Entwurfsnotizen

Nach der aktuellen Versionierungsrichtlinie erklärt jede neue ARGUS-Version, ob es sich um eine Major-, Minor-Version oder einen Patch handelt, und warum. Frühere Einträge bleiben so sichtbar, wie sie veröffentlicht wurden. Deshalb gehört die Versionsgeschichte zum Audit-Trail und ist nicht bloß ein Änderungsprotokoll für Neugierige.

Im Fall Amodei galt sogar die stärkere Bedingung. Die Kontrolle, die zum zentralen Befund führte, die Kontrolle der modalen Konstanz, war in ARGUS V5.1.0 bereits im August 2026 veröffentlicht worden, also noch vor dem Essay vom September. Sie prüft, ob dieselbe tragende Proposition mit starkem Verpflichtungsgrad formuliert wird, wenn sie argumentative Arbeit leistet, und abgeschwächt wird, wenn das Festhalten daran Kosten hätte.

Ad-hoc-Textkritik birgt immer das Risiko, ein Kriterium um den Text zu formen, den der Analyst bereits vor sich hat. Eine öffentliche, datierte Spezifikation beseitigt dieses Risiko nicht, macht die Chronologie aber überprüfbar.

Vor den substanziellen Kontrollen legt die Analyse fest, was für das jeweilige Genre als hinreichende Stützung gelten soll. Im Fall Amodei verlangte das eine identifizierbare oder auffindbare Quelle für eine als gestützt behandelte Behauptung, einen ausdrücklich genannten Kausalmechanismus für eine zukunftsbezogene Behauptung, eine hinreichend bestimmte Festlegung, die ein Dritter später prüfen kann, und bei quantitativen Behauptungen eine erklärte Bezugsgrundlage und einen erklärten Umfang.

Dieselbe Disziplin gilt für die numerischen Kontrollen. Zahlen, die als beweistragend behandelt werden, werden vor den Berechnungen festgelegt, statt nachträglich danach ausgewählt zu werden, welche Ergebnisse gerade nützlich erscheinen.

Damit ist die gewählte Beweisnorm nicht automatisch richtig. Ein Leser kann sie für zu streng oder zu lax halten. Er kann dann aber über die Beweisnorm getrennt von den Urteilen streiten, die sie hervorgebracht hat.

Sobald die Referenzanalyse abgeschlossen ist, wird die Publikationszusammenfassung in einem getrennten Lauf ausschließlich aus dieser Analyse erzeugt; ihre eigene primäre Kurzfassung wird dabei ausgeblendet. Der analysierte Gegenstand wird nicht bereitgestellt. Dasselbe gilt für die externen Quellen, die vorherige Unterhaltung und die Übersetzungen; externe Recherche ist deaktiviert.

Der zweite Lauf kann deshalb nicht zum ursprünglichen Essay zurückkehren, um die Analyse zu reparieren, eine Tatsache aus einer ausgelassenen Quelle ergänzen oder eine Schlussfolgerung durch eine neue Suche stillschweigend verstärken. Seine Aufgabe ist enger: rekonstruieren, was der Text behauptet, angeben, was die abgeschlossene Analyse als belastbar festhält, die wichtigsten Schwächen und das benennen, was sie übersteht, die Unterscheidung zwischen einer starken Behauptung, die scheitert, und einer schwächeren, die trägt, bewahren und keinen Befund hinzufügen, der in der vorgelegten Analyse fehlt.

Würde die Zusammenfassung im selben Lauf erzeugt, bliebe sie denselben Kontexteffekten ausgesetzt. Die Trennung macht das zweite Modell nicht unparteiisch; sie begrenzt diese Abhängigkeit und macht sie nachvollziehbar.

Eine frühe Lektüre der Amodei-Textfassung behandelte den Essay als im Wesentlichen unbelegt, bevor die Link-Anmerkungen extrahiert und in das Audit einbezogen worden waren. Diese Lesart war falsch.

Nachdem die Links ausgewertet worden waren, mussten Quellen-Audit und Bewertung der interpretativen Schließung neu vorgenommen werden. Die Korrektur verschob Letztere zugunsten des Essays von Stufe 3 auf Stufe 2. Die Analyse hält diese Änderung fest, statt sie stillschweigend zu absorbieren.

Sie hält auch ein Verzerrungsrisiko in der entgegengesetzten Richtung fest. Ein von Anthropic produziertes Modell könnte dem CEO von Anthropic gegenüber nachgiebig sein. Es könnte aber auch überkompensieren und ungewöhnlich streng urteilen, um Unabhängigkeit zu demonstrieren. Die Analyse nennt beide Möglichkeiten und sagt, wo die zweite zu erwarten wäre: in überhöhten Schweregraden oder einer unnötig hohen Stufe interpretativer Schließung.

Der Verlauf enthält sogar ein konkretes Beispiel für Nachgiebigkeit. Der Analyst prüfte den ersten vom Essay genannten Grund zunächst nicht, weil eine technische Aussage des CEO des betroffenen Unternehmens von der Person zu kommen schien, die es am besten wissen musste. Das Protokoll erzwang die Kontrolle schließlich doch.

