Methodik

Grundbegriffe

Event

Ein konkretes Ereignis, über das mehrere Medien berichten – etwa eine Entscheidung, eine Veröffentlichung, ein Vorfall. Beiträge werden anhand von Akteuren, Kernhandlung, Zeitnähe, Institutionen, Dokumenten und inhaltlicher Ähnlichkeit einem Event zugeordnet. Unsichere Zuordnungen werden ein zweites Mal geprüft; Events erscheinen öffentlich erst, wenn eine Analyse mit ausreichender Konfidenz vorliegt.

Storyline

Eine Kette von Events zu einer gemeinsamen Kernfrage: Reaktionen, Fortsetzungen, neue Belege, politische oder juristische Antworten, Entscheidungen.

Frame

Der Blickwinkel, unter dem ein Beitrag ein Ereignis darstellt – welcher Aspekt betont wird (z. B. Kosten, Sicherheit, Verfahren, Betroffene). Ein Frame ist keine Wertung und kein Urteil über Richtigkeit. Wir zeigen pro Beitrag den primären Frame und aggregieren je Event, welche Frames wie häufig vorkommen.

Tonalität

Die sprachliche Färbung eines Beitrags gegenüber seinem Gegenstand: positiv, neutral, negativ, gemischt oder unklar.

Stance

Die erkennbare Haltung eines Beitrags zu einem konkreten Bezugsobjekt (etwa einer Maßnahme): unterstützend bis ablehnend, in fünf Stufen, oder unklar. Stance wird nur ausgewiesen, wenn er im Text verankert ist.

Source Bias – die Einordnung von Medien

Wir vergeben keine redaktionellen Etiketten. Die Einordnung eines Mediums entsteht datenbasiert aus drei Quellenklassen, die gewichtet zusammengeführt werden:

Jede Quellenklasse bewertet sechs Dimensionen auf einer Skala von −1 bis +1:

• Rolle des Staates in der Wirtschaft: −1 = stärkere Staatsrolle, +1 = stärkere Marktrolle
• Umverteilung: −1 = mehr Umverteilung, +1 = weniger Umverteilung
• Gesellschaft & Kultur: −1 = progressiv, +1 = traditionell
• Migration & Sicherheit: −1 = offen, +1 = restriktiv
• Klima & Regulierung: −1 = mehr Regulierung, +1 = weniger Regulierung
• Institutionelle Orientierung: −1 = reformorientiert, +1 = bewahrend

Der gewichtete Mittelwert der Dimensionen wird über eine versionierte Zuordnung (Mapping 0.2.0) auf eine vereinfachte Anzeige übersetzt: Links, Mitte-links, Mitte, Mitte-rechts, Rechts, Nicht eingeordnet. Die Schwellen liegen bei -0.6 (Links), -0.2 (Mitte-links), 0.2 (Mitte-rechts) und 0.6 (Rechts).

Nicht eingeordnet ist ein reguläres Ergebnis – kein Fehler. Ein Medium bleibt nicht eingeordnet, wenn die Stichprobe zu klein ist, wenn die Streuung der 3 Analyseläufe über 0.35 liegt, wenn die Konfidenz unter 0.6 bleibt oder wenn die Dimensionen einander um mehr als 1 widersprechen. Jede Einordnung ist begründet, versioniert und kann von der Redaktion des Mediums über das Kontaktformular angefochten werden.

Selbstverortung. Beschreibt sich ein Medium selbst ausdrücklich auf der Links-Rechts-Achse, etwa als „links“, „linksliberal“ oder „konservativ“, fließt diese Aussage mit halbem Gewicht in die vorläufige Einordnung ein. Begriffe wie „unabhängig“, „neutral“ oder „Mitte“ zählen nicht, weil sie keine Verortung sind. Eine Selbstbeschreibung ersetzt keine externe Referenz: Mindestanzahl und hohe Konfidenz beziehen sich weiterhin nur auf externe Quellen.

Redaktionelle Einordnung

Liegen weder eine Inhaltsanalyse noch zwei übereinstimmende externe Referenzen vor, kann die Redaktion eine redaktionelle Einordnung vergeben. Sie ist ausdrücklich als solche gekennzeichnet („redaktionell eingeordnet“), trägt immer die Konfidenz „Niedrig“, nennt Begründung, Datum und verantwortliche Person und ist die schwächste Stufe: Sobald externe Referenzen oder die Inhaltsanalyse eine vorläufige oder datenbasierte Einordnung erlauben, wird sie automatisch ersetzt. Wie jede Einordnung kann sie über den Publisher-Widerspruch angefochten werden.

