{
  "lang": "de",
  "ui": {
    "profile": "Profil",
    "atlas": "Forschungsatlas",
    "work": "Forschung und Publikationen",
    "patents": "Patente und Gebrauchsmuster",
    "lab": "Modelle und Code",
    "source": "Originalquelle",
    "official": "Amtliches Register",
    "primary": "Quelldokumente",
    "scope": "Für den aktuellen Rechtsstand ist das amtliche Register maßgeblich.",
    "repo": "Repository",
    "model": "Modell",
    "data": "Datensatz",
    "paper": "Fachartikel",
    "patent": "Patentanmeldung",
    "utility": "Gebrauchsmusteranmeldung",
    "preprint": "Preprint",
    "question": "Forschungsfrage",
    "evidence": "Methoden und Ergebnisse",
    "person": "Erfinder",
    "applicant": "Anmelder",
    "published": "Veröffentlichungsdatum",
    "filed": "Anmeldedatum",
    "records": "Anmeldungen",
    "authors": "Mitwirkende",
    "sourceDate": "Stand des Registerauszugs",
    "contribution": "Beitrag",
    "grant": "Bekanntgabe des endgültigen Erteilungsbeschlusses für das türkische Patent",
    "purpose": "Zweck",
    "about": "Über mich",
    "graph": "Wissensgraph",
    "guide": "Textleitfaden",
    "search": "Suchen",
    "select": "Forschungsgebiet wählen",
    "language": "Sprache",
    "note": "Forschungsnotiz",
    "table": "Tabelle 4",
    "points": "Prozentpunkte",
    "coverage": "Unterschied in der Abdeckung",
    "referral": "Unterschied bei Weiterleitungen",
    "pooled": "Gemeinsame Kalibrierung",
    "group": "Gruppenweise",
    "roleSole": "Alleinautor",
    "roleFirst": "Erstautor",
    "roleCo": "Mitautor",
    "roleInvent": "Miterfinder",
    "roleDev": "Entwickler",
    "roleMaint": "Projektbetreuer",
    "roleData": "Mitkurator des Datensatzes",
    "countNote": "Ich bin als Erfinder an 30 türkischen Anmeldungen beteiligt, davon 28 Patentanmeldungen und zwei Gebrauchsmusteranmeldungen. Anmelderin ist die Türkiye Garanti Bankası A.Ş."
  },
  "profile": {
    "lang": "de",
    "name": "Emre Taşar",
    "legalName": "Davut Emre Taşar",
    "role": "Ingenieur und Wissenschaftler in der angewandten Forschung",
    "location": "Madrid",
    "url": "https://tasaract.com/de/",
    "bio": "Ich arbeite als Data Scientist bei BBVA im Team AI Innovation, das zum Bereich AI Transformation gehört. An der Universität Navarra promoviere ich zu der Frage, wie sich die Unsicherheit von KI-Modellen messen und verringern lässt, damit Entscheidungen im Bankwesen fairer werden.",
    "aboutLead": "Ich komme aus İzmir an der türkischen Ägäisküste. Früher war ich Bauingenieur. Dann bekam ich, wie in Skyrim, einen Pfeil ins Knie. Den Bauhelm habe ich gegen einen Laborkittel getauscht. Heute arbeite ich als Data Scientist im Team AI Innovation von BBVA in Madrid.",
    "professional": "An der Universität Navarra untersuche ich in meiner Doktorarbeit, wie sich die Unsicherheit von KI-Modellen messen und verringern lässt, damit Banken fairer entscheiden können. Im Strategic Management Executive Programme in Oxford hat mich die andere Seite dieser Frage beschäftigt. Wie entscheidet man, wenn mehrere Entwicklungen denkbar sind?\n\nIch mag es, Verbindungen zwischen scheinbar weit entfernten Ideen zu entdecken. Abstrakte Mathematik, Quantenphysik und Philosophie treffen sich für mich etwa in der Frage, was wir nach einer Messung eigentlich wissen.",
    "personal": "Beim Spanischlernen entdecke ich Madrid und erfahre mehr über die Kulturen Spaniens und Lateinamerikas. Außerdem male ich gern und spiele Schach.\n\nZu Hause koche ich viel Kaffee. Ich habe eine kleine Darbuka, eine Kalimba und ein von Bleach inspiriertes Zanpakuto, mit dem ich Kendo übe. Wann immer ich kann, denke ich mir lustige Geschichten für meine kleine Tochter aus.",
    "affiliations": [
      {
        "organization": "BBVA",
        "relationship": "employment",
        "division": "AI Transformation",
        "team": "AI Innovation",
        "roleSource": "self-description",
        "role": "Ingenieur und Wissenschaftler in der angewandten Forschung",
        "source": "https://www.linkedin.com/in/detasar/"
      },
      {
        "organization": "Universität Navarra",
