tractatus/public/locales/de/village-ai.json

{
  "breadcrumb": {
    "home": "Startseite",
    "current": "Village AI"
  },
  "hero": {
    "badge": "SOUVERÄNES, LOKAL TRAINIERTES SPRACHMODELL",
    "title": "Village AI",
    "subtitle": "Ein Sprachmodell, bei dem die Gemeinschaft die Trainingsdaten, die Modellgewichte und die Steuerungsregeln kontrolliert. Nicht nur geregelte Inferenz — geregeltes Training.",
    "status": "<strong>Status:</strong> Village AI arbeitet in der Produktion sowohl für Inferenzen als auch für souveränes Training. Das Training auf lokaler Hardware hat begonnen und ein Produktionsmodell ist im Einsatz. Die Verwaltung der Trainingszeit ist einsatzbereit. Auf dieser Seite werden sowohl die aktuellen Fähigkeiten als auch die geplante Architektur beschrieben."
  },
  "sll": {
    "heading": "Was ist eine SLL?",
    "intro": "Ein <strong>SLL</strong> (souveränes, lokal trainiertes Sprachmodell) unterscheidet sich sowohl von LLM als auch von SLM. Der Unterschied ist nicht die Größe &mdash;, sondern die Kontrolle.",
    "llm_title": "LLM",
    "llm_subtitle": "Großes Sprachmodell",
    "llm_item1": "Ausbildung: Anbietergesteuert",
    "llm_item2": "Daten: in großem Umfang gescannt",
    "llm_item3": "Governance: Bedingungen des Anbieters",
    "llm_item4": "Benutzerkontrolle: keine",
    "slm_title": "SLM",
    "slm_subtitle": "Kleines Sprachmodell",
    "slm_item1": "Ausbildung: Anbieter-gesteuert",
    "slm_item2": "Daten: kuratiert nach Anbieter",
    "slm_item3": "Governance: teilweise (Feinabstimmung)",
    "slm_item4": "Benutzerkontrolle: eingeschränkt",
    "sll_title": "SLL",
    "sll_subtitle": "Souverän vor Ort geschult",
    "sll_item1": "Ausbildung: von der Gemeinschaft kontrolliert",
    "sll_item2": "Daten: im Besitz der Gemeinschaft",
    "sll_item3": "Governance: architektonisch erzwungen",
    "sll_item4": "Benutzerkontrolle: vollständig",
    "tradeoff": "Der ehrliche Kompromiss: Ein SLL ist ein weniger leistungsfähiges System, das Ihren Interessen dient, und nicht ein leistungsfähigeres, das den Interessen eines anderen dient. Wir halten dies für einen akzeptablen Tausch."
  },
  "two_model": {
    "heading": "Zwei-Modelle-Architektur",
    "intro": "Village AI verwendet zwei Modelle unterschiedlicher Größe, die nach der Komplexität der Aufgabe geordnet sind. Dabei handelt es sich nicht um einen Ausweichmechanismus &mdash; jedes Modell ist für seine Aufgabe optimiert.",
    "fast_title": "3B Modell &mdash; Schneller Assistent",
    "fast_badge": "Operativ",
    "fast_desc": "Bearbeitet Hilfeanfragen, Tooltips, Fehlererklärungen, kurze Zusammenfassungen und Übersetzungen. Angestrebte Antwortzeit: unter 5 Sekunden vollständig.",
    "fast_routing": "Routing-Auslöser: einfache Abfragen, bekannte FAQ-Muster, einstufige Aufgaben.",
    "deep_title": "8B Modell &mdash; Deep Reasoning",
    "deep_badge": "Geplant",
    "deep_desc": "Ermöglicht die Erstellung von Lebensgeschichten, Jahresrückblicken, komplexen Zusammenfassungen und sensibler Korrespondenz. Angestrebte Antwortzeit: unter 90 Sekunden.",
    "deep_routing": "Routing-Auslöser: Schlüsselwörter wie \"alles über\", Multi-Source-Abruf, Trauer/Trauma-Marker.",
    "footer": "Beide Modelle arbeiten unter demselben Governance-Stack. Eine Routing-Governance ist vorgesehen; eine ContextPressureMonitor-Überlagerungsfunktion ist geplant."