Vorläufige Einordnung

Bis die Inhaltsanalyse für ein Medium vorliegt, kann eine vorläufige Einordnung angezeigt werden. Sie beruht ausschließlich auf externen, öffentlich nachvollziehbaren Referenzen (Medienforschung, Medienkompasse wie Eurotopics, enzyklopädische Einordnungen), die auf der Profilseite mit Zitat verlinkt sind. Jede Referenz wird auf eine Links-Rechts-Achse von −1 bis +1 übersetzt; der Mittelwert wird mit denselben Schwellen wie oben projiziert. Voraussetzung: mindestens 2 Referenzen positionieren das Medium und liegen höchstens 0.6 auseinander. Die Konfidenz ist auf „Mittel“ gedeckelt, der Status heißt „vorläufig“. Sobald die Inhaltsanalyse ein ausreichendes Sample hat, ersetzt die datenbasierte Einordnung die vorläufige – die Historie bleibt gespeichert.

Coverage Bias – wer berichtet

Coverage Bias misst nicht, wie berichtet wird, sondern ob: Welcher Anteil der beobachteten Medien einer Gruppe hat innerhalb eines Zeitfensters über ein Event berichtet? Die Kennzahl je Gruppe lautet „berichtende Publisher ÷ Publisher mit Publikationsgelegenheit“.

Publikationsgelegenheit (Eligibility): Ein Medium zählt in einem Zeitfenster nur dann als „hätte berichten können“, wenn es in diesem Fenster mindestens 1 anderen Beitrag veröffentlicht hat oder seine übliche Frequenz mindestens 1 Beitrag erwarten lässt. Ein Wochenmagazin, das am Wochenende nicht publiziert, wird so nicht als „schweigend“ gezählt.

Wir berechnen Snapshots für die Fenster 24 Stunden, 3 Tage, 7 Tage, 30 Tage ab dem ersten Auftauchen des Events. Fenster, die noch laufen, sind als vorläufig markiert. Wenn für ein Medium kein Beitrag gefunden wurde, formulieren wir das bewusst als Beobachtung unseres Monitorings, nicht als Aussage über das Medium.

Aussagen, Evidenz, Provenienz, Unabhängigkeit

Aussagetypen

• Beobachteter Fakt – eine überprüfbare Tatsachenbehauptung, die der Beitrag selbst berichtet.
• Zugeschriebene Behauptung – eine Aussage, die einer Person oder Institution zugeschrieben wird („laut Ministerium …“).
• Meinung – eine erkennbare Meinungsäußerung.
• Bewertung – eine wertende Einschätzung („ein Erfolg“, „ein Rückschlag“).
• Prognose – eine Aussage über die Zukunft.
• Modellergebnis – das Ergebnis einer Studie, Simulation oder Modellrechnung.
• Schlussfolgerung – eine Schlussfolgerung des Autors aus anderen Aussagen.
• Nicht einzuordnen – nicht sicher einzuordnen.

Evidenzstatus

• Primärquelle vorhanden – ein Primärdokument liegt vor.
• Unabhängig bestätigt – mindestens 2 voneinander unabhängige Quellen berichten übereinstimmend.
• Nur eine Quelle – nur eine Quelle bzw. eine Unabhängigkeitsgruppe.
• Nur zugeschrieben – nur zugeschrieben, ohne eigene Belege.
• Nicht verifiziert – keine ausreichenden Belege.
• Widersprochen – mindestens eine Quelle widerspricht.
• Umstritten – die Quellen bewerten die Aussage unterschiedlich.
• Unzureichende Evidenz – die Information reicht für eine Einordnung nicht aus.

Provenienz

Provenienz beschreibt, worauf sich eine Aussage stützt: amtliches Dokument, Gesetz, Gerichtsdokument, Studie, Unternehmens- oder Parteidokument, Pressemitteilung, Agenturmeldung, Sekundärberichterstattung, anonyme Quelle, Social-Media-Beitrag. Eine Primärquelle belegt, dass etwas veröffentlicht oder gesagt wurde – nicht, dass es wahr ist. Eine Pressemitteilung ist eine Primärquelle für ihren eigenen Inhalt, keine Bestätigung dieses Inhalts.

Unabhängigkeit

Agenturmeldungen (dpa, Reuters, AFP …) und syndizierte Texte erscheinen oft nahezu identisch in vielen Medien. Beiträge mit einer Ähnlichkeit ab 0.7 (Jaccard über 5-Wort-Shingles) bilden eine Unabhängigkeitsgruppe und zählen für Bestätigungen und Konsens genau einmal. In Quellenlisten werden sie unter der Erstfassung zusammengeklappt, bleiben aber sichtbar.

Event-Konsens – „Was ist passiert?“

Der Faktenkern eines Events umfasst 3 bis 6 Aussagen, die entweder durch eine Primärquelle belegt sind oder von mindestens 2 unabhängigen Quellen übereinstimmend berichtet werden. Aussagen, denen Quellen widersprechen, werden nicht stillschweigend aussortiert, sondern getrennt unter „Wo widersprechen sich Quellen?“ ausgewiesen. Liegt kein ausreichend belastbarer Faktenkern vor, sagen wir das.

AI Confidence – wie sicher ist das System?