        "relationship": "doctoral-research",
        "role": "Doktorand mit Schwerpunkt Fairness in der KI",
        "source": "https://www.unav.edu/web/instituto-de-ciencia-de-los-datos-e-inteligencia-artificial/equipo#:~:text=Enhancing%20Fairness%20in%20AI%20Systems"
      }
    ],
    "links": [
      {
        "label": "GitHub",
        "url": "https://github.com/detasar"
      },
      {
        "label": "Hugging Face",
        "url": "https://huggingface.co/emre"
      },
      {
        "label": "Scholar",
        "url": "https://scholar.google.com/citations?user=IZZM_JAAAAAJ"
      },
      {
        "label": "LinkedIn",
        "url": "https://www.linkedin.com/in/detasar/"
      },
      {
        "label": "X",
        "url": "https://x.com/mehanixs"
      },
      {
        "label": "ORCID",
        "url": "https://orcid.org/0000-0002-7788-0478"
      },
      {
        "label": "Universität Navarra",
        "url": "https://www.unav.edu/web/instituto-de-ciencia-de-los-datos-e-inteligencia-artificial/equipo#:~:text=Enhancing%20Fairness%20in%20AI%20Systems"
      }
    ],
    "photos": [
      {
        "id": "espresso",
        "caption": "Meine Lieblings-Espressomaschine.",
        "alt": "Emre neben einer Espressomaschine von Elektra",
        "url": "https://tasaract.com/de/#espresso",
        "contentUrl": "https://tasaract.com/assets/emre-espresso.jpg"
      },
      {
        "id": "scholar",
        "caption": "Ein Bild von meinem Vortrag über meine Doktorarbeit bei den V Jornadas Científicas de DATAI an der Universität Navarra.",
        "alt": "Emre stellt in Navarra seine Doktorarbeit vor",
        "url": "https://tasaract.com/de/#scholar",
        "contentUrl": "https://tasaract.com/assets/emre-scholar.webp",
        "eventProgramme": "https://www.unav.edu/documents/d/instituto-de-ciencia-de-los-datos-e-inteligencia-artificial/programa_jornadas_cientificas_datai_mayo_2026"
      },
      {
        "id": "we-think-big",
        "caption": "2024 erhielt ich den We Think Big Award von BBVA für meine Arbeit an Patenten und meine wissenschaftlichen Beiträge.",
        "alt": "Emre mit dem We Think Big Award von BBVA",
        "url": "https://tasaract.com/de/#we-think-big",
        "contentUrl": "https://tasaract.com/assets/emre-we-think-big.jpg"
      }
    ],
    "award": {
      "name": "We Think Big",
      "organization": "BBVA",
      "year": 2024,
      "description": "2024 erhielt ich den We Think Big Award von BBVA für meine Arbeit an Patenten und meine wissenschaftlichen Beiträge.",
      "sourceLabel": "Foto der Auszeichnung ansehen",
      "recognizedFor": [
        "patent work",
        "academic contributions"
      ],
      "sourceType": "Photograph",
      "sourcePath": "/de/#we-think-big"
    },
    "ideaNotebook": {
      "title": "Vier Fragen aus meinem Notizbuch",
      "recordType": "personal-research-notebook",
      "sourcePath": "/de/#idea-notebook-title",
      "notes": [
        {
          "field": "Ontologien und Datenstrukturen",
          "question": "Was ändert sich im Graphen, wenn ein Zug Verspätung hat?",
          "text": "Ein Bahnhof ist ein Ort, eine Abfahrt ein Ereignis. Wenn beide eigene Knotentypen haben und jede Uhrzeit eine Quelle, kann ich dann nachverfolgen, welche Anschlüsse eine einzige Verspätung betrifft?",
          "readingTitle": "RDF 1.1 · W3C",
          "readingUrl": "https://www.w3.org/TR/rdf11-concepts/",
          "reading": {
            "paragraphs": [
              "Angenommen, zwei Züge sollen um neun Uhr am selben Bahnhof abfahren. In einem Graphen kann ich den Bahnhof einmal abbilden und jede Abfahrt als eigenes Ereignis erfassen. So lässt sich die Zeit für einen Zug aktualisieren, ohne die des anderen zu ändern.",
              "Ich würde die Fahrplanzeit und die aktualisierte Zeit mit ihrer jeweiligen Quelle aufbewahren. Verschiebt sich eine Abfahrt von 09:00 auf 09:10 Uhr, kann ich über ihre Verknüpfungen ermitteln, welche Anschlüsse ich prüfen muss. Eine einzige Uhrzeit für den ganzen Bahnhof ließe diesen Unterschied verschwinden."
