Wie AU.RO.RA einen Text analysiert
Vom Text zum mathematischen Vektor – 256 Dimensionen, 64+ Detektoren, 30+ logische Regeln.
Das Grundprinzip: Vom Text zum Vektor
AU.RO.RA liest keinen Text wie ein Mensch. Es wandelt den Text in Zahlen um – genauer: in einen Vektor mit 256 Dimensionen. Das ist wie ein Koordinatensystem mit 256 Achsen, in dem jeder Text einen eindeutigen Punkt bekommt.
Ein Text hat sehr viele Eigenschaften: Satzlängen, Wortwiederholungen, Zeitbezüge, emotionale Ausdrücke, Fachbegriffe, Satzstrukturen, etc. Jede Eigenschaft wird zu einer eigenen Achse im Raum.
landet an einer bestimmten Stelle im Raum.
landet an einer ganz anderen Stelle.
landet wieder woanders.
Je weiter zwei Texte in diesem Raum voneinander entfernt sind, desto unterschiedlicher sind ihre strukturellen Muster.
Die drei Analyse-Ebenen
AU.RO.RA arbeitet mit drei parallelen Ebenen – alle laufen gleichzeitig.
Kleine Programme, die bestimmte strukturelle Muster im Text zählen – keine inhaltliche Bewertung.
Beispiele: Zukunftsbezüge, Ich-Referenzen, Fachbegriffe, Unsicherheitsmarker.
Prüft, ob der Text in sich widersprüchlich ist – mit 30+ deterministischen Regeln.
Beispiele: Wissensparadox, zeitliche Inkonsistenz, emotionale Asymmetrie.
Untersucht das sprachliche Selbstbild – rein deskriptiv, ohne Diagnose.
Beispiele: Selbst-Umwelt-Differenzierung, narrative Konsistenz, Selbstreflexion.
Regex und Patterns – Was sie tun und was nicht
AU.RO.RA sucht nicht nach bestimmten Wörtern wie „Banküberfall“ oder „Liebe“. Es sucht nach formalen, strukturellen Mustern.
| Pattern | Was es zählt | Was es NICHT zählt |
|---|---|---|
\b(werde|wirst|wird)\b |
Zeitform (Zukunft) | Bedeutung des Satzes |
\b(ich|mir|mich|mein)\b |
Ich-Referenzen | Was der Autor über sich sagt |
\b(weil|da|denn|deshalb)\b |
Kausale Verknüpfungen | Ob die Begründung stimmt |
📝 Beispiel: „Ich werde morgen die Bank überfallen.“ ✅ AU.RO.RA erkennt: Zukunft („werde“), Ich-Referenz („ich“), Zeitangabe („morgen“) ❌ AU.RO.RA erkennt NICHT: dass es sich um einen Banküberfall handelt
Ein reiner Pattern-Matcher würde sagen: „Ah, Banküberfall! Gefährlich!“
AU.RO.RA sagt: „Der Text enthält Zukunftsbezüge und Ich-Referenzen – das sind neutrale strukturelle Fakten.“
Was die Algorithmen genau tun
Der Text wird Zeichen für Zeichen durchgegangen. Für jedes Merkmal wird gezählt. Am Ende liegen 64+ Zahlen vor.
Vergleichbar mit einem Blutbild: 64 verschiedene Werte werden gemessen – neutral und deskriptiv.
Die 30+ logischen Regeln werden eine nach der anderen angewendet. Jede Regel prüft ein bestimmtes Muster.
Ist die Bedingung erfüllt? Ja/Nein – reine Mathematik, keine Interpretation.
Alle Ergebnisse werden zusammengeführt. Jedes erkannte Muster bekommt eine Gewichtung.
Am Ende steht eine Zahl zwischen 0 und 100 – ein deskriptiver Index.
Er sagt NICHT: Ob der Autor lügt, ob er gefährlich ist, oder ob er eine Straftat begangen hat.
Warum AU.RO.RA keine „Lüge“ erkennt
AU.RO.RA hat keinen Zugriff auf eine „objektive Wahrheit“. Es kennt nur den Text. Es kann also niemals sagen, ob etwas wahr oder falsch ist.
Was AU.RO.RA kann: Es kann sagen: „Dieser Text weicht in seiner Struktur von anderen Texten ab.“
Ob das etwas mit Lüge zu tun hat, muss ein Mensch entscheiden.
❌ AU.RO.RA erkennt nicht: Ob eine Aussage wahr oder gelogen ist.
Zusammenfassung – AU.RO.RA im Überblick
Text → 256-dimensionale Vektoren → 64+ Detektoren → 30+ Regeln → deskriptiver Index (0-100).
Um formale, strukturelle Muster zu erkennen – nicht inhaltliche.
Nein. Pattern Matching sucht nach Inhalten. AU.RO.RA sucht nach Strukturen.
Nein. Es erkennt strukturelle Auffälligkeiten. Die Interpretation bleibt beim Menschen.
AU.RO.RA ist ein Werkzeug zur Strukturanalyse – kein Lügendetektor, keine Blackbox, keine KI, die Inhalte bewertet. Es ist ein mathematisches Messgerät für Texte, vergleichbar mit einem Spektrometer für Licht oder einem Seismographen für Erdbeben.