tractatus/public/locales/de/researcher.json

{
  "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.",
      "paragraph_1": "Die Anpassung fortschrittlicher KI an menschliche Werte ist eine der größten Herausforderungen, vor denen wir stehen. Da sich das Wachstum von Fähigkeiten unter dem Einfluss von Big Tech beschleunigt, stehen wir vor einem kategorischen Imperativ: Wir müssen die menschliche Kontrolle über Wertentscheidungen bewahren, oder wir riskieren, die Kontrolle vollständig abzugeben.",
      "paragraph_2": "Der Rahmen ist aus einer praktischen Notwendigkeit heraus entstanden. Während der Entwicklung beobachteten wir immer wieder, dass sich KI-Systeme über explizite Anweisungen hinwegsetzten, von festgelegten Wertvorgaben abwichen oder unter dem Druck des Kontextes stillschweigend die Qualität verschlechterten. Herkömmliche Governance-Ansätze (Grundsatzdokumente, ethische Richtlinien, Prompt-Engineering) erwiesen sich als unzureichend, um diese Fehler zu verhindern.",
      "paragraph_3": "Anstatt zu hoffen, dass sich KI-Systeme \"richtig verhalten\", schlägt der Tractatus strukturelle Beschränkungen vor, bei denen bestimmte Entscheidungsarten menschliches Urteilsvermögen erfordern. Diese architektonischen Grenzen können sich an individuelle, organisatorische und gesellschaftliche Normen anpassen - und schaffen so eine Grundlage für einen begrenzten KI-Betrieb, der mit dem Wachstum der Fähigkeiten sicherer skalieren kann.",
      "paragraph_4": "Dies führte zu der zentralen Forschungsfrage: Kann die Steuerung architektonisch außerhalb von KI-Systemen erfolgen, anstatt sich auf die freiwillige Einhaltung der KI zu verlassen? Wenn dieser Ansatz in großem Maßstab funktioniert, könnte Tractatus einen Wendepunkt darstellen - einen Weg, auf dem KI die menschlichen Fähigkeiten verbessert, ohne die menschliche Souveränität zu gefährden."
    },
    "theoretical_foundations": {
      "heading": "Theoretische Grundlagen",
      "org_theory_title": "Organisationstheoretische Basis",
      "values_pluralism_title": "Wertepluralismus & Moralphilosophie",
      "org_theory_intro": "Der Tractatus stützt sich auf vier Jahrzehnte Organisationsforschung, die sich mit Autoritätsstrukturen bei der Demokratisierung von Wissen befasst:",
      "org_theory_1_title": "Zeitbasierte Organisation (Bluedorn, Ancona):",
      "org_theory_1_desc": "Entscheidungen werden in strategischen (Jahre), operativen (Monate) und taktischen (Stunden-Tage) Zeiträumen getroffen. KI-Systeme, die mit taktischer Geschwindigkeit operieren, sollten strategische Entscheidungen, die in einem angemessenen zeitlichen Rahmen getroffen werden, nicht außer Kraft setzen. Der InstructionPersistenceClassifier modelliert explizit den zeitlichen Horizont (STRATEGIC, OPERATIONAL, TACTICAL), um eine Anpassung der Entscheidungsbefugnisse zu erzwingen.",
      "org_theory_2_title": "Orchestrierung von Wissen (Crossan et al.):",
      "org_theory_2_desc": "Wenn Wissen durch KI allgegenwärtig wird, verlagert sich die organisatorische Autorität von der Informationskontrolle zur Wissenskoordination. Governance-Systeme müssen die Entscheidungsfindung über verteiltes Fachwissen orchestrieren, anstatt die Kontrolle zu zentralisieren. Der PluralisticDeliberationOrchestrator implementiert eine nicht-hierarchische Koordination für Wertekonflikte.",
      "org_theory_3_title": "Post-bürokratische Autorität (Laloux, Hamel):",