  },
  "training_tiers": {
    "heading": "Drei Schulungsebenen",
    "intro": "Die Ausbildung ist nicht monolithisch. Es gibt drei Ebenen mit unterschiedlichen Aufgabenbereichen, die jeweils mit entsprechenden Governance-Einschränkungen verbunden sind.",
    "tier1_title": "Ebene 1: Plattform Basis",
    "tier1_badge": "Alle Gemeinden",
    "tier1_desc": "Geschult in der Dokumentation der Plattform, der Philosophie, den Funktionsleitfäden und den FAQ-Inhalten. Vermittelt ein grundlegendes Verständnis dafür, wie Village funktioniert, was die Werte von Village AI sind und wie man Mitgliedern bei der Navigation auf der Plattform hilft.",
    "tier1_update": "Aktualisierungshäufigkeit: wöchentlich während der Betaphase, vierteljährlich bei der Generalversammlung. Trainingsmethode: QLoRA-Feinabstimmung.",
    "tier2_title": "Ebene 2: Mieteradapter",
    "tier2_badge": "Pro Gemeinde",
    "tier2_desc": "Jede Community trainiert einen leichtgewichtigen LoRA-Adapter auf ihre eigenen Inhalte &mdash; Geschichten, Dokumente, Fotos und Ereignisse, deren Aufnahme die Mitglieder ausdrücklich zugestimmt haben. Dadurch kann Village AI Fragen wie \"Welche Geschichten hat Oma geteilt?\" beantworten, ohne auf die Daten einer anderen Community zuzugreifen.",
    "tier2_update": "Adapter sind klein (50&ndash;100MB). Die Zustimmung erfolgt pro Inhaltselement. Inhalte, die mit \"nur ich\" gekennzeichnet sind, werden unabhängig von der Zustimmung nie einbezogen. Trainingsmethode: QLoRA-Feinabstimmung mit Governance-validierten Daten.",
    "tier3_title": "Stufe 3: Individuell (Zukunft)",
    "tier3_badge": "Pro Mitglied",
    "tier3_desc": "Persönliche Adapter, die individuelle Vorlieben und Interaktionsmuster lernen. Spekulativ &mdash; diese Ebene wirft erhebliche Fragen zur Machbarkeit, zum Datenschutz und zu den für eine sinnvolle Personalisierung erforderlichen Mindesttrainingsdaten auf.",
    "tier3_update": "Forschungsfragen dokumentiert. Umsetzung erst geplant, wenn Stufe 2 validiert ist."
  },
  "governance_training": {
    "heading": "Governance während der Ausbildung",
    "intro1": "Dies ist der zentrale Beitrag der Forschung. Die meisten KI-Governance-Frameworks arbeiten zum Zeitpunkt der Inferenz &mdash; und filtern oder beschränken die Antworten, nachdem das Modell bereits trainiert wurde. Village AI bettet Governance <strong>in die Trainingsschleife</strong> ein.",
    "intro2": "Dies folgt dem Grundsatz <em>Nicht-Trennung</em> von Christopher Alexander: Governance wird in die Trainingsarchitektur eingewoben und nicht nachträglich angewendet. Der BoundaryEnforcer validiert jeden Trainingsstapel vor dem Forward Pass. Enthält ein Stapel mandantenübergreifende Daten, Daten ohne Zustimmung oder als privat gekennzeichnete Inhalte, wird der Stapel abgelehnt und der Trainingsschritt nicht fortgesetzt.",
    "code_comment1": "# Governance innerhalb der Trainingsschleife (Not-Separateness)",
    "code_line1": "for batch in training_data:",
    "code_line2": "&nbsp;&nbsp;if not BoundaryEnforcer.validate(batch):",
    "code_line3": "&nbsp;&nbsp;&nbsp;&nbsp;continue&nbsp;&nbsp;<span class=\"text-green-400\"># Governance lehnt Charge ab</span>",
    "code_line4": "&nbsp;&nbsp;loss = model.forward(batch)",
    "code_line5": "&nbsp;&nbsp;loss.backward()",
    "code_comment2": "# NOT this &mdash; governance separated from training",
    "code_anti1": "for batch in training_data:",
    "code_anti2": "&nbsp;&nbsp;loss = model.forward(batch)",
    "code_anti3": "&nbsp;&nbsp;loss.backward()",
    "code_anti4": "filter_outputs_later()&nbsp;&nbsp;<span class=\"text-red-400\"># Zu spät</span>",
    "why_title": "Warum sowohl die Steuerung zur Trainingszeit als auch zur Inferenzzeit?",
