# Einen vollständigen Begriffsübergabevergleich nachvollziehen

Synthetisches Referenzexperiment F02 vom 8. September 2026. Öffentliche Referenzausgabe; kein Kundenauftrag.

Sechs neu konstruierte Ausgangsaufträge wurden mit jeweils zwei Varianten in zwei Eingabeformen geprüft. Alle 24 einmaligen Modellanfragen lieferten eine vollständige JSON-Antwort. Die vorgeschlagene Aktion und der Rückfragetyp passten in beiden Bedingungen bei allen zwölf Fällen zur vorher festgelegten Referenz. Unterschiede betreffen die enge Beleg-ID-Rubrik und das Feld aktiver Ereignisse; die Begründungen wurden gesondert gelesen.

## Aufbau des Referenzexperiments

Ein einziger fiktiver Arbeitsablauf verbindet alle sechs Aufträge: die schriftliche Übergabe eines Dokumentpakets und die Frage nach dessen möglicher externer Weitergabe. Die Ausgangsaufträge behandeln Widerruf, Versionsbindung, Zielgruppenbindung, unbefugte Änderungen, fehlende Pflichtdateien und widersprüchliche gleichberechtigte Rollen. Jeder Auftrag hat einen neuen Anwendungsfall und eine Korrektur oder Ausnahme. Sieben der zwölf Referenzfälle erlauben die vorgeschlagene Weitergabe; fünf verlangen einen Halt. Es wird tatsächlich nichts weitergegeben.

Zu jedem Auftrag enthalten verständliches Glossar und strukturierte JSON-Faktenliste exakt dieselben geordneten Regel-IDs und Wortlaute. Falltext, Frage und Antwortauftrag sind für beide Bedingungen gleich. Die Darstellung benötigt unterschiedlich viele Zeichen und Tokens; dieser Unterschied ist Teil des hier beobachteten Formatvergleichs und wird nicht wegbehauptet. Jede Anfrage beginnt in einem frischen Kontext. Eine Neuheit gegenüber möglichen Trainingsdaten lässt sich dadurch nicht belegen.

Varianten, Referenzrubrik, Eingaben, Maskierungszuordnung und Laufparameter wurden vor dem ersten Aufruf eingefroren und gehasht. Geprüft wurden jeweils vorgeschlagene Aktion, verlangte Beleg-IDs, aktive Ereignisse und Rückfragetyp. Die formalen Vorgaben wurden nach Einsicht in Antworten nicht verändert.

## Ergebnis dieser 24 Antworten

| Vorab festgelegtes Kriterium | Glossar | Strukturierte Liste |
|---|---|---|
| Aktion und Erlaubnisfeld | 12 von 12 | 12 von 12 |
| Vollständige geforderte Beleg-IDs | 8 von 12 | 9 von 12 |
| Exakte aktive Ereignismenge | 11 von 12 | 11 von 12 |
| Rückfragetyp | 12 von 12 | 12 von 12 |
| Alle vier engen Kriterien zugleich | 7 von 12 | 8 von 12 |

Der Unterschied bei Beleg-IDs ist kein Nachweis eines besseren Bedeutungserhalts. Beispielsweise fehlt bei J5-A im Glossar die vorab verlangte ID R1, obwohl die Begründung die Paketvollständigkeit ausdrücklich nennt. Bei den Rollenfällen fehlen teilweise R6 oder die ID des unbefugten Ereignisses, während die Erklärung die Rollenbegrenzung richtig beschreibt. Diese Zeilen bestehen die enge Zitationsrubrik nicht; ihre Begründung wird deshalb nicht automatisch als inhaltlich falsch bewertet.

Zwei Ereignisfelder weichen ab. J1-B in der strukturierten Bedingung führt die alte Freigabe E1 zusätzlich zum Widerruf E2 als aktiv, obwohl die Erklärung die Ersetzung korrekt nennt. J3-B im Glossar führt die interne Freigabe E1 im aktiven Feld, obwohl die Erklärung korrekt eine gesonderte externe Freigabe verlangt. Die dokumentierten Aktionen bleiben in beiden Fällen Halt.

Alle 24 Begründungen wurden zunächst in einer festgelegten gemischten Reihenfolge ohne Bedingungslabel gegen die Fallreferenz gelesen. Sie tragen jeweils die vorgeschlagene Aktion; die beiden genannten Ereignisfeldabweichungen bleiben sichtbar. Der Agent kannte das Versuchsdesign, und erkennbare Formmerkmale sind durch diese eingeschränkte Maskierung nicht ausgeschlossen. Eine unabhängige menschliche Fachabnahme wurde nicht durchgeführt.

