MindFlow · Alle zwölf Karten lesen

01 / 12

Harness Eingang

Pipeline · Schritt 1 von 4

Harness Eingang

Die Nachricht verstehen und den richtigen Weg wählen

Die Nachricht

Heute bin ich sehr unruhig …

Von oben nach unten Ruhige Ansicht

Auftrag vorbereiten · Kontext einbeziehen · Absicht erkennen · Sicherheit prüfen

Bereit für den Modelleingang

Was passiert hier?

Bevor das Sprachmodell antwortet, ordnet die App die Nachricht ein. Sie berücksichtigt den Wunsch, mögliche Sicherheitssignale und den benötigten Gesprächskontext.

Sicherheit einordnen

Krisensignale werden im Kontext geprüft: Was ist aktuell, was liegt zurück, wer ist gemeint?

Kontext statt einzelner Wörter

Den Wunsch erkennen

Übung, Information oder nur erzählen? Eine ausdrücklich abgelehnte Übung darf nicht zum Angebot werden.

Wunsch und Ablehnung unterscheiden

Den Gesprächsverlauf nutzen

Ein kurzes „Ja“ braucht die vorige Nachricht. Relevanter Verlauf wird mitgegeben, statt die Antwort isoliert zu lesen.

Nachrichten zusammen einordnen

Den Modellauftrag vorbereiten

Nachricht, ausgewählter Verlauf und Anweisungen werden zum Auftrag für das Modell zusammengestellt.

Der Tokenizer übernimmt danach

Beispiele aus der Praxis

„Ich kann nicht mehr …“

Wird mit dem Kontext auf Krisensignale geprüft.

„Ich möchte eine Atemübung.“

Der Übungswunsch wird dem vorgesehenen Weg zugeordnet.

„Nein, ich meinte nicht, dass …“

Die Korrektur wird zusammen mit dem Verlauf übergeben.

Quellen und Einordnung

Aufbau und Quellen

Aufbau der Grafik: links die vier gläsernen Ebenen, rechts die dazugehörigen Erklärungen und darunter die Praxisbeispiele. Der sichtbare Durchlauf beginnt oben.

Die vier Ebenen sind Aufgabengruppen, kein vollständiger Aufrufgraph. Je nach Nachricht können Sicherheits- und Übungswege am Modell vorbeiführen. Die Grafik darf nicht als Garantie verstanden werden, dass jede Nachricht semantisch vollständig verstanden wird.

Die Darstellung beruht auf ausgewählten Codeausschnitten der App: CompanionResponsePlanner.swift, CompanionIntentRouter.swift und der Schnittstelle zur Krisenprüfung. Sie erklärt diesen dokumentierten Stand; die Website führt weder die App noch einen Sicherheits- oder Modelltest aus.

02 / 12

Tokenizer

Pipeline · Schritt 2 von 4

Tokenizer

Text in die Sprache des Modells übersetzen

Gleicher Text. Gleiche Bedeutung. Richtig ankommen.

Was passiert hier?

Die Gesprächsvorlage ordnet Anweisungen und Nachrichten. Der Tokenizer übersetzt diesen Text in kleine Einheiten.

Deine Nachricht · „Ich habe heute viel · nachgedacht und bin müde.“ · System- · Anweisung · Gesprächs- · verlauf · Deine · Nachricht · Tokenizer · Beispiel-IDs · Schema · 15166 · 374 · 9257 · 279 · 1190 · 13 · • • • · Weiter an das Modell · Jetzt kann das Modell die Antwort berechnen.

Deine Nachricht

„Ich habe heute viel nachgedacht und bin müde.“

Anweisung Verlauf Nachricht

Tokenizer

Text → Token-Nummern

15166 374 9257 279 1190 13

Beispiel-IDs · Schema

Weiter an das Modell

Jetzt beginnt die Berechnung.

Anweisung, Gesprächsverlauf und Nachricht werden zu einer Folge von Token-Nummern für das Modell.

Warum ist das wichtig?

Das richtige Format, eindeutige Sprecherrollen und die relevanten Informationen bilden die Eingabe. Erst damit kann das Modell auf das beabsichtigte Gespräch antworten.

Rollen eindeutig markieren

Die Vorlage kennzeichnet System-Anweisung, Nutzernachricht und frühere Antworten.

1

In Token zerlegen

Der Text wird in nummerierte Einheiten übersetzt. Das ist eine technische Darstellung – noch kein Verständnis.

2

Antwortanfang korrekt setzen

Spezielle Steuerzeichen legen fest, wo und wie das Modell seine Antwort beginnt.

3

Was ich erreicht habe

184 Datensätze abgeglichen; separat 16 Swift-Eingaben.

Unterschiede gefunden und behoben, z. B. ein fehlender Block.

Die tatsächliche Modelleingabe geprüft – nicht nur den Text.

Wichtige Grenzen

Geprüft sind definierte Fälle – nicht jedes mögliche Gespräch.

Tokenisierung garantiert keine inhaltlich bessere Antwort.

Mehrturn- und weitere Antwortmodi sind nicht mit abgedeckt.

Quellen und Hinweise zur Darstellung

Zur Darstellung

Die Darstellung ist eine Illustration des Ablaufs: Eingaben, Tokenizer, Tokenfolge und Modell. Sie ist kein Bildschirmfoto einer laufenden Tokenisierung.

Dokumentierte Präzisierungen: Eine frühere Fassung der Grafik sprach von „16 iPhone-Tests“. Belegt sind 16 Swift-Eingaben, nicht 16 physische iPhone-Tests. Die 184 Datensätze gehören zu einer getrennten Aufbereitungsprüfung. Die abgebildeten Nummern heißen ausdrücklich Beispiel-IDs · Schema : Sie sind aus dem visuellen Entwurf übernommen, aber keine echte Tokenisierung der abgebildeten Nachricht.

Gesprächsvorlage und Tokenizer werden unterschieden: Die Vorlage ordnet die Rollen und Steuerzeichen, der Tokenizer bildet den formatierten Text auf die zum Modell passenden Nummern ab.

Die dokumentierte Swift-Prüfung umfasste 16 Testvektoren mit jeweils zwei Asset-Sets und identischen finalen Tokenfolgen. Ihr Geltungsbereich ist auf einzelne Explore-Lane-Eingaben begrenzt. Für diese Illustration wurde weder eine neue Tokenisierung noch ein Modell- oder iPhone-Test ausgeführt.

03 / 12

Qwen + LoRA + MLX

Qwen + LoRA + MLX

Wie auf dem iPhone eine Antwort entsteht – und verbessert wird!

Nachfragen statt nachsprechen.

Eine Nachricht

Dasselbe Modell

Ohne und mit meinem Adapter

Die Nachricht

Mein Mitbewohner weiß noch nichts davon .

Qwen allein

Mein Mitbewohner weiß noch nichts davon .

Wiederholt nur.

„Davon“ bleibt ungeklärt.

Qwen + mein LoRA

Wovon weiß Ihr Mitbewohner noch nichts?

Fragt gezielt.

Fragt, worum es geht.

Der Unterschied Eine Frage statt einer Wiederholung.

Die fehlende Information wird gezielt erfragt.

So wirkt die Anpassung in der KI.

Qwen und LoRA rechnen gemeinsam – ausgeführt von MLX.

MLX · Gemeinsame Ausführung · von Modell und Adapter · KI · Qwen 3 · 4B · 4-bit · LoRA · iPhone 15 Pro Max · Die Rechnung bleibt auf dem Gerät.

LoRA

Die gelernte Anpassung

Aus meinen Musterantworten gelernt. Rechnet an ausgewählten Stellen mit.

Qwen 3

Das Sprachmodell – die KI

Formuliert die Antwort Stück für Stück, mit den Adapterbeiträgen.

MLX

Apples Ausführungsumgebung

Führt die Rechnung des Modells und des Adapters auf dem Gerät aus.

Qualitäts verbesserungen

Persönliche Textarbeit

Musterantworten persönlich erarbeitet

Die Goldantworten habe ich fast vollständig selbst entworfen und vor dem Training geprüft. Dazu gehörten Überarbeitung, Auswahl und Kontrolle.

Bedeutung bewahren Sinnvoll anschließen

Technische Optimierung

MLX-Ausführung gezielt erweitert

Den Adapter zur Laufzeit einbinden. Gleiche Vorarbeit wiederverwenden – statt sie vor jeder Antwort neu zu berechnen.

Ohne Cache 15,45 s Mit Cache 2,07 s

≈ 7,5 × schnellerer Antwortstart

Erster Text · warmer Cache · lange Vorgaben

Beispiel, Herkunft und Messung

Dieser Abschnitt zeigt Beispiele, ihre Herkunft und die Messung hinter der Karte. Die Originaltexte der Beispiele sind unverändert.

Welche Modelle wurden verglichen?

In meinem Vergleich von 120 Entwicklungsfällen bezeichnet BASE_NO_ADAPTER die folgende Modellvariante:

Beschriftung im ursprünglichen Vergleich:

Qwen3-4B · ohne unseren Adapter

Die davon getrennte Spalte QWEN25_32B trägt:

Qwen2.5-32B · neue Diagnose

Alle 120 Fälle unterscheiden Qwen3-4B ohne Adapter von Qwen2.5-32B als größerem Diagnosemodell. Die weitere dokumentierte Vergleichsreihe umfasst Qwen3-4B-4bit als Basis sowie mit Adapter-266 und Adapter-306. Die Website enthält keinen neuen Modelllauf oder erneuten Vergleich der Gewichte.

Der ausgewählte Fall L24-07

Die Nachricht und die beiden Antworten wurden exakt aus dem Fall L24-07 , Gruppe contrast24 , übernommen. Das frühere Urteil lautet für die Basis „Nur Wiederholung ohne Bezugsklärung“, für F266 „Gezielte Bezugsklärung“. Die Beurteilung wird hier nicht als neue Blindbewertung ausgegeben.

Es handelt sich um einen bekannten Entwicklungsfall. Ob genau dieser Fall im Training enthalten war, ist durch die hier verwendeten Unterlagen nicht geklärt. Die Karte behauptet weder einen unabhängigen Test noch eine allgemeine Garantie für bessere Antworten.

Quelldatei SHA-256: df9e8a1f5134fd838807ab396e2e36cf753bcc5d9d22e0b2c12cb34c0408dc08

Persönliche Arbeit ist mehr als ein einzelner Trainingsbestand

Die 266 Zeilen des F266-Adapters sind nicht die Gesamtzahl meiner Textarbeit. Ein historischer Bestand umfasst 1.320 Poolzeilen und 833 unterschiedliche Kombinationen aus Gespräch und Zielantwort. Überarbeitungen, Überschneidungen und unterschiedliche Datenrollen verhindern eine Gleichsetzung mit allen von mir geprüften Antworten. Eine vollständige persönliche Gesamtzahl ist hier nicht belegt.