Der Essay behauptet, der Fortschritt der KI werde inzwischen hauptsächlich von der wachsenden Fähigkeit der KI angetrieben, die nächste Generation von KI zu bauen. Die an dieser Stelle verlinkte Seite des Anthropic Institute beschreibt eine erhebliche Beschleunigung menschlicher Entwicklungsarbeit, erklärt zugleich aber, es sei weiterhin offen, ob die heutigen Methoden die stärkere behauptete Fähigkeit tatsächlich ermöglichen können.

Der Essay stellt außerdem Anthropic-Vorfälle neben den OpenAI–Hugging-Face-Vorfall und bezeichnet sie als „ähnlich, wenn auch weniger schwerwiegend“. Die von Anthropic verlinkte Bewertung sagt, dass diese Vorfälle jeweils einzelne Modellinstanzen betrafen, dass es keine Koordination zwischen Agenten gab und dass die Modelle ihre zugewiesenen Übungen nicht verließen. Diese Unterschiede sind für den Vergleich des Essays relevant.

Ein drittes Beispiel betrifft das von Demis Hassabis vorgeschlagene Standardisierungsgremium. Der Essay führt es als Beispiel für einen Dialog innerhalb der Branche an. Der Vorschlag selbst geht weiter: Er sieht ein Gremium vor, das freiwillig beginnt, für den Einsatz in den USA verpflichtend werden kann und bei Bedarf eine Verlangsamung unter Frontier-Laboren koordinieren kann.

Einige der stärksten Einwände der Analyse stammen damit aus Quellen, auf die der Essay selbst verweist, nicht aus Gegenquellen, die der Analyst nachträglich hinzugefügt hätte.

Die Analyse vermerkt auch, was für den Essay spricht.

Sie hält die datierte Prognose von sechs bis zwölf Monaten fest, die später an den Ereignissen geprüft werden kann. Positiv berücksichtigt werden außerdem die Offenlegung eigener Fehlschläge von Anthropic mit Links zu den zugrunde liegenden Berichten sowie eine Klausel, die externen Prüfern das Recht gibt, ihre Ergebnisse ohne redaktionelle Kontrolle durch Anthropic zu veröffentlichen.

Auch die Quellenpraxis des Essays zählt. Bei seiner am stärksten aufgeladenen Beschreibung des OpenAI–Hugging-Face-Vorfalls verlinkt er eine unabhängige Untersuchung, die den Großteil dessen stützt, was der Satz behauptet. Die Analyse berücksichtigt diese Stützung, statt die Formulierung allein wegen ihres Tons als Mangel zu behandeln.

Ein Verfahren, das nur Mängel hervorbrächte, sähe eher nach einem vorab feststehenden Urteil aus als nach einem Audit.

Eine erneute Ausführung von ARGUS am selben Text garantiert keine identische Analyse. Es handelt sich also nicht um Reproduzierbarkeit im experimentellen Sinn.

Was diese Konstruktion leisten kann, ist bescheidener: Der Streitpunkt lässt sich lokalisieren.

Weil die Schritte, die Beweisnorm, die Quellen und die Korrekturen offengelegt sind, können zwei Analysten den Punkt benennen, an dem sich ihre Lesarten trennen, und dort argumentieren, statt allgemeine Eindrücke vom Text auszutauschen.

Die Amodei-Analyse wendet diese Anforderung auf ihren eigenen zentralen Befund an. Das Urteil der modalen Rücknahme wird mit mittlerem Vertrauensgrad festgehalten. Die konkurrierende Lesart wird ausdrücklich dargestellt: Vielleicht bedeutete „pacing“ von Anfang an nur die schwächere Forderung, genügend Zeit für Alignment und Überprüfung zu lassen; dann gäbe es keine Rücknahme, sondern lediglich einen zu stark verdichteten Eröffnungssatz. Die Analyse verwirft diese Lesart, nennt ihre Gründe und kennzeichnet die Verwerfung als Urteil, nicht als Demonstration.

Der Anspruch ist bescheidener als experimentelle Reproduzierbarkeit, bleibt für den Leser aber überprüfbar.

Keine dieser Anforderungen setzt spezialisierte Infrastruktur voraus. Sie verlangt vor allem etwas zusätzlichen Rechenaufwand und disziplinierte Dokumentation. Die Kriterien werden mit Datum vor ihrer Anwendung veröffentlicht. Vor den substanziellen Kontrollen wird festgelegt, was als Beleg gelten soll. Die Läufe werden getrennt. Korrekturen werden dokumentiert, besonders solche, die die eigene Schlussfolgerung abschwächen.

Ohne diese Aufzeichnung verlangt eine Analyse, allein wegen ihrer überzeugenden Formulierung geglaubt zu werden.

