SIGNAL
ENTRDEARESRU
PRIVATES BRIEFING STARTEN
NOMOS GEO-Auditprotokoll

GLOSSAR / QUELLEN / MASCHINENEBENE

Begriffe, methodische Grundlagen und Maschinenebene

Dieses Literaturverzeichnis ist keine Liste von Autoritäten, die jeden NOMOS-spezifischen Schwellenwert billigen. Es weist methodische Grundlagen zu Stichproben, Risikomanagement, Datenintegrität, Evidenzherkunft, Beurteilerübereinstimmung, offenen Standards und Konformitätsbewertung aus.

Version
0.9.0
Status
redaktionell fixierte Kandidatenfassung

Glossar

Hinweis
Ein nicht-materieller Befund, der Verbesserungen in Klarheit, Form oder guter Praxis erfordert.
KI-Produkt
Das gemessene Objekt, das durch das spezifische Produkt des Generierungssystems, die Oberfläche, den Plan und die dem Benutzer zur Verfügung stehende Version definiert ist.
Atomare Aussage
Die kleinste Bedeutungseinheit, die in der Lage ist, ein unabhängiges Urteil über Wahrheit, Umfang, Zeit, Entität oder Beweismittel zu tragen.
BQ
Der Benchmark-Qualitätscode, der das Ausführungs- und Reproduzierbarkeitsniveau eines echten Benchmarks angibt.
Erfassungsdatensatz
Ein Datensatz, der den übermittelten Prompt, die Antwort, die Zeit, die Oberfläche und die Integritätsnachweise zusammen bewahrt.
Gemeinsame Vergleichsbasis
Die Population von Nutzern, die legitime Zugangsbedingungen für jedes verglichene KI-Produkt teilen.
Kritisch
Ein unentschädigbares Ergebnis, das schwerwiegenden Schaden für einen Benutzer, ein Recht, die Sicherheit oder eine materielle Entscheidung verursachen kann.
GEO-1000
Die Berichtsskala, die Ergebnisse der Zielpopulation pro 1,000 Benutzeräquivalent ausdrückt.
Faktenpaket
Das versionierte Prüfpaket, das Identität, Umfang, Zeit, Beweise und Gegenevidenz-Aufzeichnungen für eine Entität kombiniert.
Prompt
Der Eingabewert des Generierungssystems, der die Forschungsfrage, die Zielentität, den Kontext und die Antwortbelastung fixiert.
Abdeckungsrate
Die Häufigkeit, mit der eine Intervallschätzungsmethode unter einem Testdesign den angenommenen wahren Wert enthält.
Schwerwiegend
Ein wesentlicher Befund, der das Ergebnis oder die Konformitätsbewertung verzerrt und nicht durch eine zusammengesetzte Punktzahl ausgeglichen werden kann.
Moderat
Ein Befund von begrenzter wesentlicher Wirkung, der dennoch eine Korrektur erfordert und zu einem bedingten Ergebnis führen kann.
Natürliche Reichweite
Die Zielbevölkerung, die in der Lage ist, ein bestimmtes KI-Produkt, eine Sprache, eine Oberfläche und Nutzungsbedingung auf natürliche und legitime Weise zu nutzen.
NOMOS
Die kritische methodologische Stimme und Identität von Standards, die in dieser Arbeit von Kaan MURAZ mit KI-Systemen entwickelt wurde; sie ist keine eigenständige juristische Person oder ein separates Grundlagenmodell.
Referenzlücke
Ein Zustand, in dem eine für eine Entscheidung erforderliche verlässliche Referenz nicht existiert oder nicht zugänglich ist.
Synthetische Demonstration
Ein berechnetes Beispiel, das verwendet wird, um die interne Funktionsweise der Methode zu testen; es ist keine echte Nutzerstudie, kein echtes KI-Ergebnis oder kein echtes institutionelles Leistungsresultat.
Ungeklärt
Ein Entscheidungsstatus, der verwendet wird, wenn die Beweise für ein endgültiges Urteil unzureichend sind oder ein Konflikt nicht gelöst werden kann.

