Die Welle steigt — Hochwasser an der Ahr, in der nächsten Stunde

14. Juli 2021. Es regnet seit Stunden. Der Pegel steigt schneller, als die offiziellen Warnungen ankommen. Was passiert, wenn ein Mesh am Körper früher merkt als die Sirene?

19:14 Uhr. Im Ahrtal regnet es seit fünf Stunden. Bernd (52, Bäcker in einem Ort mit 600 Einwohnern) steht am Küchenfenster und schaut auf den Bach unten am Hang. Der Bach ist kein Bach mehr. Er ist eine Linie, die sich nach oben verschiebt. Aus dem Radio kommt eine Wetterwarnung, aber sie ist eine Stufe niedriger als das, was er aus dem Fenster sieht.

Es ist der 14. Juli 2021.

19:14 — Pegel und Wirklichkeit

Bernd öffnet die offizielle Pegel-App. Die letzte Aktualisierung steht eine Stunde alt. Er weiß nicht, ob es ein Software-Problem ist oder ob niemand mehr nachschaut. Was er auch nicht weiß: Der Sensor 2 km flussabwärts ist bereits weggespült. Der Sensor 5 km flussaufwärts gibt Werte ab, die das System für unrealistisch hält und herausfiltert.

Die erste Linie — Pegel-Behörde, Katastrophenschutz, Sirene — funktioniert nominell. Aber sie ist langsamer als das Wasser.

19:22 — Was am Armband mithört

Bernds Tochter Lea (8) trägt seit Schulanfang ein kleines Band, in dem ihr Logpy:companion läuft. Lokales Modell, immer am Körper, kennt ihren Kontext. Bernd hat eines auf dem Handy. Das Band vibriert zweimal lang. Auf dem Display:

Pegel-Anomalie · 3 Sensoren · Konfidenz 0,89 · Evakuierungs-Empfehlung in 47 min (±12 min) · Quelle: offizielle Pegel + 2 Mesh-Sensoren am Hang · Alternativen: 2 Wege bewertet

Drei wichtige Wörter darin: Konfidenz, Quellen, Alternativen. Jede Empfehlung trägt ihre Grundlage. Lea sieht, was ihr Companion weiß und woher. Das ist Transparenz by design, eines der vier Prinzipien des Mesh.

Bernds Companion sagt das Gleiche. Aber er sagt auch noch etwas anderes:

Frau Krause (79, Mobilität eingeschränkt) — Companion online — Bewegung allein nicht empfohlen

Bernd kennt Frau Krause. Sie lebt allein in dem Haus gegenüber. Vor zwei Jahren haben sich beide Companions im :openNet verknüpft. Nicht „verfreundet” — verknüpft: Lea bekommt mit, wenn Frau Krauses Companion einen Notruf absetzt; Frau Krauses Companion weiß, dass Bernd erreichbar ist, wenn etwas Größeres passiert. Web-of-Trust. Nicht zentral verwaltet, nicht zufällig — vorab und freiwillig.

19:35 — Der Schwarm formt sich

Auf der Karte am Display von Bernds Companion sieht er etwas Neues. Logpy:swarm ist aktiv. Im Umkreis von 2 Kilometern sind 38 Companions im Mesh erreichbar. Sie haben sich nicht koordiniert, weil jemand das Kommando gegeben hätte. Sie koordinieren sich, weil jeder Companion eine simple Frage stellt: „Wenn ich gehen muss, wen kenne ich, der Hilfe braucht?” Und: „Was kann ich anbieten?”

Bernd sieht das Ergebnis als Liste:

  • Krause (gegenüber): braucht 1 Mitnahme. Bernd? [bestätigen]
  • Familie Demir (am Bach): 4 Personen, 1 Baby. Auto vorhanden. Selbst-OK.
  • Theresia (oberer Hof): fragt nach Hilfe für 2 Pferde.
  • Marc (Feuerwehr, off-duty): fährt mit Werkstattwagen Richtung Schuld, kann auf der Strecke 3 Personen aufnehmen.