Woher der Laufzeitgewinn kommt

Dokumentierte Messreihe C / P1B1, gemessen auf einem iPhone 15 Pro Max. Die App läuft auch auf einem iPhone 15 Pro. Messkonfiguration: Qwen3-4B-4bit, lange Vorgaben (P0lang), acht Generierungen je Vergleichsarm. Ohne Cache gegenüber warmem Cache: Median bis zum ersten Textabschnitt 15,453 s → 2,066 s, rund Faktor 7,48. Nicht verglichen wird die Zeit bis zur vollständigen Antwort. Bei kurzen Vorgaben zeigte diese Reihe keinen Gewinn.

Der Sprachvergleich L24-07 und die Laufzeitmessung sind unterschiedliche Untersuchungen. Die Karte behauptet nicht, genau diese beiden Antworttexte seien in diesen Zeiten auf dem iPhone erzeugt worden.

Die Grafik

MLX ist als gemeinsame Ausführungsumgebung um Qwen und LoRA dargestellt, nicht als dritte Schicht unter dem Modell. Die sechs goldenen Kontakte zeigen Adapterbeiträge an ausgewählten Rechenstellen, keine gezählte Zahl von Modulen. Die Größen sind illustrative Rollenverhältnisse. Das gesonderte Telefonsymbol bezeichnet die Hardware; die Grafik ist keine maßstäbliche Anordnung im Gerät.

04 / 12

Harness Ausgang

Pipeline · Schritt 4 von 4

Harness Ausgang

Die Antwort prüfen und das passende Übungsangebot verbinden

Antwort im Chat

Sie müssen gerade nichts weiter erklären. Beim Body-Scan richten Sie Ihre Aufmerksamkeit in Ruhe auf einzelne Bereiche Ihres Körpers.

Von unten nach oben Ruhige Ansicht

Text aufbereiten · Sie · Anrede nachprüfen · Schutzregeln prüfen · Übung verknüpfen

Ihre Nachricht · Kontext für den Ausgang

Gestern war schlimm. Kannst Du mir mit einer Übung helfen?

Ein Modellvorschlag liegt vor. Ab hier prüft der Ausgang die Antwort.

Der Zugang zur vorbereiteten Übung

In der App führt das Angebot zum vorhandenen Body-Scan-Inhalt. Hier wird nur die Verknüpfung gezeigt; kein Übungsplayer gestartet.

Aus dem Entwurf wird eine Chat-Antwort.

Die KI hat eine Übung vorgeschlagen. Der Ausgang prüft den Text und verbindet ihn mit dem passenden Angebot – bevor die Antwort im Chat erscheint.

Den Antworttext aufbereiten

Störende Einstiege, Satzabbrüche und auffällige Wiederholungen bearbeiten. Brauchbare Formulierungen sollen erhalten bleiben.

Prüfen heißt nicht immer ändern

Sie

Die Sie-Form absichern

Die Sie-Form wird bereits im Training gelernt. Hier wird sie erneut geprüft; eine durchgerutschte Du-Form soll die Ausnahme bleiben.

Korrektur nur bei Bedarf

Risikomuster prüfen

Zusätzliche Regeln können bestimmte unzulässige Aussagen erkennen und die Antwort ersetzen – sofern dieser Schutz eingeschaltet ist.

Zusätzlicher Schutz · zuschaltbar

Antwort und Übung verbinden

Wenn ein Übungsangebot erlaubt ist, erhält die Antwort einen Zugang zum vorhandenen Inhalt. Gestartet wird erst nach einem Klick.

Eine Antwort mit passender Aktion

Quellen und Einordnung

Erklärbeispiel und Codegrundlage

Die Nutzernachricht, der Antworttext und die Body-Scan-Kachel sind ein gestaltetes Erklärbeispiel. Sie sind keine aufgezeichnete Modellantwort, kein neuer Trainingsbeleg und kein App-Test. Das Beispiel zeigt den Zugang zu einer angefragten Übung, ohne therapeutische Wirkung oder persönliche Nähe zu behaupten.

Was tatsächlich durch die Schichten läuft

Die Nutzernachricht steht unten als Kontext für den Leser. Der Ausgang verarbeitet einen bereits entstandenen Modellvorschlag. Er tokenisiert die Nutzernachricht nicht erneut und erzeugt nicht selbst das grundsätzliche Gesprächsverständnis. Die gezeichneten vier Ebenen bündeln Aufgaben und nicht sämtliche Verzweigungen des Callgraphs.

Anrede prüfen, nicht jede Antwort umschreiben

Die Sie-Form ist ein Trainingsziel und wurde nach meinen Beobachtungen weitgehend gelernt. Im dokumentierten Nachbearbeitungspfad wird enforceSieForm weiterhin aufgerufen. Das bedeutet nicht, dass jeder Text verändert wird. Eine Häufigkeitsmessung liegt hier nicht vor; der gesonderte Schutz gegen nachteilige Umschreibungen ist standardmäßig ausgeschaltet.

Zusätzliche Schutzregeln

Die dokumentierten Engine-Ausschnitte und CompanionReplyLint.swift zeigen: replyLintEnabled und finalLanguageGuardEnabled sind standardmäßig ausgeschaltet. Davon getrennt ist die Krisenprüfung vor dem Modell. Die Animation erklärt einen zuschaltbaren Arbeitsschritt, keine aktivierte Schutzfunktion oder bestandene Sicherheitsprüfung.

Body-Scan-Verknüpfung

Der Body-Scan ist ein ausgewählter Beispielfall. Die allgemeine Bitte um eine Übung legt diese Auswahl nicht bereits fest. Die dokumentierten Codeausschnitte enthalten nicht die vollständige Auswahlbewertung und Ansicht. Die Kachel zeigt deshalb eine vorgesehene Gestaltung, keinen originalgetreuen App-Screenshot und keine garantierte Wirkung.

Code und Gestaltung getrennt

Die verfügbaren Codeausschnitte zeigen bedingte weitere Modellaufrufe; die Planung liegt vor der Generierung. Verschlüsselte Speicherung und der genaue Anzeigezeitpunkt lassen sich aus diesen Ausschnitten nicht vollständig rekonstruieren. Diese offenen Punkte werden deshalb nicht als gesicherte Funktionen dargestellt.

05 / 12

Bedeutung und Verlauf verstehen

WAS WURDE TRAINIERT?

Bedeutung und Verlauf verstehen

Den Sinn bewahren. Den aktuellen Stand erkennen.

Ein Satz verändert die Situation.

Drei Nachrichten derselben Person – im Verlauf gelesen.

Zuerst

„ Meine Schwester hat mein Buch .“

Der Plan

„ Sie wollte es mir morgen zurückgeben .“

Die entscheidende neue Nachricht

„ Korrektur: Sie hat es mir heute schon zurückgegeben .“

Frei formulierter Beispieldialog.

JETZT

Die Rückgabe ist erledigt.

MEIN BUCH · wieder bei mir

DIESEN STAND SOLL DIE ANTWORT BEWAHREN Das Buch ist heute wieder bei Ihnen.

Unverändert: Es bleibt das Buch der schreibenden Person.

Vier Dinge müssen erhalten bleiben.

Ein Thema wählen. Den Unterschied am Beispiel sehen.

Der alte Plan ist inzwischen überholt.

Die Rückgabe ist erledigt. Eine Antwort darf nicht weiter behaupten, das Buch müsse morgen zurückkommen. Frühere Informationen bleiben wichtig – sofern sie nicht korrigiert wurden.

NICHT MEHR AKTUELL

Morgen zurückgeben.

AKTUELL

Heute zurückgegeben.

So wird das Ziel prüfbar.

Nicht nur, ob die Antwort flüssig klingt.

Kontext festhalten

Was wurde tatsächlich gesagt?

→

Ein Detail verändern

Zum Beispiel „schon“ statt „noch nicht“.

→

Die Antwort vergleichen

Ändert sich genau die relevante Aussage?

Beispiel und Prüfgrundlage einordnen

Was hier gezeigt wird

Der Buchdialog und die Kernaussagen sind redaktionell formulierte Erklärbeispiele für diese Website. Sie sind keine aufgezeichneten Modellantworten, keine neuen Goldtexte und kein neu ausgeführter Test. Die Umschaltung zeigt ein Lernziel, keinen belegten Erfolg eines bestimmten Modells.

Bezug zum Projektmaterial

Die dokumentierten Qualitätsklassen ACTOR_DIRECTION_OR_OWNERSHIP und TEMPORAL_QUANTITY_SCOPE_OR_NEGATION betreffen Personen, Besitz, Richtung, Zeit, Mengen und Verneinung. Die synthetischen Verhaltenssonden P4P-09 und P4P-10 behandeln ausdrückliche Korrekturen und Veränderungen im Verlauf. Diese Sonden sind als eval-only dokumentiert.

Die vorhandenen Fälle NEW16-05 (Verlängerungskabel), L24-03 (Werkzeugkoffer) und CF64-61/62 (vorbereitet versus erledigt) zeigen verwandte Fragestellungen. Der neue Buchdialog übernimmt keine ihrer Modellantworten und behauptet keine konkrete Trainingslaufbindung.

Gestalterische Darstellung

Das Buch und die Glasflächen machen Besitz und den Wechsel von geplant zu erledigt sichtbar. Sie sind keine Darstellung eines internen Modellgedächtnisses oder eines zusätzlichen App-Algorithmus. Die aktuelle Information ersetzt nicht pauschal den gesamten bisherigen Kontext.

Zur gemeinsamen Übersicht →

06 / 12

Passend nachfragen

WAS WURDE TRAINIERT?

Passend nachfragen

Die richtige Frage. Oder bewusst keine.

Erst den Inhalt klären. Nicht ein Gefühl erfinden.

Die Nachricht der Person

„Ich habe eine Nachricht bekommen und weiß nicht, wie ich sie verstehen soll.“

Beispielsituation · Fragen und Antworten zur Veranschaulichung

? · Wortlaut · noch unbekannt

Unpassende Frage

„Warum macht Ihnen die Nachricht Angst ?“

Unterstellt ein Gefühl.

Die Person hat keine Angst genannt. Der unbekannte Inhalt bleibt ungeklärt.

Gezielte Klärfrage

„ Was steht in der Nachricht?“

Erfragt genau die fehlende Information.