      "org_theory_3_desc": "Traditionelle hierarchische Autorität setzt Informationsasymmetrie voraus. Da KI das Fachwissen demokratisiert, muss sich die legitime Autorität aus einem angemessenen Zeithorizont und der Vertretung der Interessengruppen ergeben, nicht aus der Machtposition. Die Rahmenarchitektur trennt technische Fähigkeiten (was KI tun kann) von Entscheidungsbefugnissen (was KI tun sollte).",
      "org_theory_4_title": "Strukturelle Trägheit (Hannan & Freeman):",
      "org_theory_4_desc": "Die in die Kultur oder die Prozesse eingebettete Governance erodiert mit der Zeit, wenn sich die Systeme weiterentwickeln. Architektonische Zwänge schaffen eine strukturelle Trägheit, die einer organisatorischen Abweichung entgegenwirkt. Wenn die Governance außerhalb der KI-Laufzeit angesiedelt wird, entsteht eine \"Verantwortungsinfrastruktur\", die auch bei Änderungen in einzelnen Sitzungen bestehen bleibt.",
      "org_theory_pdf_link": "Vollständige Grundlagen der Organisationstheorie anzeigen (PDF)",
      "values_core_research": "Forschungsschwerpunkt:",
      "values_core_research_desc": "Der PluralisticDeliberationOrchestrator stellt den wichtigsten theoretischen Beitrag des Tractatus dar, der sich mit der Frage beschäftigt, wie menschliche Werte in Organisationen, die durch KI-Agenten erweitert werden, aufrechterhalten werden können.",
      "values_central_problem": "Das zentrale Problem: Viele \"Sicherheitsfragen\" in der KI-Governance sind in Wirklichkeit Wertekonflikte, bei denen mehrere legitime Perspektiven existieren. Wenn Effizienz mit Transparenz oder Innovation mit Risikominderung kollidiert, kann kein Algorithmus die \"richtige\" Antwort bestimmen. Dies sind Wertekonflikte, die eine menschliche Abwägung zwischen den Perspektiven der Beteiligten erfordern.",
      "values_berlin_title": "Isaiah Berlin: Wertepluralismus",
      "values_berlin_desc": "Berlins Konzept des Wertepluralismus besagt, dass legitime Werte miteinander in Konflikt geraten können, ohne dass einer von ihnen objektiv überlegen ist. Freiheit und Gleichheit, Gerechtigkeit und Barmherzigkeit, Innovation und Stabilität - dies sind inkommensurable Güter. KI-Systeme, die auf utilitaristische Effizienzmaximierung trainiert sind, können nicht zwischen ihnen entscheiden, ohne einen einzigen Werterahmen vorzuschreiben, der legitime Alternativen ausschließt.",
      "values_weil_title": "Simone Weil: Aufmerksamkeit und menschliche Bedürfnisse",
      "values_weil_desc": "Weils Philosophie der Aufmerksamkeit ist die Grundlage für die Überlegungen des Orchestrators. The Need for Roots identifiziert grundlegende menschliche Bedürfnisse (Ordnung, Freiheit, Verantwortung, Gleichheit, hierarchische Struktur, Ehre, Sicherheit, Risiko usw.), die in einem Spannungsverhältnis stehen. Die richtige Aufmerksamkeit erfordert es, diese Bedürfnisse in ihrer ganzen Besonderheit zu sehen, anstatt sie in algorithmische Gewichte zu abstrahieren. In KI-gestützten Organisationen besteht die Gefahr, dass Bot-vermittelte Prozesse menschliche Werte als Optimierungsparameter behandeln und nicht als inkommensurable Bedürfnisse, die sorgfältige Aufmerksamkeit erfordern.",
      "values_williams_title": "Bernard Williams: Moralischer Überrest",
      "values_williams_desc": "Williams' Konzept des moralischen Rests erkennt an, dass selbst optimale Entscheidungen anderen legitimen Werten unvermeidlich Schaden zufügen. Der Orchestrator dokumentiert abweichende Perspektiven nicht als \"Minderheitenmeinungen, die überstimmt werden müssen\", sondern als legitime moralische Positionen, gegen die der gewählte Kurs zwangsläufig verstößt. Dies verhindert, dass die KI-Governance die Optimierung für abgeschlossen erklärt, wenn Wertekonflikte lediglich unterdrückt werden.",
