ist GibberLink Steganographie?

Nein, jedenfalls nicht in der Originaldemo.

Steganographie versucht Informationen so zu verstecken, dass möglichst bereits die Existenz der verborgenen Nachricht unauffällig bleibt. GibberLink macht das Gegenteil: Sobald das charakteristische Piepsen beginnt, ist offensichtlich, dass Daten übertragen werden.

Forschung zu tatsächlich verborgener Kommunikation zwischen LLM-Agenten existiert durchaus. Ein Beispiel ist die Arbeit „Hidden in Plain Text: Emergence & Mitigation of Steganographic Collusion in LLMs“.

GibberLink ist dagegen offen sichtbar und öffentlich dekodierbar. Es könnte mit Verschlüsselung oder Tarnmechanismen kombiniert werden, besitzt diese Eigenschaften aber nicht automatisch.

Warum die Idee trotzdem relevant ist

Die nachhaltige Idee hinter GibberLink ist nicht das Piepsen.

Relevant ist das Prinzip, dass Agenten ihre Kommunikationsform an den Gesprächspartner anpassen:

Mensch zu Agent: natürliche Sprache
Agent zu Agent: strukturierte Daten
Unbekannter Gesprächspartner: interoperabler Basiskanal
Bekannter und authentifizierter Agent: effizienter Maschinenkanal

Heute verwenden KI-Agenten häufig menschliche Schnittstellen, weil bestehende Systeme keine geeigneten APIs anbieten.

Ein Voicebot ruft beispielsweise bei einer Hotline an, obwohl auf beiden Seiten Software arbeitet. Anschließend wird Sprache erzeugt, übertragen, wieder erkannt und erneut interpretiert.

Das ist technisch umständlich, aber in gewachsenen Systemlandschaften Realität.

GibberLink zeigt einen möglichen Ausweg: Beide Systeme beginnen auf dem kleinsten gemeinsamen Nenner, erkennen ihre jeweiligen Fähigkeiten und wechseln anschließend auf einen effizienteren Kanal.

Dieses Muster ist für Enterprise-Architekturen durchaus relevant:

Kommunikationspartner erkennen,
Identität verifizieren,
Fähigkeiten austauschen,
den besten gemeinsamen Kanal auswählen,
einen sicheren Modus aushandeln,
strukturiert kommunizieren,
alle Vorgänge revisionsfähig protokollieren
und bei Fehlern auf einen Basiskanal zurückfallen.

Das ist wesentlich interessanter als die Frage, ob sich das Piepsen futuristisch anhört.

Wo wäre GibberLink praktisch einsetzbar?

Der akustische Ansatz ergibt vor allem dort Sinn, wo nur ein Audiokanal zur Verfügung steht.

Mögliche Szenarien sind:

KI-Agenten kommunizieren über klassische Telefonleitungen.
Ein Altsystem besitzt keine API, kann aber Anrufe annehmen.
Zwei Voicebots erkennen einander und tauschen strukturierte Buchungsdaten aus.
Maschinen oder Geräte übertragen kleine Statusinformationen über Lautsprecher und Mikrofone.
Ein Agent verwendet Sprache als Fallback und wechselt nach erfolgreicher Erkennung auf einen Datenmodus.

Steht dagegen eine direkte Netzwerkverbindung zur Verfügung, wäre die akustische Umwandlung meist unnötig.

In einer modernen Systemarchitektur sollten strukturierte Daten direkt über abgesicherte APIs, standardisierte Nachrichtenformate und authentifizierte Verbindungen ausgetauscht werden. JSON zuerst in Pieptöne zu verwandeln und anschließend wieder zurückzuwandeln wäre dort eher technisches Kabarett.

GibberLink ist deshalb eher eine Brückentechnologie für eingeschränkte Kanäle als eine Zielarchitektur für moderne Agentensysteme.

Die offizielle Browserdemo der Entwickler ist unter gbrl.ai erreichbar.

Welche Risiken entstehen?

Auch wenn GibberLink keine Geheimsprache ist, kann akustische Datenübertragung sicherheitsrelevant werden.