            ],
            "sources": [
              {
                "title": "RDF 1.1 Concepts and Abstract Syntax · W3C",
                "url": "https://www.w3.org/TR/rdf11-concepts/"
              }
            ]
          }
        },
        {
          "field": "Meaning-Native Computing",
          "question": "Kann ein Rechner die nächsten Befehle besser vorhersagen, wenn er die Regeln des Programms kennt?",
          "text": "Meaning-Native Computing ist mein eigenständiges Forschungsprojekt. Ich möchte zwei Vorhersageverfahren mit demselben Programm und vergleichbarer Rechenleistung testen. Eines erhält zusätzlich eine ausdrückliche Beschreibung der Regeln, die das Programm einhalten muss. Hilft das beim Vorhersagen der nächsten Schritte? Bevor eine vorhergesagte Änderung wirksam wird, muss eine unabhängige Prüfung bestätigen, dass sie die Regeln einhält.",
          "id": "meaning-native-computing",
          "recordType": "independent-research-project",
          "sourcePath": "/de/#meaning-native-computing",
          "reading": {
            "paragraphs": [
              "In meinem unabhängigen Forschungsprojekt möchte ich zwei Verfahren vergleichen, die denselben Programmlauf beobachten und ähnlich viel Rechenleistung zur Verfügung haben. Eines erhält zusätzlich eine ausführbare Ontologie, also die Regeln des Programms in einer Form, die der Rechner direkt anwenden kann. Hilft ihm das vorherzusagen, welche Anweisungen als Nächstes ausgeführt werden?",
              "Die Regeln könnten zwei verschiedene nächste Schritte zulassen. Ein Verfahren kann sich also irren, ohne eine Regel zu verletzen. Ich möchte seine Vorhersage mit dem tatsächlichen Ablauf vergleichen. Bevor eine vorgeschlagene Änderung wirksam wird, muss eine unabhängige Prüfung bestätigen, dass sie zulässig ist."
            ],
            "sources": [
              {
                "title": "Meaning-Native Computing · Tasaract",
                "url": "https://tasaract.com/en/#meaning-native-computing"
              }
            ]
          }
        },
        {
          "field": "Kategorientheorie",
          "question": "Was bleibt erhalten, wenn ich zwei Abbildungen verknüpfe?",
          "text": "Ein Verfahren macht aus einem Fahrplan einen Graphen, ein zweites findet darin eine Route. Wie erhalte ich bei der Verknüpfung die Zuordnung jeder Uhrzeit zu ihrem Bahnhof?",
          "readingTitle": "Seven Sketches in Compositionality",
          "readingUrl": "https://arxiv.org/abs/1803.05316",
          "reading": {
            "paragraphs": [
              "Ein Verfahren übersetzt einen Fahrplan in einen Graphen. Ein zweites findet darin eine Route. Die Verkettung beider Verfahren ist ein Beispiel für Komposition. Mich interessiert, ob ich auf der fertigen Route noch jede Uhrzeit dem richtigen Bahnhof zuordnen kann.",
              "Angenommen, an zwei Bahnhöfen fährt jeweils um 09:00 Uhr ein Zug ab. Speichert das erste Verfahren nur die Zeit, kann die Routensuche daraus den zugehörigen Bahnhof nicht mehr ableiten. Schon an diesem kleinen Beispiel zeigt sich, welche Informationen von einem Schritt zum nächsten erhalten bleiben müssen."