Wer eine ARGUS-Analyse liest, zieht das Protokoll zu zwei Zeitpunkten heran. Vorher, um zu wissen, was angewendet wird: Die Design Note 01 erklärt, warum vor der Analyse veröffentlichte und datierte Kriterien für ihr Audit zählen. Danach, um zu prüfen, was getan wurde. Die Rubriken des Berichts, seine Qualifizierungen und die Kontrollen, die er ausweist, verweisen auf Begriffe des Protokolls, die der Leser in der Fassung wiederfindet, die er liest.

Auf dieser Website wird die Referenzanalyse einer Fallstudie in der Sprache des analysierten Textes erstellt, und einige werden anschließend übersetzt. Die Analyse des Essays von Dario Amodei, auf Englisch verfasst, liegt auch auf Französisch und auf Deutsch vor. Ihr deutscher Leser prüft sie mit dem deutschen Protokoll, gleichgültig, welche Fassung die KI erhalten hat.

Jede Fassung kann also diejenige sein, die die KI anwendet, und jede ist diejenige, die irgendein Leser liest. Die sechs müssen dasselbe sagen. In den Wörtern drohen sie auseinanderzudriften: Ein Protokoll von rund tausend Zeilen, in sechs Sprachen wiedergegeben, lässt jeder von ihnen Entscheidungen im Wortschatz, die erst beim Vergleich sichtbar werden.

Drei Fälle aus den Protokollen V5.1.0 zeigen, was Verrutschen heißt.

Ein Begriff, zwei Wörter. Das Protokoll sieht in 0.a zwei Fälle vor, in denen der obligatorische Stopp entfällt. Das Französische nennt dies dispense und behält das Wort überall bei, bis in die Kurzversion und den Anhang über Korpora. Das Englische, das Deutsche, das Spanische und das Italienische verfahren ebenso mit exemption, Befreiung, exención und esenzione. Das portugiesische Protokoll überschreibt die Regel mit Isenção und spricht dann in der Kurzversion von „regime de dispensa“ und im Korpus-Anhang von „fórmulas de dispensa“. Ein portugiesischer Leser, der auf die zweite Form stößt, muss erraten, dass die erste gemeint ist.

Ein Wort, mehrere Begriffe. Das deutsche Protokoll verwendet Ausnahme für drei Dinge: die „erklärte Ausnahme“ von 0.a, wenn der Nutzer die Analyse eines Textes geringer Relevanz trotzdem verlangt; die drei Ausnahmen der Kontrolle der modalen Konstanz in Schritt 6; und die Ausnahme, die Regel 13 in der Kurzversion bildet. Jede der fünf anderen Fassungen verwendet für diese drei Begriffe mindestens zwei Wörter.

Die Überschrift, die der Leser vor Augen hat. Die KI füllt ein Berichtsmuster aus, die Ausgabevorlage, die jeder Fassung des Protokolls beiliegt, und diese Vorlage liefert die Überschriften des Berichts. Für den Test 3.I schreiben die spanische, die italienische und die portugiesische Vorlage circularidad informacional, circolarità informazionale und circularidade informacional; ihre Protokolle sagen informativa. Wer die Überschrift im Protokoll oder im Glossar seiner Sprache sucht, findet sie nicht. Die Kontrolle der portugiesischen Vorlage ergab 21 von 28 Rubriken, die an der entsprechenden Stelle anders formuliert sind als im Protokoll; die der italienischen Vorlage 24 Abweichungen.

Eine KI bringt dispensa mühelos mit isenção zusammen. Für einen Leser, der prüft, ist jede dieser Abweichungen eine Stelle, an der die Prüfung in die Irre gehen kann.

Eine Abweichung kann auch eine gute Wahl sein. Für den Strohmann in Schritt 1 verwendet das portugiesische Protokoll espantalho, die Vogelscheuche. Im Französischen bezeichnet homme de paille traditionell eine vorgeschobene Person, die einzige Bedeutung, die Le Robert für die Wendung verzeichnet, und das französische Glossar muss den Leser warnen. Das portugiesische Glossar hatte nur die Vogelscheuche auf dem Feld und eine übertragene Bedeutung auszuschließen. Die Abweichung wurde beibehalten, und die Arbeit an den Glossaren hat sie zugunsten des Portugiesischen bewertet.

Ein erläuterndes Glossar sagt dem Leser, was ein Ausdruck in ARGUS bedeutet, in seiner Sprache. Man hätte eines schreiben und es fünfmal übersetzen können. Die sechs Glossare sind anders entstanden: Der Teil jedes Eintrags, der die Verwendung in ARGUS beschreibt, stammt allein aus dem Protokoll der eigenen Sprache, ohne Lektüre der Einträge der anderen Glossare, und kein Eintrag nennt eine Übereinstimmung oder Abweichung gegenüber einer anderen Sprache.