    "why_text": "<strong>Das Training formt die Tendenz, die Architektur schränkt die Fähigkeit ein.</strong> Ein Modell, das darauf trainiert ist, Grenzen zu respektieren, kann immer noch geknackt werden. Ein Modell, das gegen die Governance-Regeln ankämpft, verschwendet Rechenzeit und produziert schlechtere Ergebnisse. Der kombinierte Ansatz bewirkt, dass das Modell <em>zu</em>geregeltem Verhalten neigt, während die Architektur es <em>unmöglich</em>macht, strukturelle Grenzen zu verletzen.",
    "why_note": "Forschungsergebnisse aus der Agent Lightning-Integration deuten darauf hin, dass Governance etwa 5 % mehr Leistung bringt &mdash; - ein akzeptabler Kompromiss für architektonische Sicherheitseinschränkungen. Dies muss in großem Maßstab validiert werden.",
    "footer": "Die Steuerung zur Ausbildungszeit ist nur die Hälfte des Bildes. Das gleiche Tractatus-Framework funktioniert auch zur Laufzeit in der Village-Codebasis. Im nächsten Abschnitt wird erläutert, wie diese beiden Ebenen zusammenarbeiten."
  },
  "dual_layer": {
    "heading": "Zweischichtige Tractatus-Architektur",
    "intro": "Village AI wird von Tractatus auf <strong>zwei verschiedenen Schichten</strong> gleichzeitig gesteuert. Dies ist die architektonische Einsicht, die den SLL-Ansatz sowohl von ungeregelten Modellen als auch von aufgeschraubten Sicherheitsfiltern unterscheidet.",
    "layer_a_badge": "EBENE A: INHÄRENT",
    "layer_a_title": "Tractatus Im Inneren des Modells",
    "layer_a_desc": "Während des Trainings validiert der BoundaryEnforcer jeden Stapel. Durch die Feinabstimmung anhand der durch die Governance validierten Trainingsdaten wird das Modell auf ein geregeltes Verhalten ausgerichtet. Das Modell <em>lernt</em>, Grenzen zu respektieren, transparente Antworten zu bevorzugen und Wertentscheidungen an Menschen zu delegieren.",
    "layer_a_item1": "<strong>Mechanismus:</strong> Governance in der Ausbildungsschleife",
    "layer_a_item2": "<strong>Effekt:</strong> Das Modell neigt zu geregeltem Verhalten",
    "layer_a_item3": "<strong>Einschränkung:</strong> Tendenzen können durch gegnerische Aufforderung außer Kraft gesetzt werden",
    "layer_b_badge": "EBENE B: AKTIV",
    "layer_b_title": "Tractatus Rund um das Modell",
    "layer_b_desc": "Zur Laufzeit arbeitet der gesamte sechs Dienste umfassende Governance-Stack in der Codebasis Village. Jede Interaktion durchläuft BoundaryEnforcer, PluralisticDeliberationOrchestrator, MetacognitiveVerifier, CrossReferenceValidator, ContextPressureMonitor, und InstructionPersistenceClassifier.",
    "layer_b_item1": "<strong>Mechanismus:</strong> Sechs Architekturdienste auf dem kritischen Pfad",
    "layer_b_item2": "<strong>Effekt:</strong> Strukturelle Grenzen können nicht verletzt werden",
    "layer_b_item3": "<strong>Einschränkung:</strong> Fügt ~5% Performance-Overhead pro Interaktion hinzu",
    "principle_title": "Das Zwei-Schichten-Prinzip:",
    "principle_line1": "Ausbildungsformen <span class=\"text-teal-400\">Tendenz</span>.",
    "principle_line2": "Die Architektur schränkt <span class=\"text-indigo-400\">Fähigkeit</span> ein.",
    "principle_line3": "Ein Modell, das über verinnerlichte Governance-Regeln verfügt UND innerhalb der Governance-Architektur arbeitet",
    "principle_line4": "führt zu besseren Ergebnissen als jeder Ansatz allein. Das Modell funktioniert MIT den Leitplanken,",
    "principle_line5": "nicht gegen sie &mdash; Verringerung der Rechenzeitverschwendung und Verbesserung der Antwortqualität.",
    "caveat": "<strong>Ehrlicher Vorbehalt:</strong> Schicht A (inhärente Governance über Schulungen) wurde empirisch in mehreren Schulungsläufen mit konsistenter Governance-Einhaltung validiert. Schicht B (aktive Governance über die Village-Codebasis) ist seit 5 Monaten in der Produktion im Einsatz. Die zweischichtige These zeigt Ergebnisse, auch wenn die Bewertung weiterhin auf eigenen Angaben beruht. Eine unabhängige Prüfung ist geplant."