            ],
            "sources": [
              {
                "title": "Seven Sketches in Compositionality",
                "url": "https://arxiv.org/abs/1803.05316"
              }
            ]
          }
        },
        {
          "field": "Quantenmessung",
          "question": "Was passiert, wenn ich demselben Qubit eine andere Frage stelle?",
          "text": "Ich präpariere den Zustand “+”. In der X-Basis messe ich immer +, in der Z-Basis sind 0 und 1 gleich wahrscheinlich. Mich fasziniert, wie die Wahl der Messung bei gleicher Präparation die Antwort verändert.",
          "readingTitle": "Quantum Information · IBM",
          "readingUrl": "https://quantum.cloud.ibm.com/learning/en/courses/basics-of-quantum-information/single-systems/quantum-information",
          "reading": {
            "paragraphs": [
              "Stellen wir uns vor, ich bereite ein Qubit vor jeder Messung neu im Plus-Zustand vor. Eine ideale Messung in der X-Basis ergibt dann immer Plus. In der Z-Basis erhalte ich bei derselben Präparation mit gleicher Wahrscheinlichkeit 0 oder 1.",
              "Zehn Messungen in der Z-Basis können durchaus sieben Nullen und drei Einsen ergeben. Bei jedem Versuch beträgt die Wahrscheinlichkeit für eine Null fünfzig Prozent. Wie viele Nullen in einer Zehnerserie auftreten, bleibt offen. Bei einer kurzen Messreihe übersieht man das leicht."
            ],
            "sources": [
              {
                "title": "Quantum information · IBM Quantum Learning",
                "url": "https://quantum.cloud.ibm.com/learning/en/courses/basics-of-quantum-information/single-systems/quantum-information"
              },
              {
                "title": "Specify observables in the Pauli basis · IBM Quantum Documentation",
                "url": "https://quantum.cloud.ibm.com/docs/en/qiskit/specify-observables-pauli"
              }
            ]
          }
        }
      ]
    },
    "researchProjects": [
      {
        "id": "meaning-native-computing",
        "recordType": "independent-research-project",
        "name": "Meaning-Native Computing",
        "question": "Kann ein Rechner die nächsten Befehle besser vorhersagen, wenn er die Regeln des Programms kennt?",
        "summary": "Meaning-Native Computing ist mein eigenständiges Forschungsprojekt. Ich möchte zwei Vorhersageverfahren mit demselben Programm und vergleichbarer Rechenleistung testen. Eines erhält zusätzlich eine ausdrückliche Beschreibung der Regeln, die das Programm einhalten muss. Hilft das beim Vorhersagen der nächsten Schritte? Bevor eine vorhergesagte Änderung wirksam wird, muss eine unabhängige Prüfung bestätigen, dass sie die Regeln einhält.",
        "reading": {
          "paragraphs": [
            "In meinem unabhängigen Forschungsprojekt möchte ich zwei Verfahren vergleichen, die denselben Programmlauf beobachten und ähnlich viel Rechenleistung zur Verfügung haben. Eines erhält zusätzlich eine ausführbare Ontologie, also die Regeln des Programms in einer Form, die der Rechner direkt anwenden kann. Hilft ihm das vorherzusagen, welche Anweisungen als Nächstes ausgeführt werden?",
            "Die Regeln könnten zwei verschiedene nächste Schritte zulassen. Ein Verfahren kann sich also irren, ohne eine Regel zu verletzen. Ich möchte seine Vorhersage mit dem tatsächlichen Ablauf vergleichen. Bevor eine vorgeschlagene Änderung wirksam wird, muss eine unabhängige Prüfung bestätigen, dass sie zulässig ist."
