Wissenschaftliche Grundlagen der AU.RO.RA-Architektur
Integration von forensischer Stilistik, phänomenologischer Strukturanalyse und computergestützter Textanalyse zur mathematischen Rekonstruktion des Autoren-Profils sowie zur holistischen Struktur-, Kohärenz- und Musteranalyse im Rahmen textbasierter Untersuchungen.
Methodische Integration: Forensische Stilistik, Phänomenologie, Strukturanalyse & OIA-Architektur
AU.RO.RA vereint sechs wissenschaftliche Säulen zu einem kohärenten Analysemodell: die forensische Stilistik nach Svartvik (1968) und McMenamin (2002) zur stilometrischen Autorenidentifikation, die phänomenologische Strukturanalyse nach Karl Jaspers (1913) zur Erfassung struktureller Darstellungsmuster, das PCL-R-Modell nach Hare (2003) zur Erfassung affektiver und verhaltensbezogener Strukturmerkmale, die LIWC-Methodik nach Pennebaker (2011) zur inhaltsunabhängigen Merkmalsextraktion, das Winthropping-Konzept nach Keatley et al. (2024) zur räumlichen Kodierungsanalyse sowie die OIA-Architektur (Operational Identity Architecture) zur constraint-basierten Modellierung des Autoren-Profils als mathematisches Objekt.
Ziel ist die isolierte Betrachtung des Autoren-Profils – jener strukturellen Signatur, die unabhängig vom thematisierten Inhalt die basale Stabilität und Kohärenz des Verfassers abbildet.
Das wissenschaftliche Fundament der AU.RO.RA-Architektur
(nach Karl Jaspers, 1913)
Deskriptive Erfassung struktureller Darstellungsmuster direkt aus dem Textmaterial – explizit ohne medizinische oder klinische Einordnung.
📚 Springer →(nach J. W. Pennebaker, 2011 / LIWC)
Statistische Modellierung hochdimensionaler Textmerkmale und Funktionswörter für mathematisch reproduzierbare Sprachprofile.
💬 LIWC.app →(nach G. R. McMenamin, 2002 / J. Svartvik, 1968)
Objektive, merkmalsbasierte Identifikation individueller Autoren-Signaturen und empirische Überprüfung von Textkonsistenzen.
📖 Routledge →(nach R. D. Hare, 2003)
Deskriptive Erfassung affektiver (Faktor 1) und verhaltensbezogener (Faktor 2) Strukturmerkmale – rein regelbasiert, ohne klinische Einordnung.
📘 MHS →(nach Keatley et al., 2024)
Erkennung geografischer Anker und Bewegungssprache als Indikatoren für räumliche Fokussierung in Texten.
🔗 DOI →(486DIM LABS Eigenentwicklung)
Constraint-basierte Modellierung des Autoren-Profils als mathematisches Objekt – 4 Zeitskalen, 4 ASCS-Schichten, 3 Kernmetriken.
Weitere wissenschaftliche Grundlagen der AU.RO.RA-Architektur
AMU (2024)
Kernmethoden der AU.RO.RA-Architektur
Merkmalsbasierte Autorenidentifikation nach McMenamin (2002), Svartvik (1968)
Statistische Modellierung nach Pennebaker (2011), Eder et al. (2016)
Strukturelle Erfassung von Darstellungsmustern nach K. Jaspers (1913)
Erkennung zeitlicher Muster in Textstrukturen
Formale Konsistenzprüfung über 30+ deterministische Regeln
Analyse sequenzieller Interaktionsstrukturen nach Gudjonsson (2003)
Erkennung von Beschreibungsmustern vs. Handlungsabläufen
Geografische Anker und Bewegungssprache nach Keatley et al. (2024)
Affektive und verhaltensbezogene Strukturmerkmale nach Hare (2003)
Analyse sprachlicher Verneinungsstrukturen (Epistemic Gap Analysis 2025)
Syntax-Tiefe, Abhängigkeits-Vielfalt, Kernkonzept-Drift
Erkennung von Übersetzungsartefakten nach Brennan et al. (2012)
Die Kombination dieser Methoden ermöglicht die mathematische Extraktion des Autoren-Profils als eigenständiges Analyseobjekt.
Definition: Zeitliche Strukturanalyse (Temporal Collapse)
Die zeitliche Strukturanalyse beschreibt das mathematisch messbare Phänomen der zeitlichen Organisation eines Textes. Das System misst das Verhältnis von Zukunfts- zu Vergangenheitsreferenzen (zeitliche Balance) sowie narrative Brüche und fragmentierte Zeitstrukturen.
Vergleich: Traditionelle Linguistik
| Kriterium | Traditionelle Verfahren | AU.RO.RA |
|---|---|---|
| Analysegeschwindigkeit | Batch-basiert, manuell | Echtzeitverarbeitung (20.000 Zeichen/Sek.) |
| Methodische Stabilität | Inter-annotator variability hoch | Deterministische Modellierung |
| Skalierbarkeit | Begrenzt auf Einzelfallanalysen | Parallelisierte Massenanalyse |
| Reproduzierbarkeit | Abhängig von Expertenurteil | Vollständig reproduzierbar |
Vergleich: KI-Systeme
| Kriterium | Standard-LLMs | AU.RO.RA |
|---|---|---|
| Architekturtyp | Transformer-basierte Netze | Hybrid aus 64+ Detektoren, 30+ Logikregeln & OIA |
| Entscheidungslogik | Wahrscheinlichkeitsbasiert | Deterministische Konsistenzprüfung |
| Erklärbarkeit | Emergent, Black Box | Explizit modellierte Entscheidungsgraphen |
| Fehlerstruktur | Halluzinationen | Logisch klassifizierte Inkonsistenzen |
Abgrenzung zu großen Sprachmodellen
LLMs operieren auf Basis statistischer Sprachmodellierung. AU.RO.RA implementiert keine generative Zielarchitektur, sondern ein analysierendes Systemdesign mit 64+ deterministischen Merkmalsdetektoren und 30+ logischen Kernregeln.
Eingesetzte Sprachmodelle agieren ausschließlich als mathematische Merkmalsextraktoren in einer isolierten Vorstufe. Die finale logische Verknüpfung erfolgt deterministisch im regelbasierten Konsistenzprüfer – zu 100 % nachvollziehbar und frei von stochastischen Halluzinationen.
💡 Die Essenz des Verfahrens auf einen Blick
Zusätzlich zu den etablierten Standardverfahren überführt dieses System anerkannte stilometrische, strukturanalytische und kriminologische Rahmenwerke in ein rein mathematisch-deterministisches Regelwerk. Die Analyse operiert lokal, offline und ohne generative Texterfindung – zu 100 % DSGVO-konform.