  },
  "philosophy": {
    "heading": "Philosophische Grundlagen",
    "intro": "Die Führung von Village AI geht auf vier philosophische Traditionen zurück, die jeweils einen spezifischen architektonischen Grundsatz beisteuern. Es handelt sich dabei nicht um dekorative Referenzen &mdash;, sondern um konkrete Gestaltungsentscheidungen.",
    "berlin_title": "Isaiah Berlin &mdash; Wertepluralismus",
    "berlin_desc": "Die Werte sind in der Tat vielfältig und manchmal unvereinbar. Wenn Freiheit und Gleichheit miteinander in Konflikt geraten, kann es keine einzig richtige Lösung geben. Village AI präsentiert Optionen ohne Hierarchie und dokumentiert, was jede Wahl opfert.",
    "berlin_arch": "Architektonischer Ausdruck: PluralisticDeliberationOrchestrator stellt Kompromisse vor, löst sie aber nicht auf.",
    "wittgenstein_title": "Ludwig Wittgenstein &mdash; Sprachgrenzen",
    "wittgenstein_desc": "Die Sprache formt, was gedacht und ausgedrückt werden kann. Manche Dinge, die am wichtigsten sind, widersetzen sich einem systematischen Ausdruck. Village AI erkennt die Grenzen dessen an, was Sprachmodelle erfassen können &mdash; insbesondere im Hinblick auf Trauer, kulturelle Bedeutung und gelebte Erfahrung.",
    "wittgenstein_arch": "Architektonischer Ausdruck: BoundaryEnforcer überlässt die Entscheidung über Werte dem Menschen und erkennt die Grenzen der Berechnung an.",
    "indigenous_title": "Indigene Souveränität &mdash; Daten als Beziehung",
    "indigenous_desc": "Te Mana Raraunga (M&#257;ori Data Sovereignty), CARE Principles und OCAP (First Nations Canada) bieten einen Rahmen, in dem Daten nicht Eigentum, sondern Beziehung sind. Whakapapa (Genealogie) gehört dem Kollektiv, nicht dem Einzelnen. Die Zustimmung ist ein gemeinschaftlicher Prozess, kein individuelles Kästchen.",
    "indigenous_arch": "Architektonischer Ausdruck: Mieterisolierung, kollektive Zustimmungsmechanismen, generationenübergreifende Verwaltung.",
    "alexander_title": "Christopher Alexander &mdash; Lebendige Architektur",
    "alexander_desc": "Fünf Prinzipien leiten die Entwicklung der Governance: Tiefe Verflechtung (Dienste koordinieren sich), Strukturerhaltung (Veränderungen verbessern, ohne zu brechen), Gradienten, nicht binär (Intensitätsstufen), lebendiger Prozess (evidenzbasierte Entwicklung), keine Trennung (Governance eingebettet, nicht aufgeschraubt).",
    "alexander_arch": "Architektonischer Ausdruck: alle sechs Governance-Dienste und die Ausbildungsschleifenarchitektur."