          ],
          "sources": [
            {
              "title": "Meaning-Native Computing · Tasaract",
              "url": "https://tasaract.com/en/#meaning-native-computing"
            }
          ]
        },
        "author": "Davut Emre Taşar",
        "url": "https://tasaract.com/de/#meaning-native-computing"
      }
    ],
    "researchAreas": [
      {
        "id": "uncertainty",
        "title": "Unsicherheit",
        "name": "Unsicherheit",
        "question": "Kann ein Modell seine Grenzen erkennen?",
        "description": "Konforme Vorhersage und Kalibrierung helfen zu untersuchen, wie viel Unsicherheit zwischen einem Modellwert und einer Entscheidung liegt.",
        "related": [
          "fairness",
          "quantum",
          "agents",
          "language"
        ],
        "url": "https://tasaract.com/de/#topic-uncertainty",
        "lang": "de"
      },
      {
        "id": "fairness",
        "title": "Fairness",
        "name": "Fairness",
        "question": "Wer trägt die Folgen der Unsicherheit?",
        "description": "Ich untersuche, wie Unsicherheitsschätzungen und die Weiterleitung zur menschlichen Prüfung verschiedene Gruppen in Entscheidungssystemen betreffen.",
        "related": [
          "uncertainty",
          "agents",
          "invention",
          "quantum"
        ],
        "url": "https://tasaract.com/de/#topic-fairness",
        "lang": "de"
      },
      {
        "id": "agents",
        "title": "Agentensysteme",
        "name": "Agentensysteme",
        "question": "Wie lässt sich überprüfen, was ein Agent tatsächlich getan hat?",
        "description": "Werkzeuge für nachvollziehbares Handeln verknüpfen automatisierte Schritte mit überprüfbaren Belegen und ermöglichen menschliche Aufsicht.",
        "related": [
          "fairness",
          "invention",
          "language",
          "uncertainty"
        ],
        "url": "https://tasaract.com/de/#topic-agents",
        "lang": "de"
      },
      {
        "id": "quantum",
        "title": "Quantenforschung",
        "name": "Quantenforschung",
        "question": "Was verrät uns eine Messung?",
        "description": "Ich untersuche statistische Kalibrierung, Anomalieerkennung und die Belastbarkeit von Auswertungen bei Quantenmessungen.",
        "related": [
          "uncertainty",
          "fairness"
        ],
        "url": "https://tasaract.com/de/#topic-quantum",
        "lang": "de"
      },
      {
        "id": "invention",
        "title": "Erfindungen",
        "name": "Erfindungen",
        "question": "Wie klein müsste ein Rettungsroboter sein?",
        "description": "Die Anmeldungen behandeln Rettungsrobotik, Dialogschnittstellen, persönliche Wissensgraphen und Quantenverfahren.",
        "related": [
          "agents",
          "language",
          "fairness"
        ],
        "url": "https://tasaract.com/de/#topic-invention",
        "lang": "de"
      },
      {
        "id": "language",
        "title": "Sprache",
        "name": "Sprache",
        "question": "Wie verstehen uns Maschinen?",
        "description": "Spracherkennung für Türkisch, Anpassung von Sprachmodellen und Beiträge zur offenen mehrsprachigen Forschung.",
        "related": [
          "agents",
          "invention",
          "uncertainty"
        ],
        "url": "https://tasaract.com/de/#topic-language",
        "lang": "de"
      }
    ]
  },
  "topics": [
    {
      "id": "uncertainty",
      "title": "Unsicherheit",
      "name": "Unsicherheit",
      "question": "Kann ein Modell seine Grenzen erkennen?",
      "description": "Konforme Vorhersage und Kalibrierung helfen zu untersuchen, wie viel Unsicherheit zwischen einem Modellwert und einer Entscheidung liegt.",
      "related": [
        "fairness",
        "quantum",
