markemacht/docs/00_Methodik-Verfassung/Wissensdokument_011b.md

# Wissensdokument 011b — Version 1.2

Wenn Brand Rules glaubwürdig sein soll, braucht es eine **technische Übersetzung**: messbar, implementierbar, debugbar. Kein Kundenmaterial, sondern **Systemdesign + Entscheidungslogik + konkrete Checks**.

---

## Technischer Anhang zur Validierungs-Scorecard

### Wie der Marken-TÜV in Brand Rules implementiert wird

**Status:** Intern · Fixiert

**Version:** 1.2 (ersetzt 1.0)

**Zweck:** Technische Spezifikation der Scorecard-Implementierung

**Ziel:** Automatisierbare Prüfungen + klare Grenzfall-Logik

---

### Änderungsvermerk (gemäß Dok. 000 §5.2)

| Feld | Wert |
| --- | --- |
| Version | 1.0 → 1.2 (konsolidiert zwei Schritte) |
| Datum | 27.05.2026 |
| Begründung (v1.1) | Technische Spezifikation der neuen Ebene 1 (DNA-Reifegrad) aus Dok. 011 v1.2 / Dok. 013 §6 – neue Sektion 3a. |
| Begründung (v1.2) | Override-Regeln in §4.1 ergänzt: K1/K2 ❌ → max. REVISE (Spiegel zu Dok. 011 v1.2). |
| Betroffene Dokumente | Dok. 011 v1.2 (§2a, §3, §4), Dok. 013 (§6, §9), Dok. 002, Dok. 004 |
| Entscheidung | Kevin Adametz (Letztinstanz, Dok. 000 §4.1) |

---

## 1. Leitprinzipien der Implementierung

1. **Deterministisch, wo möglich** (Keywords, Regex, strukturierte Regeln)
2. **LLM nur dort, wo Semantik nötig ist** (Kohärenz, Positionierung, Tonalität)
3. **Jede Ablehnung muss begründbar sein** (Rule-ID, Evidence, Empfehlung)
4. **Keine Blackbox** (Audit-Log, Scores, Quellen)

> Ziel ist nicht „KI entscheidet", sondern „System prüft".

---

## 2. Datenmodell (Minimum)

### 2.1 Marken-DNA als strukturierte Entität

- `brand_id`
- `dna_version` (semver, z. B. 1.2.0)
- `identity_core` (1–2 Sätze + optional: Bullet-Claims)
- `positioning_logic` (Problem, Logik, Abgrenzung)
- `tone_rules` (Do/Don't + Stilparameter)
- `topic_corridor` (core_topics, adjacent_topics, taboo_topics)
- `guardrails` (verbotene Begriffe, verbotene Claims, verbotene Formate)
- `maturity` (Reifegrad je Baustein + Gesamt — siehe §3a)

### 2.2 Validierungsobjekt

- `content_id`
- `content_type` (LI, Website, Angebot)
- `text`
- `context` (Zielgruppe, Thema, Kanal)
- `dna_version_ref`
- `scores` (K1..K7)
- `status` (PASS / REVISE / FAIL)
- `reasons[]` (Rule-ID + Explanation + Evidence)
- `suggestions[]` (konkrete Korrekturhinweise)
- `validated_by` (Agent / Human)

---

## 3. Scorecard-Kriterien: Technische Umsetzung (Ebene 2)

### Kriterium 6: Grenzregeln & No-Gos (absolut, deterministisch)

**Ziel:** Sofortige Ablehnung bei Verstoß. **Implementierung:** Regel-Engine + Pattern Matching.

**Mechaniken:** Keyword-Liste (exakte Matches, case-insensitive) · Lemma-/Stemming-Varianten (optional) · Regex (für Claims wie „Nr. 1", „Marktführer", „garantiert") · Phrase-Matcher (z. B. Aho-Corasick).

**Datenstruktur:** `forbidden_terms[]` · `forbidden_phrases[]` · `forbidden_patterns[]` (Regex) · `allowed_exceptions[]` (Whitelist, z. B. wenn in Zitat).

**Output:** FAIL · Reason: `GR-TERM-003` („Verbotener Begriff: ‚ganzheitlich'") · Evidence: Fundstelle (Index / Snippet).

> Das ist der einfachste, sicherste Teil. Den musst du 100 % deterministic bauen.

### Kriterium 3: Sprach- & Tonalitätsregeln (hybrid)

**Ziel:** Tonalität + Stilregeln prüfen. **Implementierung:** Kombi aus deterministischen Checks (Länge, Superlative, Buzzwords) + optionaler Klassifikation (LLM oder kleiner Text-Classifier).