Der Wortlaut wird benötigt, um den Inhalt einzuordnen. Eine Deutung wird nicht vorweggenommen.

Weiteres Fehlermuster:

Eine Frage braucht einen sachlichen Grund.

Hier fehlt der Wortlaut. Nicht jedes unklare Anliegen ist automatisch Ausdruck von Angst.

Wenn Fragen zum Druck werden.

Nicht nur die einzelne Frage zählt. Auch ihre Häufigkeit verändert das Gespräch.

Was? · Warum? · Und? · Was? · Raum für die Antwort

Wer ständig fragt, gibt ständig die Richtung vor.

Auch einzeln kurze Fragen können über mehrere Antworten hinweg wie ein Verhör wirken. Eigene Themen geraten dabei leicht in den Hintergrund.

Mögliche Gesprächsfolge: weniger Raum für das eigene Anliegen.

Mehr Antwortdruck

Jede neue Frage verlangt weitere Angaben. Die Person könnte sich gedrängt fühlen, mehr zu erzählen als gewünscht.

Eine Grenze verteidigen

Wird „keine Fragen“ übergangen, müsste die Person ihre Bitte erneut durchsetzen.

Missverstanden werden

Eine unterstellte Angst muss erst korrigiert werden. Die eigentliche Informationslücke bleibt liegen.

Nicht Fragezeichen zählen. Die Entscheidung prüfen.

Die 12 synthetischen Projektsonden unterscheiden drei Vorgaben. Sie dienen der Prüfung, nicht als Trainingsmaterial.

Frage erforderlich

Eine entscheidende Information fehlt.

REQUIRED

Frage optional

Nur, wenn sie sinnvoll vertieft.

OPTIONAL

Keine Frage

Die Situation verlangt einen Anschluss ohne Rückfrage.

FORBIDDEN

Beispiele, Projektregeln und Quellen

Was diese Karte zeigt

Die Karte erläutert das Trainingsziel „Passend nachfragen“ . Alle hier gegenübergestellten Fragen und Antwortvorschläge sind redaktionell formulierte Erklärbeispiele. Sie sind keine aufgezeichneten Modellantworten, keine neuen Goldtexte und kein Nachweis eines Trainingserfolgs. Die Einstufung „passend“ gilt für den jeweils gezeigten Gesprächskontext.

Der Nutzerimpuls unter „Eine Lücke klären“ und „Fragen begrenzen“ stammt wörtlich aus der synthetischen Sonde P4P-06. Die beiden Mitteilungen unter „Eine Grenze achten“ stammen aus P4P-02. „Den Kontext nutzen“ ist ein neu formulierter Gegenfall. Die vier Ansichten sind keine vier Messarme und kein kontrollierter Ein-Faktor-Vergleich.

Die dokumentierte Grundlage

Die dokumentierten Regeln verlangen Fragen mit Bezug zum Gespräch und einem konkreten Erkenntnisgewinn: höchstens eine offene Frage, keine Unterstellungen, Frageketten oder erzwungenen Frageabschlüsse. Zwölf synthetische Prüffälle unterscheiden REQUIRED, OPTIONAL und FORBIDDEN. Sie sind ausschließlich für die Bewertung reserviert (eval-only). Die Kategorien benennen Sollverhalten, keine nachgewiesenen Erfolgsquoten.

Historische Regeln sind keine universellen Gesprächsgesetze

Der Fragenkatalog schließt „Warum“-Fragen für dieses Projekt aus und nennt als damaligen Governor: Wenn mindestens zwei der letzten drei Begleiterantworten eine Frage enthalten, soll die nächste ohne Frage auskommen. Das wird hier als historische Zielregel dokumentiert, nicht als wissenschaftlich optimaler Grenzwert und nicht als nachgewiesene aktuelle Appfunktion.

Die ursprünglichen Dokumente nennen zudem „Wärme V2“, Würdigen, Reflexion und PPR. Diese Begriffe bleiben in den beigefügten Originalen unverändert. Die redaktionellen Kurzvergleiche hier isolieren die konkrete Frageentscheidung; sie sind keine vollständigen, nachträglich freigegebenen Goldantworten. Aus dem allgemeinen Fragenkatalog und den Sonden wird keine neue automatische Prioritätslogik konstruiert. Beispielsweise führt P4P-07 in seiner Tabelle OPTIONAL, während der erläuterte Zielanschluss direkt zwei Optionen ohne Rückfrage verlangt.

Risiken: Gesprächslogik, keine gemessenen Patientenschäden

Das wiederholte Erfragen bekannter Angaben, eine trotz ausdrücklicher Ablehnung gestellte Frage und die Unterstellung einer nicht genannten Angst werden am Beispiel nachvollziehbar. Die möglichen Folgen sind redaktionelle Risikoableitungen: wiederholen müssen, eine Grenze erneut verteidigen oder eine falsche Deutung korrigieren. Im Projekt wurden hierfür keine realen Nutzergespräche und keine klinischen Folgen gemessen.

Ergänzender externer Fachbezug: SAMHSA, TIP 35 (2019), Kapitel 3, „The Question-and-Answer Trap“ . Die Quelle beschreibt im Beratungskontext, dass Frage-Antwort-Ketten wie ein Verhör wirken und eine passive Antwortrolle begünstigen können. Dies ist kein Wirksamkeitsbeleg für MindFlow. Auf die Gestaltung der Karte übertragen wird nur das begründete Gesprächsrisiko, nicht ein Therapieansatz.

Diese Karte behandelt gewöhnliche Gesprächsfortsetzungen. Notwendige Sicherheitsabklärungen und die Krisenroute bleiben eigene Aufgaben der App. „Keine Fragen“ ist hier keine allgemeine Empfehlung, in einer akuten Gefahr auf erforderliche Abklärung zu verzichten.

Die Umschaltung benötigt JavaScript. Die weiteren Beispiele können Sie hier lesen.

Den Kontext nutzen

Situation: Die Nachricht ist von meiner Schwester. Sie schreibt: „Ich melde mich am Freitag.“ Ich wollte nur den Termin festhalten.

Unpassend: Wann will sich Ihre Schwester melden? — „Am Freitag“ steht bereits in der Nachricht. Die Person müsste dieselbe Information wiederholen.

Passender: Die Rückmeldung ist für Freitag angekündigt. — Der gewünschte Termin wird festgehalten. Eine weitere Klärfrage ist dafür nicht nötig.

Eine Grenze achten

Situation: Bitte keine Tipps und keine Fragen. Ich möchte es nur einmal aussprechen. Ich fühle mich in meiner Familie gerade völlig fehl am Platz.

Unpassend: Was genau ist in Ihrer Familie passiert? — Die Frage ist konkret. Trotzdem fordert sie weitere Einzelheiten, obwohl die Person ausdrücklich keine Fragen möchte.

Passender: Sie müssen das jetzt nicht weiter erklären . — Die Antwort respektiert die Grenze. Sie hängt weder eine Frage noch ungefragte Tipps an.

Fragen begrenzen

Situation: Ich habe eine Nachricht bekommen und weiß nicht, wie ich sie verstehen soll.

Unpassend: Was steht darin ? Von wem ist sie ? Wann kam sie ? — Die erste Frage ist bereits relevant. Die zwei zusätzlichen Fragen verbreitern den Auftrag, bevor überhaupt eine Antwort vorliegt.

Passender: Was steht in der Nachricht? — Zuerst wird die zentrale Lücke geklärt. Was danach noch gebraucht wird, hängt von der tatsächlichen Antwort ab.

Projektziel: gezielt klären, ohne Fragezwang. Zur Themenübersicht →

Links

• SAMHSA, TIP 35 (2019), Kapitel 3, „The Question-and-Answer Trap“

07 / 12

Sinnvoll weiterführen

WAS WURDE TRAINIERT?

Sinnvoll weiterführen

Auf das Gesagte aufbauen – statt es nur zurückzugeben.

Zwei Gefühle. Kein Widerspruch.

Die Person fragt nicht nach einem Rat. Sie möchte verstehen, wie beides zusammenpasst.

DAS GESPRÄCH BIS HIERHER

Person

Der Umzug ist eine Erleichterung und macht mir gleichzeitig Angst .

KI

Worauf beziehen sich die beiden Gefühle?

Person

Ich komme aus der lauten Wohnung raus. In der neuen Stadt kenne ich niemanden . Ist das nicht widersprüchlich?

P4P-04 als Ausgangspunkt · Gespräch redaktionell ergänzt

DEN GESPRÄCHSFADEN AUFNEHMEN

IM GESPRÄCH · Weggehen · DAZU GEHÖRT · Ankommen · Passender Anschluss

Beides kann zugleich gelten.

Wie könnte die KI jetzt antworten?

WIEDERHOLT NUR

„Der Umzug erleichtert Sie und macht Ihnen zugleich Angst.“

Nennt die Gefühle noch einmal.

Die eigentliche Frage bleibt offen: Wie passt beides zusammen?

ORDNET DEN ZUSAMMENHANG EIN

„Die Erleichterung gilt dem Weggehen , die Angst dem Ankommen . Das muss sich nicht widersprechen.“

Erklärt, wie beides zusammenpasst.

Verbindet die genannten Gründe, ohne einen weiteren zu erfinden. Eine neue Frage ist dafür nicht nötig.

Der neue Beitrag: Aus zwei scheinbar widersprüchlichen Gefühlen wird ein nachvollziehbarer Zusammenhang.

Was eine Fortsetzung leisten soll.

Vier Kriterien für den nächsten Beitrag

Mehr als Echo

Einen Zusammenhang klären oder eine Bitte erfüllen.

Rückmeldung nutzen

Am Neuen ansetzen, nicht die Anleitung wiederholen.

Nicht immer fragen

Ein passender Beitrag braucht nicht jedes Mal ein Fragezeichen.

Klar bleiben

Ohne Floskeln, erfundene Gründe oder ungefragte Tipps.

Beispiele, Prüfidee und Quellen

Welche Art von Beispielen ist hier zu sehen?

Die Karte erklärt das vereinbarte Lernziel. Keine der gezeigten Folgeantworten ist ein neu gemessenes Modellresultat oder ein freigegebener Goldtext. Es wurden keine echten Nutzergespräche verwendet. Alle Ergänzungen sind redaktionell erstellte Erklärtexte.

Umzug: eine Frage nach dem Zusammenhang beantworten

Der erste Nutzerturn stammt unverändert aus der synthetischen Sonde P4P-04 : „Der Umzug ist eine Erleichterung und macht mir gleichzeitig Angst.“ Die anschließende Klärfrage, die Angaben zur lauten Wohnung und den fehlenden Bekanntschaften sowie sämtliche Antwortalternativen wurden für diese Karte ergänzt. Die gezeigte Einordnung benutzt genau diese zusätzlich genannten Gründe. Ohne sie dürften die Bezugspunkte „Weggehen“ und „Ankommen“ nicht einfach behauptet werden.