        "agents",
        "language"
      ],
      "url": "https://tasaract.com/de/#topic-uncertainty",
      "lang": "de"
    },
    {
      "id": "fairness",
      "title": "Fairness",
      "name": "Fairness",
      "question": "Wer trägt die Folgen der Unsicherheit?",
      "description": "Ich untersuche, wie Unsicherheitsschätzungen und die Weiterleitung zur menschlichen Prüfung verschiedene Gruppen in Entscheidungssystemen betreffen.",
      "related": [
        "uncertainty",
        "agents",
        "invention",
        "quantum"
      ],
      "url": "https://tasaract.com/de/#topic-fairness",
      "lang": "de"
    },
    {
      "id": "agents",
      "title": "Agentensysteme",
      "name": "Agentensysteme",
      "question": "Wie lässt sich überprüfen, was ein Agent tatsächlich getan hat?",
      "description": "Werkzeuge für nachvollziehbares Handeln verknüpfen automatisierte Schritte mit überprüfbaren Belegen und ermöglichen menschliche Aufsicht.",
      "related": [
        "fairness",
        "invention",
        "language",
        "uncertainty"
      ],
      "url": "https://tasaract.com/de/#topic-agents",
      "lang": "de"
    },
    {
      "id": "quantum",
      "title": "Quantenforschung",
      "name": "Quantenforschung",
      "question": "Was verrät uns eine Messung?",
      "description": "Ich untersuche statistische Kalibrierung, Anomalieerkennung und die Belastbarkeit von Auswertungen bei Quantenmessungen.",
      "related": [
        "uncertainty",
        "fairness"
      ],
      "url": "https://tasaract.com/de/#topic-quantum",
      "lang": "de"
    },
    {
      "id": "invention",
      "title": "Erfindungen",
      "name": "Erfindungen",
      "question": "Wie klein müsste ein Rettungsroboter sein?",
      "description": "Die Anmeldungen behandeln Rettungsrobotik, Dialogschnittstellen, persönliche Wissensgraphen und Quantenverfahren.",
      "related": [
        "agents",
        "language",
        "fairness"
      ],
      "url": "https://tasaract.com/de/#topic-invention",
      "lang": "de"
    },
    {
      "id": "language",
      "title": "Sprache",
      "name": "Sprache",
      "question": "Wie verstehen uns Maschinen?",
      "description": "Spracherkennung für Türkisch, Anpassung von Sprachmodellen und Beiträge zur offenen mehrsprachigen Forschung.",
      "related": [
        "agents",
        "invention",
        "uncertainty"
      ],
      "url": "https://tasaract.com/de/#topic-language",
      "lang": "de"
    }
  ],
  "works": [
    {
      "id": "coverage-deferral",
      "kind": "preprint",
      "lang": "de",
      "reading": {
        "paragraphs": [
          "Hält ein Modell zwei Antworten für plausibel, kann es den Fall an einen Menschen weitergeben. Wer muss besonders häufig auf diese Prüfung warten?",
          "Dieser Preprint vergleicht anhand von sechs Datensätzen zwei Kalibrierungsverfahren. Eine getrennte Kalibrierung für jede Gruppe glich an, wie oft die richtige Antwort unter den Modellvorschlägen lag. Zugleich vergrößerte sich der Unterschied zwischen den Gruppen beim Anteil der Fälle, die zur Prüfung weitergeleitet wurden."
        ],
        "sources": [
          {
            "title": "The Coverage-Deferral Trade-Off: Fairness Implications of Conformal Prediction in Human-in-the-Loop Decision Systems",
            "url": "https://www.preprints.org/manuscript/202512.2631"
          }
        ]
      },
      "title": "The Coverage-Deferral Trade-Off: Fairness Implications of Conformal Prediction in Human-in-the-Loop Decision Systems",
      "shortTitle": "Abdeckung und menschliche Prüfung",
      "question": "Wessen Fall wird noch einmal geprüft?",
      "role": "Alleinautor",
      "status": "Preprint",