**Deterministische Checks:** Satzlänge (Durchschnitt/Maximum) · Anteil Passivkonstruktionen (heuristisch) · Anteil Füllwörter (Stopword-Liste) · Superlativ-/Hype-Liste (innovativ, einzigartig, revolutionär …).

**Semantische Tonalität (LLM-Check), Prompt-Template:** „Bewerte den Text anhand folgender Ton-Regeln (Do/Don't). Gib nur JSON mit score und Belegen (Zitatstellen)."

**Scoring:** ✔️ deterministische Regeln eingehalten + LLM-score hoch · ⚠️ einzelne Abweichungen · ❌ klare Regelverletzung oder LLM-score unter Schwellwert.

**Output:** Score + Evidence + konkrete Rewrite-Hinweise.

### Kriterium 4: Themenrahmen (semi-deterministisch)

**Ziel:** Liegt der Inhalt im erlaubten Themenkorridor?

**Option A (einfach):** Themen = Tags mit Keyword-Sets, Score nach Treffern/Gewichtung.
**Option B (besser):** je Thema ein definierender Text-Snippet, Embed Text + Snippets, Similarity → Top-Topic.

**Output:** core_topic / adjacent_topic / out_of_scope · Evidence: Begriffe / Similarities.

### Kriterium 5: Entscheidungsfähigkeit (LLM-gestützt + Heuristik)

**Ziel:** Ist der Text handlungsfähig oder nur vage?

**Implementierung:** Heuristik (weiche Verben/Floskeln: glauben, möchten, helfen, ganzheitlich) + LLM-Klassifikation („Enthält der Text eine klare Konsequenz / These / Entscheidung?").

**LLM-Output (JSON):** `decision_strength` (0–100) · `vagueness_flags[]` · `suggested_sharpening`.
**Mapping:** ≥70 = ✔️ · 40–70 = ⚠️ · <40 = ❌.

### Kriterium 1: Identitätskern-Kohärenz (Embedding + LLM-Richter)

**2-Stufen-Ansatz:** (1) Embedding-Similarity zwischen Identitätskern und Text/Sätzen. (2) LLM-Adjudication: bekommt Identitätskern + Text + Similarity + Guardrails, Aufgabe „Ist das kohärent? Nenne 1–2 Stellen, die passen/nicht passen."

**Mapping:** Similarity hoch + LLM „coherent" → ✔️ · gemischt → ⚠️ · LLM „contradicts" → ❌.
**Output:** Reason `ID-COH-002` · Evidence: konkrete Textstellen.

### Kriterium 2: Positionierungslogik (RAG-gestützte Regeln + LLM)

**Implementierung:** Positionierung als strukturierte Regeln („Wir sind NICHT …", „Wir lösen X durch Y"). LLM-Check: „Stärkt der Text diese Abgrenzung oder nivelliert er?" Optional: Embedding-Vergleich gegen Abgrenzungs-Sätze.

**Ablehnung bei:** „wir sind flexibel für alle" · „wir machen alles" · Preis-/Feature-Vergleich ohne Logik.

### Kriterium 7: Konsistenz zur DNA-Version (deterministisch)

**Implementierung:** Jeder Content speichert `dna_version_ref`. Bei DNA-Update: „Revalidate required" oder „compatible" (wenn nur redaktionell). **Regel:** Methodische/strukturelle Updates → Revalidation erzwingen.

---

## 3a. DNA-Reifegrad — technische Umsetzung (Ebene 1)

**Ziel:** die Schärfe der DNA selbst messen, bevor Inhalte geprüft werden. Pro Baustein ein `maturity_score` (0–100) aus hybriden Checks.

**Positionierung / Abgrenzung**
- deterministisch: Weichmacher-Muster als Negativsignal (`flexibel`, `für alle`, `ganzheitlich`, `individuell`, `alles aus einer Hand`)
- LLM-Richter: „Ist dies ein Ausschluss oder eine Anpreisung?" (Dok. 002 §3.2)

**Sprach-/Tonregeln**
- Anteil **prüfbarer** Regeln (mit erkennbarer Verletzungsbedingung – Don'ts oder positive Regeln mit klarer Verletzung, Dok. 002 §3.3)
- zu wenige prüfbare Regeln → niedriger Reifegrad

**Grenzregeln**
- Vorhandensein expliziter No-Go-Listen (Begriffe, Formate, Claims)
- leere Listen → niedriger Reifegrad (Dok. 002 §3.5)

**Identitätskern**
- LLM-Check gegen Testfrage „gilt der Kern auch bei Produkt-/Marktwechsel?"
- Marktbegriff-/Nutzenversprechen-Detektor (Kern darf keine enthalten, Dok. 002 §3.1)

**Themenrahmen**
- sind Kern-Themen (max. 3) und Tabu-Themen gesetzt? (Dok. 002 §3.4)

**Output je Baustein:** `maturity_score`, `gaps[]` (was fehlt), `standard_ref` (Kriterium/Testfrage aus Dok. 002).

**Kopplungsregel:** Sinkt die Konfidenz einer Inhaltsprüfung (K1/K2 aus §3) unter Schwellwert UND ist der zugehörige Baustein-Reifegrad niedrig → Status-Begründung referenziert den **Baustein**, nicht den Inhalt (`reason: LOW-DNA-MATURITY`, `baustein_ref`).