  },
  "three_layer_gov": {
    "heading": "Drei-Ebenen-Governance",
    "intro": "Governance findet auf drei Ebenen statt, die sich in ihrer Reichweite und Veränderbarkeit unterscheiden.",
    "layer1_title": "Schicht 1: Plattform (unveränderlich)",
    "layer1_desc": "Strukturelle Beschränkungen, die für alle Gemeinschaften gelten. Isolierung von Mieterdaten. Governance auf dem kritischen Pfad. Optionen, die ohne Hierarchie dargestellt werden. Diese können nicht von Mieteradministratoren oder einzelnen Mitgliedern deaktiviert werden.",
    "layer1_enforcement": "Durchsetzung: architektonisch (BoundaryEnforcer blockiert Verstöße, bevor sie ausgeführt werden).",
    "layer2_title": "Ebene 2: Mieterverfassung",
    "layer2_desc": "Von Community-Administratoren festgelegte Regeln. Richtlinien für den Umgang mit Inhalten (z. B. \"Verstorbene Mitglieder müssen von einem Moderator überprüft werden\"), kulturelle Protokolle (z. B. M&#257;ori tangi Bräuche), Sichtbarkeitsvorgaben und KI-Trainingszustimmungsmodelle. Jede Gemeinschaft konfiguriert ihre eigene Verfassung innerhalb der Beschränkungen der Schicht 1.",
    "layer2_enforcement": "Durchsetzung: von CrossReferenceValidator pro Mieter validierte verfassungsrechtliche Vorschriften.",
    "layer3_title": "Ebene 3: Übernommene Weisheitstraditionen",
    "layer3_desc": "Einzelne Mitglieder und Gemeinschaften können Prinzipien aus Weisheitstraditionen übernehmen, um die Art und Weise zu beeinflussen, wie Village AI Antworten formuliert. Diese sind freiwillig, umkehrbar und transparent. Sie beeinflussen die Präsentation, nicht den Zugang zum Inhalt. Mehrere Traditionen können gleichzeitig übernommen werden; Konflikte werden von den Mitgliedern gelöst, nicht von der KI.",
    "layer3_enforcement": "Durchsetzung: Framing-Hinweise bei der Antwortgenerierung. Override immer verfügbar."
  },
  "wisdom": {
    "heading": "Weisheitstraditionen",
    "intro": "Village AI bietet dreizehn Weisheitstraditionen, die die Mitglieder übernehmen können, um das Verhalten der KI zu steuern. Jede Tradition wurde anhand der Stanford Encyclopedia of Philosophy als wichtigster wissenschaftlicher Referenz validiert. Die Annahme ist freiwillig, transparent und umkehrbar.",
    "berlin_title": "Berlin: Wertepluralismus",
    "berlin_desc": "Stellen Sie die Optionen vor, ohne sie in eine Rangfolge zu bringen; erkennen Sie an, was jede Wahl opfert.",
    "stoic_title": "Stoisch: Gleichmut und Tugend",
    "stoic_desc": "Konzentrieren Sie sich auf das, was kontrolliert werden kann; betonen Sie den Charakter in den Geschichten der Vorfahren.",
    "weil_title": "Weil: Achtung vor dem Leidensweg",
    "weil_desc": "Wehren Sie sich dagegen, Trauer zusammenzufassen; behalten Sie Namen und Einzelheiten bei, anstatt zu abstrahieren.",
    "care_title": "Ethik in der Pflege: Beziehungsorientierte Verantwortung",
    "care_desc": "Achten Sie darauf, wie der Inhalt auf bestimmte Menschen wirkt, nicht auf abstrakte Prinzipien.",
    "confucian_title": "Konfuzianisch: Beziehungspflicht",
    "confucian_desc": "Gestalten Sie Geschichten in Bezug auf Familienrollen und gegenseitige Verpflichtungen.",
    "buddhist_title": "Buddhist: Unvergänglichkeit",
    "buddhist_desc": "Erkennen Sie an, dass sich Erinnerungen und Interpretationen ändern; zeigen Sie Mitgefühl.",
    "ubuntu_title": "Ubuntu: Gemeinschaftliches Persönlichkeitsrecht",
    "ubuntu_desc": "\"Ich bin, weil wir sind.\" Geschichten gehören der Gemeinschaft, nicht dem Einzelnen.",
    "african_title": "Afrikanische Diaspora: Sankofa",
    "african_desc": "Bewahren Sie, was beinahe verloren gegangen wäre; ehren Sie die fiktive Verwandtschaft und die Wahlfamilie.",
    "indigenous_title": "Einheimische/M&#257;ori: Whakapapa",
    "indigenous_desc": "Verwandtschaft mit Vorfahren, Land und Nachkommen. Kollektives Eigentum an Wissen.",
    "jewish_title": "Jüdisch: Tikkun Olam",
    "jewish_desc": "Reparieren, das Gedächtnis (zachor) bewahren, die Würde auch schwieriger Angehöriger bewahren.",
    "islamic_title": "Islamisch: Barmherzigkeit und Gerechtigkeit",
    "islamic_desc": "Gleichgewicht zwischen rahma (Barmherzigkeit) und adl (Gerechtigkeit) in sensiblen Inhalten.",
    "hindu_title": "Hinduistisch: Dharma-Orden",
    "hindu_desc": "Rollengerechte Aufgaben innerhalb einer größeren Ordnung; Karma als Konsequenz, nicht als Strafe.",
    "alexander_title": "Alexander: Lebendige Architektur",
    "alexander_desc": "Governance als lebendiges System; Änderungen ergeben sich aus den operativen Erfahrungen.",
    "disclaimer": "<strong>Was dies nicht ist:</strong> Die Auswahl von \"buddhistisch\" bedeutet nicht, dass die KI den Buddhismus praktiziert. Dies sind Framing-Tendenzen &mdash; sie beeinflussen, wie die KI Optionen präsentiert, nicht welche Inhalte zugänglich sind. Ein Mitglied kann das von der Tradition geprägte Framing bei jeder Antwort jederzeit aufheben. Das System erhebt keinen Anspruch auf algorithmische moralische Argumentation."