      "summary": "Die Studie vergleicht eine gemeinsame Kalibrierungsschwelle mit gruppenspezifischen Schwellen. Fälle mit zwei möglichen Antworten gehen in eine simulierte menschliche Prüfung. Im Adult-Datensatz verringerte die gruppenweise Kalibrierung den Unterschied in der Überdeckungsrate von 5,0 auf 1,2 Prozentpunkte. Der Abstand bei der Weiterleitung zur Prüfung stieg von 5,1 auf 12,9 Punkte.",
      "detail": "Die Studie vergleicht eine gemeinsame Kalibrierungsschwelle mit gruppenspezifischen Schwellen. Fälle mit zwei möglichen Antworten gehen in eine simulierte menschliche Prüfung. Im Adult-Datensatz verringerte die gruppenweise Kalibrierung den Unterschied in der Überdeckungsrate von 5,0 auf 1,2 Prozentpunkte. Der Abstand bei der Weiterleitung zur Prüfung stieg von 5,1 auf 12,9 Punkte.",
      "evidence": "Die Studie vergleicht eine gemeinsame Kalibrierungsschwelle mit gruppenspezifischen Schwellen. Fälle mit zwei möglichen Antworten gehen in eine simulierte menschliche Prüfung. Im Adult-Datensatz verringerte die gruppenweise Kalibrierung den Unterschied in der Überdeckungsrate von 5,0 auf 1,2 Prozentpunkte. Der Abstand bei der Weiterleitung zur Prüfung stieg von 5,1 auf 12,9 Punkte.",
      "topics": [
        "fairness",
        "uncertainty"
      ],
      "year": 2025,
      "venue": "Preprints.org",
      "citationAuthors": "Davut Emre Taşar",
      "identifier": "10.20944/preprints202512.2631.v1",
      "source": "https://www.preprints.org/manuscript/202512.2631",
      "links": [
        {
          "url": "https://www.preprints.org/manuscript/202512.2631",
          "label": "preprints.org"
        },
        {
          "url": "https://doi.org/10.20944/preprints202512.2631.v1",
          "label": "DOI"
        }
      ],
      "experimentalComparison": {
        "workId": "coverage-deferral",
        "source": "https://www.preprints.org/manuscript/202512.2631",
        "table": 4,
        "tableUrl": "https://www.preprints.org/manuscript/202512.2631#:~:text=Table%204.%20Coverage-deferral%20trade-off%20across%20datasets",
        "unit": "Prozentpunkte",
        "seeds": 100,
        "targetCoverage": 0.9,
        "columns": [
          "dataset",
          "pooledCoverageGap",
          "groupwiseCoverageGap",
          "pooledReferralGap",
          "groupwiseReferralGap"
        ],
        "rows": [
          [
            "Adult",
            5,
            1.2,
            5.1,
            12.9
          ],
          [
            "ACS Income",
            0.8,
            0.8,
            3.4,
            5.4
          ],
          [
            "Bank Marketing",
            2,
            1.1,
            0,
            3
          ],
          [
            "COMPAS",
            1.8,
            3.3,
            5.7,
            10.8
          ],
          [
            "German Credit",
            3.5,
            5.7,
            6.1,
            24.7
          ],
          [
            "Taiwan Credit",
            1.1,
            1.3,
            3.4,
            7.7
          ]
        ]
      },
      "url": "https://tasaract.com/de/work/coverage-deferral/",
      "path": "/de/work/coverage-deferral/"
    },
    {
      "id": "agent-chronicle",
      "kind": "project",
      "lang": "de",
      "reading": {
        "paragraphs": [
          "Wer nach einer Pause zu einer Programmiersitzung zurückkehrt, hat konkrete Fragen. Welche Dateien haben sich geändert? Steht eine Entscheidung aus? Welche Prüfungen waren erfolgreich? Agent Chronicle ordnet die aufgezeichneten Aktivitäten von Codex oder Claude auf einer lokalen Zeitleiste. Jede Antwort lässt sich bis zum einzelnen Ereignis zurückverfolgen.",
          "Auf Wunsch fasst eine KI ausgewählte Ereignisse zusammen. Vor dem Senden lässt sich das Material prüfen, danach führen Links von der Zusammenfassung zurück zum Protokoll."