Confidence ist keine Aussage über die Wahrheit einer Behauptung, sondern darüber, wie sicher unser System sich seiner eigenen Klassifizierung ist. Sie wird nicht vom Sprachmodell geschätzt, sondern aus vier messbaren Signalen berechnet:

Stufen: hoch ab 0.8, mittel ab 0.6, niedrig ab 0.4, darunter unzuverlässig. Öffentlich zeigen wir Ergebnisse erst ab der Stufe „mittel“; niedrigere Ergebnisse erscheinen als „nicht zuverlässig bestimmbar“. Analysen, die nur auf Überschrift oder Überschrift und Teaser beruhen, erreichen höchstens die Stufe „mittel“.

Methodische Robustheit von Studien und Modellen

Wenn Beiträge sich auf Studien, Modelle, Prognosen oder Umfragen stützen, beurteilen wir deren methodische Robustheit – nicht ihr Ergebnis. Die Bewertung ist annahmengetrieben: Wir listen zentrale Annahmen (Lebensdauer, Kapitalkosten, Auslastung, Preise, Förderungen, Datenalter, Stichprobe …) mit ihrem Einfluss auf das Ergebnis, dazu Transparenz von Methode und Daten, Reproduzierbarkeit, Sensitivitätsanalysen, Einschränkungen, Finanzierung und Gegenbelege. Das Ergebnis ist eine Stufe: hoch, mittel, niedrig oder nicht beurteilbar – zusammen mit der Informationsbasis (nur Artikelangaben, Zusammenfassung oder vollständiges Dokument).

Paywall & Zugang

Wir umgehen keine Paywalls, tarnen unseren Zugriff nicht und respektieren robots.txt sowie Nutzungsvorbehalte. Analysiert wird nur, was frei zugänglich ist: Feed-Inhalte oder offen erreichbare Artikelseiten. Sperrt ein Medium in seiner robots.txt KI-Crawler aus oder erklärt es einen Text-und-Data-Mining-Vorbehalt, rufen wir keine Artikelseiten ab und analysieren nur die Feed-Inhalte. Jede Analyse trägt eine Kennzeichnung des tatsächlich verwendeten Umfangs – „Analyse der Überschrift“, „Analyse von Überschrift und Teaser“ oder „Analyse des zugänglichen Artikeltexts“. Eingeschränkter Umfang begrenzt die Konfidenz (siehe oben) und wird bei jedem Beitrag sichtbar gemacht. Wir republizieren keine Originaltexte; öffentlich sind nur Überschrift, unsere Zusammenfassung und der Link.

Ranking – was oben steht

Die Reihenfolge der Events folgt einem Relevanzscore aus vier Komponenten (Summe der Gewichte = 1):

Die Rubrik „Unterschiedlich berichtet“ zeigt Events mit Widersprüchen zwischen Quellen oder einem Coverage-Unterschied von mindestens 40 Prozentpunkten zwischen den eingeordneten Gruppen im 72-Stunden-Fenster.

YouTube Signal (Beta)

Das YouTube Signal zeigt zu ausgewählten Top-Events, wie ein Sample öffentlicher YouTube-Kommentare auf das Ereignis reagiert. Es ist ein Zusatz zur Evidenz- und Coverage-Analyse, kein Meinungsbarometer: Es beschreibt weder „die Bevölkerung“ noch „die öffentliche Meinung“, sondern ausschließlich die erfassten Kommentare unter den gefundenen Videos. Solange die Regeln der YouTube-Plattform zur öffentlichen Darstellung abgeleiteter Kennzahlen nicht abschließend geklärt sind, ist das Signal nur intern sichtbar.

Welche Videos? Für ein Event werden höchstens zwei präzise Suchanfragen aus Hauptakteur, Kernhandlung und wichtigstem Stichwort gebildet und ausschließlich über die offizielle YouTube Data API gesucht (Typ Video, Sprache Deutsch, ab 24 Stunden vor der ersten Meldung). Kandidaten erhalten einen Relevanzwert aus der Wortüberlappung von Titel und Beschreibung mit dem Event-Kern; höchstens fünf Videos werden ausgewählt, bevorzugt aktuell, relevant, aus verschiedenen Kanälen und mit genügend Kommentaren. Eine politische „Balance“ der Kanäle wird nicht erzwungen.

Welche Kommentare? Nur Top-Level-Kommentare (höchstens 50 je Video, 250 je Event), als Klartext. Ein Vorfilter entfernt ohne Modell fremdsprachige, extrem kurze, doppelte und offensichtliche Spam-Kommentare sowie Massenposter. Die verbleibenden Kommentare bewertet ein Sprachmodell in Batches: Bezug zum Event (0–1), Haltung, Frame und Tonalität. Nur Kommentare mit Event-Bezug ≥ 0,7 und ausreichender Analyse-Sicherheit (≥ 0,6) zählen. Kritik am Videoersteller, andere Themen oder Werbung sind kein Event-Bezug.

Zeitfenster. Ein Signal wird einmal berechnet, wenn ein Event zu den Top-Events zählt, und nach 6, 24 und 48 Stunden aufgefrischt; danach stoppt die Aktualisierung. Angezeigt werden Sample-Zeitraum und Stand.

