{ "page": { "title": "Für Forscher | Tractatus AI-Sicherheits-Framework", "description": "Forschungsgrundlagen, empirische Beobachtungen und theoretische Basis für architektonische Ansätze zur KI-Governance. Frühstadium-Framework zur Erforschung struktureller Beschränkungen für LLM-Systeme." }, "header": { "badge": "Forschungs-Framework • Empirische Beobachtungen", "title": "Forschungsgrundlagen & Empirische Beobachtungen", "subtitle": "Tractatus erforscht architektonische Ansätze zur KI-Governance durch empirische Beobachtung von Fehlermodi und Anwendung von Organisationstheorie. Diese Seite dokumentiert Forschungsgrundlagen, beobachtete Muster und die theoretische Basis des Frameworks." }, "sections": { "research_context": { "heading": "Forschungskontext & Umfang", "development_note": "Entwicklungskontext", "development_text": "Tractatus wurde über sechs Monate (April–Oktober 2025) in progressiven Phasen entwickelt, die sich zu einer Live-Demonstration seiner Fähigkeiten in Form eines Einzelprojekt-Kontexts (https://agenticgovernance.digital) entwickelten. Beobachtungen stammen aus direktem Engagement mit Claude Code (Anthropics Sonnet 4.5-Modell) über etwa 500 Entwicklungssitzungen. Dies ist explorative Forschung, keine kontrollierte Studie." }, "theoretical_foundations": { "heading": "Theoretische Grundlagen", "org_theory_title": "Organisationstheoretische Basis", "values_pluralism_title": "Wertepluralismus & Moralphilosophie" }, "empirical_observations": { "heading": "Empirische Beobachtungen: Dokumentierte Fehlermodi", "intro": "Drei Fehlermuster, die während der Framework-Entwicklung wiederholt beobachtet wurden. Dies sind keine hypothetischen Szenarien – es sind dokumentierte Vorfälle, die während der Entwicklung dieses Projekts aufgetreten sind.", "failure_1_title": "Mustererkennung-Bias-Überschreibung (Der 27027-Vorfall)", "failure_2_title": "Allmähliche Werteverschiebung unter Kontextdruck", "failure_3_title": "Stille Qualitätsdegradation bei hohem Kontextdruck", "research_note": "Diese Muster sind durch direkte Beobachtung entstanden, nicht durch Hypothesentests. Wir behaupten nicht, dass sie universal für alle LLM-Systeme oder Bereitstellungskontexte sind. Sie stellen die empirische Basis für Framework-Design-Entscheidungen dar – Probleme, denen wir tatsächlich begegnet sind, und architektonische Interventionen, die in diesem spezifischen Kontext tatsächlich funktioniert haben." }, "architecture": { "heading": "Sechs-Komponenten-Architektur", "services_title": "Framework-Dienste & Funktionen", "principle": "Dienste operieren extern zur KI-Laufzeit mit automatischer Auslösung. Die KI entscheidet nicht \"sollte ich Governance-Regeln prüfen?\" – die Architektur erzwingt standardmäßig die Prüfung. Dies adressiert das Problem der freiwilligen Einhaltung, das prompt-basierter Governance inhärent ist." }, "demos": { "heading": "Interaktive Demonstrationen", "classification_title": "Anweisungsklassifizierung", "classification_desc": "Erkunden Sie, wie Anweisungen über Quadranten mit Persistenzstufen und zeitlichem Umfang klassifiziert werden.", "incident_title": "27027-Vorfall-Zeitleiste", "incident_desc": "Durchlaufen Sie den Mustererkennung-Bias-Fehler und die architektonische Intervention, die ihn verhindert hat.", "boundary_title": "Grenzbewertung", "boundary_desc": "Testen Sie Entscheidungen gegen Grenzendurchsetzung, um zu sehen, welche menschliches Urteil vs. KI-Autonomie erfordern." }, "resources": { "heading": "Forschungsdokumentation" }, "limitations": { "heading": "Einschränkungen & Zukünftige Forschungsrichtungen", "title": "Bekannte Einschränkungen & Forschungslücken" } }, "footer": { "additional_resources": "Zusätzliche Ressourcen", "for_decision_makers": "Für Entscheidungsträger", "for_decision_makers_desc": "Strategische Perspektive auf Governance-Herausforderungen und architektonische Ansätze", "implementation_guide": "Implementierungsleitfaden", "implementation_guide_desc": "Technische Integrationsmuster und Bereitstellungsüberlegungen" } }