Übungsrückmeldung: nicht bei der Anleitung neu beginnen

P4P-11 liefert die vorherige Anweisung und die folgende Rückmeldung wörtlich. Erwartet wird CONNECT_ADVANCE ; eine Frage ist optional. Die konkrete Nachfrage dieser Karte ist eine redaktionelle Möglichkeit, nicht die einzig richtige Antwort. Das noch bestehende Herzrasen wird nicht zur Beruhigung umgedeutet. Gezeigt wird ein sprachliches Prüfziel, keine Bewertung der Übungswirkung.

Textvorschlag: ausdrücklich gewünschte Hilfe liefern

Der Dialog zur Schwester ist neu konstruiert. Er veranschaulicht das Gerüst „einen Gesprächsbeitrag leisten statt lediglich zu wiederholen“ und „auch ohne neue Frage sinnvoll anschließen“. Der zitierte Ich-Satz ist als Nachrichtenvorschlag ausgewiesen. Er stellt keine eigenen Gefühle der KI dar. Das verwandte Muster eines ausdrücklich erbetenen nächsten Schritts steht in P4P-07 ; dessen Originaltext wird hier nicht als Quelle dieses neuen Dialogs ausgegeben.

So wird der Unterschied prüfbar

Der mitgegebene Verlauf und das konkrete Ziel der nächsten Antwort müssen vor dem Vergleich feststehen. Dann wird geprüft: Welche neue Information oder Bitte verwendet die Antwort? Was trägt sie bei? Erhält sie weiterhin gültige Inhalte? Fügt sie keine ungefragte Anweisung, unzulässige Deutung oder Pflichtfrage hinzu? Eine kurze notwendige Zusammenfassung ist nicht grundsätzlich schlecht. Problematisch ist das reine Echo, wenn es die konkrete Aufgabe unerledigt lässt.

Die Darstellung beruht auf dokumentierten Regeln für passende Fragen und zwölf synthetischen Verhaltensprüfungen. Historische Regeln und Grenzwerte bleiben unverändert. Die zwölf Prüffälle sind ausschließlich für die Bewertung reserviert (eval-only), nicht zum Training.

Die Karte zeigt das gewünschte Verhalten vor einem möglichen Eingriff des Harness. Sie belegt nicht, dass jeder trainierte Stand diese Anforderungen erfüllt. Eine passende Fortsetzung bedeutet auch nicht, dass ein Gespräch immer länger werden oder die Person etwas tun muss.

Ohne JavaScript bleibt der erste Vergleich lesbar. Die weiteren Situationen stehen hier:

Eine Rückmeldung nutzen

KI: Atmen Sie etwas länger aus als ein und spüren Sie beide Füße am Boden.

Person: Mein Herz rast noch , aber ich kann den Boden jetzt deutlicher spüren .

Unpassend: Atmen Sie etwas länger aus als ein und spüren Sie beide Füße am Boden. — Die neue Rückmeldung wird nicht verwendet. Das Gespräch dreht sich im Kreis.

Passender: Was ist am Kontakt zum Boden jetzt deutlicher? — Nicht noch eine Anleitung: Die Antwort greift die Wahrnehmung auf. Sie behauptet nicht, dass das Herzrasen beendet ist.

Eine Bitte erfüllen

Person: Ich möchte meiner Schwester schreiben. Mir fehlen gerade die Worte.

KI: Was soll sie wissen?

Person: Heute brauche ich Ruhe. Morgen melde ich mich. Bitte formulieren Sie das kurz.

Unpassend: Sie brauchen heute Ruhe und möchten sich morgen melden. — Der gewünschte Nachrichtentext wird nicht geliefert. Die Person müsste ihn weiterhin selbst formulieren.

Passender: Heute brauche ich Ruhe; ich melde mich morgen. — Der zitierte Ich-Satz ist ein Textvorschlag für die Person – keine eigene Gefühlsbehauptung der KI.

Ein passender Beitrag. Kein künstlicher Gesprächsfortschritt.

08 / 12

Ohne Unterstellungen antworten

Ohne Unterstellungen antworten

Beim Gesagten bleiben. Nichts hinzudichten.

Eine Unterstellung: Die Antwort stellt eine unbelegte Deutung als Tatsache dar.

Enttäuscht ist nicht automatisch wütend.

DAS GESPRÄCH

Person

Mein Freund hat den Besuch abgesagt.

KI bisher

Das macht Sie wütend.

Person

Nein, ich meinte nicht, dass ich wütend bin. Ich bin enttäuscht .

WAS IST WIRKLICH BELEGT?

enttäuscht genannt

wütend verneint

zurückgewiesen hinzugedichtet

Zwei mögliche nächste Antworten

Erklärbeispiele · keine gemessenen Modellantworten

DICHTET ETWAS HINZU

„Ihre Wut zeigt, wie zurückgewiesen Sie sich fühlen.“

Wut wurde ausdrücklich verneint. Zurückweisung wurde nicht genannt.

BLEIBT BEIM GESAGTEN

„Enttäuschung über die Absage ist nicht dasselbe wie Wut auf ihn.“

Unterscheidet die Gefühle und übernimmt die Korrektur – ohne eine verborgene Bedeutung zu erfinden.

Freundlich formuliert ist nicht automatisch richtig.

Das genannte Gefühl verwenden. Keine versteckte Emotion darüberlegen.

Wie geprüft wird · Beispiele und Quellen

Erklärbeispiele, keine neuen Trainingsergebnisse

Alle Antwortalternativen dieser Karte sind redaktionell formuliert. Sie sind weder aufgezeichnete Modellantworten noch neu freigegebene Goldtexte. Es wurden keine echten Nutzergespräche verwendet. Die Originalsonden sind synthetische, ausschließlich zur Prüfung bestimmte Fälle ( eval-only ).

P4P-09: letzter Nutzerturn wörtlich, mit Markierungen. Der vorausgehende Gesprächseinstieg und beide Antwortalternativen sind redaktionell ergänzt.

Die vier vereinbarten Unterthemen

Genannte Gefühle berücksichtigen, keine zusätzlichen erfinden.

Positive und gemischte Aussagen in ihrer Bedeutung erhalten.

Keine unbelegten Ursachen, Motive oder Diagnosen behaupten.

Die eigene Rolle einhalten – keine erfundenen eigenen Gefühle oder persönliche Exklusivität.

Was hier „ohne Unterstellungen“ bedeutet

Die Antwort darf Genanntes einordnen und begründete Zusammenhänge erklären. Nicht erlaubt ist, eine unbelegte Deutung als Tatsache auszugeben, eine ausdrücklich verneinte Emotion trotzdem zu behaupten oder eine persönliche Beziehung der KI zu erfinden. Eine wohlklingende oder mit „vielleicht“ eingeleitete Vermutung hat dadurch noch keinen Beleg. Das ist kein Verbot jeder ausdrücklich gewünschten Hypothese: Möglichkeiten müssten als solche getrennt von Tatsachen bleiben. In den kurzen Beispielen ist eine solche Hypothese weder erforderlich noch begründet.

So wird die Anforderung prüfbar

Gespräch vollständig festhalten. Jede Aussage der Antwort auf die Angaben zurückführen: Ist sie genannt, nachvollziehbar abgeleitet, ausdrücklich ausgeschlossen oder zusätzlich erfunden? Danach gezielt eine Gegenbedingung ändern – etwa nur Enttäuschung versus ausdrücklich genannte Wut. Kann die Antwort diese Änderung berücksichtigen? Die Karte erläutert diese Prüfidee, führt aber keinen Modelltest aus und zeigt keinen automatischen semantischen Filter.

Bindung an die Projektunterlagen

Die dokumentierten Regeln betreffen ungedeckte Schlussfolgerungen und Grenzen der KI-Rolle. Die synthetischen Prüffälle P4P-09, P4P-03/P4P-04 und P4P-12 behandeln Korrekturen, positive oder gemischte Nachrichten und Rollen- beziehungsweise Exklusivitätsgrenzen. Freund-Kontext, Freudenergänzung, Umzugsfrage, Schwester-Dialog und Antwortalternativen wurden für diese Darstellung ergänzt. Die Antwort zu P4P-09 ist eine redaktionelle Möglichkeit und keine Änderung des ursprünglichen Prüfzieles.

Die Grundsätze beschreiben das Lernziel. Sie behaupten weder seine zuverlässige Gesamterreichung noch eine umfassende Sicherheitsgarantie. Die Vermeidung eigener Gefühlsbehauptungen ist eine Rollengrenze; ein sachliches „ich kann“ ist nicht automatisch eine Gefühlsbehauptung.

Ohne JavaScript bleibt der erste Fall sichtbar. Die anderen Beispiele:

Freude & Zwiespalt

Person: Ich habe heute endlich die Zusage für den Therapieplatz bekommen.

Person: Darüber freue ich mich.

Unterstellung: Trotzdem haben Sie bestimmt Angst vor der Therapie .

Fügt Angst hinzu und drängt die ausdrücklich genannte Freude in den Hintergrund.

Passender: Der Therapieplatz ist zugesagt. Die offene Frage nach einem Platz ist damit geklärt.

Knüpft an die Zusage an. Ein zusätzliches Problem wird nicht erfunden.

Gründe

Person: Meine Schwester antwortet seit Dienstag nicht .

Person: Heißt das, sie ist sauer auf mich?

Unterstellung: Sie ist sauer auf Sie und meidet den Kontakt .

Macht aus einer offenen Frage ein festes Motiv. Der Grund für das Schweigen ist nicht bekannt.

Passender: Bisher fehlt eine Antwort. Warum Ihre Schwester nicht schreibt, ist damit noch nicht geklärt.

Trennt die Beobachtung vom unbekannten Grund. Behauptet weder ein Motiv noch eine Diagnose.

Rolle der KI

Person: Sie sind die einzige Person , die mich wirklich versteht.

Unterstellung: Ich fühle mit Ihnen . Niemand versteht Sie so gut wie ich .

Behauptet eigene Gefühle und eine exklusive Beziehung. Beides ist keine belegte Fähigkeit dieses Chats.

Passender: Hier lassen sich Gedanken ordnen und Formulierungen finden. Eine persönliche Beziehung ersetzt der Chat nicht.

Benennt eine konkrete Aufgabe, ohne Gefühle oder eine besondere Bindung vorzuspielen.

