Wo dieses System denkt

Neun Stufen. Vier davon rufen ein Modell, zwei rechnen nur, eine liest, eine schlägt nach, und eine ist ein Mensch. Jede Stufe aufklappen für das, was sie nicht kann.

PDF-Scans, unverändert, nie überschrieben

522Deyişe

6236Ayets

6101Ehl-i-Beyt-Passagen

3725Lexikoneinträge

Denkt: gar nichts – hier wird nur gelesen

Kann nicht: Ein Scanfehler bleibt ein Scanfehler. Was das PDF nicht hergibt, kann keine spätere Stufe erfinden – sie kann es nur überdecken.

Offene Frage: Welche Quelle fehlt uns, ohne dass wir es merken? Fuzuli hat keine einzige Datei, und niemand hat es vermisst, bis jemand nachzählte.

Ontologie, Lexikon, belegte Gleichsetzungen

2947Entitäten

3725Definitionen

320Gleichsetzungen

53Widersprüche

Denkt: es schlägt NACH statt zu raten

Kann nicht: Es weiß, dass „Şah-ı Merdan“ İmam Ali meint – aber nicht, warum ein Dichter diesen Namen wählt und nicht einen anderen. Die Konnotation steht in keinem Wörterbuch.

Offene Frage: Ein Begriff zeigt sein Feld in seiner Gesellschaft. Wir zählen, welche Begriffe zusammen vorkommen – aber „Allah — iki“ 254× ist Rauschen. Wie unterscheidet man Nachbarschaft von Beziehung?

context_engine · 1 Aufruf je Werk

11Gattungen zur Wahl

0,0002 €je Werk

Denkt: WAS ist das für ein Gedicht, und WOZU wurde es gedichtet

Kann nicht: Es liest das Gedicht ohne seinen Anlass zu kennen. 63 % kamen als „Öğüt“ heraus; die Referenzanalysen lasen dieselben Gedichte in 11 von 21 Fällen als Erkân – also als etwas, das einen ORT im Ritual hat.

Offene Frage: Ein Deyiş wird gesungen, an einem bestimmten Punkt des Cem. Diese Stelle ist seine halbe Bedeutung – und sie steht in keiner unserer Quellen.

meaning_engine · 1 Aufruf je Werk, mit Lexikon

je ZeileDeutung, Schlagworte, Konzepte

3574nachschlagbare Begriffe

Denkt: WAS sagt diese Zeile, und WAS lehrt sie

Kann nicht: Die Deutung ist eine Paraphrase. Sie kann richtig und trotzdem flach sein – „Talip bittet um Erlaubnis“ trifft die Zeile und verliert, dass es um die Schwelle zwischen zwei Welten geht.

Offene Frage: Wir deuten JEDE Zeile gleich tief. Ein Refrain und eine Schlüsselzeile bekommen denselben Satz. Müsste das System nicht erst erkennen, WO das Gewicht liegt?

Vektorindex · kein Modellaufruf

6236eingebettete Ayets

6222davon mit Deutung

5Treffer je Strophe

Denkt: nichts – sie misst Abstände zwischen Zahlen

Kann nicht: Ähnlichkeit ist keine Verwandtschaft. Das Golden Set führte für „Arafat dağında koçun bir eşi“ zwei Verse über das Wort „eş“ (Gattin) – die Sachstelle (Hac, Opfertier) fand es nie.

Offene Frage: Seit der Kur'an MIT seiner Deutung eingebettet ist, vergleichen wir Bedeutung gegen Bedeutung. Aber wir vergleichen immer noch ZWEI TEXTE. Müsste man nicht die FRAGE der Zeile suchen statt ihres Inhalts?

gpt_ayet_evaluator · 1 Aufruf je Strophe

0–100Bewertung je Kandidat

25Schwelle zum Aufgeben

Denkt: welcher der Kandidaten passt wirklich

Kann nicht: Es wählt nur aus, was die Suche gefunden hat. Der beste Vers der Welt bekommt null Punkte, wenn er nie auf der Liste stand.

Offene Frage: Die Ausbeute stieg von 50 % auf 75 % – aus DENSELBEN acht Kandidaten. Das Auswählen ist besser geworden, das Finden nicht.

reasoning_engine · 1 Aufruf je Zeile mit Ayet

terraModell

0,023 €je Werk

Denkt: WARUM gehören diese beiden zusammen

Kann nicht: Es darf den Ayet nicht zitieren – sonst würde der Wortlaut halluziniert. Es begründet also eine Verbindung, die es nicht wörtlich wiedergeben darf.

