Wie ich so viel sehen kann

Ich bin eine Person, kein Team. Genau deshalb steht auf dieser Seite offen, womit ich arbeite - sonst müsstest du mir glauben, dass ein Einzelner tausende Händler, Preislisten und Gespräche im Kopf behält. Das kann niemand.

Also habe ich mir Augen gebaut. Dafür gibt es einen Fachbegriff: OSINT, Open Source Intelligence - die Gewinnung von Erkenntnissen aus frei zugänglichen und halb-öffentlichen Quellen. Genau das wende ich auf die Peptid-Lieferkette an: Ein Verbund kleiner, spezialisierter Programme sammelt für mich rund um die Uhr, was öffentlich über den Peptid-Handel zu finden ist, und ordnet es zu Signalen. Die Technik trifft dabei keine eigenen Entscheidungen - sie liefert mir nur die Übersicht, um überhaupt urteilen zu können.

Kurz: Die Breite meiner Angaben ist echt, und sie ist maschinell getragen. Ich beschreibe meinen Prozess hier so konkret, dass er glaubwürdig ist - und so zurückhaltend, dass niemand daraus eine Anleitung ableiten kann.

Den klassischen OSINT-Dreischritt nutze ich, um einen Rohfund durch die Phasen Sammeln, Auswerten und Verknüpfen in ein Signal zu verwandeln.

1. Einsammeln: Ich erfasse einen konkreten Fund wie einen Screenshot, eine Liste oder einen Chat-Ausschnitt und lege diesen immer mit seiner Herkunft ab.
2. Strukturieren: Programme lesen den Rohfund aus: Wer wird genannt? Welcher Preis? Welches Produkt? Welche Verbindung zu wem?
3. Verbinden: Ich integriere den Einzelfund in eine Kette aus Hersteller, Labor, Preisliste, Händler und Handle, damit er an der passenden Station zum Signal wird.

Ein Signal ist für mich eine Beobachtung mit Herkunft, kein Urteil. Die Aussage „Dieses Handle taucht in drei Listen mit demselben Preis auf" gilt als Signal, während ich die Bewertung, ob dies gut oder schlecht ist, erst im nächsten Schritt vornehme.

Unter der Haube steckt keine einzelne KI, sondern eine ganze Flotte spezialisierter Software-Agenten - jeder auf eine Aufgabe abgerichtet, alle rund um die Uhr im Einsatz. Das ist der Teil, der mir am meisten Spaß macht, also erlaube mir kurz die Angeberei.

• Ein Panel statt eines Orakels. Wichtige Funde gehen nicht durch ein einzelnes Modell, sondern durch mehrere konkurrierende Spitzenmodelle verschiedener Anbieter (aus den Familien GPT, Gemini, GLM, DeepSeek und andere), die sich gegenseitig ins Kreuzverhör nehmen. Was ein Modell halluziniert, fällt beim nächsten durch - erst was mehrere unabhängig bestätigen, wird zum Signal.
• Augen, die lesen. Bild- und Dokumentmodelle lesen Screenshots, Fotos, Preislisten und PDF-Zertifikate so, wie ein Mensch eine Seite liest - Namen, Zahlen, Layout, Stempel. Auch ein zusammenkopiertes Zertifikat verrät sich dabei.
• Ordnung im Chaos. Die Agenten lösen Aliasse, Buchstabendreher und Deck-Handles auf dieselbe Entität auf und verknüpfen sie zur Kette - Fleißarbeit, die kein Mensch in dieser Breite durchhält.

Klingt nach viel Maschine, und das ist es auch. Aber die Maschine entscheidet nichts. Sie legt mir einen sauber sortierten Stapel hin - das Urteil kommt im nächsten Abschnitt, und das mache ich.

In meiner OSINT-Analyse folge ich einer zentralen Regel: Maschinen sammeln und ordnen Daten, aber die Bewertung übernehme ich als Mensch. Ich treffe das Urteil über die Belastbarkeit jedes Signals selbst, denn kein Programm vergibt automatisch eine Wertung oder lässt eine Ampel eigenständig auf „sicher" springen.

Die OSINT-Methode liefert zwar wichtige Signale, erzeugt aber kein fertiges Urteil. Was die Werkzeuge produzieren, sind reine Beobachtungen: gefunden, ausgelesen und an eine Station geheftet. Ob daraus ein konkreter Hinweis, eine Warnung oder gar nichts wird, entscheide ich anhand der Herkunft jedes einzelnen Signals.

Deshalb findest du hier kein Siegel und keine Kaufempfehlung, da Unauffälligkeit in der Recherche nicht dasselbe wie Sicherheit ist. Ich zeige dir lediglich, was ich gefunden habe und wie belastbar diese Informationen sind.