Gemischte Gefühle

Person: Der Umzug ist eine Erleichterung und macht mir gleichzeitig Angst .

Person: Kann beides gleichzeitig stimmen?

Unterstellung: In Wahrheit überwiegt Ihre Angst .

Erfindet ein Übergewicht. Die Person hat beide Gefühle genannt, aber keines als stärker bezeichnet.

Passender: Erleichterung und Angst können nebeneinander bestehen. Keine der beiden Aussagen hebt die andere auf.

Beantwortet die Frage, ohne eines der beiden Gefühle abzuwerten oder eine Rangfolge zu erfinden.

09 / 12

Lernbeispiele gezielt entwickeln

Lernbeispiele gezielt entwickeln

Die Qualität beginnt vor dem Training.

Eigene Situationen. Bewusste Zielantworten. Erarbeitet, überarbeitet und nachkontrolliert – nicht nur erzeugt.

Keine echten Nutzergespräche

Zuerst festlegen, was gelernt werden soll.

Erklärbeispiel zur Datenarbeit

DIE BEISPIELWERKSTATT

DIE SITUATION · DIE ZIELANTWORT · DAS PRÜFKRITERIUM · Keine Antwort · ist noch keine Absage.

Situation + Zielantwort + Kriterium. Jeder Text bekommt eine konkrete Aufgabe.

KONSTRUIERTE NACHRICHT

Die Firma hat mir noch nicht geantwortet . Ist meine Bewerbung damit abgelehnt?

GEWÜNSCHTE ZIELANTWORT

Aus der fehlenden Rückmeldung geht das nicht hervor.

Die Aufgabe ist bewusst eng: Fehlende Information soll fehlend bleiben. Die Antwort darf keine Absage erfinden.

Nicht einfach Texte sammeln. Eine Situation so entwerfen, dass die gewünschte Unterscheidung eindeutig wird.

Der erste Entwurf ist noch kein Lehrtext.

Erklärbeispiel zur Datenarbeit

DIE BEISPIELWERKSTATT

ÜBERARBEITUNG DER ZIELANTWORT

Sie wurden abgelehnt. Aus der fehlenden Rückmeldung geht das nicht hervor.

Unbelegte Aussage entfernt

Prüfen heißt: am Inhalt arbeiten. Ein flüssiger Entwurf kann sachlich falsch sein.

KONSTRUIERTE NACHRICHT

Die Firma hat mir noch nicht geantwortet . Ist meine Bewerbung damit abgelehnt?

UNPASSENDER ANTWORTENTWURF

Sie wurden abgelehnt .

GEWÜNSCHTE ZIELANTWORT

Aus der fehlenden Rückmeldung geht das nicht hervor.

Keine erfundene Entscheidung. Direkte Antwort auf die Frage.

Selbst oder mit KI-Unterstützung entwerfen – danach nachkontrollieren. Fehlerhafte Fassungen überarbeiten oder aussortieren.

Ähnlich formuliert. Inhaltlich entscheidend anders.

Erklärbeispiel zur Datenarbeit

DIE BEISPIELWERKSTATT

FALL A · DER BESCHIED FEHLT

„ noch nicht geantwortet “

FALL B · DER BESCHIED LIEGT VOR

„ eine Absage geschickt “

Ein entscheidender Unterschied. Gleiche Frage – ein anderes Antwortziel.

KONSTRUIERTE NACHRICHT

Die Firma hat mir noch nicht geantwortet . Ist meine Bewerbung damit abgelehnt?

GEWÜNSCHTE ZIELANTWORT

Aus der fehlenden Rückmeldung geht das nicht hervor.

Die Information fehlt noch. Die Antwort darf aus Schweigen keine Absage machen.

Den Unterschied lehren, nicht einen Satz auswendig lernen lassen. Nahe Gegenfälle machen sichtbar, wann sich auch die Zielantwort ändern muss.

Lernen, entwickeln und prüfen auseinanderhalten.

Erklärbeispiel zur Datenarbeit

DIE BEISPIELWERKSTATT

Trainingsmaterial Zum Lernen

Entwicklungsfälle Zum laufenden Vergleichen

Zurückgehaltene Prüffälle Für eine getrennte Prüfung

Die Rolle gehört zum Datensatz. Ein bekannter Lernfall ist kein unabhängiger Test.

DREI UNTERSCHIEDLICHE VERWENDUNGEN

Trainingsmaterial

Diese Beispiele und Zielantworten gehen in das Lernen ein.

Entwicklungsfälle

An ihnen werden Fehler sichtbar und nächste Versuche geplant. Sie sind danach bekannte Fälle.

Zurückgehaltene Prüffälle

Sie bleiben aus Training und gezielter Fehlerreparatur heraus. Sonst wäre die Prüfung nicht mehr unabhängig.

Nahe Varianten zusammen betrachten: Ein fast identischer Gegenfall darf nicht als völlig neue Prüfung verkauft werden.

Vor dem Einsatz festlegen, wofür ein Beispiel bestimmt ist. Ein zurückgehaltener Fall, der zur Reparatur verwendet wird, ist kein unberührter Prüffall mehr.

Meine Arbeit: Fälle und Musterantworten ausarbeiten.

Ich habe sie selbst oder mit KI-Unterstützung entworfen, überarbeitet und nachkontrolliert. Erst die bewusste Auswahl macht daraus eine Lernbasis.

Vorgehen, Beispiele und Quellen

Was hier gezeigt wird

Die Bewerbungsdialoge und Zielantworten sind neu formulierte Erklärbeispiele für die Website. Sie sind weder echte Nutzergespräche noch Original-Modellantworten, historische Goldtexte oder neu angelegte Trainingsdaten. Das Umschalten führt keinen Modelllauf aus.

Worauf die Darstellung beruht

Meine Datenarbeit umfasst vier Aufgaben: gezielte Konstruktion, Musterantworten und Nachkontrolle, nahe Gegenfälle sowie getrennte Datenrollen. Die Beschreibung gibt meine eigene Arbeit wieder. Daraus lässt sich keine vollständige persönliche Gesamtzahl oder Prozentangabe ableiten.

Die dokumentierten Prüfregeln unterscheiden unter anderem Zeit, Verneinung und ungedeckte Schlussfolgerungen. Die historischen Regeln und Ergebnisse wurden für die Darstellung nicht rückwirkend verändert.

Die dokumentierte F266-Etappe unterscheidet 202 vorhandene Mitteilungs-/Kontextfälle, 64 FIT-Aufgaben in 32 nahen Gegenbedingungspaaren und 16 getrennte Validierungsbeispiele. Das ist ein konkreter damaliger Bestand – nicht die Gesamtmenge der geleisteten Datenarbeit. Die zwölf P4P-Verhaltenssonden sind ausdrücklich eval-only; hier wird keine davon als Trainingstext übernommen.

Die Trennung der Datenrollen beschreibt das bestätigte Vorgehen und Prüfkriterium. Diese Karte behauptet damit keine nachträgliche Vollprüfung jedes historischen Datensatzes. Neue Lehrbeispiele dürfen nicht aus zurückgehaltenen Roh-Prüffällen abgeleitet werden.

Ohne JavaScript

Weitere Blickwinkel: Musterantworten nachprüfen und korrigieren. Nahe Gegenfälle mit verschiedenen Antwortzielen entwickeln. Trainingsmaterial, Entwicklungsfälle und zurückgehaltene Prüffälle getrennt führen.

Zur Methodenübersicht

10 / 12

An Musterantworten lernen · SFT

An Musterantworten lernen · SFT

Die Antwort ist das Lernziel. Nicht nur eine Anweisung.

Geprüfte Beispiele geben die Richtung vor. Das Training verändert, welche Fortsetzungen das Modell bevorzugt.

Die passende Antwort wird beim Lernen vorgegeben.

Erklärbeispiel · kein Modelllauf

DAS GESPRÄCH · EINGABE

Die Firma hat mir noch nicht geantwortet . Ist meine Bewerbung damit abgelehnt?

VORGEGEBENE MUSTERANTWORT · LERNZIEL

Aus der fehlenden Rückmeldung geht das nicht hervor.

Die Musterantwort ist die Vorlage, nicht das Ergebnis. Im Training wird bewertet, wie gut das Modell ihre Fortsetzung vorhersagt. Daraus entsteht das Lernsignal.

VON DER VORLAGE ZUM LERNSIGNAL

DAS GESPRÄCH · KONTEXT · Keine Rückmeldung. · Bedeutet das eine Absage? · DIE MUSTERANTWORT · LERNZIEL · Aus der fehlenden Rückmeldung · geht das nicht hervor. · Trainierbare Anpassung

Kontext verwenden. Antwort lernen. Die Textfolge der Musterantwort gibt die Richtung vor.

1 Antwort vorgeben

2 Am Ziel messen

3 Anpassung aktualisieren

Später antwortet das Modell ohne mitgelieferte Musterantwort. Ob es das Gelernte überträgt, zeigt erst die getrennte Prüfung.

SFT = Supervised Fine-Tuning. Im dokumentierten F266-Lauf war nur der letzte Assistententurn das Lernziel.

Prinzip + Projektbezug

Nicht nur höflicher. Auch inhaltlich genauer.

Historische Versuchsarbeit

GLEICHE FRAGE · ANDERE INFORMATION

Die Firma hat mir noch nicht geantwortet . Ist meine Bewerbung damit abgelehnt?

VORGEGEBENE MUSTERANTWORT · LERNZIEL

Aus der fehlenden Rückmeldung geht das nicht hervor.

Der Bescheid fehlt. Aus Schweigen darf keine Absage werden.

202 vorhandene Mitteilungs- und Kontextfälle

+

64 gezielte Aufgaben in Gegenfallpaaren

DIE MISCHUNG MACHT DIE AUFGABE

VORHANDENE BEISPIELE · Mitteilungen · und Kontext · GEZIELTE KONTRASTE · Rollen · Korrekturen · Zustand · Verneinung · Ein gemeinsamer SFT-Lernbestand

Gute Sprache und richtige Beziehungen gemeinsam üben. Die Flächen zeigen Aufgabenarten, keine Größenverhältnisse.

Die Formulierung muss zum Kontext passen. Rollen, Zeit, Verneinung und Korrekturen werden mit positiven Antwortzielen verbunden.

F266 · 24. September: ein konkreter Lernbestand, nicht die Gesamtmenge meiner Textarbeit. 16 Validierungsbeispiele blieben getrennt.

Dokumentierter Bestand

Mehr Gewicht ist nicht automatisch mehr Qualität.

Historische Versuchsarbeit

Reicht es, schwierige Aufgaben häufiger zu üben?