Der Grund ist derselbe, den das Protokoll für das Kreuzaudit angibt, die zweite der drei Stufen des Widerspruchsverfahrens: Eine zweite KI analysiert denselben Text blind, ohne die erste Analyse, denn „Eine zweite KI, der man die erste zeigt, erstellt eine Überarbeitung, kein Audit“. Ein Glossar, das mit einem anderen vor Augen verfasst wird, wäre dessen Übersetzung, und seine Übereinstimmung mit der Vorlage bewiese nichts. Getrennt verfasst, belegen sechs Glossare, die einen Begriff auf dieselbe Weise beschreiben, dass die sechs Protokolle ihn auf dieselbe Weise ausdrücken. Wo sie auseinandergehen, zeigt die Abweichung eine Stelle an, die zu prüfen ist.

Die Trennung hat eine zweite Wirkung: Jedes Glossar antwortet auf die Schwierigkeiten seiner Sprache. Das deutsche Glossar stellt in seinem Eintrag zur modalen Konstanz klar, dass die drei Ausnahmen von Schritt 6 weder mit der erklärten Ausnahme von 0.a noch mit der Ausnahme von Regel 13 zu verwechseln sind. Das portugiesische Glossar fasst isenção und dispensa in einem einzigen Eintrag zusammen. Die anderen Sprachen brauchen keine dieser Warnungen.

Auch die Listen der Einträge unterscheiden sich: 109 im Französischen, 108 im Englischen, 115 im Spanischen, 94 im Italienischen, 134 im Deutschen, 135 im Portugiesischen. Diese Zahl ist ein Ergebnis, ohne vorab festgelegtes Ziel. Das Italienische fasst mehrere Ausdrücke unter einem Eintrag zusammen. Das Deutsche, als eines der letzten verfasst, ging von einer Erhebung von 205 Begriffen in seinem Protokoll aus; das Portugiesische hat eine eigene Erhebung vorgenommen und seine Liste dann an der deutschen ausgerichtet.

Die Regel wurde unterwegs verschärft. Die ersten Einträge, vom 10. bis 12. September, wurden in allen sechs Sprachen nebeneinander verfasst, Eintrag für Eintrag. Das Verbot, die Einträge der anderen Glossare zu lesen, kam später, ausgenommen ein Glossar in einer entfernten Sprache, das als Vorlage für die Gestaltung diente: praktiziert beim Spanischen, für das Italienische am 20. September formuliert, am 23. im Verfahren festgeschrieben. Selbst dann wurden während der Arbeit am Deutschen drei eingefrorene Glossare anderer Sprachen versehentlich geöffnet, und ihr Text gelangte in das Arbeitsgespräch.

Getrennte Glossare brauchen einen Treffpunkt; ohne ihn würde nichts anzeigen, dass dispense und isenção denselben Begriff bezeichnen. Dieser Treffpunkt ist ein sprachübergreifendes Glossar, das nicht veröffentlicht wird. Es hat zwei Seiten. Die erste ist eine Formentabelle: Für jedes ARGUS-Konzept, das sie abdeckt, verzeichnet sie die Form, die jedes der sechs Protokolle verwendet. Sie dient auch den Übersetzungen, die jeden ARGUS-Ausdruck mit der Form des Protokolls der Zielsprache wiedergeben müssen. Die zweite ist ein Inventar von 205 Begriffen, jeder verknüpft mit dem Abschnitt des Protokolls, in dem er erscheint, und mit den Titeln der Einträge, die ihn in den einzelnen Glossaren behandeln.

Das sprachübergreifende Glossar richtet die Sprachen nach Protokollabschnitt und Eintragstitel aus. Es enthält keine Definition und vergleicht nie den Inhalt der Einträge. Es dient drei Kontrollen. Hat jeder in einer Sprache behandelte Begriff seine Entsprechung in den anderen? Sind die geschlossenen Listen des Protokolls, etwa eine Skala oder ein Fragenraster, vollständig abgedeckt? Ist jede Formel, die das Protokoll wörtlich vorschreibt, einem Eintrag zugeordnet?

Was es meldet, wird anschließend in den Protokollen überprüft. Am 23. September wurden die ersten vier eingefrorenen Glossare allein über ihre Ankerpunkte verglichen. Fünf unabhängige Messungen ergaben dieselbe Aufteilung: Französisch und Englisch auf der einen Seite, Spanisch und Italienisch auf der anderen. Diese Aufteilung folgte der Reihenfolge der Arbeit: Die automatischen Kontrollen, entwickelt während der Arbeit am Spanischen und am Italienischen, waren auf die ersten beiden nicht angewendet worden. Französisch und Englisch wurden überarbeitet. In den sechs Glossaren der Version 1.0.0 führt jeder Verweis unter „Siehe auch“ zu einem vorhandenen Eintrag.