Stance ist die Haltung eines Kommentars zu einem konkreten Gegenstand (dem stance_target, z. B. „Einführung der Reform X“, nicht „die Regierung“): unterstützend, eher unterstützend, neutral, eher ablehnend, ablehnend oder unklar. Ironie wird nach gemeinter Bedeutung bewertet; ist sie nicht erkennbar, gilt „unklar“. Frame ist der Deutungsrahmen (Kosten, Soziale Folgen, Sicherheit, Vertrauen, Politische Verantwortung …) in derselben Taxonomie wie bei Artikeln, damit Medien-Frames und YouTube-Frames vergleichbar sind. Tonalität (positiv, neutral, negativ, gemischt) ist ein sekundäres Merkmal und nicht mit der Haltung zu verwechseln.

Warum nicht repräsentativ? Wer unter welchen Videos kommentiert, hängt von Plattform-Algorithmen, Kanalpublikum, Tageszeit und Moderation ab; Kommentierende sind keine Zufallsstichprobe der Bevölkerung. Deshalb gibt es keinen „Social Score“, keine „Netz-Mehrheit“ und keine Hochrechnung – nur Zählungen im Sample mit sichtbarer Sample-Größe.

Keine Nutzerprofilierung. Analysiert wird ausschließlich der einzelne Kommentar in Bezug auf das Event. Es werden keine politische Orientierung, Parteipräferenz, Wahlabsicht, Religion, Herkunft, Gesundheit oder andere Merkmale von Autorinnen und Autoren abgeleitet oder gespeichert; Autorennamen, Avatare und Profil-Links werden nicht gespeichert. Kommentartexte liegen nur vorübergehend vor (7 Tage), alle Plattformdaten werden spätestens nach 30 Tagen gelöscht oder aufgefrischt.

Mindestgröße. Prozentwerte erscheinen nur, wenn mindestens 30 relevante Kommentare aus mindestens 2 Videos vorliegen. Darunter heißt es: „Noch kein ausreichend großes YouTube-Sample vorhanden.“ Fällt die Plattform-API aus oder sind Kommentare deaktiviert, wird das nicht als Signal gewertet, sondern als „derzeit nicht verfügbar“ angezeigt.

Versionen & Änderungshistorie

Aktuelle Methodik-Version: 0.5.2. Jede Analyse speichert die Version, mit der sie erzeugt wurde. Gewichte, Schwellen und Zeitfenster sind an einer Stelle definiert; jede Änderung erhöht die Versionsnummer.

Version 0.5.2 · 29.10.2026

Methodik 0.3.0: Evidence Intelligence – Integritäts-Validatoren, Widerspruchstypen, Primärquellen-Suche, Frame-Taxonomie

• Event-Integrity-Validator: Serien statt Events (Zeitspanne), Dokument-/Umfragen-Mix, Akteur-/Kernhandlungs-Divergenz, Sammelartikel, Duplikate → PASS/WARNING/FAIL mit Merge-/Split-Empfehlung; FAIL blockiert die Veröffentlichung (REVIEW_REQUIRED).
• Coverage-Integrity-Validator: Zähler, Snapshots und Artikelmenge müssen konsistent sein; eine zentrale Neuberechnung; unabhängige Quellen ≤ Publisher; finale Zeitfenster werden nach Merge/Split neu berechnet; Zeitfenster sichtbar.
• Contradiction Validator: jeder vorgeschlagene Widerspruch erhält deterministisch einen Typ; nur Widersprüche im Sachverhalt oder in Zahlen gelten als Widerspruch – unterschiedliche Zeitpunkte, Bezugsgrößen, Modelle oder Interpretationen nicht.
• Primary Source Discovery: automatische Suche nach Originalquellen ausschließlich bei offiziellen Institutionen (Register); Status gefunden / Kandidat / bislang nicht gefunden. Provenienz ist nicht Wahrheit.
• Claim-Normalisierung: Aufspaltung „X sagt Y“ in zugeschriebene Aussage und Sachinhalt; Zahlwörter, Einheiten und Daten normalisiert; verschiedene Zahlen werden nie zusammengeführt.
• Frame-Taxonomie: kanonische Frames mit Aliassen; Kandidaten werden per Normalisierung, Synonymen und Embedding-Ähnlichkeit zugeordnet.
• Event-Matching: zusätzliche Signale (Orte, Dokument-/Datumskonflikte, Sammelartikel), thematische Nähe allein ist kein Match.