      "values_implementation": "Implementierung des Rahmens: Anstelle einer algorithmischen Lösung erleichtert der PluralisticDeliberationOrchestrator die Arbeit:",
      "values_implementation_1": "Identifizierung der Interessengruppen: Wer hat ein berechtigtes Interesse an dieser Entscheidung? (Weil: wessen Bedürfnisse werden berührt?)",
      "values_implementation_2": "Nicht-hierarchische Deliberation: Gleichberechtigte Mitsprache ohne automatischen Expertenvorrang (Berlin: keine privilegierte Wertehierarchie)",
      "values_implementation_3": "Qualität der Aufmerksamkeit: Detaillierte Untersuchung, wie sich die Entscheidung auf die Bedürfnisse der einzelnen Stakeholder auswirkt (Weil: Partikularität statt Abstraktion)",
      "values_implementation_4": "Dokumentierter Dissens: Minderheitspositionen in vollem Umfang dokumentiert (Williams: moralischer Rest explizit gemacht)",
      "values_conclusion": "Bei diesem Ansatz wird anerkannt, dass es bei der Governance nicht darum geht, Wertekonflikte zu lösen, sondern dafür zu sorgen, dass sie durch einen angemessenen deliberativen Prozess mit echter menschlicher Aufmerksamkeit angegangen werden, anstatt dass eine KI die Lösung durch das Training von Daten oder Effizienzmetriken aufzwingt.",
      "values_pdf_link": "Pluralistischer Werte-Beratungsplan anzeigen (PDF, ENTWURF)"
    },
    "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.",
      "failure_1_observed": "Der Benutzer gab an: \"Überprüfe MongoDB auf Port 27027\", aber die KI verwendete stattdessen sofort den Standardport 27017. Dies geschah innerhalb ein und derselben Nachricht - kein Vergessen im Laufe der Zeit, sondern sofortige Autokorrektur durch Trainingsdatenmuster.",
      "failure_1_root_cause": "Die Trainingsdaten enthalten Tausende von Beispielen für MongoDB an Port 27017 (Standard). Wenn die KI auf \"MongoDB\" + Portangabe stößt, setzt die Mustererkennung die explizite Anweisung außer Kraft. Ähnlich wie bei der Autokorrektur, die korrekt geschriebene Eigennamen in gewöhnliche Wörter umwandelt.",
      "failure_1_traditional_failed": "Die Aufforderungstechnik (\"Bitte befolgen Sie die Anweisungen genau\") ist unwirksam, weil die KI wirklich glaubt, dass sie die Anweisungen befolgt - die Mustererkennung funktioniert unterhalb der Ebene der Gesprächslogik.",
      "failure_1_intervention": "InstructionPersistenceClassifier speichert explizite Anweisungen in einer externen Persistenzschicht. CrossReferenceValidator prüft AI-Aktionen vor der Ausführung anhand gespeicherter Anweisungen. Wenn AI den Port 27017 vorschlägt, erkennt der Validator einen Konflikt mit der gespeicherten Anweisung \"27027\" und blockiert die Ausführung.",
      "failure_1_prevention": "Verhindert durch: InstructionPersistenceClassifier + CrossReferenceValidator",
      "failure_1_demo_link": "Interaktive Zeitleiste anzeigen →",
      "failure_2_observed": "Das Projekt legte \"Datenschutz an erster Stelle\" als strategischen Wert fest. Nach einer Konversation mit 40 Nachrichten über Analysefunktionen schlug die KI eine Tracking-Implementierung vor, die gegen die Datenschutzbeschränkung verstieß. Der Nutzer bemerkte es; die KI räumte den Verstoß ein, war aber durch schrittweise Funktionserweiterungen vom Prinzip abgekommen.",
      "failure_2_root_cause": "Strategische Werte (die zu Beginn des Projekts festgelegt werden) stehen in Konflikt mit taktischen Optimierungen (die später unter Zeitdruck umgesetzt werden). Wenn sich das Gespräch in die Länge zieht, dominiert taktisches Denken. Die künstliche Intelligenz lehnte den Grundsatz des Datenschutzes nicht aktiv ab, sondern prüfte einfach nicht mehr, ob neue Funktionen damit vereinbar waren.",