Der Fall Ausnahme zeigt die Grenze des Werkzeugs. Das Inventar der 205 Begriffe wurde aus der Erhebung des deutschen Protokolls gewonnen, der jüngsten zum Zeitpunkt seiner Erstellung. Es ordnete die drei Ausnahmen von Schritt 6 dem Abschnitt 0.a zu, weil das Wort Ausnahme dort für die erklärte Ausnahme steht. Die portugiesische Kontrolle stellte fest, dass das portugiesische Protokoll in 0.a nicht davon spricht; das deutsche Protokoll tut es ebenso wenig. Die Abweichung ging auf das deutsche Wort zurück. Das sprachübergreifende Glossar meldet, und das Protokoll jeder Sprache entscheidet.

Es macht keine Sprache zur Referenz. Seine Konzeptkennungen sind technisch, und die Formentabelle, auf Französisch verfasst, erklärt, keiner der sechs Sprachen normativen Vorrang einzuräumen. Sie hat ihre eigenen Fehler: Ihre Revision 1.2.0, getrennt von den erläuternden Glossaren nummeriert, gibt einem Element der Kontrolle der modalen Konstanz, das die sechs Protokolle „zurückgezogener Pol“ nennen, in allen sechs Sprachen noch immer den Namen „schwacher Pol“. Ihre Korrektur steht aus.

Einen Eintrag zu verfassen zwingt dazu, jedes Vorkommen eines Ausdrucks in seinem Protokoll zu lesen. Diese Arbeit, sechsmal geleistet, hat Abweichungen in den Protokollen selbst zutage gefördert. Das italienische Protokoll nennt einen Deskriptor Modalità retorica, ein Femininum; seine Ausgabevorlage nennt ihn Modo retorico, ein Maskulinum, und die Werte richten sich jeweils nach dem Genus. Die portugiesische Befreiung und die Überschriften der Ausgabevorlagen gehören in dieselbe Kategorie.

Eine veröffentlichte Version von ARGUS wird nicht verändert. Diese Abweichungen werden für die nächste Version festgehalten, und die italienische Korrektur liegt in einer Arbeitsversion, V5.1.1, bereits vor.

Eine gemeldete Abweichung wird nicht immer übernommen. Das deutsche Attribut des rhetorischen Modus, raffiniert, wo die anderen Sprachen die Entsprechung von „sophistiqué“ verwenden, wurde zunächst als Mangel des deutschen Protokolls dargestellt. Die Prüfung hat es als Wahl des Ausdrucks eingestuft, über die noch zu entscheiden ist.

Die sechs Glossare wurden in getrennten Gesprächen von KI-Modellen derselben Familie verfasst: Die Dokumente sind getrennt, der Verfasser ist derselbe. Jede Sprache einem anderen Verfasser anzuvertrauen, hätte die Methode näher an das Kreuzaudit gebracht, das sie nachahmt, hätte aber verlangt, sechs Verfasser gleichzeitig zu koordinieren, was außerhalb der Möglichkeiten des Projekts lag. Im Gegenzug wurde jedes Glossar dem Audit einer anderen KI unterzogen, und jede Feststellung dieses Audits wurde im Protokoll oder in der zitierten Quelle überprüft, bevor sie angenommen wurde.

Wie vertraut ein Wort einem Leser der jeweiligen Sprache tatsächlich ist, wurde nicht gemessen; es wurde anhand der Wörterbücher und der Wortbildung eingeschätzt. Das sprachübergreifende Glossar trägt die Spur der Sprache, an der sein Inventar erhoben wurde, und seine Fehler zeigen sich erst bei der Rückkehr zu den Protokollen. Die in den Protokollen V5.1.0 festgestellten Abweichungen sind noch nicht behoben: Der Leser dieser Version begegnet ihnen, und sein Glossar weist auf einen Teil davon hin.

Das Ergebnis bleibt verbesserungsfähig: Ein eingefrorenes Glossar kann in einer neuen Version wieder geöffnet werden, wegen eines dokumentierten Mangels oder einer Inventarentscheidung. Die sechs Fassungen von ARGUS bleiben sechs Texte; diese Einrichtung zeigt, wo sie sich unterscheiden, und sagt es dem Leser jeder Fassung in seiner Sprache.

Diese Design Note wurde auf Französisch verfasst. Jede ihrer Übersetzungen wurde getrennt angefertigt, mit dem Glossar der jeweiligen Sprache für die ARGUS-Begriffe.

Das Feld „In ARGUS“ ist der Kern des Eintrags. Es stammt aus dem Protokoll, von der Stelle, an der dieses den Begriff definiert oder verwendet. Das französische Glossar legt die Anforderung fest: Behält man nur den Ausdruck und den ersten Satz dieses Feldes, muss der Leser den Begriff einer anderen Person richtig erklären können. Bedingungen, Ausnahmen und Verweise auf die Schritte folgen danach, und keines davon darf gestrichen oder abgeschwächt werden, um die Lektüre zu vereinfachen.

So ist im französischen Glossar eine Kontrolle „eine Prüffrage, die vor ihrer Durchführung festgelegt und als eine einzige Einheit gezählt wird“. Der weitere Text präzisiert, dass jede Kontrolle einen der drei in 3.B vorgesehenen Status erhält und dass jede Analyse drei Zahlen angibt, eine je Status.