**Guardrails (Dok. 013 §9 / Dok. 004):**
- Ausgabe ist **Symptom + Maßstab, nie Substanz** – das System zeigt das Kriterium, schreibt aber die DNA nicht (KI erfindet keine Marke).
- Reifegrad als **steigende Zahl** darstellen (Fortschritt sichtbar, nicht Versagen).

> Der Prüfstand prüft jetzt auch das Maß, gegen das er prüft.

---

## 4. Entscheidungslogik im Tool (inkl. 4,5 Punkte)

### 4.1 Status-Mapping (automatisch)

**Override-Regeln (vor dem Score):**
- Fail bei K6 → `FAIL`
- ❌ bei K1 oder K2 → Status max. `REVISE` (kein `PASS`), unabhängig vom Score

**Danach Score-Mapping:**
- **PASS:** Score ≥ 6 und keine Override-Verletzung
- **REVISE:** Score 4–5,5 (oder durch K1/K2-Override gedeckelt)
- **FAIL:** Score < 4 oder Fail bei K6

### 4.2 Was passiert bei 4,5 Punkten?

**Standard:** Status = REVISE (automatisch). **Tool-Verhalten:** zeigt die 2–3 größten Hebel (Top Reasons), bietet „Rewrite mit Regeln" an, markiert als „Freigabe nur durch Human Owner".

### 4.3 Grenzfall-Regel (Human Gate)

Nur der Marken-Owner darf final freigeben bei: Score 5,0–5,5 · keine K6-Verletzung · aber K1 oder K2 = ⚠️.

**Warum?** Das sind strategische Nuancen. Da darf der Agent nicht „entscheiden".

> Agent empfiehlt. Owner entscheidet.

---

## 5. Explainability: Wie Ablehnungen begründet werden

Jede Ablehnung muss enthalten: `rule_id` · `rule_text` (aus DNA/Guardrail) · `evidence` (Zitat + Position) · `fix_suggestion` (konkreter Vorschlag).

**Beispiel:** `GR-TERM-001` Verbotener Begriff „ganzheitlich" · Evidence: Satz 2 · Fix: Ersetzen durch konkreten Scope („Governance", „Risiko", „Entscheidungen").

---

## 6. Audit-Log & Debugging (für dich als Entwickler)

Jeder Validierungsrun speichert: Input · DNA-Version · Feature Flags (welche Checks aktiv) · Model-Version · Ergebnisse je Kriterium · Reifegrad je Baustein (Ebene 1) · Tokenverbrauch je Run (Kostenkontrolle).

Damit: Bugs finden, Drift erkennen, Kosten optimieren, Kundenfragen beantworten („Warum abgelehnt?").

---

## 7. MVP-Umfang (minimal, aber stark)

**Phase 1 MVP (empfohlen):**
- K6 (verbotene Begriffe/Claims) deterministisch
- K4 (Themen) Keyword + Embedding
- K3 (Ton) deterministisch + einfacher LLM-Richter
- K1/K2/K5 zunächst nur LLM-Richter (mit strukturiertem Prompt)
- K7 Version-Ref
- Ebene 1 (DNA-Reifegrad): Positionierung + Grenzregeln deterministisch, Rest LLM-Richter

**Phase 2:** Embedding + LLM-Adjudication für K1/K2 · feinere Tonalitätsparameter · bessere Themenklassifikation · vollständiger Reifegrad über alle Bausteine.

> MVP muss nicht perfekt sein, aber begründbar.

---

## 8. Sicherheit: Halluzinationen vermeiden

Regel: Agent darf niemals Fakten erfinden. Agent darf nur: prüfen, umformulieren, Struktur vorschlagen.

Wenn Kontext fehlt: „Unzureichende Informationen" als Status, kein Raten.

---

## 9. Essenz

- Regeln deterministisch
- Semantik hybrid
- Grenzfälle menschlich
- DNA-Reifegrad vor Inhalts-Prüfung
- alles begründet und auditierbar

> Der Marken-Agent ist kein Orakel. Er ist ein Prüfstand.

---

### Ende – Wissensdokument 011b (Version 1.2)

---