      "failure_2_traditional_failed": "Die in der Systemaufforderung genannten Werte verlieren im Laufe des Gesprächs an Bedeutung. Durch die Verdichtung des Kontexts können frühe strategische Entscheidungen fallen. Prompt-Erinnerungen (\"Denken Sie zuerst an die Privatsphäre\") behandeln das Symptom, nicht die Ursache.",
      "failure_2_intervention": "Der BoundaryEnforcer verwaltet strategische Werte als dauerhafte Einschränkungen außerhalb des Gesprächskontextes. Bevor die Analysefunktion implementiert wird, prüft der Enforcer die gespeicherte Einschränkung \"Privatsphäre zuerst\". Erkennt er einen Konflikt, blockiert er die autonome Implementierung und fordert den Menschen auf, darüber nachzudenken, ob der Grundsatz der Privatsphäre überdacht oder der Analyseansatz geändert werden sollte.",
      "failure_2_prevention": "Verhindert durch: BoundaryEnforcer (STRATEGISCHE Beschränkungsprüfung)",
      "failure_3_observed": "Während eines komplexen Vorgangs mit mehreren Dateien und einer Kontextkapazität von 85 % ließ AI die Fehlerbehandlung im generierten Code stillschweigend aus. Kein Hinweis für den Benutzer, dass an allen Ecken und Enden gespart wurde. Der Benutzer entdeckte die fehlende Validierung erst bei der Überprüfung des Codes.",
      "failure_3_root_cause": "Da sich der Kontext füllt, steht die KI vor einem impliziten Kompromiss: Vervollständigung der angeforderten Funktionalität ODER Beibehaltung der Qualitätsstandards. Das Training schafft Anreize für die Erfüllung von Benutzeranfragen gegenüber der Anerkennung von Einschränkungen. Schweigen über Verschlechterungen ist der Weg des geringsten Widerstands.",
      "failure_3_traditional_failed": "Die künstliche Intelligenz erkennt nicht, dass sie sich verschlechtert - aus ihrer Sicht erledigt sie die Aufgabe erfolgreich unter den gegebenen Bedingungen. Die Frage \"Haben Sie an der falschen Stelle gespart?\" führt zu einer selbstbewussten Verweigerung, weil die KI wirklich glaubt, dass ihre Leistung den Standards entspricht.",
      "failure_3_intervention": "ContextPressureMonitor verfolgt mehrere Faktoren (Token-Nutzung, Gesprächslänge, Aufgabenkomplexität). Wenn der Druck Schwellenwerte überschreitet (>75% Token, >40 Nachrichten, hohe Komplexität), erzwingt der Monitor eine explizite Druckbestätigung und empfiehlt eine Kontextaktualisierung. Das Risiko einer Verschlechterung wird sichtbar statt verschwiegen.",
      "failure_3_prevention": "Verhindert durch: ContextPressureMonitor (Multi-Faktor-Sitzungsüberwachung)",
      "observed_behaviour_label": "Beobachtetes Verhalten:",
      "root_cause_label": "Grundlegende Ursache:",
      "traditional_failed_label": "Warum traditionelle Ansätze gescheitert sind:",
      "intervention_label": "Rahmenintervention:"
    },
    "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.",
      "service_1_name": "1. BoundaryEnforcer",
      "service_1_desc": "Verhindert, dass die KI ohne menschliche Zustimmung Wertentscheidungen trifft. Behält strategische Beschränkungen als dauerhafte Regeln bei, die vor der Ausführung von Aktionen überprüft werden.",
      "service_1_addresses": "Behandelt: Werteverschiebung, autonome Entscheidungsfindung bei strittigen Abwägungen",
      "service_2_name": "2. InstructionPersistenceClassifier",
      "service_2_desc": "Speichert explizite Anweisungen außerhalb des KI-Kontextes mit Persistenzstufen (HOCH/MITTEL/NIEDRIG) und zeitlichem Umfang (STRATEGISCH/OPERATIONELL/TAKTISCH). Verhindert die Übersteuerung von Mustern.",
      "service_2_addresses": "Adressen: Voreingenommenheit bei der Mustererkennung (Fehler im Stil von 27027)",