Version 0.5.1 · 29.10.2026

Methodik 0.3.0: Evidence Intelligence – Integritäts-Validatoren, Widerspruchstypen, Primärquellen-Suche, Frame-Taxonomie

• Event-Integrity-Validator: Serien statt Events (Zeitspanne), Dokument-/Umfragen-Mix, Akteur-/Kernhandlungs-Divergenz, Sammelartikel, Duplikate → PASS/WARNING/FAIL mit Merge-/Split-Empfehlung; FAIL blockiert die Veröffentlichung (REVIEW_REQUIRED).
• Coverage-Integrity-Validator: Zähler, Snapshots und Artikelmenge müssen konsistent sein; eine zentrale Neuberechnung; unabhängige Quellen ≤ Publisher; finale Zeitfenster werden nach Merge/Split neu berechnet; Zeitfenster sichtbar.
• Contradiction Validator: jeder vorgeschlagene Widerspruch erhält deterministisch einen Typ; nur Widersprüche im Sachverhalt oder in Zahlen gelten als Widerspruch – unterschiedliche Zeitpunkte, Bezugsgrößen, Modelle oder Interpretationen nicht.
• Primary Source Discovery: automatische Suche nach Originalquellen ausschließlich bei offiziellen Institutionen (Register); Status gefunden / Kandidat / bislang nicht gefunden. Provenienz ist nicht Wahrheit.
• Claim-Normalisierung: Aufspaltung „X sagt Y“ in zugeschriebene Aussage und Sachinhalt; Zahlwörter, Einheiten und Daten normalisiert; verschiedene Zahlen werden nie zusammengeführt.
• Frame-Taxonomie: kanonische Frames mit Aliassen; Kandidaten werden per Normalisierung, Synonymen und Embedding-Ähnlichkeit zugeordnet.
• Event-Matching: zusätzliche Signale (Orte, Dokument-/Datumskonflikte, Sammelartikel), thematische Nähe allein ist kein Match.

Version 0.5.0 · 09.10.2026

Methodik 0.3.0: Evidence Intelligence – Integritäts-Validatoren, Widerspruchstypen, Primärquellen-Suche, Frame-Taxonomie

• Event-Integrity-Validator: Serien statt Events (Zeitspanne), Dokument-/Umfragen-Mix, Akteur-/Kernhandlungs-Divergenz, Sammelartikel, Duplikate → PASS/WARNING/FAIL mit Merge-/Split-Empfehlung; FAIL blockiert die Veröffentlichung (REVIEW_REQUIRED).
• Coverage-Integrity-Validator: Zähler, Snapshots und Artikelmenge müssen konsistent sein; eine zentrale Neuberechnung; unabhängige Quellen ≤ Publisher; finale Zeitfenster werden nach Merge/Split neu berechnet; Zeitfenster sichtbar.
• Contradiction Validator: jeder vorgeschlagene Widerspruch erhält deterministisch einen Typ; nur Widersprüche im Sachverhalt oder in Zahlen gelten als Widerspruch – unterschiedliche Zeitpunkte, Bezugsgrößen, Modelle oder Interpretationen nicht.
• Primary Source Discovery: automatische Suche nach Originalquellen ausschließlich bei offiziellen Institutionen (Register); Status gefunden / Kandidat / bislang nicht gefunden. Provenienz ist nicht Wahrheit.
• Claim-Normalisierung: Aufspaltung „X sagt Y“ in zugeschriebene Aussage und Sachinhalt; Zahlwörter, Einheiten und Daten normalisiert; verschiedene Zahlen werden nie zusammengeführt.
• Frame-Taxonomie: kanonische Frames mit Aliassen; Kandidaten werden per Normalisierung, Synonymen und Embedding-Ähnlichkeit zugeordnet.
• Event-Matching: zusätzliche Signale (Orte, Dokument-/Datumskonflikte, Sammelartikel), thematische Nähe allein ist kein Match.

Version 0.4.1 · 07.10.2026

Methodik 0.3.0: Evidence Intelligence – Integritäts-Validatoren, Widerspruchstypen, Primärquellen-Suche, Frame-Taxonomie

• Event-Integrity-Validator: Serien statt Events (Zeitspanne), Dokument-/Umfragen-Mix, Akteur-/Kernhandlungs-Divergenz, Sammelartikel, Duplikate → PASS/WARNING/FAIL mit Merge-/Split-Empfehlung; FAIL blockiert die Veröffentlichung (REVIEW_REQUIRED).
• Coverage-Integrity-Validator: Zähler, Snapshots und Artikelmenge müssen konsistent sein; eine zentrale Neuberechnung; unabhängige Quellen ≤ Publisher; finale Zeitfenster werden nach Merge/Split neu berechnet; Zeitfenster sichtbar.
• Contradiction Validator: jeder vorgeschlagene Widerspruch erhält deterministisch einen Typ; nur Widersprüche im Sachverhalt oder in Zahlen gelten als Widerspruch – unterschiedliche Zeitpunkte, Bezugsgrößen, Modelle oder Interpretationen nicht.
• Primary Source Discovery: automatische Suche nach Originalquellen ausschließlich bei offiziellen Institutionen (Register); Status gefunden / Kandidat / bislang nicht gefunden. Provenienz ist nicht Wahrheit.
• Claim-Normalisierung: Aufspaltung „X sagt Y“ in zugeschriebene Aussage und Sachinhalt; Zahlwörter, Einheiten und Daten normalisiert; verschiedene Zahlen werden nie zusammengeführt.
• Frame-Taxonomie: kanonische Frames mit Aliassen; Kandidaten werden per Normalisierung, Synonymen und Embedding-Ähnlichkeit zugeordnet.
• Event-Matching: zusätzliche Signale (Orte, Dokument-/Datumskonflikte, Sammelartikel), thematische Nähe allein ist kein Match.

