AU.RO.RA im Kontext der behördlichen KI-Projekte
Funktionale Komplementarität – Ergänzendes Analyseverfahren zur strukturellen Textanalyse.
AU.RO.RA entscheidet nicht über Wahrheit oder Lüge. Es analysiert die Struktur von Texten – und zeigt Auffälligkeiten, Brüche und Muster auf. Die Interpretation bleibt beim Menschen.
AU.RO.RA ist das einzige System, das Texte auf drei Ebenen analysiert:
- 64+ sprachliche Merkmale (neutral, deskriptiv, kein Pattern Matching)
- 30+ logische Konsistenzregeln (deterministisch, keine Wahrscheinlichkeit)
- Zeitliche Strukturanalyse (Temporal Collapse) – weltweit einzigartig
Und das alles offline, DSGVO-konform, ohne Cloud, ohne Blackbox, 0% Halluzinationsrisiko.
- Strukturelle Muster erkennen
- Logische Widersprüche prüfen
- Zeitliche Dynamik analysieren
- Autorenprofil extrahieren (neutral, deskriptiv)
- Offline auf Standard-Hardware laufen
- Wahrheit oder Lüge erkennen
- Inhalte bewerten („Banküberfall“ = gefährlich)
- Klinische Diagnosen stellen
- Automatisierte Entscheidungen treffen
- Die menschliche Fachkraft ersetzen
📊 AU.RO.RA im Vergleich zu anderen Systemen
Die folgende Tabelle vergleicht AU.RO.RA mit relevanten Systemen aus dem deutschsprachigen und internationalen Raum:
⚖️
Rechtlicher Hinweis zur Marktabgrenzung und Urheberrechten: Sämtliche in diesem Systemvergleich aufgeführten Informationen, Funktionsbeschreibungen und Referenzen zu Drittsystemen oder internationalen Behördenprogrammen wurden nach bestem Wissen und Gewissen auf Basis öffentlich zugänglicher Dokumentationen, Forschungsberichte und Systembeschreibungen recherchiert (Stand: 2026). Die Darstellung dient ausschließlich der funktionalen und methodischen Abgrenzung im Rahmen der behördlichen Markterkundung. Diese Übersicht erhebt keinen Anspruch auf permanente Vollständigkeit, Aktualität oder absolute Richtigkeit.
Alle genannten Marken, Produktbezeichnungen, Behördennamen, Akronyme und geschützten Logos (wie z. B. ASEL, BKA, LKA Niedersachsen, IARPA, CIA etc.) sind das uneingeschränkte Eigentum der jeweiligen Inhaber, Bundesländer, staatlichen Institutionen oder Urheber. Ihre Nennung auf dieser Plattform erfolgt ohne Absicht der Markenverletzung, sondern dient ausschließlich als notwendige, sachliche Referenz zur eindeutigen Identifikation und funktionalen Unterscheidung der Systeme im kriminologischen Gesamtkontext.
| System | Kernfunktion | Unterschied zu AU.RO.RA |
|---|---|---|
|
OCEAN -Felix Mächtle von der Uni Lübeck | Erkennt Programmierer am Coding-Stil (Maschinencode, nicht natürliche Sprache). | Analysiert keine natürliche Sprache. Keine Logikprüfung. Keine Autorenprofil-Extraktion aus Texten. |
|
StyloMetrix - github - researchgate -arxiv.org | Erstellt stilometrische Vektoren aus Texten (normalisiert, reproduzierbar). | Nur Merkmalsextraktion – keine logische Konsistenzprüfung, keine Zeitstrukturanalyse, keine Anomalieerkennung. |
| FTK / EnCase - eccouncil.org - cyberforensicacademy.com | Digitale Forensik für Dateien, Festplatten, gelöschte Daten. | Analysiert keine Texte. Keine linguistischen Muster. Keine Autorenschaft. |
| Sonix / Everlaw - sonix.ai | Transkription von Audio, Dokumentenanalyse. | Nur Transkription, keine strukturelle Analyse. Keine Anomalieerkennung. |
| ASEL -Polizei Sachsen | Automatisierte Transkription, Audio-Segmentierung, Sprechertrennung. | Wandelt Audio in Text um – keine Textanalyse. Keine strukturelle Untersuchung. |
| Kipo Analyzer - Polizei Niedersachsen | Vorsortierung von Bildmaterial, Hashwert-Erkennung. | Mustererkennung in visuellen Asservaten – keine Textanalyse. |
| HIATUS (IARPA) -IARPA HIATUS Official | Sprachunabhängige Autorenidentifikation (Stilometrie, XAI). | Cloud-basiert, probabilistisch. Blendet logische Konsistenz und Tiefenstruktur aus. Nicht DSGVO-konform für deutsche Behörden. |
| JGAAP - github - researchgate | Statistisches Framework zur Urheberidentifikation (N-Gramme, Worthäufigkeiten). | Reiner Stilometrie-Vergleicher auf Textoberflächen-Ebene. Keine Logikprüfung, keine Zeitstrukturanalyse. |