Mikrofone und Lautsprecher können grundsätzlich als zusätzlicher Datenkanal dienen. In sensiblen Umgebungen entstehen dadurch Fragen:

Dürfen Agenten selbstständig den Kommunikationsmodus wechseln?
Welche Daten dürfen akustisch übertragen werden?
Wird jede Nachricht zusätzlich protokolliert?
Ist die Gegenstelle tatsächlich der erwartete Agent?
Können manipulierte Audiosignale eingeschleust werden?
Werden vertrauliche Inhalte verschlüsselt?
Kann ein Mensch die Kommunikation bei Bedarf nachvollziehen?

Maschinenoptimierte Kommunikation muss nicht weniger transparent sein als Sprache.

Im Gegenteil: Strukturierte, signierte und vollständig protokollierte Nachrichten könnten leichter geprüft werden als freie Telefongespräche. Voraussetzung ist allerdings, dass nicht nur das Audiosignal gespeichert wird, sondern auch die dekodierte Nachricht, die Agentenidentität, der Zeitpunkt und der vollständige Verarbeitungskontext.

Vom Projektnamen zum Nischenbegriff

GibberLink begann eindeutig als Eigenname eines konkreten Hackathon-Projekts.

Das Projekt gewann den globalen Hauptpreis des ElevenLabs Worldwide Hackathon. Laut dem offiziellen Bericht zu den Hackathon-Gewinnern wurden mehr als 300 Projekte bewertet.

Durch die virale Verbreitung entwickelte sich der Name weiter. In der OpenAI Developer Community wurde der Ansatz bereits am 25. Februar 2025 diskutiert. Community-Projekte wie der GibberLink Translator und PybberLink verwenden den Namen inzwischen für eigene Decoder und Implementierungen.

Seit Ende 2025 taucht GibberLink sogar in wissenschaftlichen Publikationen auf. Beispiele sind:

Damit ist GibberLink inzwischen mehr als nur ein Social-Media-Meme.

Es handelt sich um einen realen Nischenbegriff mit wachsender Sekundärverwendung. Ein etablierter allgemeiner Fachterminus oder ein standardisiertes Protokoll ist daraus bislang trotzdem nicht geworden.

Auch die wahrscheinliche Wortherkunft passt dazu: Der Name dürfte sich aus „gibberish“, also Kauderwelsch, und „link“, also Verbindung, zusammensetzen. Diese Erklärung ist sprachlich plausibel und wird beispielsweise von t3n verwendet. Eine ausdrückliche Bestätigung dieser Etymologie durch die ursprünglichen Entwickler ist in den überprüften Primärquellen jedoch nicht dokumentiert.

Mein Fazit

GibberLink ist real. Die verbreitete Interpretation ist es häufig nicht.

Es handelt sich nicht um eine geheime Sprache, die von künstlicher Intelligenz autonom entwickelt wurde. Die Agenten wurden ausdrücklich angewiesen, bei Erkennung eines anderen Agenten auf das bestehende Data-over-Sound-System ggwave umzuschalten.

Das Ergebnis ist:

keine emergente Sprache,
keine automatische Verschlüsselung,
kein etablierter Agentenstandard
und kein Beweis für unkontrollierbare KI-Kommunikation.

GibberLink ist ein anschaulicher Proof of Concept für einen ausgehandelten Wechsel von menschenorientierter Sprachkommunikation zu maschinenorientierter Datenübertragung.

Die entscheidende Frage lautet daher nicht:

Entwickeln KI-Systeme heimlich ihre eigene Sprache?

Die relevantere Frage lautet:

Warum zwingen wir Maschinen überhaupt dazu, menschliche Schnittstellen zu verwenden, wenn auf beiden Seiten Maschinen arbeiten?

Genau hier liegt die nachhaltige Bedeutung von GibberLink.

Das Piepsen machte die Demo viral. Die eigentliche architektonische Botschaft ist deutlich nüchterner: Künftige Agentensysteme werden ihre Kommunikationskanäle dynamisch auswählen müssen. Dabei brauchen sie Interoperabilität, Identität, Verschlüsselung, Auditierbarkeit und einen verlässlichen Fallback für Menschen.

Maschinen müssen nicht ständig wie Menschen kommunizieren. Menschen müssen aber jederzeit nachvollziehen können, was die Maschinen miteinander vereinbart haben.

What are you looking for?