Version 0.4.0 · 06.10.2026

Methodik 0.3.0: Evidence Intelligence – Integritäts-Validatoren, Widerspruchstypen, Primärquellen-Suche, Frame-Taxonomie

• Event-Integrity-Validator: Serien statt Events (Zeitspanne), Dokument-/Umfragen-Mix, Akteur-/Kernhandlungs-Divergenz, Sammelartikel, Duplikate → PASS/WARNING/FAIL mit Merge-/Split-Empfehlung; FAIL blockiert die Veröffentlichung (REVIEW_REQUIRED).
• Coverage-Integrity-Validator: Zähler, Snapshots und Artikelmenge müssen konsistent sein; eine zentrale Neuberechnung; unabhängige Quellen ≤ Publisher; finale Zeitfenster werden nach Merge/Split neu berechnet; Zeitfenster sichtbar.
• Contradiction Validator: jeder vorgeschlagene Widerspruch erhält deterministisch einen Typ; nur Widersprüche im Sachverhalt oder in Zahlen gelten als Widerspruch – unterschiedliche Zeitpunkte, Bezugsgrößen, Modelle oder Interpretationen nicht.
• Primary Source Discovery: automatische Suche nach Originalquellen ausschließlich bei offiziellen Institutionen (Register); Status gefunden / Kandidat / bislang nicht gefunden. Provenienz ist nicht Wahrheit.
• Claim-Normalisierung: Aufspaltung „X sagt Y“ in zugeschriebene Aussage und Sachinhalt; Zahlwörter, Einheiten und Daten normalisiert; verschiedene Zahlen werden nie zusammengeführt.
• Frame-Taxonomie: kanonische Frames mit Aliassen; Kandidaten werden per Normalisierung, Synonymen und Embedding-Ähnlichkeit zugeordnet.
• Event-Matching: zusätzliche Signale (Orte, Dokument-/Datumskonflikte, Sammelartikel), thematische Nähe allein ist kein Match.

Version 0.3.5 · 05.10.2026

Methodik 0.3.0: Evidence Intelligence – Integritäts-Validatoren, Widerspruchstypen, Primärquellen-Suche, Frame-Taxonomie

• Event-Integrity-Validator: Serien statt Events (Zeitspanne), Dokument-/Umfragen-Mix, Akteur-/Kernhandlungs-Divergenz, Sammelartikel, Duplikate → PASS/WARNING/FAIL mit Merge-/Split-Empfehlung; FAIL blockiert die Veröffentlichung (REVIEW_REQUIRED).
• Coverage-Integrity-Validator: Zähler, Snapshots und Artikelmenge müssen konsistent sein; eine zentrale Neuberechnung; unabhängige Quellen ≤ Publisher; finale Zeitfenster werden nach Merge/Split neu berechnet; Zeitfenster sichtbar.
• Contradiction Validator: jeder vorgeschlagene Widerspruch erhält deterministisch einen Typ; nur Widersprüche im Sachverhalt oder in Zahlen gelten als Widerspruch – unterschiedliche Zeitpunkte, Bezugsgrößen, Modelle oder Interpretationen nicht.
• Primary Source Discovery: automatische Suche nach Originalquellen ausschließlich bei offiziellen Institutionen (Register); Status gefunden / Kandidat / bislang nicht gefunden. Provenienz ist nicht Wahrheit.
• Claim-Normalisierung: Aufspaltung „X sagt Y“ in zugeschriebene Aussage und Sachinhalt; Zahlwörter, Einheiten und Daten normalisiert; verschiedene Zahlen werden nie zusammengeführt.
• Frame-Taxonomie: kanonische Frames mit Aliassen; Kandidaten werden per Normalisierung, Synonymen und Embedding-Ähnlichkeit zugeordnet.
• Event-Matching: zusätzliche Signale (Orte, Dokument-/Datumskonflikte, Sammelartikel), thematische Nähe allein ist kein Match.

Version 0.3.4 · 28.09.2026

Methodik 0.3.0: Evidence Intelligence – Integritäts-Validatoren, Widerspruchstypen, Primärquellen-Suche, Frame-Taxonomie

