DETERMINISTIC STATE MODELING · V4.5

AU.RO.RA – Sprachstrukturen deterministisch modellieren

AU.RO.RA ist ein modulares Analyseframework zur strukturierten Auswertung sprachlicher Daten. Das System kombiniert regelbasierte Merkmalsextraktion mit semantischen Embeddings in einer deterministisch ausgeführten Pipeline – lokal betreibbar, auditierbar, reproduzierbar.

Technische Dokumentation →

🔷 Systemarchitektur

AU.RO.RA besteht aus drei Schichten: Orchestrierung (Node.js), Analyse-Backend (Python) und optionalem Sprachmodell. Alle Komponenten arbeiten deterministisch und können vollständig on-premise betrieben werden.

100+ Parallele Merkmalsdetektoren (linguistisch + strukturell)

30+ Logische Konsistenzregeln (Constraint Engine)

4 Rekursive Selbstschichten (ASCS: Welt → Selbst → Meta → Tiefe)

256-dim Feature Space · 128-dim OIA Zustandsmodell

TEXT-INPUT
↓ NORMALISIERUNG & TOKENISIERUNG
↓ EMBEDDINGS (2 NLP-Modelle)
↓ FEATURE SPACE (256 Dimensionen)
↓ OIA REKURSION (4 Schichten · Fixpunktiteration <1e-6)
↓ CONSTRAINT ENGINE (30+ Regeln)
↓ FUSION LAYER (Cross-Korrelation)
↓ OUTPUT: SCORES · KLASSIFIKATION · EVIDENZHINWEISE

⚙️ Deterministische Ausführung: Unter identischen Systembedingungen liefert AU.RO.RA reproduzierbare Ergebnisse. Jede Klassifikation ist über nachvollziehbare Regeln und einen Audit-Trail dokumentiert.

64+ Linguistische Merkmalsdetektoren

30+ Logische Kernregeln (Constraint-basiert)

256 Hyperraum-Dimensionen

4 OIA-Zeitskalen (K/G/P/I)

4 Rekursive ASCS-Schichten

deterministisch Audit-Trail mit SHA256-Referenzen

MODUL-ERWEITERUNG Extraktion von Entitäten & Relationen

Erweiterung der AU.RO.RA-Architektur um eine deterministische Open Information Extraction Pipeline. Extrahiert 15 Entitätstypen und 19 Relationstypen mit NATO-STANAG-basierter Quellenbewertung und 5-Knoten-Evidenzgraph. Vollständig offline, keine Cloud-Anbindung erforderlich.

🎯 Drei parallele Analyse-Ebenen

📊 Ebene 1
Linguistische Merkmalsextraktion
100+ Detektoren für syntaktische, semantische und strukturelle Muster

⚖️ Ebene 2
Logische Konsistenzprüfung
30+ deterministische Regeln (Constraint Engine)

🧠 Ebene 3
OIA Zustandsmodell
4 Zeitskalen · rekursive Selbstschichten · Fixpunktiteration

Die Ebenen arbeiten parallel und werden über einen Fusion-Layer zu einem deskriptiven Index (0-100) zusammengeführt.

⏱️ OIA – Operatives Identitätsmodell für Sprache

Das Kernmodell von AU.RO.RA bildet sprachliche Strukturen als Zustandsvektor in 128 Dimensionen ab. Vier Zeitskalen erfassen Dynamik:

K
Kurzzeit

G
Gewohnheit

P
Persönlichkeit

I
Identitätskern

📐 Temporal Collapse (Zeitliche Fragmentierung): Das System berechnet das Verhältnis von Zukunfts- zu Vergangenheitsreferenzen sowie narrative Brüche in der Zeitstruktur – ein messbarer Indikator für die zeitliche Kohärenz eines Textes.

⚖️ Betriebsparameter & Compliance

EU AI Act
Architektur orientiert sich an Transparenz-, Nachvollziehbarkeits- und Auditierungsanforderungen (Art. 13-15)

On-Premise
Kann vollständig im eigenen Rechenzentrum betrieben werden. Cloud-Anbindung nicht erforderlich.

Auditierbar
Nachvollziehbare Verarbeitung mit Evidenzketten. Append-Only Journal mit SHA256-Referenzierung.

DSGVO
Unterstützt DSGVO-konforme Betriebsmodelle durch lokale Datenverarbeitung.

⚠️ Systemgrenzen – was AU.RO.RA nicht leistet: Keine Feststellung von Wahrheit oder Lüge · Keine klinischen Diagnosen · Keine eigenständigen Beweisentscheidungen · Keine automatisierten Maßnahmen · Keine Personenbewertung. Die finale Bewertung verbleibt bei der zuständigen Fachkraft.

📚 Wissenschaftliche Grundlagen (Anregungen)

Jaspers (1913) Svartvik (1968) McMenamin (2002) Pennebaker (2011) Hare (2003) Keatley et al. (2024) Bandura (1999) Gudjonsson (2003)

Die referenzierten Werke dienen der wissenschaftlichen Einordnung – das System führt keine diagnostischen Anwendungen geschützter Testverfahren durch.

Zur technischen Dokumentation → Systemarchitektur im Detail →