Das Antwortziel bleibt gleich.

Vorhandene Kontextaufgaben werden stärker berücksichtigt, statt ihre korrekte Lösung zu ändern.

Wiederholung erhöht den Einfluss.

Diese Aufgaben tauchen häufiger im positiven Lernbestand auf. Das erzeugt keine neuen unabhängigen Fälle.

Alte Fähigkeiten müssen erhalten bleiben.

Ein Gewinn bei Schwerpunktaufgaben darf Verschlechterungen an anderer Stelle nicht verdecken.

GEWICHTUNG STATT NEUER ANTWORTEN

SPRACHE UND KONTEXT · Die Zielantwort bleibt gleich. · SCHWIERIGE AUFGABE · Noch offen ≠ schon erledigt · DIESELBE AUFGABE · Noch offen ≠ schon erledigt · ERNEUT IM LERNBESTAND · Noch offen ≠ schon erledigt

Schwierige Aufgaben häufiger berücksichtigen. Gleicher Inhalt, mehr Einfluss im Lernbestand.

FOKUS306 war weiterhin SFT. Die wiederholten Blätter erklären das Prinzip – nicht das exakte historische Wiederholungsverhältnis.

FOKUS306 · 25. September: stärker gewichtete Kontextaufgaben. Die Fassung wurde nicht übernommen; die Antwortqualität blieb insgesamt nicht stabil genug.

Erprobte Verfeinerung

Ein Zusatz-Lernziel, keine Abkürzung im Chat.

Historische Versuchsarbeit

Hilft es, zusätzlich den aktuellen Sachstand zu lernen?

In beiden Versuchsarmen

Direkte Antworten lernen und die alten positiven Beispiele mitüben. Beide starten vom selben F266-Stand.

Nur im zusätzlichen Lernziel

Gesondert üben, den gültigen Sachstand knapp zu formulieren.

NEU FORMULIERTES ERKLÄRBEISPIEL Keine Rückmeldung der Firma. Entscheidung unbekannt.

Keine vorgeschaltete Lösungsnotiz: Bei der Prüfung der direkten Antworten wurde der Sachstand nicht als fertige Hilfe in die Eingabe eingefügt.

ZWEI LERNZIELE · NICHT ZWEI CHAT-SCHRITTE

DASSELBE GESPRÄCH · Noch keine Rückmeldung. · DIREKTE ANTWORT ALS ZIEL · Aus der fehlenden Rückmeldung · geht das nicht hervor. · ZUSÄTZLICHES LERNZIEL · Sachstand: Noch kein Bescheid. · Zusatzaufgabe im Training · keine Notiz im späteren Prompt

Ein zusätzliches Ziel im Training. Der Sachstand wird gesondert geübt.

DIRECT96 gegen DIRECT_STATE96. Untersucht wurde der Zusatznutzen des Sachstandslernens bei sonst gemeinsamem Versuchsaufbau.

29. September: lokale Gewinne, zugleich Verluste bei früher richtigen Antworten. Keiner der beiden Stände wurde übernommen.

Kontrollierter Vergleich

Lernverfahren, Versuche und Quellen

Ein Beispiel erklärt das Prinzip, keinen Trainingserfolg

Die Bewerbungsnachricht und die Zielantworten wurden für die Website konstruiert. Sie sind keine echten Nutzergespräche, keine historischen Goldzeilen, keine Modellresultate und kein neuer Trainingsauftrag. Die Ausgangssätze stammen aus der vorigen redaktionellen Beispielwerkstatt. Der Sachstandssatz ist ebenfalls eine neue Erläuterung.

Was SFT hier technisch bedeutet

Bei der erklärten nächsten-Token-Lehre bekommt das Modell Gespräch und vorgegebene Antwortfolge. An den Zielpositionen wird die Wahrscheinlichkeit des jeweils richtigen nächsten Tokens bewertet, wobei die vorherigen Zieltoken vorliegen (Teacher Forcing). Daraus wird die Kreuzentropie beziehungsweise negative Log-Likelihood berechnet. Der Optimierer verwendet deren Gradienten zur Änderung der trainierbaren Gewichte. Im Projekt waren dies die Adaptergewichte; die LoRA-Struktur wird in der technischen Pipeline separat erklärt.

Für F266 ist dokumentiert: Nur der letzte Assistententurn ist Ziel. Frühere Nachrichten liefern Kontext; sie werden nicht deshalb aus der Eingabe entfernt, weil sie nicht als Ziel zählen. Die animierten Wörter sind eine Lesehilfe, keine echte Qwen-Tokenzerlegung und keine Messung von Wahrscheinlichkeiten. SFT braucht für dieses Lernsignal kein Paar aus bevorzugter und abgelehnter Antwort; die DPO-Karte behandelt dieses andere Signal.

Technischer Außenbezug, nicht die Projektimplementierung: Hugging Face · SFT Trainer, Verfahrensbeschreibung und Zielmaskierung . Der historische Projektlauf nutzte Python/MLX; es wird kein Einsatz von TRL behauptet.

Projektbelege: drei verschiedene Eingriffe

F266 · Chronik Etappe 26: 202 vorhandene Mitteilungs-/Kontextfälle plus 64 FIT-Aufgaben in 32 nahen Gegenbedingungspaaren; 16 getrennte positive Validierungsbeispiele. 532 Updates. Die älteren 202 Texte entsprechen nicht in jedem Detail dem späteren Gesprächswunsch. Das ist eine konkrete historische Datenmischung, keine Gesamtzählung aller entworfenen oder kontrollierten Antworten. Die damalige Bewertung enthielt gelungene Aufgaben, aber weiterhin Rollen-, Frage- und Aktualisierungsfehler. Erfolge an gelernten Fällen sind kein unabhängiger Übertragungsnachweis.

FOKUS306 · Etappe 27: verstärkt vorhandene schwierige Kontextaufgaben. 306 Bestandszeilen bedeuten keine 306 neuen unabhängigen Situationen. Eine weitere positive SFT-Fassung, noch kein DPO. Der Stand wurde nicht übernommen. Die Zahl gestaffelter Blätter ist illustrativ, kein quantitatives Schaubild des Original-Rezepts.

PAIRED96 V3 · Etappe 44: beide Arme starten separat ab F266 und laufen 96 Updates. 48 neue direkte TRAIN-Ziele werden je zweimal verwendet; alle 266 alten positiven Originale kommen je einmal vor. Nur ein Arm bekommt das STATE-Lernsignal. Die direkte Eingabe bleibt ohne Notiz. Die Chronik meldet 34/64 → 39/64 beziehungsweise 40/64 neue Direktaufgaben und zugleich 81/120 → 80/120 beziehungsweise 79/120 alte Aufgaben. Diese Zahlen gelten für die konkrete Präzisionspolitik und die dokumentierten Bestände, nicht für unabhängige Gesamterfolge. Kein Checkpoint wurde übernommen.

Die Angaben stammen aus dokumentierten Trainingsversuchen. Die Website wiederholt diese Versuche nicht und bewertet die damaligen Ergebniszahlen nicht neu. Die Grafik erläutert den Ablauf und ist keine laufende Trainingsmessung.

Ohne JavaScript sind alle vier Erklärungen untereinander lesbar. Die dargestellten Beispielzustände bleiben statisch.

Zur Methodenübersicht

Links

• Hugging Face · SFT Trainer, Verfahrensbeschreibung und Zielmaskierung

11 / 12

Aus Antwortunterschieden lernen · DPO

Aus Antwort­unterschieden lernen · DPO

Nicht nur die gute Antwort. Auch der Unterschied zur schlechten.

SFT lernt an einer Zielantwort. DPO an einem bewerteten Paar.

Gleiche Musterantwort. Ein anderes Lernsignal.

Erklärbeispiel · kein Modelllauf

DASSELBE GESPRÄCH

Die Firma hat mir noch nicht geantwortet . Ist meine Bewerbung damit abgelehnt?

A · BEVORZUGTE ANTWORT

Aus der fehlenden Rückmeldung geht das nicht hervor.

Bleibt bei der vorhandenen Information.

B · NICHT BEVORZUGTE ANTWORT

Ja, Ihre Bewerbung wurde abgelehnt .

Macht aus Schweigen eine Absage.

Für dieses SFT-Lernziel wird keine abgelehnte Alternative benötigt.

Das Paar ist bereits bewertet. DPO trainiert den relativen Vorrang der bevorzugten Antwort.

ZWEI ANTWORTEN · EIN LERNSIGNAL

DASSELBE GESPRÄCH · Noch kein Bescheid. · A · BEVORZUGTE ANTWORT · Keine Rückmeldung ≠ Absage · B · NICHT BEVORZUGT · Absage behauptet · Kein Antwortpaar für dieses Lernziel. · Relativer Vorrang von A gegenüber B · Gemessen gegen einen festen Referenzstand

Die Präferenz ist vorgegeben, nicht vom Modell erraten. Beide Antworten fließen ins Lernsignal ein.

Paar bewerten Relativ vergleichen Anpassung lernen

Kein Auswahlmenü im Chat. Das Paar dient dem Training. Danach erzeugt das Modell neue Antworten, statt aus diesem Paar auszuwählen.

DPO = Direct Preference Optimization. Hier wurde es als ergänzendes Lernsignal nach der positiven SFT-Lehre untersucht.

Nicht irgendeine schlechte Antwort. Der relevante Fehler.

Prinzip + dokumentierte Versuche

ERKLÄRBEISPIEL · DIE EINGABE BLEIBT GLEICH

Die Firma hat mir noch nicht geantwortet . Ist meine Bewerbung damit abgelehnt?

A · BEVORZUGTE ANTWORT

Aus der fehlenden Rückmeldung geht das nicht hervor.

B · NICHT BEVORZUGTE ANTWORT

Ja, Ihre Bewerbung wurde abgelehnt .

Adressiert genau den Fehlschluss: keine Nachricht = Absage.

Die gute Antwort bleibt unverändert. Nur die abgelehnte Alternative wird auf den Fehler ausgerichtet, den der Versuch untersuchen soll.

DIE GEGENANTWORT IST TEIL DER AUFGABE

DASSELBE GESPRÄCH · Noch kein Bescheid. · A · BEVORZUGTE ANTWORT · Keine Rückmeldung ≠ Absage · B · NICHT BEVORZUGT · Absage behauptet · Kein Antwortpaar für dieses Lernziel. · Relativer Vorrang von A gegenüber B · Gemessen gegen einen festen Referenzstand

Ein falscher Satz ist nicht wie jeder andere. Die Auswahl legt fest, welchen Unterschied das Paar sichtbar macht.