• Event-Integrity-Validator: Serien statt Events (Zeitspanne), Dokument-/Umfragen-Mix, Akteur-/Kernhandlungs-Divergenz, Sammelartikel, Duplikate → PASS/WARNING/FAIL mit Merge-/Split-Empfehlung; FAIL blockiert die Veröffentlichung (REVIEW_REQUIRED).
• Coverage-Integrity-Validator: Zähler, Snapshots und Artikelmenge müssen konsistent sein; eine zentrale Neuberechnung; unabhängige Quellen ≤ Publisher; finale Zeitfenster werden nach Merge/Split neu berechnet; Zeitfenster sichtbar.
• Contradiction Validator: jeder vorgeschlagene Widerspruch erhält deterministisch einen Typ; nur Widersprüche im Sachverhalt oder in Zahlen gelten als Widerspruch – unterschiedliche Zeitpunkte, Bezugsgrößen, Modelle oder Interpretationen nicht.
• Primary Source Discovery: automatische Suche nach Originalquellen ausschließlich bei offiziellen Institutionen (Register); Status gefunden / Kandidat / bislang nicht gefunden. Provenienz ist nicht Wahrheit.
• Claim-Normalisierung: Aufspaltung „X sagt Y“ in zugeschriebene Aussage und Sachinhalt; Zahlwörter, Einheiten und Daten normalisiert; verschiedene Zahlen werden nie zusammengeführt.
• Frame-Taxonomie: kanonische Frames mit Aliassen; Kandidaten werden per Normalisierung, Synonymen und Embedding-Ähnlichkeit zugeordnet.
• Event-Matching: zusätzliche Signale (Orte, Dokument-/Datumskonflikte, Sammelartikel), thematische Nähe allein ist kein Match.

Version 0.3.3 · 28.09.2026

Methodik 0.3.0: Evidence Intelligence – Integritäts-Validatoren, Widerspruchstypen, Primärquellen-Suche, Frame-Taxonomie

• Event-Integrity-Validator: Serien statt Events (Zeitspanne), Dokument-/Umfragen-Mix, Akteur-/Kernhandlungs-Divergenz, Sammelartikel, Duplikate → PASS/WARNING/FAIL mit Merge-/Split-Empfehlung; FAIL blockiert die Veröffentlichung (REVIEW_REQUIRED).
• Coverage-Integrity-Validator: Zähler, Snapshots und Artikelmenge müssen konsistent sein; eine zentrale Neuberechnung; unabhängige Quellen ≤ Publisher; finale Zeitfenster werden nach Merge/Split neu berechnet; Zeitfenster sichtbar.
• Contradiction Validator: jeder vorgeschlagene Widerspruch erhält deterministisch einen Typ; nur Widersprüche im Sachverhalt oder in Zahlen gelten als Widerspruch – unterschiedliche Zeitpunkte, Bezugsgrößen, Modelle oder Interpretationen nicht.
• Primary Source Discovery: automatische Suche nach Originalquellen ausschließlich bei offiziellen Institutionen (Register); Status gefunden / Kandidat / bislang nicht gefunden. Provenienz ist nicht Wahrheit.
• Claim-Normalisierung: Aufspaltung „X sagt Y“ in zugeschriebene Aussage und Sachinhalt; Zahlwörter, Einheiten und Daten normalisiert; verschiedene Zahlen werden nie zusammengeführt.
• Frame-Taxonomie: kanonische Frames mit Aliassen; Kandidaten werden per Normalisierung, Synonymen und Embedding-Ähnlichkeit zugeordnet.
• Event-Matching: zusätzliche Signale (Orte, Dokument-/Datumskonflikte, Sammelartikel), thematische Nähe allein ist kein Match.

Version 0.3.2 · 25.09.2026

Methodik 0.3.0: Evidence Intelligence – Integritäts-Validatoren, Widerspruchstypen, Primärquellen-Suche, Frame-Taxonomie

• Event-Integrity-Validator: Serien statt Events (Zeitspanne), Dokument-/Umfragen-Mix, Akteur-/Kernhandlungs-Divergenz, Sammelartikel, Duplikate → PASS/WARNING/FAIL mit Merge-/Split-Empfehlung; FAIL blockiert die Veröffentlichung (REVIEW_REQUIRED).
• Coverage-Integrity-Validator: Zähler, Snapshots und Artikelmenge müssen konsistent sein; eine zentrale Neuberechnung; unabhängige Quellen ≤ Publisher; finale Zeitfenster werden nach Merge/Split neu berechnet; Zeitfenster sichtbar.
• Contradiction Validator: jeder vorgeschlagene Widerspruch erhält deterministisch einen Typ; nur Widersprüche im Sachverhalt oder in Zahlen gelten als Widerspruch – unterschiedliche Zeitpunkte, Bezugsgrößen, Modelle oder Interpretationen nicht.
• Primary Source Discovery: automatische Suche nach Originalquellen ausschließlich bei offiziellen Institutionen (Register); Status gefunden / Kandidat / bislang nicht gefunden. Provenienz ist nicht Wahrheit.
• Claim-Normalisierung: Aufspaltung „X sagt Y“ in zugeschriebene Aussage und Sachinhalt; Zahlwörter, Einheiten und Daten normalisiert; verschiedene Zahlen werden nie zusammengeführt.
• Frame-Taxonomie: kanonische Frames mit Aliassen; Kandidaten werden per Normalisierung, Synonymen und Embedding-Ähnlichkeit zugeordnet.
• Event-Matching: zusätzliche Signale (Orte, Dokument-/Datumskonflikte, Sammelartikel), thematische Nähe allein ist kein Match.