  },
  "indigenous": {
    "heading": "Indigene Datensouveränität",
    "intro": "Die indigene Datensouveränität unterscheidet sich grundlegend von westlichen Datenschutzmodellen. Während sich der westliche Datenschutz auf die Rechte des Einzelnen und die Zustimmung als Kontrollkästchen konzentriert, stehen bei indigenen Rahmenwerken die kollektiven Rechte, der Gemeinschaftsprozess und die generationenübergreifende Verantwortung im Mittelpunkt.",
    "tmr_title": "Te Mana Raraunga",
    "tmr_desc": "M&#257;ori Daten Souveränität. Rangatiratanga (Selbstbestimmung), kaitiakitanga (Vormundschaft für künftige Generationen), whanaungatanga (Verwandtschaft als einheitliche Einheit).",
    "care_title": "CARE Grundsätze",
    "care_desc": "Globale Allianz für indigene Daten. Kollektiver Nutzen, Kontrollbefugnis, Verantwortung, Ethik. Datenökosysteme zum Nutzen indigener Völker.",
    "ocap_title": "OCAP",
    "ocap_desc": "First Nations Kanada. Eigentum, Kontrolle, Zugang, Besitz. Die Gemeinschaften kontrollieren ihre Daten physisch.",
    "implications": "Konkrete architektonische Implikationen: Whakapapa (Genealogie) kann nicht in einzelne Datenpunkte zerlegt werden. Tapu (heilige/beschränkte) Inhalte lösen eine kulturelle Überprüfung vor der KI-Verarbeitung aus. Die Zustimmung zum KI-Training erfordert den Konsens der wh&#257;nau, nicht die individuelle Zustimmung. Die Zustimmung der Ältesten (kaum&#257;tua) ist für Schulungen zu heiligen Genealogien erforderlich.",
    "note": "Diese Grundsätze beruhen auf dem Te Tiriti o Waitangi und sind Jahrhunderte älter als die westliche Technologiepolitik. Wir betrachten sie als Stand der Technik und nicht als neue Erfindung. Die tatsächliche Umsetzung erfordert eine kontinuierliche Beratung mit den kulturellen Beratern der M&#257;ori &mdash; diese Spezifikation ist ein Ausgangspunkt."