Offene Frage: Eine gut formulierte Begründung auf einem falschen Fund ist die gefährlichste Ausgabe des ganzen Systems. Sie liest sich besser als eine holprige auf einem richtigen.

validator · 1 Aufruf je Zeile mit Ayet

4Kriterien

solModell

0,064 €je Werk

Denkt: hält das stand

Kann nicht: Es prüft mit demselben Wissen, mit dem erzeugt wurde. Was das Modell nicht weiß, kann es auch nicht vermissen.

Offene Frage: Die Prüfstufe war einmal der teuerste Posten und verwarf 24 von 24 belegten Zeilen. Wer prüft die Prüfung?

review_queue, bewerten.py, Golden Set

24menschlich beurteilte Zeilen

16489Objekte warten

Denkt: der Mensch – und nur sein Urteil zählt als geprüft

Kann nicht: Es skaliert nicht. 522 Werke × 6 Strophen sind über 3000 Urteile.

Offene Frage: Alles andere misst sich an diesen 24 Zeilen. Wie kommen wir auf 200, ohne dass es zur Fließbandarbeit wird – die genau das zerstört, was sie messen soll?

Wie die Wissensbasis verknüpft ist

Die Stufen oben sind der Wirkpfad – wie ein Deyiş durch das System läuft. Das hier ist das Netz: die Korpora sind keine nebeneinanderliegenden Töpfe. Ein Ayet trägt die Auslegung der Imame, eine Passage weiß, wer in ihr vorkommt, das Lexikon speist die Ontologie, und der Graph hängt an den Analysezeilen. Jede Kante hier wird im Code wirklich gezogen – daneben steht, von wem.

woher		wohin	wodurch
terminologie.json	→	ontology.json	`build_ontology.py` 3725 Lexikoneintraege werden zu Konzepten der Ontologie - mitsamt ihrer belegten Definition.
terminologie.json	→	synonyme.json	`build_synonyme.py` Die „bk.“-Verweise des Woerterbuchs werden zu 320 aufloesbaren Gleichsetzungen. Nicht geraten - belegt.
synonyme.json	→	Retrieval	`analyzer.retrieve_candidates_strophe` Vor der Suche werden die Schlagworte um ihre belegten Gleichbedeutungen erweitert (ikrar → ant içme).
ontology.json	→	ehlibeyt.json / peygamberler.json	`enrich_passages.py` Jede Passage bekommt eingetragen, WER in ihr vorkommt - aufgeloest ueber 221 Beinamen. Ohne das waere sie nur unter ihrer ID zu finden.
ontology.json	→	Retrieval	`ontology.such_begriffe` Nennt eine Strophe „Şah-ı Merdan“, geht „İmam Ali“ mit in die Suchanfrage. Der Vers nennt den Beinamen, der Korpus den Namen.
Ehl-i Beyt-Kommentarband	→	quran.json	`enrich_quran_ehlibeyt.py` 240 Ayets tragen die Auslegung der Imame als Attribut AM Ayet - nicht als eigenes Korpus, denn sie kommentiert den Vers.
esma.json	→	quran.json	`parse_esma_importer.py` Jeder der 131 Gottesnamen traegt seine Kur'an-Stelle, gegen quran.json geprueft. Eine falsche Angabe der Quelle bleibt stehen und wird markiert.
interpret_quran.py	→	quran.json	→ Attribut `deutung` Je Ayet die Lehre dahinter und 3-5 Suchbegriffe. Sie gehen in den EINGEBETTETEN Text ein - der Wortlaut bleibt vorne.
interpret_passagen.py	→	ehlibeyt.json / peygamberler.json	→ Attribut `deutung` Dasselbe fuer 6480 Prosapassagen: Zusammenfassung, Kernaussage, Themen. Eingebettet wird die Kernaussage, nicht die Zusammenfassung.
quran.json	→	Themensuche	`themensuche.py` Die Suchbegriffe der Deutung werden zum Stichwortindex - der dritte Suchweg neben Wortlaut und Bedeutung, ganz ohne Vektor.
deyis.json (Analysezeilen)	→	relations.json	`build_relations.py` Jede Zuordnung Zeile→Ayet ist eine KANTE. Der Graph entsteht aus der Analyse, nicht neben ihr.
deyis.json	→	glossary.json	`glossary.py` Die Symbole, die die Bedeutungsstufe erkannt hat, sammeln sich ueber alle Werke - die erste Definition eines Begriffs gewinnt.
deyis.json (Urteile)	→	tests/golden_set.json	`review_queue.py export-golden` Nur MENSCHLICHE Urteile. `auto_approved` ist ausdruecklich keines - sonst maesse das Golden Set die Pipeline an sich selbst.
quellen.py	→	alle Korpora	`knowledge_index._guete` Jeder Datensatz traegt die Belastbarkeit seiner Quelle als Metadatum. Sie ordnet nach, sie blendet nicht aus.