Version 0.3.1 · 22.09.2026

Methodik 0.3.0: Evidence Intelligence – Integritäts-Validatoren, Widerspruchstypen, Primärquellen-Suche, Frame-Taxonomie

• Event-Integrity-Validator: Serien statt Events (Zeitspanne), Dokument-/Umfragen-Mix, Akteur-/Kernhandlungs-Divergenz, Sammelartikel, Duplikate → PASS/WARNING/FAIL mit Merge-/Split-Empfehlung; FAIL blockiert die Veröffentlichung (REVIEW_REQUIRED).
• Coverage-Integrity-Validator: Zähler, Snapshots und Artikelmenge müssen konsistent sein; eine zentrale Neuberechnung; unabhängige Quellen ≤ Publisher; finale Zeitfenster werden nach Merge/Split neu berechnet; Zeitfenster sichtbar.
• Contradiction Validator: jeder vorgeschlagene Widerspruch erhält deterministisch einen Typ; nur Widersprüche im Sachverhalt oder in Zahlen gelten als Widerspruch – unterschiedliche Zeitpunkte, Bezugsgrößen, Modelle oder Interpretationen nicht.
• Primary Source Discovery: automatische Suche nach Originalquellen ausschließlich bei offiziellen Institutionen (Register); Status gefunden / Kandidat / bislang nicht gefunden. Provenienz ist nicht Wahrheit.
• Claim-Normalisierung: Aufspaltung „X sagt Y“ in zugeschriebene Aussage und Sachinhalt; Zahlwörter, Einheiten und Daten normalisiert; verschiedene Zahlen werden nie zusammengeführt.
• Frame-Taxonomie: kanonische Frames mit Aliassen; Kandidaten werden per Normalisierung, Synonymen und Embedding-Ähnlichkeit zugeordnet.
• Event-Matching: zusätzliche Signale (Orte, Dokument-/Datumskonflikte, Sammelartikel), thematische Nähe allein ist kein Match.

Version 0.3.0 · 18.09.2026

Methodik 0.3.0: Evidence Intelligence – Integritäts-Validatoren, Widerspruchstypen, Primärquellen-Suche, Frame-Taxonomie

• Event-Integrity-Validator: Serien statt Events (Zeitspanne), Dokument-/Umfragen-Mix, Akteur-/Kernhandlungs-Divergenz, Sammelartikel, Duplikate → PASS/WARNING/FAIL mit Merge-/Split-Empfehlung; FAIL blockiert die Veröffentlichung (REVIEW_REQUIRED).
• Coverage-Integrity-Validator: Zähler, Snapshots und Artikelmenge müssen konsistent sein; eine zentrale Neuberechnung; unabhängige Quellen ≤ Publisher; finale Zeitfenster werden nach Merge/Split neu berechnet; Zeitfenster sichtbar.
• Contradiction Validator: jeder vorgeschlagene Widerspruch erhält deterministisch einen Typ; nur Widersprüche im Sachverhalt oder in Zahlen gelten als Widerspruch – unterschiedliche Zeitpunkte, Bezugsgrößen, Modelle oder Interpretationen nicht.
• Primary Source Discovery: automatische Suche nach Originalquellen ausschließlich bei offiziellen Institutionen (Register); Status gefunden / Kandidat / bislang nicht gefunden. Provenienz ist nicht Wahrheit.
• Claim-Normalisierung: Aufspaltung „X sagt Y“ in zugeschriebene Aussage und Sachinhalt; Zahlwörter, Einheiten und Daten normalisiert; verschiedene Zahlen werden nie zusammengeführt.
• Frame-Taxonomie: kanonische Frames mit Aliassen; Kandidaten werden per Normalisierung, Synonymen und Embedding-Ähnlichkeit zugeordnet.
• Event-Matching: zusätzliche Signale (Orte, Dokument-/Datumskonflikte, Sammelartikel), thematische Nähe allein ist kein Match.

Version 0.2.1 · 18.09.2026

Methodik 0.2.1: Analyse-Gate (Mehrquellen-Themen, relevante Ressorts, max. 48 h) und vorläufige Medieneinordnung

• Source Bias (0.2.0): Status PROVISIONAL aus mindestens zwei übereinstimmenden externen Referenzen, solange keine Inhaltsanalyse vorliegt (Confidence max. MEDIUM).
• Analyse-Gate (0.2.1): Artikel werden nur analysiert, wenn sie jünger als 48 h sind, nicht aus ausgeschlossenen Ressorts (Sport, Panorama, Promis, Ratgeber …) stammen und mindestens ein zweites Medium innerhalb von 24 h ein ähnliches Thema bringt; übersprungene Artikel werden nachgeholt, sobald ein Peer erscheint.

Version 0.2.0 · 17.09.2026

Methodik 0.2.0: vorläufige Medieneinordnung aus externen Referenzen

• Source Bias: Status PROVISIONAL aus mindestens zwei übereinstimmenden externen Referenzen, solange keine Inhaltsanalyse vorliegt (Confidence max. MEDIUM); wird von CLASSIFIED abgelöst.

Version 0.1.0 · 16.09.2026

Initiale Methodik V0