| LIWC - liwc.app - researchgate | Wörterbuchbasierte quantitative Textanalyse (68 emotionale/kognitive Kategorien). | Zählt nur Worthäufigkeiten. Keine Satzstruktur, keine Zeitlogik, keine Konsistenzprüfung. |
|
Evidentia Forensic Linguistics Platform Evidentia University | Devpost |
Bildungs- und Assistenzplattform für forensische Linguistik. Bietet strukturierte Methoden zur Analyse von Autorschaft, Textstruktur und Textauthentizität für menschliche Sachverständige. | Dient primär als strukturiertes Dokumentationswerkzeug oder Bildungsplattform. Keine autonome mathematische Mustererkennung auf Vektorebene. |
|
AU.RO.RA v4.5 Deterministische Strukturanalyse für Texte |
Assistenzsystem zur mathematischen Erfassung von Textstrukturen. Verknüpft 64+ Merkmalsdetektoren (Linguistik, Psychologie, Logik) mit 30+ deterministischen Konsistenzregeln. Extrahiert drei Kernmetriken: Selbst-Umwelt-Differenzierung, narrative Konsistenz und metakognitive Tiefe. | Ein Verfahren zur inhaltsunabhängigen Analyse der Zeitgeometrie (Temporal Collapse), zur Extraktion des Autorenprofils im 256-dimensionalen Hyperraum – vollständig offline, DSGVO-konform, 0% Halluzinationsrisiko. |
| Staat / Behörde / System | Kernfunktion | Funktion |
|---|---|---|
|
USA: CIA – "AI Co-Worker" 📄 CIA Future of Analysis (PDF) 🔗 CIA – Intelligence in a Digital World |
Generative KI zur Unterstützung von Analysten: Berichtserstellung, Datenvorfilterung, Mustererkennung in großen OSINT-Datenströmen. Die finale Entscheidung bleibt beim Analysten. | Ein Assistenzsystem für Textproduktion und Datenfilterung |
|
USA: IARPA / ODNI – HIATUS 📄 IARPA HIATUS Official 🔗 ODNI-IARPA Partnership |
Ambitioniertes US-Projekt zur Autorenschaftsanalyse. Ziel: Sprachunabhängige Zuordnung über linguistische Fingerabdrücke (Stilometrie). Fokus liegt auf Explainable AI und Textvergleich (Attribution). | Ein Stilometrie-Analyzer |
|
Russland: MWI / FSB – SORM-III & KRIZ 📄 SORM-3 System ⚖️ Yarovaya Law |
Massive, staatliche Überwachungsinfrastruktur. Einsatz von NLP-Clustern zur semantischen Schlagwortfilterung, Identifikation kritischer Narrative und zur automatisierten Zuordnung von IP-Adressen zu Textverfassern. | Ein Netzwerk-Filter zur Inhaltskontrolle. |
|
China: MPS – Sharp Eyes Text-Intelligence 📄 Georgetown CSET – Sharp Eyes 🔗 CFR – China’s Artificial Intelligence Push into Africa |
Teil des nationalen Sicherheitsnetzwerks. KI wird zur Stimmungsanalyse (Sentiment Analysis), automatisierten Text-Zensur und zur Erkennung kollektiver Verhaltensänderungen im Social-Media-Raum genutzt. | Ein Sentiment-Analyzer für Meinungsströmungen. |
|
UK: GCHQ / MI6 – National AI Strategy 📄 UK National AI Strategy 🔗 GCHQ – AI Ethics Framework |
Nutzung großskalierter Sprachmodelle (LLMs) zur Massen-Klassifikation von Desinformationskampagnen, automatisierten Echtzeit-Übersetzung abgefangener Signale und forensischer Metadaten-Triage. | Ein Werkzeug zur Signalanalyse und Informationsverarbeitung. |
|
Australien: ASD / ASIO – REDSPICE Program 📄 ASD REDSPICE Official 🔗 ASIO Annual Reports |
Cyber- und KI-Abwehrprogramm. Einsatz hochdimensionaler Feature-Extraktion zur Identifikation von Cyber-Akteuren über deren Code- und Text-Stile (Attribution von Kampagnen im pazifischen Raum). | Ein Urheber-Attributionssystem auf statistischer Stilebene. |
|
NATO: STRATCOM COE – AI for Disinformation 📄 NATO STRATCOM COE 🔗 NATO AI Strategy (ACT) |
Analyse von Desinformationskampagnen durch NLP-basierte Erkennung wiederkehrender Narrative, Propaganda-Muster und automatisierter Bot-Accounts im öffentlichen Diskurs. | Ein Narrativ-Analyzer für Kommunikationsmuster. |
|
Frankreich: Ministère de l'Intérieur – Project ALIEN 📄 French Ministry of Interior – AI 🔗 EPRS – AI in |
Forschungsprojekt zur automatisierten Analyse von Chat-Protokollen in Strafverfahren. Fokus auf semantische Extraktion von Beweisketten und Kommunikationsgrafiken. | Ein Chat-Analysator für semantische Strukturen. |
⚠️ Was AU.RO.RA nicht ist – eine ehrliche Abgrenzung
Pattern Matching sucht nach bestimmten Wörtern oder Phrasen (z. B. „Banküberfall“). AU.RO.RA sucht nach strukturellen Merkmalen (z. B. Zukunftsbezüge, Ich-Referenzen).