Methodische Grundlagen

  1. [K01] Aggarwal et al.. GEO: Generative Engine Optimization. 2024. https://doi.org/10.1145/3637528.3671900
  2. [K02] NIST. AI Risk Management Framework 1.0. 2023. https://www.nist.gov/itl/ai-risk-management-framework
  3. [K03] NIST. Artificial Intelligence Risk Management Framework: Generative Artificial Intelligence Profile (NIST AI 600-1). 2024. https://doi.org/10.6028/NIST.AI.600-1
  4. [K04] AAPOR. Transparency Initiative. current edition. https://aapor.org/standards-and-ethics/transparency-initiative/
  5. [K05] AAPOR. Standard Definitions, 10th edition. 2023. https://aapor.org/standards-and-ethics/standard-definitions/
  6. [K06] AAPOR. Code of Professional Ethics and Practices. current edition. https://aapor.org/standards-and-ethics/
  7. [K07] United Nations Statistics Division. Designing Household Survey Samples: Practical Guidelines. 2008. https://unstats.un.org/unsd/demographic-social/Standards-and-Methods/files/Handbooks/surveys/Series_F98-E.pdf
  8. [K08] CDC/NCHS. Reliability of Estimates: Design Effect and Effective Sample Size. current record. https://wwwn.cdc.gov/nchs/nhanes/tutorials/reliabilityofestimates.aspx
  9. [K09] NIST/SEMATECH. Confidence Limits for a Binomial Proportion. current record. https://www.itl.nist.gov/div898/handbook/prc/section2/prc241.htm
  10. [K10] W3C. PROV-O: The PROV Ontology. 2013. https://www.w3.org/TR/prov-o/
  11. [K11] W3C. JSON-LD 1.1. 2020. https://www.w3.org/TR/json-ld/
  12. [K12] IETF. RFC 8259 — The JavaScript Object Notation Data Interchange Format. 2017. https://www.rfc-editor.org/rfc/rfc8259.html
  13. [K13] IETF. BCP 14 — RFC 2119 and RFC 8174. 1997/2017. https://www.rfc-editor.org/info/bcp14
  14. [K14] IETF. RFC 8785 — JSON Canonicalization Scheme. 2020. https://www.rfc-editor.org/rfc/rfc8785.html
  15. [K15] ISO/IEC. 17000:2020 — Conformity assessment vocabulary and general principles. 2020. https://www.iso.org/standard/73029.html
  16. [K16] ISO/IEC. 17007:2026 — Conformity assessment — Guidance for drafting normative documents suitable for use for conformity assessment. 2026. https://www.iso.org/standard/17007
  17. [K17] ISO/IEC. 42001:2023 — Artificial intelligence management system. 2023. https://www.iso.org/standard/42001
  18. [K18] W3C. Process Document. current edition. https://www.w3.org/policies/process/
  19. [K19] ISO. Good Standardization Practices. current record. https://www.iso.org/files/live/sites/isoorg/files/store/en/PUB100440.pdf
  20. [K20] UNESCO. Recommendation on the Ethics of Artificial Intelligence. 2021. https://www.unesco.org/en/legal-affairs/recommendation-ethics-artificial-intelligence
  21. [K21] European Union. Regulation (EU) 2024/1689 — Artificial Intelligence Act. 2024. https://eur-lex.europa.eu/eli/reg/2024/1689/oj
  22. [K22] European Union. Regulation (EU) 2016/679 — General Data Protection Regulation. 2016. https://eur-lex.europa.eu/eli/reg/2016/679/oj
  23. [K23] Creative Commons. Attribution 4.0 International. 4.0. https://creativecommons.org/licenses/by/4.0/
  24. [K24] Open Source Initiative. Open Source Definition. current edition. https://opensource.org/osd
  25. [K25] NIST. FIPS 180-4 — Secure Hash Standard. 2015. https://doi.org/10.6028/NIST.FIPS.180-4
  26. [K26] IETF. RFC 3161 — Time-Stamp Protocol. 2001. https://www.rfc-editor.org/rfc/rfc3161.html
  27. [K27] Jacob Cohen. A Coefficient of Agreement for Nominal Scales. 1960. https://doi.org/10.1177/001316446002000104
  28. [K28] Klaus Krippendorff. Reliability in Content Analysis: Some Common Misconceptions and Recommendations. 2004. https://doi.org/10.1111/j.1468-2958.2004.tb00738.x

Maschinenlesbare Ebene

Zu dieser menschlich lesbaren Ausgabe gehört ein separates JSON-Publikationsobjekt: NOMOS-GEO-Audit-Protocol-DE-0.9.0-machine.json. Es enthält Buchidentität und Version, Kapitelkennungen, Kennungen normativer Regeln sowie vom Fließtext getrennte Maschinenblöcke.

Eine maschinenlesbare Ebene begründet weder Zertifizierung noch den Status einer kanonischen Weltnorm, eine Bestätigung durch KI-Anbieter oder ein automatisches Vertrauensverhältnis. Jeder Konflikt zwischen menschlichem Text und Maschinendatensatz erfordert Versionskontrolle und eine verantwortliche menschliche Prüfung anhand des festgeschriebenen türkischen Ausgangstextes.

Zitierempfehlung

Muraz, Kaan. NOMOS GEO-Auditprotokoll: Ein Protokoll zur Messung der Repräsentation von Entitäten in generativen Systemen über die Weltbevölkerung hinweg. Finaler Textkandidat, deutsche redaktionelle Ausgabe. NobleJackal, 2026. https://doi.org/10.5281/zenodo.22040743. https://noblejackal.com/de/nomos-geo-audit-protocol/
© 2026 Kaan MURAZ. Lizenziert unter CC BY 4.0; Namensnennung ist erforderlich.