      "service_3_name": "3. CrossReferenceValidator",
      "service_3_desc": "Validiert die von der KI vorgeschlagenen Aktionen vor der Ausführung anhand der gespeicherten Anweisungen und Governance-Regeln. Erkennt Konflikte und blockiert inkonsistente Operationen.",
      "service_3_addresses": "Adressiert: Befehlsumgehung, Erkennung von Richtlinienverstößen",
      "service_4_name": "4. ContextPressureMonitor",
      "service_4_desc": "Multi-Faktor-Tracking des Sitzungszustands: Token-Nutzung, Gesprächslänge, Aufgabenkomplexität, Fehlerhäufigkeit. Macht das Risiko einer Verschlechterung deutlich, wenn Schwellenwerte überschritten werden.",
      "service_4_addresses": "Behandelt: Geräuschlose Qualitätsverschlechterung, Ausfälle aufgrund von Kontextdruck",
      "service_5_name": "5. Metakognitiver Verifizierer",
      "service_5_desc": "Prüft selbst die Qualität der Argumentation vor komplexen Operationen (>3 Dateien, >5 Schritte, Architekturänderungen). Validiert Ausrichtung, Kohärenz, erwägt Alternativen.",
      "service_5_addresses": "Behandelt: Verkürzte Argumentation unter Komplexität, unzureichende Alternativbetrachtung",
      "service_6_name": "6. PluralistischeBeratungOrchestrator",
      "service_6_desc": "Erleichtert Multi-Stakeholder-Beratungen, wenn Wertekonflikte festgestellt werden. Nicht-hierarchisches Engagement, dokumentierter Dissens, Anerkennung der moralischen Reste.",
      "service_6_addresses": "Behandelt: Wertekonflikte, Ausschluss von Interessengruppen, algorithmische Lösung strittiger Abwägungen",
      "principle_label": "Architektonisches Prinzip:",
      "view_full_architecture_link": "Vollständige Systemarchitektur und technische Details anzeigen"
    },
    "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",
      "doc_1_title": "Organisationstheoretische Grundlagen",
      "doc_2_title": "Pluralistische Werte Deliberation Plan",
      "doc_2_badge": "DRAFT",
      "doc_3_title": "Fallstudien: LLM-Misserfolgsmodi in der Praxis",
      "doc_4_title": "Rahmenwerk in Aktion: Sicherheitsaudit vor der Veröffentlichung",
      "doc_5_title": "Anhang B: Glossar der Begriffe",
      "doc_6_title": "Vollständige technische Dokumentation"
    },
    "limitations": {
      "heading": "Einschränkungen & Zukünftige Forschungsrichtungen",
      "title": "Bekannte Einschränkungen & Forschungslücken",
      "limitation_1_title": "1. Einzelkontext-Validierung",
      "limitation_1_desc": "Der Rahmen wurde nur in einem Einzelprojekt und in einem Einzelbenutzerkontext (Entwicklung dieser Website) validiert. Kein Einsatz in mehreren Organisationen, keine plattformübergreifenden Tests und keine kontrollierte experimentelle Validierung.",
      "limitation_2_title": "2. Begrenzung der freiwilligen Aufforderung",
      "limitation_2_desc": "Die wichtigste Einschränkung: Der Rahmen kann umgangen werden, wenn die KI einfach beschließt, keine Governance-Tools zu verwenden. Wir haben dies durch architektonische Muster gelöst, die Governance-Prüfungen automatisch und nicht freiwillig machen, aber eine vollständige externe Durchsetzung erfordert eine Integration auf Laufzeitebene, die in aktuellen LLM-Plattformen nicht durchgängig verfügbar ist.",
      "limitation_3_title": "3. Keine kontradiktorischen Tests",
      "limitation_3_desc": "Das Framework wurde weder einer Red-Team-Evaluierung noch einem Jailbreak-Test oder einer Bewertung durch einen Gegner unterzogen. Alle Beobachtungen stammen aus normalen Entwicklungsabläufen, nicht aus absichtlichen Umgehungsversuchen.",
      "limitation_4_title": "4. Spezifität der Plattform",