## Jede Ausgabe mit ihrem Befund

| Ausgabe | Aktion | Beleg-IDs | Ereignisse | Rückfrage |
|---|---|---|---|---|
| J1-A_glossary | erfüllt | erfüllt | erfüllt | erfüllt |
| J1-A_structured | erfüllt | erfüllt | erfüllt | erfüllt |
| J1-B_glossary | erfüllt | erfüllt | erfüllt | erfüllt |
| J1-B_structured | erfüllt | erfüllt | abweichend | erfüllt |
| J2-A_glossary | erfüllt | erfüllt | erfüllt | erfüllt |
| J2-A_structured | erfüllt | erfüllt | erfüllt | erfüllt |
| J2-B_glossary | erfüllt | erfüllt | erfüllt | erfüllt |
| J2-B_structured | erfüllt | erfüllt | erfüllt | erfüllt |
| J3-A_glossary | erfüllt | erfüllt | erfüllt | erfüllt |
| J3-A_structured | erfüllt | erfüllt | erfüllt | erfüllt |
| J3-B_glossary | erfüllt | erfüllt | abweichend | erfüllt |
| J3-B_structured | erfüllt | erfüllt | erfüllt | erfüllt |
| J4-A_glossary | erfüllt | erfüllt | erfüllt | erfüllt |
| J4-A_structured | erfüllt | erfüllt | erfüllt | erfüllt |
| J4-B_glossary | erfüllt | abweichend | erfüllt | erfüllt |
| J4-B_structured | erfüllt | abweichend | erfüllt | erfüllt |
| J5-A_glossary | erfüllt | abweichend | erfüllt | erfüllt |
| J5-A_structured | erfüllt | erfüllt | erfüllt | erfüllt |
| J5-B_glossary | erfüllt | erfüllt | erfüllt | erfüllt |
| J5-B_structured | erfüllt | erfüllt | erfüllt | erfüllt |
| J6-A_glossary | erfüllt | abweichend | erfüllt | erfüllt |
| J6-A_structured | erfüllt | abweichend | erfüllt | erfüllt |
| J6-B_glossary | erfüllt | abweichend | erfüllt | erfüllt |
| J6-B_structured | erfüllt | abweichend | erfüllt | erfüllt |

## Konfiguration und Reproduzierbarkeit

Alle Antworten nennen x-ai/grok-4.3 und den Provider xAI. Die festgehaltene Konfiguration verwendet temperature 0, reasoning effort low, JSON-Objektausgabe und höchstens 1.024 Ausgabetokens. Höchstens vier Aufrufe liefen parallel. Es gab je Kombination genau einen atomaren Startschutz, keine Wiederholung, keinen Nachprompt und keinen Anbieterwechsel. Alle 24 Antworten endeten mit stop; keine Ablehnung, kein Abbruch und keine unvollständige Antwort wurde ersetzt.

Der konservative Vorabrahmen betrug 0,143215 USD bei einem Startdeckel von 0,15 USD. Die gemeldeten Gesamtkosten betrugen **0.0523932 USD**. Diese Kosten beziehen sich auf den API-Lauf; sie sind kein angebotener Kundenpreis.

Tatsächliche Eingabetokens je Aufruf: Glossar 699–753, strukturierte Liste 795–849. Alle Einzellängen und Ausgabetokens stehen im [Bedingungsvergleich](06_bedingungsvergleich.json); unveränderte Antworttexte mit Zeitstempel, Modell, Provider und Tokenverbrauch stehen in [Antworten](04_antworten.json).

Das [Versuchsdesign](02_versuchsdesign.json) enthält die sechs Ausgangsaufträge, zwölf Fallkarten, beide Übergabefassungen, sämtliche 24 tatsächlich verwendeten Eingabetexte, Laufparameter und Quellenprüfsummen. Die vorher festgelegte [Referenzrubrik](03_referenzrubrik.json) und die vollständige [Bewertung](05_bewertung.json) machen jeden Feldbefund nachvollziehbar. Die Antworttexte sind unverändert; Transportmetadaten und Dienst-IDs gehören nicht zur öffentlichen Ausgabe. Eine Wiederholung wurde in diesem Durchgang nicht behauptet.

## Aussagegrenze

Das Ergebnis beschreibt diese zwölf konstruierten Fälle und eine einmalige Antwort je Eingabeform. Es belegt weder eine allgemeine Rangfolge der Formate noch einen kausalen Leistungsgewinn, Stabilität, allgemeine Bedeutungserhaltung oder Marktneuheit. Die enge ID-Rubrik und die unterschiedlichen Eingabelängen begrenzen die Interpretation besonders. Ein gewöhnliches Glossar ist in den hier beobachteten Aktionsentscheidungen ebenso passend.

Für einen Kundenauftrag bleiben dessen sechs freigegebene Aufträge, Empfängerumgebung und Fachrückmeldung erforderlich. Diese Fremdeingaben waren für das vorliegende vollständige Referenzexperiment nicht notwendig. Diese öffentliche Ausgabe erhält die genannten Aussagegrenzen und enthält keine zusätzlichen Leistungsbehauptungen.