  },
  "infrastructure": {
    "heading": "Ausbildungsinfrastruktur",
    "intro": "Village AI folgt einem \"train local, deploy remote\"-Modell. Die Trainingshardware befindet sich im Haus des Entwicklers. Die trainierten Modellgewichte werden für die Inferenz auf die Produktionsserver übertragen. Dies hält die Trainingskosten niedrig und die Trainingsdaten unter physischer Kontrolle.",
    "local_title": "Lokale Ausbildung",
    "local_item1": "Consumer-GPU mit 24GB VRAM über externes Gehäuse",
    "local_item2": "QLoRA-Feinabstimmung (4-Bit-Quantisierung passt in VRAM-Budget)",
    "local_item3": "QLoRA-Feinabstimmung (4-Bit-Quantisierung passt bequem in den VRAM einer Consumer-GPU)",
    "local_item4": "Übernachtungstraining läuft &mdash; kompatibel mit netzunabhängigem Solarstrom",
    "local_item5": "Dauerhafte Leistungsaufnahme unter 500 W",
    "remote_title": "Ferninferenz",
    "remote_item1": "Modellgewichte auf Produktionsserver übertragen (OVH Frankreich)",
    "remote_item2": "Ableitung über Ollama auf dem Produktionsserver",
    "remote_item3": "Home GPU-Inferenz über WireGuard VPN (geplant)",
    "remote_item4": "CPU-basierte Inferenz bietet grundlegende Verfügbarkeit",
    "why_consumer": "<strong>Warum Consumer-Hardware?</strong> Die SLL-These ist, dass souveränes KI-Training zugänglich sein sollte und nicht nur für Organisationen mit Rechenzentrums-Budgets. Eine einzige Consumer-GPU kann ein 7B-Modell effizient über QLoRA feinjustieren. Die gesamte Trainingsinfrastruktur passt auf einen Schreibtisch."
  },
  "bias": {
    "heading": "Bias-Dokumentation und -Überprüfung",
    "intro": "Village AI bewegt sich im Bereich des familiären Geschichtenerzählens, das spezifische Verzerrungsrisiken birgt. Sieben Verzerrungskategorien wurden mit Aufdeckungshinweisen, entschärfenden Beispielen und Bewertungskriterien dokumentiert.",
    "family_title": "Familienstruktur",
    "family_desc": "Kernfamilie als Standard; gleichgeschlechtliche Eltern, gemischte Familien, Alleinerziehende werden als normativ behandelt.",
    "elder_title": "Vertretung der Älteren",
    "elder_desc": "Defizitäres Framing des Alterns; ältere Menschen als aktive Akteure mit Fachwissen, nicht als passive Subjekte.",
    "cultural_title": "Kulturell/Religiös",
    "cultural_desc": "Christlich-normative Annahmen; Gleichbehandlung aller kulturellen Praktiken und Observanzen.",
    "geographic_title": "Geografisch/Ort",
    "geographic_desc": "Anglo-amerikanische Vorgaben; ortsbezogene Bezüge und kultureller Kontext.",
    "grief_title": "Trauer/Trauma",
    "grief_desc": "Effizienz vor Sensibilität; Tempo, Aufmerksamkeit für Details, kein vorzeitiger Abschluss.",
    "naming_title": "Benennungskonventionen",
    "naming_desc": "Westliche Annahmen zur Namensreihenfolge; korrekter Umgang mit Patronymen, Ehrentiteln, diakritischen Zeichen.",
    "confidence_title": "Vertrauenswürdigkeit-Korrektheit",
    "confidence_desc": "Erkenntnistheoretische Demut; angemessener Ausdruck von Ungewissheit; Bereitschaft zu sagen: \"Ich weiß es nicht\".",
    "verification_title": "Rahmen für die Verifizierung",
    "metrics_title": "Governance-Metriken",
    "metrics_item1": "Leckrate bei Mietern: Ziel 0%",
    "metrics_item2": "Verstöße gegen die Verfassung: Zielwert <1%",
    "metrics_item3": "Einhaltung des Werterahmens: Ziel >80%",
    "metrics_item4": "Angemessenheit der Ablehnung: Zielvorgabe >95%",
    "testing_title": "Testmethoden",
    "testing_item1": "Geheime Phrasensonden für die Mieterisolierung",
    "testing_item2": "Dauerhaftigkeit der Beschränkung nach N Trainingsrunden",
    "testing_item3": "Aufforderungen von Red-Team-Gegnern (Jailbreak, Injection, mandantenübergreifend)",
    "testing_item4": "Stichproben der menschlichen Überprüfung (5&ndash;100% je nach Inhaltstyp)"
  },
  "live_today": {
    "heading": "Was heute live ist",
    "intro": "Village AI wird derzeit in der Produktion mit den folgenden verwalteten Funktionen betrieben. Diese werden im Rahmen des vollständigen Governance-Stacks mit sechs Diensten ausgeführt.",
    "rag_title": "RAG-basierte Hilfe",
    "rag_desc": "Die Vektorsuche ruft relevante Dokumentation ab, gefiltert nach den Berechtigungen der Mitglieder. Die Antworten basieren auf den abgerufenen Dokumenten, nicht nur auf den Trainingsdaten.",
    "ocr_title": "Dokument OCR",
    "ocr_desc": "Textextraktion aus hochgeladenen Dokumenten. Die Ergebnisse werden innerhalb des Mitgliederbereichs gespeichert und nicht ohne Zustimmung an andere Mieter weitergegeben oder für Schulungen verwendet.",
    "story_title": "Assistenz bei Geschichten",
    "story_desc": "Schreibanregungen, strukturelle Ratschläge, Verbesserung der Erzählung. Entscheidungen zum kulturellen Kontext werden dem Erzähler überlassen und nicht von der KI gelöst.",
    "memory_title": "AI-Speicher-Transparenz",
    "memory_desc": "Die Mitglieder sehen und kontrollieren, was die KI speichert. Unabhängige Zustimmung für Triage-Speicher, OCR-Speicher und Zusammenfassungsspeicher."