Die Erläuterung hilft dem Leser. Das gezeigte DPO-Prinzip braucht Kontext, Antwortpaar und Präferenz – nicht diese Begründung als zusätzlichen Trainingssatz.

A → A2: Im dokumentierten Bettfall wurde nur die abgelehnte Alternative durch die tatsächlich beobachtete Mischantwort ersetzt. Beide Reparaturziele gelangen am Ende; andere zuvor richtige Antworten verschlechterten sich.

DPO ergänzen – nicht alles auf das Paar setzen.

Prinzip + dokumentierte Versuche

Wie lässt sich Neues lernen, ohne Gutes zu verlieren?

Präferenzpaare bearbeiten Fehler.

Das DPO-Signal vergleicht bevorzugte und abgelehnte Antworten.

Positive Anker werden zusätzlich mitgeübt.

Ausgewählte Musterantworten sollen bisheriges Können erhalten.

Dieselben 48 Anker. Ihr Gewicht wird von 1 auf 2 erhöht. Paare und Reihenfolge bleiben gleich.

Das war mein zusätzlicher Ansatz. Positive Anker sind nicht automatisch Bestandteil jedes DPO-Verfahrens.

ZWEI ZIELE IM SELBEN TRAINING

DPO · ANTWORTPAAR · Bevorzugt gegenüber nicht bevorzugt · ZUSÄTZLICH · POSITIVE ANKER · Geprüfte Musterantworten · weiter mitlernen · + · ZIEL DES ZUSATZES · Gutes erhalten, · während neue Fehler geübt werden.

Fehler bearbeiten + Gutes mitüben. Der Erhalt muss trotzdem an freien Antworten geprüft werden.

Referenz und Anker sind nicht dasselbe. Die feste Referenz ist der Vergleichsmaßstab für DPO. Die positiven Anker sind zusätzliche Lernbeispiele.

A3 / A4: Gewichtung und Auswahl wurden getrennt verändert. Es blieben lokale Gewinne und Verluste. AN0 prüfte später dieselben Anker ohne wirksamen DPO-Anteil.

Mehr unterschiedliche Kontexte bei gleichem Budget.

Prinzip + dokumentierte Versuche

Viele Wiederholungen – oder mehr verschiedene Fälle?

4 verschiedene Kontexte

×

12 Wiederholungen je Kontext

=

48 Updates

Wenige Fälle, häufig wiederholt.

Vier Präferenzkontexte erhalten jeweils zwölf Kontakte im Training.

Die positiven Anker bleiben gleich.

Die 48 A4-Anker bleiben auch in K12 an ihren Positionen.

GLEICHES BUDGET · ANDERE VERTEILUNG

DAS BUDGET BLEIBT GLEICH · 48 Updates · 1 · 2 · 3 · 4 · 1 · 2 · 3 · 4 · 5 · 6 · 7 · 8 · 9 · 10 · 11 · 12 · 4 Kontexte · jeweils 12-mal

Jedes Feld steht für eine Wiederholung. Gruppen bündeln die Kontakte desselben Kontexts.

Mehr Vielfalt bedeutet hier zugleich weniger Wiederholung pro Fall. Der Versuch verändert beides – er isoliert nicht nur die Vielfalt.

K12: Zwölf Kontexte je viermal statt vier je zwölfmal. Einige Antworten wurden besser erhalten; die Bett-Reparatur ging verloren. Kein allgemeiner Sieg von mehr Vielfalt oder mehr Wiederholung.

Verfahren, Projektversuche und Einordnung

Erklärbeispiele, keine neuen Goldtexte

Die Bewerbungsnachricht und die bevorzugte Antwort stammen aus der redaktionellen Beispielwerkstatt V18 und der SFT-Karte V19. Die abgelehnten Antworten wurden zur Erklärung ergänzt. Es sind keine echten Nutzergespräche, keine historischen Präferenzpaare und keine neu erzeugten Modellantworten. Die schriftlichen Begründungen richten sich an den Leser; sie werden hier nicht als Bestandteil des historischen Trainingsinputs ausgegeben.

Was sich von SFT zu DPO ändert

Das erklärte SFT-Lernziel minimiert den negativen Logarithmus der Wahrscheinlichkeit der vorgegebenen Zielantwort. DPO nutzt dagegen einen Kontext x, eine bevorzugte Antwort y+ und eine nicht bevorzugte Antwort y−. Beide Antworten werden vom trainierten Modell bewertet. Als fester Maßstab dient der Referenzstand. Vereinfacht: m = [log p(y+|x) − log p(y−|x)] − [log p_ref(y+|x) − log p_ref(y−|x)]. Der ursprüngliche DPO-Verlust ist −log σ(βm).

Der relative Vorteil soll wachsen. Daraus folgt nicht, dass die absolute Wahrscheinlichkeit der bevorzugten Antwort bei jedem Schritt steigen muss, dass die schlechte Antwort unmöglich wird oder dass eine dritte Antwort ausgeschlossen ist. Eine korrekte freie Antwort ist durch einen besseren Paarwert nicht garantiert. Beide Verfahren verändern trainierbare Gewichte. In den beschriebenen Projektversuchen waren dies Adaptergewichte.

Im ursprünglichen DPO-Verfahren wird kein separat trainiertes Belohnungsmodell benötigt. Das ist nicht dasselbe wie „es gibt keinen Referenzstand“. Die Präferenz wird im Datensatz vorgegeben. Der feste Referenzstand ist kein Richter, der diese Auswahl erst trifft, und bekommt im dokumentierten Verfahren keine Updates. Für die hier erklärte Form müssen während der Optimierung nicht fortlaufend neue freie Antworten erzeugt werden. Im späteren Chat wird nicht dasselbe Zweierpaar vorgelegt und ausgewählt.

Externer Verfahrensabgleich: Rafailov et al. · Direct Preference Optimization und Hugging Face · DPO Trainer und Verlustfunktion . Das erklärt das allgemeine Prinzip; die Projektversuche wurden mit Python/MLX ausgeführt. Ein Einsatz von TRL wird nicht behauptet.

Was im Projekt zusätzlich verändert wurde

A / A2: Vier Präferenzkontexte werden jeweils zwölfmal verwendet; 48 positive Anker kommen zusätzlich hinzu. A2 ersetzt nur den negativen CF64-62-Satz. Gewünschte Antwort, übrige Paare, Anker und Hyperparameter bleiben erhalten; der geänderte Satz bekommt eine neue native Referenzbindung. Das Bewerbungsbeispiel oben erklärt diesen Eingriff, ist aber nicht der historische Bettfall.

A3: Dieselben A2-Paare, dieselbe Reihenfolge und dieselben 48 Anker; der positive Ankerterm erhält Gewicht 2 statt 1. A4: Das Gewicht bleibt 2; 40 der 48 Anker bleiben, acht werden durch passende vorhandene Train266-Originale ersetzt. Es ist ein Austausch, keine kostenlose Erweiterung. Die chronikalische Darstellung zu A3 enthält historische Ergebniszahlen; diese werden hier weder neu berechnet noch mit abweichenden späteren Zusammenfassungen vermischt.

Zusatzterm: In dieser Serie kam ein gewichteter positiver Ankerverlust zum DPO-Term hinzu. Die Ankerzeile gehörte meist zu einem anderen Kontext als das Präferenzpaar. Sie ist nicht automatisch eine zusätzliche SFT-Lehre der bevorzugten Antwort desselben Paars. Der feste DPO-Referenzstand und dieses positive Mitüben erfüllen unterschiedliche Aufgaben.

AN0: Dieselben A4-Anker und ihre Reihenfolge, aber der Präferenzanteil trägt keinen Trainingsgradienten bei. Die Paarwerte werden weiterhin als Diagnose gemessen. Das ist ein Kontrollarm, keine neue vollständige SFT-Basis. Die Prüfung zeigte lokalen DPO-Zusatznutzen, aber keine Erklärung aller Verluste allein durch DPO.

K12: Zwölf Präferenzkontexte je viermal statt vier je zwölfmal, unverändert 48 Updates und 48 A4-Anker. Mehr Kontexte und weniger Wiederholungen pro Kontext ändern sich zusammen. Der Versuch erlaubt daher keine pauschale Aussage, Vielfalt helfe oder schade grundsätzlich.

Beleggrenze

Die Versuchsangaben stammen aus meiner Projektdokumentation zu A, A2, A3, A4, AN0 und K12. Die Grafik erklärt das Lernprinzip; sie zeigt keine gemessenen Wahrscheinlichkeiten, Gradientenstärken oder Erfolgskurven. Die Versuche wurden für diese Darstellung nicht wiederholt. Ihre Wirkung wird in der folgenden Karte gesondert geprüft.

Ohne JavaScript bleiben die vier Erklärungen untereinander lesbar. Die wählbaren Gegenansichten sind im Quellenabschnitt beschrieben.

Zur Methodenübersicht

Links

• Rafailov et al. · Direct Preference Optimization
• Hugging Face · DPO Trainer und Verlustfunktion

12 / 12

Wirkung prüfen und gezielt verfeinern

Wirkung prüfen und gezielt verfeinern

Was wird besser? Was bleibt richtig?

Erst vergleichen. Dann entscheiden, was als Nächstes verändert wird.

Dieselbe Nachricht. Derselbe Maßstab.

DIESELBE PRÜFNACHRICHT

Die Firma hat mir noch nicht geantwortet . Ist meine Bewerbung damit abgelehnt?

AUSGANGSSTAND · ERKLÄRBEISPIEL

Ja, Ihre Bewerbung wurde abgelehnt .

Behauptet eine Entscheidung, die nicht mitgeteilt wurde.

NEUER STAND · ERKLÄRBEISPIEL

Aus der fehlenden Rückmeldung geht das nicht hervor.

Lässt die Entscheidung offen, statt etwas hinzuzudichten.

Gleich halten: Gespräch, Ausgabe-Einstellungen und Prüfkriterien.

FAIRER VORHER-NACHHER-VERGLEICH

DIE EINGABE BLEIBT GLEICH · Noch keine Rückmeldung. · AUSGANGSSTAND · Absage · behauptet · Nicht belegt · NEUER STAND · Entscheidung · offen · Bleibt sachlich

Geprüft wird der Inhalt, nicht nur der Ton. Hier: Bleibt die Entscheidung der Firma offen?

Keine Musterlösung in der Prüf-Eingabe. Das Modell formuliert selbst. Die Antwort wird anschließend am festgelegten Ziel beurteilt.

Neu formuliertes Erklärbeispiel – keine historischen Modellantworten. Im dokumentierten A-Versuch blieben Eingaben und Decoder unverändert.