Das Feld „In ARGUS“ sagt nichts, was das Protokoll nicht sagt. Im deutschen und im portugiesischen Glossar wird jedes Zitat aus dem Protokoll vor jedem Audit von einem Skript mit dem Protokolltext abgeglichen. Das Audit des portugiesischen Glossars fand dennoch einen Eintrag, der zwei Ausdrücke durch definierende Sätze unterschied, die das Protokoll nicht formuliert; sie wurden ersetzt.

Das Regime bestimmt die Form des Eintrags. Es gibt drei.

Im Regime A erhält ein gemeinsprachliches Wort in ARGUS eine genaue Bedeutung. Kontrolle ist ein Beispiel: Der Leser kennt das Wort, die Zähleinheit kennt er nicht.

Im Regime B ist das Wort ein etablierter Fachausdruck eines Gebiets, und der Eintrag gibt diese „Fachsprachliche Bedeutung“ vor der Verwendung in ARGUS an. Assertorisch stammt aus Kants Einteilung der Urteile, wo es die mittlere Stufe zwischen dem Problematischen und dem Apodiktischen einnimmt. In ARGUS bezeichnet es den höchsten von vier Festlegungsgraden. Der Eintrag muss beides sagen, denn ein Leser, der Kant kennt, läse die Skala sonst falsch.

Im Regime C ist der Ausdruck eine Schöpfung des Protokolls, ohne vorherige Bedeutung. Verriegelte Nuance ist ein Beispiel: laut dem französischen Glossar eine Nuance, „die so eingefügt ist, dass sie die Schlussfolgerung verstärkt oder schützt, statt sie zu öffnen“. Das Feld „Nicht zu verwechseln mit“ zählt hier mehr als anderswo, denn der Ausdruck, aus geläufigen Wörtern gebildet, erweckt beim Leser den Eindruck, ihn zu verstehen.

Das Regime gehört zum Eintrag, in seiner Sprache. Derselbe Begriff kann in einer Sprache unter B und in einer anderen unter A stehen, entweder weil die Sprache nicht über denselben etablierten Fachausdruck verfügt oder weil der verfügbare Nachweis ein anderer ist. So ordnet das portugiesische Glossar deferência dem Regime A zu, während das Spanische und das Deutsche den Begriff unter B führen: Die Recherche verwies auf eine Verwendung im Verwaltungsrecht, doch die Quelle konnte nicht gelesen werden. Ohne gelesene Quelle sagt der Eintrag nichts dazu, und der Punkt bleibt offen.

Zu sagen, ein Ausdruck habe vor ARGUS keine Bedeutung gehabt, heißt zu behaupten, dass niemand ihn verwendete. Das ist die am schwersten zu belegende Behauptung, und die Audits haben sie oft widerlegt.

Kreuzaudit, das die zweite Stufe des im Protokoll vorgesehenen Widerspruchsverfahrens bezeichnet, wurde im Französischen, im Englischen und im Deutschen zunächst dem Regime C zugeordnet. In allen drei Sprachen erwies sich der Ausdruck als vor ARGUS belegt, in der Praxis des Qualitätswesens und des Audits. Die drei Einträge wechselten in Regime A und erwähnen nun diese frühere Verwendung.

Die Arbeit am Deutschen hat eine Regel aufgestellt, die das Portugiesische übernommen hat. Ein Eintrag wird nur dann unter C eingeordnet, wenn drei Prüfungen durchgeführt und festgehalten sind: Die konsultierten Wörterbücher verzeichnen den Ausdruck nicht; die Recherche hat in keinem Fachgebiet eine etablierte Verwendung gefunden; das Protokoll selbst bildet den Begriff. Andernfalls bleibt der Eintrag in Regime A, wo er die Bedeutung jedes einzelnen Wortes zitiert, aus dem sich der Ausdruck zusammensetzt. Diese vorsichtige Wahl behauptet keine Abwesenheit.

Die Regel reichte beim ersten Versuch nicht aus. Die erste deutsche Fassung hatte 17 Einträge unter C. Die acht schwerwiegenden Feststellungen ihres Audits betrafen sämtlich Einträge dieses Regimes: Die Negativrecherchen hatten die Fachliteratur nicht erfasst, etwa Recht, Qualitätswesen oder Literaturwissenschaft. Sieben dieser Einträge wechselten nach A, einer nach B, und neun bleiben unter C.

Die Wirkung zeigt sich in den Zahlen. Regime C umfasst 44 von 109 Einträgen im Französischen, 44 von 108 im Englischen, 46 von 115 im Spanischen und 33 von 94 im Italienischen; im Deutschen sind es 9 von 134, im Portugiesischen 10 von 135. Der Unterschied liegt an der Regel: Sechs Begriffe, die im Spanischen unter C stehen, etwa die kurze Gegenprobe oder der Substitutionstest, stehen im Deutschen und im Portugiesischen unter A. Acht Begriffe bleiben in diesen drei Sprachen unter C, darunter die verriegelte Nuance, die angepasste Propaganda und der Serienkonformismus.