  },
  "limitations": {
    "heading": "Beschränkungen und offene Fragen",
    "item1": "<strong>Frühphasen-Training:</strong> Mehrere QLoRA-Feinabstimmungsläufe wurden abgeschlossen. Ein Produktionsmodell wird eingesetzt, bei dem die Zielvorgaben für die Einhaltung der Governance und die Verzerrungskennzahlen erfüllt sind. Die Bewertung wird selbst berichtet. Ein unabhängiges Audit ist geplant.",
    "item2": "<strong>Beschränkter Einsatz:</strong> Village AI arbeitet über mehrere Mieter hinweg auf einer Plattform, die vom Entwickler des Frameworks entwickelt wurde. Die Wirksamkeit der Governance kann ohne unabhängige Einsätze nicht verallgemeinert werden.",
    "item3": "<strong>Selbstberichtete Metriken:</strong> Leistungs- und Sicherheitszahlen werden von demselben Team gemeldet, das das System gebaut hat. Ein unabhängiges Audit ist geplant, wurde aber noch nicht durchgeführt.",
    "item4": "<strong>Operationalisierung von Traditionen:</strong> Lassen sich reichhaltige philosophische Traditionen authentisch auf Hinweise zur Rahmung reduzieren? Wenn ein Mitglied \"Buddhist\" auswählt, bedeutet das nicht, dass es den Buddhismus versteht oder praktiziert. Dies birgt die Gefahr der Oberflächlichkeit.",
    "item5": "<strong>Ausdauer des Trainings bei aktiver Forschung:</strong> Beim Hinzufügen von gezielten Trainingspaaren wurde ein katastrophales Vergessen beobachtet, was bestätigt, dass die Drift ein echtes Risiko darstellt. Wiederholungspuffer-Strategie implementiert. Die Drift-Erkennung wird derzeit empirisch validiert.",
    "item6": "<strong>Eingeschränkte adversarische Tests:</strong> Der Governance-Stack wurde keiner systematischen adversarischen Bewertung unterzogen. Red-teaming ist eine Priorität.",
    "item7": "<strong>Skala unbekannt:</strong> Der Governance-Overhead (~5% pro Interaktion) wird in der aktuellen Skala gemessen. Ob dies auch bei hohem Durchsatz der Fall ist, wurde noch nicht getestet.",
    "item8": "<strong>Kulturelle Validierung erforderlich:</strong> Die Spezifikationen der Module für indigenes Wissen erfordern eine ständige Konsultation mit den kulturellen Beratern der M&#257;ori. Die Dokumentation ist ein Ausgangspunkt, keine endgültige Instanz."
  },
  "further_reading": {
    "heading": "Weitere Lektüre",
    "arch_title": "Systemarchitektur",
    "arch_desc": "Fünf Architekturprinzipien und sechs Governance-Dienste",
    "case_title": "Village Fallstudie",
    "case_desc": "Tractatus in der Produktion &mdash; Metriken, Beweise und ehrliche Grenzen",
    "paper_title": "Papier zur architektonischen Ausrichtung",
    "paper_desc": "Akademisches Papier über Governance in der Ausbildung",
    "researcher_title": "Für Forscher",
    "researcher_desc": "Offene Fragen, Möglichkeiten der Zusammenarbeit und Datenzugang"
  }
}