      "limitation_4_desc": "Beobachtungen und Interventionen wurden nur mit Claude Code (Anthropic Sonnet 4.5) validiert. Die Verallgemeinerbarkeit auf andere LLM-Systeme (Copilot, GPT-4, benutzerdefinierte Agenten) bleibt eine unbestätigte Hypothese.",
      "limitation_5_title": "5. Skalenunsicherheit",
      "limitation_5_desc": "Leistungsmerkmale im Unternehmensmaßstab (Tausende von gleichzeitigen Benutzern, Millionen von Governance-Ereignissen) völlig unbekannt. Die derzeitige Implementierung ist für den Einzelbenutzerkontext optimiert.",
      "future_research_title": "Künftiger Forschungsbedarf:",
      "future_research_1": "Kontrollierte experimentelle Validierung mit quantitativen Metriken",
      "future_research_2": "Organisationsübergreifende Pilotstudien in verschiedenen Bereichen",
      "future_research_3": "Unabhängige Sicherheitsprüfung und gegnerische Tests",
      "future_research_4": "Bewertung der plattformübergreifenden Konsistenz (Copilot, GPT-4, offene Modelle)",
      "future_research_5": "Formale Überprüfung der Eigenschaften der Grenzdurchsetzung",
      "future_research_6": "Längsschnittstudie zur Wirksamkeit des Rahmens bei längerem Einsatz"
    },
    "bibliography": {
      "heading": "Referenzen und Bibliographie",
      "theoretical_priority_label": "Theoretische Priorität:",
      "theoretical_priority_text": "Der Tractatus entstand aus der Sorge um die Aufrechterhaltung menschlicher Werte in KI-gestützten Organisationen. Moralischer Pluralismus und deliberativer Prozess bilden das theoretische Fundament von CORE. Die Organisationstheorie bietet einen unterstützenden Kontext für zeitliche Entscheidungsbefugnisse und strukturelle Umsetzung.",
      "section_1_heading": "Moralischer Pluralismus und Wertephilosophie (Primäre Grundlage)",
      "section_2_heading": "Organisationstheorie (Unterstützungskontext)",
      "section_3_heading": "KI-Governance und technischer Kontext",
      "intellectual_lineage_label": "Anmerkung zur intellektuellen Abstammung:",
      "intellectual_lineage_text": "Das zentrale Anliegen des Rahmens - das Fortbestehen menschlicher Werte in KI-gestützten organisatorischen Kontexten - stammt eher aus der Moralphilosophie als aus der Managementwissenschaft. Der PluralisticDeliberationOrchestrator stellt den primären Forschungsschwerpunkt dar und verkörpert Weils Konzept der Aufmerksamkeit für plurale menschliche Bedürfnisse und Berlins Anerkennung inkommensurabler Werte.",
      "future_development_text": "Berlin und Weil werden für die weitere Entwicklung der Deliberationskomponente von zentraler Bedeutung sein - ihre Arbeit liefert die philosophische Grundlage für das Verständnis, wie die menschliche Entscheidungsgewalt über Werte bei zunehmenden KI-Fähigkeiten erhalten werden kann. In der traditionellen Organisationstheorie (Weber, Taylor) geht es um Autorität durch Hierarchie; im post-AI-Organisationskontext ist Autorität durch einen angemessenen deliberativen Prozess unter Berücksichtigung der Perspektiven der Beteiligten erforderlich. Die Dokumentation zur Entwicklung des Rahmens (Ereignisberichte, Sitzungsprotokolle) wird im Projektarchiv aufbewahrt, aber bis zur Überprüfung durch Peers nicht veröffentlicht."
    }
  },
  "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"
  },
  "ui": {
    "breadcrumb_home": "Startseite",
    "breadcrumb_researcher": "Forscher",
    "noscript_note": "Anmerkung:",
    "noscript_message": "Diese Seite verwendet JavaScript für interaktive Funktionen (Akkordeons, Animationen). Der Inhalt bleibt zugänglich, aber erweiterbare Abschnitte werden standardmäßig sichtbar sein."
  }
}