Methodenblatt — Parallax

1. Quellen & Lizenzen

Themenregister: Wikipedias eigene Kategorien „States with limited recognition" und „Disputed islands" (CC BY-SA). Die Domäne wählt sich selbst — niemand kuratiert die Liste.
Beschreibungen: Wikipedia-Einleitungs-Extrakte je Sprachversion (CC BY-SA), abgerufen über die offizielle REST-API.
Extraktion: Vertex AI Gemini (gemini-2.5-flash-lite) als ein einzelner, transparenter Extraktionsschritt.

2. Kadenz

Nächtlicher Lauf (05:30 UTC): Das Register wird neu aus den Wikipedia-Kategorien aufgebaut; je Thema werden die Einleitungstexte aller Sprachversionen erhoben und in einem einzigen Gemini-Aufruf verglichen. Das kanonische register.json liegt versioniert im Repository — Git ist das Archiv.

3. Verarbeitung

Die Aggregation ist deterministisch: Auslassungsindizes je Sprache und Thema, mittlerer Index, Namensstreit-Erkennung. Der EINE LLM-Schritt ist die Auslassungs-Extraktion — der dabei verwendete Prompt ist unten vollständig veröffentlicht. Jede Zelle der Matrix ist gegen den verlinkten Quelltext prüfbar: ein transparenter Extraktor, kein Orakel.

→ pipelines/protokoll/…/parallaxe

Publizierter Extraktions-Prompt (wortgetreu aus dem Code):

Du vergleichst, wie dieselbe Sache in verschiedenen Sprachausgaben der Wikipedia beschrieben wird.
Unten der Einleitungstext eines Artikels in mehreren Sprachen (Sprachcode in eckigen Klammern).

Aufgaben:
1. lemma: Welchen PRIMÄRNAMEN verwendet jede Version für den Gegenstand?
2. name_umstritten: Ist der NAME selbst zwischen den Sprachen umstritten — also ein echter Benennungsstreit mit unterschiedlichem Anspruch (etwa Falklandinseln vs. Malvinas, Senkaku vs. Diaoyu, Persischer vs. Arabischer Golf)? Nur dann true. Bloße Transliteration desselben Namens in andere Schriften (Carl Jung / Карл Юнг / كارل يونغ) ist KEIN Streit → false.
3. claims: Erstelle eine konsolidierte Liste atomarer, faktischer oder rahmender AUSSAGEN, die in mindestens einer Version vorkommen (auf Deutsch, neutral formuliert).
4. Markiere für jede Aussage und jede Sprache: "nennt" (Version sagt es aus), "verschweigt" (fehlt), "widerspricht" (sagt Unvereinbares).
Sei konservativ: "nennt" nur, wenn die Version es wirklich aussagt.

Antworte als striktes JSON, keine Erklärung:
{"lemma": {"<lang>": "<name>"}, "name_umstritten": true/false, "claims": [{"aussage": "...", "nach_sprache": {"<lang>": "nennt|verschweigt|widerspricht"}}]}

Die Versionen:

4. Grenzen der Methode

Die Domäne ist bewusst auf Souveränitäts- und Territorialstreitigkeiten geschärft, weil dort Auslassung bedeutsam ist. Ein früherer Embedding-Ansatz scheiterte (Faktor 0,97 — die Sprachen waren kaum unterscheidbar), und ein breites „umstrittene Themen"-Register maß bloß Trivia.
Der Auslassungsindex misst den Anteil verschwiegener themenweiter Aussagen — er gewichtet nicht nach Bedeutung. Eine verschwiegene Höhenangabe zählt wie ein verschwiegener Territorialstreit.
Gemini ist ein Extraktor, dessen Urteil fehlbar ist — aber prüfbar: Prompt und Quelltext sind offen, jede Zelle nachvollziehbar.
Gemessen wird nur der Einleitungstext, nicht der Volltext der Artikel.
Die Wikipedia-Kategorien sind selbst nicht neutral; auch ihre Grenzen sind eine Setzung.

5. Compute-Fußabdruck

Ein Gemini-Aufruf je Thema und Nacht (flash-lite), kein Embedding-Schritt. Die Site selbst ist statisch.

6. Änderungsprotokoll

v1 — Auslassungsmatrix über Souveränitäts- und Territorialstreitigkeiten, Namensstreit-Erkennung, mittlerer Auslassungsindex.

→ Zum Werk