In der Version 1.0.0 wurden die ersten vier Glossare nicht nach dieser Regel überprüft. Sie waren am 24. September eingefroren worden, am Tag bevor die Regel aufgestellt wurde. Ein eingefrorenes Glossar wird nur wegen eines dokumentierten Mangels oder einer Inventarentscheidung wieder geöffnet. Ein nach der alten Regel unter C eingeordneter Eintrag mag zutreffen; sein Nachweis ist schwächer als der heute verlangte, und erst eine neue Recherche mit anschließendem Audit würde zeigen, ob er standhält. Für die 167 betroffenen Einträge ist diese Überprüfung in der Version 1.0.0 nicht erfolgt; sie gehört zu den Arbeiten, die einer späteren Version vorbehalten sind. Die Glossare tragen so das Datum ihrer Methode, und die obigen Zahlen halten es fest.

Die Regel zu Aussagen über den Gebrauch wurde während der Arbeit am Spanischen aufgestellt, und der Verfasser hat sie noch am selben Tag gebrochen. Der Eintrag zetética schrieb, die Recherche habe keine gefestigte Verwendung des Paares zetética / dogmática in der spanischsprachigen juristischen Literatur gefunden. Das Gegenaudit legte vier Belege vor, darunter eine peruanische Rechtszeitschrift und das Programm eines rechtsphilosophischen Kongresses. Die Lehre blieb: Eine Recherche, die nichts findet, belegt nichts.

Aussagen über die Häufigkeit folgen derselben Regel. Das spanische Glossar sagte von einer Bedeutung, sie sei „el más frecuente“, und über ein Wort: „no tiene uso corriente en castellano“. Das maßgebliche Wörterbuch misst keine Häufigkeit: Die sechs Aussagen dieser Art wurden gestrichen und jeweils durch das ersetzt, was das Wörterbuch verzeichnet oder nicht verzeichnet. Bei hombre de paja hat der Ersatz die Warnung verstärkt: Das Wörterbuch gibt der Wendung nur die Bedeutung einer vorgeschobenen Person.

Im deutschen und im portugiesischen Glossar wird jede externe Quelle wörtlich zitiert, mit Werk, Stichwort, Bedeutungsangabe, Adresse und Abrufdatum. Jedes der beiden Glossare enthält mehr als 450 solcher Adressen. Zu matiz bloqueado, der portugiesischen Entsprechung der verriegelten Nuance, schreibt der Eintrag, dass der Ausdruck weder im Wörterbuch Priberam, abgerufen am 25. September, noch im Wörterbuch Infopédia, abgerufen am 26., verzeichnet ist, und zitiert dann die Bedeutung jedes der beiden Wörter. Der französische Eintrag zum selben Begriff, zwei Wochen früher verfasst, beschränkt sich auf zwei Sätze ohne Quelle. Eine unlesbare, kostenpflichtige oder gesperrte Quelle wird nicht umgangen; der Punkt bleibt offen. Zwei Dokumente, die das Lesewerkzeug nicht erreichen konnte, wurden von einem Verantwortlichen des Projekts als PDF bereitgestellt und dann gelesen.

Die Einträge werden in Arbeitsdateien verfasst, in Gruppen. Ein Skript fügt sie zu einem Glossar zusammen, prüft dessen Struktur und Verweise und weigert sich, eine vorhandene Fassung zu überschreiben. Die zusammengefügte Datei wird nie von Hand korrigiert: Jede Korrektur erfolgt in den Arbeitsdateien, danach wird das Glossar neu zusammengefügt. Das französische Glossar hat siebzehn Fassungen durchlaufen, das portugiesische zwei.

Jeder Übergang von einer Fassung zur nächsten wird in einem Migrationsdokument beschrieben: die geänderten Einträge, die bytegenau unverändert gebliebenen und der Hashwert jeder Datei. Zwischen seinen Fassungen 0.1 und 0.2 hat das portugiesische Glossar zwei Einträge hinzugefügt, einen gestrichen und dreißig in den angekündigten Feldern geändert; alle übrigen blieben unverändert.

Eingefroren wird auf ausdrückliche Zustimmung eines menschlichen Verantwortlichen des Projekts. Ein eingefrorenes Glossar wird nicht mehr verändert; eine Korrektur eröffnet eine neue Fassung. Erst die tatsächliche Darstellung der Seite hat im Italienischen einen Mangel aufgedeckt, den die Korrekturlesungen übersehen hatten: Ein fett gesetzter Satz mit einem kursiven Wort wurde fehlerhaft angezeigt. Seither durchläuft der Kandidat vor dem Einfrieren den Generator, der die Seite der Website erzeugt, und die aus der eingefrorenen Datei erzeugte Seite muss bytegenau mit der des freigegebenen Kandidaten übereinstimmen.