Bernd bestätigt Krause mit einem Tipp. Sein Companion schickt der Nachbarin keine Aufgabe — sie ist offline geworden, ihr Telefon hängt am Kabel. Stattdessen leitet das System die Information weiter zu Frau Krauses Companion direkt am Körper, der ihr ruhig sagt: „Bernd kommt in 12 Minuten. Pack ein, was du in eine Tasche bekommst.”

Das ist :swarm. Kein Hierarchien-Aufbau, kein Anführer. Eine Sammlung von Companions, die ihre eigenen Aufgaben kennen, ihre Verfügbarkeit melden, ihre Verbindlichkeiten machen. Wenn einer ausfällt, übernimmt der nächste. Graceful Degradation in lebender Form.

19:48 — Wer entscheidet, wer mitfährt

Eine Frage, die in solchen Momenten alles brechen kann: Wer entscheidet? Bernds Companion entscheidet nicht. Er schlägt vor — und zeigt, warum.

Vorschlag: Frau Krause mitnehmen. Grund: räumliche Nähe, vorbestehende Trust-Bindung, körperliche Lage. Alternative: Marc nimmt Krause auf seiner Route. ETA: +18 min.

Bernd wählt sich selbst. Er hat das Auto unten, er ist schneller. Aber das System hat ihm gezeigt, was passieren würde, wenn er Nein sagt — und niemand bleibt zurück, weil jemand übersehen wurde. Das ist Self-Limiting: das System kennt seine Grenzen. Es nimmt keine Entscheidungen ab, die Menschen treffen müssen. Aber es macht die Folgen sichtbar.

20:03 — Was Tier 3 in diesem Moment macht

Im Bürgermeisteramt am höchsten Punkt des Ortes steht ein graues Aluminium-Gehäuse. Stromversorgung über USV und Dieselgenerator. LoRa-Antennen auf dem Dach. Das ist die Resilience Cell — Tier 3. Wenn der Mobilfunk fällt, ist sie der lange Atem des Mesh.

Sie agiert nicht. Sie protokolliert. Sie hält fest, welche Sensoren noch melden, welche Companions im Mesh aktiv sind, welche Routen freigegeben sind. Wenn am Morgen die Behörden zurückfinden, wissen sie aus den signierten Mesh-Logs, wer was wann gemacht hat — auditierbar, mit Quellen. Niemand muss sich daran erinnern, wer im Chaos zuerst geholfen hat. Es steht im Log.

Was hier sichtbar wurde

Im Ahrtal an diesem Abend wäre die zweite Linie genau eine Stunde vor der Sirene da. Das ist nicht magisch. Das ist die Konsequenz daraus, dass viele kleine LLMs am Körper gemeinsam früher erkennen können als ein einzelner zentraler Sensor — wenn sie miteinander reden dürfen.

Sichtbare Bausteine an diesem Abend:

  • :companions — am Körper, kennen den Kontext (Bernd, Lea, Krause), warnen früh, zeigen Quellen.
  • :swarm — die Companions bilden ein Team, jeder kennt seine Rolle, kein Anführer.
  • :openNet — das Vertrauensgerüst dahinter. Nur vorab verknüpfte Menschen koordinieren sich. Web-of-Trust.

Was sich für Lea und Bernd geändert hat: Sie kommen um 20:31 Uhr in Schuld an. Frau Krause auf dem Beifahrersitz, der Hamster der Tochter in einer Schuhschachtel. Das offizielle Sirenen-Signal ertönt um 21:03. Sie hören es im Auto, mit Frau Krause neben sich, schon trocken.

Es ist nichts Dramatisches passiert. Außer dass die zweite Linie für eine Stunde Hauptlinie war.

10/10 — eine mögliche Zukunft, erlebbar gemacht.