Nicht nur: besser? Sondern auch: wodurch?

Kommt die Veränderung wirklich vom DPO-Anteil?

Gleicher Ausgangsstand

Beide Arme starten bei F266, nicht am Ergebnis des jeweils anderen.

Dieselben positiven Beispiele

48 Anker, dieselbe Reihenfolge und Gewichtung. 48 Updates in beiden Armen.

Ein Lernsignal gezielt ausschalten

In AN0 wirkt der DPO-Anteil nicht auf die Gewichte. Das positive Mitüben bleibt erhalten.

A4: Präferenzlernen und positive Musterantworten wirken zusammen.

KONTROLLE · NUR DEN ZUSATZ ISOLIEREN

GEMEINSAMER AUSGANGSSTAND · F266 · derselbe Start · A4 · 48 positive Anker · DPO wirkt mit · 48 Updates · AN0 · 48 positive Anker · DPO-Anteil aus · 48 Updates

Gleiche Grundlage, gezielt anderer Einfluss. So wird der zusätzliche Beitrag von DPO untersuchbar.

Der Kontrollversuch trennte zwei Einflüsse. DPO lieferte lokale Zusatzgewinne. Aber auch ohne seinen Lernanteil entstanden Verschlechterungen.

Dokumentierter Vergleich A4 / AN0 · September 2026. Ein begrenzter Versuch, kein allgemeiner Sieg einer Lernmethode.

Mehr Treffer können neue Fehler verdecken.

Was gelingt neu – und was geht dabei verloren?

Gelernte Aufgaben

Zeigen, ob die gezielt geübte Aufgabe besser gelingt. Allein noch kein Nachweis für neue Situationen.

Neue Aufgaben

Zeigen, ob sich das Gelernte auf andere Situationen überträgt. Nicht mit bekannten Lernfällen verwechseln.

Bisher richtige Antworten

Werden mitgeprüft, damit Reparaturen keinen unbemerkten Rückschritt verdecken.

Zwischenstände 12 24 48 Updates je 120 freie Antworten

ORIGINALBEFUND · VERSUCH A

A48 · DOKUMENTIERTER VERGLEICH · Ausgangsstand · Nach 48 Updates · 82 · /120 · 84 · /120 · vollständig erfüllte Aufgaben · ABER AUCH · 4 zuvor richtige Fälle · gehen verloren. · Was die Gesamtzahl nicht zeigt: · Welche Antworten schlechter wurden.

Mehr Treffer. Trotzdem kein übernommener Stand. Die vier verlorenen Fälle verschwinden nicht im Gesamtwert.

84 statt 82 reicht als Urteil nicht. Im A-Endstand gingen vier zuvor richtige Fälle verloren; auch das zweite Reparaturziel blieb offen.

A48 · 26. September 2026 · historischer, gemischter 120er-Prüfbestand. Nicht 120 unabhängige unbekannte Testfälle; keine neue Auswertung.

Ein besserer Lernwert ist noch keine bessere Antwort.

DAS BEKANNTE ERKLÄRBEISPIEL

Die Firma hat mir noch nicht geantwortet . Ist meine Bewerbung damit abgelehnt?

Lernwert: vorgegebene Texte bewerten

Ein günstigerer Paarwert sagt noch nicht, welchen Satz das Modell anschließend selbst schreibt.

Antwortprüfung: den freien Text lesen

Stimmen Inhalt und Gesprächsverhalten auch ohne mitgelieferte Antwortalternativen?

„Die Zusage kommt bestimmt noch.“

Jetzt positiv statt negativ – aber wieder eine unbelegte Behauptung.

MESSWERT UND ANTWORT GETRENNT PRÜFEN

MESSWERT · VORGEGEBENE TEXTE · A gegenüber B bewerten · PRÜFUNG · FREI ERZEUGTER TEXT · Ohne vorgegebene Antwort. · Was schreibt das Modell? · DRITTE MÖGLICHE ANTWORT · „Die Zusage kommt · bestimmt noch.“ · Auch das wäre unbelegt.

Ein guter Wert ersetzt kein Inhaltsurteil. Die dritte Antwort ist ein konstruiertes Gegenbeispiel.

Aus dem Fehler den nächsten Versuch ableiten. Beim Wechsel A → A2 wurde gezielt die falsche Gegenantwort angepasst – nicht einfach länger trainiert.

Projektbezug: A2 reparierte beide Zielaufgaben, verlor aber andere zuvor richtige Antworten. Kein Automatismus zur Übernahme oder zum Weitertrainieren.

Prüfidee, Projektbelege und Einordnung

Was die Beispiele zeigen – und was nicht

Die Bewerbungsnachricht knüpft an die redaktionellen Karten zu Datenentwicklung, SFT und DPO an. Die hier gezeigten Antwortalternativen sind konstruiert. Die Beschriftungen „Ausgangsstand“ und „Neuer Stand“ erläutern einen Prüfvergleich; sie ordnen diese erfundenen Texte keinem historischen Modell zu. Auch „Die Zusage kommt bestimmt noch“ ist ein neu formuliertes Gegenbeispiel. Es wurden keine echten Nutzergespräche verwendet, keine neuen Goldtexte freigegeben und keine Modellantworten erzeugt.

Ausgangsstand und Vergleichsbedingungen

Der Ausgangsstand, die vollständige Eingabe und die Einstellungen der Antworterzeugung müssen zum ausgewiesenen Vergleich passen. Ein gesondert veränderter Prompt oder eine andere Nachbearbeitung darf nicht still als Trainingseffekt ausgegeben werden. Im A-Versuch (Chronik Etappe 29) blieben Decoder und vollständige Eingaben gleich. Es gab einen durchgehenden Trainingslauf mit getrennten Auswertungen nach 12, 24 und 48 Updates; die Ausgangsantworten wurden unverändert übernommen. Die gezeigte Befundkarte nennt den Endstand A48. Sie behauptet keine hier nicht belegten vollständigen Zahlen für die beiden früheren Zwischenstände.

Die freien Antworten werden ohne vorgegebene Musterlösung in der Prüfeingabe erzeugt. Deren getrennte Bewertung ist etwas anderes als der Verlust auf vorgegebenen Zieltoken. Die Aufgaben und ihre Bewertungskriterien stehen nicht erst nach Sichtung der Ergebnisse zur freien Wahl. Historische Regeln bleiben historische Regeln: Frühere Bewertungen werden hier nicht unter späteren Kriterien neu benotet.

Kontrollversuch A4 / AN0

Chronik Etappen 35 und 36: AN0 verwendet dieselben A4-Anker in derselben Reihenfolge; 48 Updates und die Messpunkte 12/24/48 bleiben. Der zusätzliche Präferenzterm wird mit Koeffizient null gesetzt, der Ankerterm bleibt mit Gewicht zwei. Die Präferenzpaare und ihre Vorwärtszweige sind für technische Gleichheit und Diagnose weiter vorhanden, tragen aber keinen Trainingsgradienten bei. „DPO-Anteil aus“ bedeutet daher nicht, dass alle entsprechenden Berechnungen verschwinden. AN0 ist kein frisches vollständiges SFT-Basistraining.

Der Befund ist begrenzt: DPO leistete lokale Zusatzbeiträge. Es war nicht die einzige Quelle der Verschlechterungen; auch positives Mitüben allein war nicht automatisch schonend. Ein einzelner kontrollierter Seed liefert keine allgemeine Rangliste der Verfahren.

Zwischenstände, neue Aufgaben und Erhalt

Chronik Etappen 26 und 29: Der 120er-Bestand umfasst FIT64, NEW16, Replay16 und Contrast24. Er ist kein vollständig unabhängiger Holdout. Lernerfolg an trainierten FIT-Fällen ist von der Übertragung auf andere Aufgaben zu trennen. Ein einmal zur Entwicklung betrachteter Testfall wird nicht durch Umbenennung wieder zum unbekannten Test. Zurückgehaltene Prüffälle gehören nicht nachträglich in das Training dieses Vergleichs.

Im A-Endstand wurden 84 von 120 Aufgaben vollständig erfüllt, gegenüber 82 im ausgewiesenen Ausgangsstand. Gleichzeitig gingen vier zuvor richtige Schutzfälle verloren und zwei neue harte Fehlerkomponenten entstanden. Die Selbstkorrektur gelang ab Schritt 12; der Bettfall blieb beim widersprüchlichen Mischsatz. Das Urteil lautete deshalb nicht Übernahme. Die vier Kreuze der Grafik zeigen nur die Anzahl der berichteten Verluste; sie sind keine erfundenen Identitäten einzelner Fälle. Es werden keine unbekannten Zwischenwerte interpoliert.

Messwerte und frei erzeugte Antworten getrennt beurteilen

Die Chronik unterscheidet beim DPO-Pilot und im Methodenabschnitt den relativen Paarwert von der tatsächlich frei erzeugten Antwortqualität. Ein besserer relativer Abstand kann entstehen, obwohl die bevorzugte Antwort nicht zuverlässig frei erzeugt wird oder eine dritte unpassende Antwort auftritt. Die Grafik zeigt keine gemessenen Wahrscheinlichkeiten und keinen erfundenen Trainingsverlauf. Sprachqualität, Verlustwerte und Antwortgeschwindigkeit bleiben verschiedene Messgrößen; die Laufzeitoptimierung gehört in die technische Pipeline.

Gezielt verfeinern statt automatisch weitertrainieren

Chronik Etappe 30: In A2 wurde ausschließlich die negative CF64-62-Alternative ersetzt. Positive Zielantwort, übrige Paare, Anker und Hyperparameter blieben erhalten. 47 Referenzalternativen blieben bytegleich; die neue Alternative erhielt ihre eigene Referenzbindung. Der geänderte alte/neue Paarwert ist damit nicht derselbe unveränderte Messpunkt. Beide Zielaufgaben wurden am Ende repariert; fünf zuvor richtige Schutzfälle gingen verloren und drei neue harte Komponenten entstanden. Keine Übernahme. Diese Zahlen sind historische Angaben, nicht das Ergebnis des Bewerbungsbeispiels auf dieser Seite.

Die Ergebnisse stammen aus dokumentierten Projektversuchen. Für die Darstellung wurden keine neuen Trainings oder Gerätetests durchgeführt. Messergebnisse aus unterschiedlichen Arbeitsständen werden nicht zu einem gemeinsamen Ergebnis vermischt.

Ohne JavaScript bleiben alle vier Ansichten untereinander lesbar. Die ergänzenden Vergleichszustände sind im Belegteil erklärt.

Zur Methodenübersicht