Jedes Glossar wurde von einer anderen KI auditiert, anhand eines Pakets, dessen Inhalt vor dem Versand per Skript geprüft wird: das Glossar, das Protokoll seiner Sprache, die Migration und, beim Deutschen und beim Portugiesischen, die gelesenen Quellen. Keine Feststellung wird auf das Wort des Auditors hin angenommen. Sie wird im Protokoll oder in der Quelle überprüft, bevor sie zugestanden wird, und was nicht überprüft werden konnte, wird ausgewiesen.

Diese Kontrolle wirkt in beide Richtungen. Das deutsche Audit datierte einen 2021 erschienenen Artikel auf 2020 und eine Veröffentlichung von 1921 auf 1917; beide Daten wurden vor der Verwendung korrigiert. Für einen anderen Eintrag schlug der Auditor Regime B vor; die Prüfung zeigte, dass die fachsprachliche Bedeutung einen anderen Gegenstand betraf, der Eintrag wechselte nach A, und das folgende Audit zog seine Empfehlung zurück.

Was die Audits gefunden haben, lässt sich auf wenige Gruppen zurückführen: C-Regime ohne Nachweis, Aussagen über den Gebrauch ohne Quelle, Bedingungen des Protokolls, die in einem Eintrag fehlen, fehlerhaft übertragene Zitate. Das portugiesische Audit fand 29 Zitate aus dem Protokoll, deren innere Anführungszeichen verändert worden waren; die Vorgabe stammte aus dem Redaktionsauftrag, und das Glossar wies sie nicht aus.

Manche Mängel entgehen dem Audit, weil kein Raster sie erfasst. Die Schlusskontrolle des spanischen Glossars fand zwei Zeilen mit Entscheidungsvermerken auf Französisch, die im Text zweier Einträge stehen geblieben waren.

Schließlich führen die Begleitnotizen der Arbeit eine Liste der Fehler des Verfassers, gleich wie sie gefunden wurden: Das Zählinstrument lag fünfmal falsch, bevor es stimmte, und eine Seite 96 war als Seite 95 zitiert worden.

Die Zitate im deutschen und im portugiesischen Glossar geben den Text der Seiten so wieder, wie das Lesewerkzeug ihn geliefert hat. Im Deutschen wurde eine zufällig gezogene Stichprobe an der Seite nachgelesen; das portugiesische Glossar erklärt, dass die Prüfung am Original noch aussteht.

Jedes Glossar nennt seine offenen Punkte in einer Arbeitsnotiz, 19 beim Portugiesischen; diese Notizen stehen in den eingefrorenen Dateien, und die Seite der Website zeigt sie nicht an.

Auch wurden die ersten vier Glossare nicht nach der Regel der datierten Zitate überarbeitet. Das französische und das englische Glossar verweisen noch an einigen Stellen auf einen Punkt „3.A“, den das Protokoll nie so nennt.

Die Arbeit könnte nie enden: Es wird immer etwas zu verbessern geben. Im September wurde das französische Glossar viermal eingefroren und dreimal wieder geöffnet, zwischen seinen Arbeitsfassungen 0.10 und 0.17. Damit die Arbeit enden kann, bilden die sechs eingefrorenen Glossare nun eine gemeinsame Version, 1.0.0. Eine eingefrorene Version wird nicht mehr verändert; bekannte Verbesserungen sind einer späteren Version vorbehalten, die sie gemeinsam behandeln und eine neue Nummer tragen wird.

Eine Gesamterhebung wurde nicht vorgenommen; das Folgende ist qualitativ.

Am teuersten war es, das ganze Protokoll erneut zu lesen, das fast 1100 Zeilen umfasst. Bei der Arbeit am Deutschen lasen mehrere gleichzeitig gestartete KI-Agenten bei jedem Arbeitsschritt jeweils das Protokoll und ihren eigenen Verlauf erneut; einige wurden durch das Nutzungslimit abgebrochen, bevor sie ihre Arbeit niedergeschrieben hatten, und diese ging verloren. Auch die Audits kosten, mit der Vorbereitung ihres Pakets und der Prüfung jeder Feststellung. Die Wörterbuchabfragen dagegen kosteten wenig.

Drei Entscheidungen haben den Aufwand bei der Arbeit am Portugiesischen verringert. Ein Skript entnimmt dem Protokoll nur die Absätze, in denen ein Ausdruck vorkommt, und der Verfasser liest nur diese. Die Wörterbuchrecherche ist von der Redaktion getrennt und einem leichteren Modell übertragen. Es arbeitet immer nur ein Agent, und ein abgebrochener Agent wird dort fortgesetzt, wo er aufgehört hat. Das portugiesische Glossar hat so deutlich weniger gekostet als das deutsche, das vorgegebene Ziel der halben Kosten aber verfehlt. Was weiterhin ins Gewicht fiel: die ersten Arbeitsschritte in einem einzigen Gespräch durchzuführen, in dem das Protokoll und die Ergebnisse der Werkzeuge bei jedem Aufruf erneut gelesen wurden.