Die extrahierten Werte (z. B. Selbst-Umwelt-Differenzierung) sind rein deskriptive Indikatoren – keine medizinischen Diagnosen.
Im Gegensatz zu HIATUS oder vielen internationalen Systemen läuft AU.RO.RA komplett offline – kein Datenabfluss, keine externen APIs.
AU.RO.RA erzeugt keine Texte, keine Antworten, keine Entscheidungen. Es analysiert nur – deterministisch und reproduzierbar.
Systeme wie JGAAP oder StyloMetrix gleichen statistische Oberflächenmerkmale ab. AU.RO.RA analysiert dagegen logische Konsistenz, zeitliche Dynamik und strukturelle Tiefe.
Die meisten KI-Systeme arbeiten probabilistisch und sind intransparent. AU.RO.RA ist 100% deterministisch, erklärbar und auditierbar – jede Entscheidung folgt festen Regeln.
Geplante Digitalisierung
Die deutsche Polizei und Justiz treiben die Digitalisierung der Sicherheitsbehörden im föderalen Verbund massiv voran.
Seit den Jahren 2024/2025 befinden sich bundes- und landesweit mehrere KI-gestützte Systeme im Justiz- und Ermittlungsalltag
im landesweiten Regelbetrieb oder in fortgeschrittener behördlicher Erprobung.
📖 Quellen:
BMJ – Gesetz zur Digitalisierung der Justiz ·
BKA – IT-Ausstattung & Digitalisierung
Diese Entwicklung korreliert mit weitreichenden internationalen Bestrebungen zur Modernisierung der digitalen Forensik.
Unter der Federführung von Organisationen wie Europol
und Interpol wird die Integration automatisierter Textanalysen forciert.
📖 Quellen:
Europol – Publikationen zur KI-Forensik ·
Interpol – Cybercrime & Digitale Forensik
Aktuelle Herausforderungen in der behördlichen Praxis
- E-Akte: Bis 2026 Umstellung aller Verfahren auf digitale Bearbeitung
- Massenhafte digitale Asservate: Handys, Chats, soziale Medien
- Datenschutz: DSGVO-konforme Verarbeitung erforderlich
Bestehende Systeme lösen erfolgreich Teilprobleme. AU.RO.RA adressiert ergänzend die textbasierte Strukturanalyse.
AU.RO.RA etabliert sich als spezialisiertes Assistenzverfahren innerhalb dieser wachsenden Systemlandschaft. Die Softwarearchitektur konkurriert explizit nicht mit bestehenden Bundes-, Landes- oder globalen Cloud-Lösungen zur automatisierten Massendatenauswertung, sondern adressiert als komplementäres Analysewerkzeug die datenbasierte Extraktion struktureller Text- und Verfassermerkmale aus textbasiertem Asservatenmaterial unter Einhaltung europäischer Souveränitätsstandards.
🌍 Globale digitale Spuren im Textmaterial
Tägliche Textmengen im Internet – eine Einordnung für die behördliche Praxis
| Kategorie | Tokens/Tag | Wörter/Tag | Vergleich |
|---|---|---|---|
| Verzweiflung & mentale Krisen | 30 Mrd. | 22,5 Mrd. | 300.000 Wikipedia-Ausgaben pro Tag |
| Konflikthafte Inhalte | 20 Mrd. | 15 Mrd. | 150.000 Romane pro Tag |
| Radikalisierungsinhalte | 50 Mio. | 37,5 Mio. | 500 umfangreiche Dokumente pro Tag |
| Akute Krisensignale | 100.000 | 75.000 | Ein Buch pro Tag |
| Drohungen & Gewaltankündigungen | 20.000 | 15.000 | 30 ausführliche Drohschreiben pro Tag |
- Tokens vs. Wörter: KI zerlegt Texte in „Tokens“ (Wortteile). Die Wortanzahl ist immer etwas niedriger als die Tokenanzahl.
- Die Masse des Grundrauschens: Konflikthafte Inhalte machen 1–2 % des weltweiten Textaufkommens aus – in absoluten Zahlen eine gigantische Menge.
- Die Nadel im Heuhaufen: Akute Drohungen und Krisensignale sind extrem selten – die Herausforderung ist, sie aus der Masse zu filtern.