        ],
        "sources": [
          {
            "title": "Agent Chronicle",
            "url": "https://github.com/detasar/agent-chronicle-community/blob/main/README.md"
          },
          {
            "title": "Product tour",
            "url": "https://github.com/detasar/agent-chronicle-community/blob/main/docs/PRODUCT_TOUR.md"
          }
        ]
      },
      "title": "Agent Chronicle",
      "shortTitle": "Agent Chronicle",
      "question": "Ein Programmieragent meldet Vollzug. Was hat sich geändert?",
      "role": "Projektbetreuer",
      "status": "Repository",
      "summary": "Das lokale Werkzeug macht eine Programmiersitzung mit Codex oder Claude nachvollziehbar. Entscheidungen, Dateiänderungen und Prüfungen lassen sich bis zu den zugehörigen Aktivitäten zurückverfolgen.",
      "detail": "Das lokale Werkzeug macht eine Programmiersitzung mit Codex oder Claude nachvollziehbar. Entscheidungen, Dateiänderungen und Prüfungen lassen sich bis zu den zugehörigen Aktivitäten zurückverfolgen.",
      "evidence": "Das lokale Werkzeug macht eine Programmiersitzung mit Codex oder Claude nachvollziehbar. Entscheidungen, Dateiänderungen und Prüfungen lassen sich bis zu den zugehörigen Aktivitäten zurückverfolgen.",
      "topics": [
        "agents"
      ],
      "year": 2026,
      "venue": "GitHub",
      "citationAuthors": "Agent Chronicle Community",
      "identifier": "detasar/agent-chronicle-community",
      "source": "https://github.com/detasar/agent-chronicle-community",
      "links": [
        {
          "url": "https://github.com/detasar/agent-chronicle-community",
          "label": "github.com"
        },
        {
          "url": "https://github.com/detasar/agent-chronicle-community/tree/main/docs",
          "label": "github.com"
        }
      ],
      "url": "https://tasaract.com/de/work/agent-chronicle/",
      "path": "/de/work/agent-chronicle/"
    },
    {
      "id": "quantum-conformal",
      "kind": "paper",
      "lang": "de",
      "reading": {
        "paragraphs": [
          "Misst man zwei Qubits in einer Basis, gibt es vier mögliche Ergebnisse. Bei drei verschiedenen Messbasen sind also zwölf Wahrscheinlichkeiten gemeinsam zu schätzen.",
          "Die Studie kombiniert ein Regressionsmodell mit konformer Vorhersage und bestimmt einen Bereich für den gesamten Satz von Schätzungen. Sie untersucht, wie oft dieser Bereich alle gesuchten Wahrscheinlichkeiten gleichzeitig einschließt und wie groß er für diese Abdeckung ausfallen muss."
        ],
        "sources": [
          {
            "title": "Çok Çıktılı Belirsizlik Tahmininde Kuantum Destekli Konformal Yöntemler: Kapsamlı Bir İnceleme ve Deneysel Analiz",
            "url": "https://journals.gen.tr/index.php/jqtair/article/view/2702"
          },
          {
            "title": "QECMMOU",
            "url": "https://github.com/detasar/QECMMOU"
          }
        ]
      },
      "title": "Quantum-Enhanced Conformal Methods for Multi-Output Uncertainty: A Holistic Exploration and Experimental Analysis",
      "shortTitle": "Konforme Vorhersage für Quantenmessungen",
      "question": "Was lässt sich aus endlich vielen Messungen schließen?",
      "role": "Alleinautor",
      "status": "Fachartikel",
      "summary": "Ich untersuchte, wie sich die Wahrscheinlichkeiten mehrerer Messergebnisse gemeinsam schätzen lassen. An Simulationen und Messungen in verschiedenen Basen prüfte ich Abdeckung und Größe der Vorhersagemengen.",
      "detail": "Ich untersuchte, wie sich die Wahrscheinlichkeiten mehrerer Messergebnisse gemeinsam schätzen lassen. An Simulationen und Messungen in verschiedenen Basen prüfte ich Abdeckung und Größe der Vorhersagemengen.",
      "evidence": "Ich untersuchte, wie sich die Wahrscheinlichkeiten mehrerer Messergebnisse gemeinsam schätzen lassen. An Simulationen und Messungen in verschiedenen Basen prüfte ich Abdeckung und Größe der Vorhersagemengen.",
      "topics": [
        "uncertainty",
        "quantum"
      ],
      "year": 2025,
      "venue": "Journal of Quantum Technologies and Informatics Research",
      "citationAuthors": "Davut Emre Taşar",
      "identifier": "10.70447/ktve.2702",
      "source": "https://journals.gen.tr/index.php/jqtair/article/view/2702",
      "links": [
        {
          "url": "https://journals.gen.tr/index.php/jqtair/article/view/2702",
          "label": "journals.gen.tr"
        },
        {
          "url": "https://github.com/detasar/QECMMOU",
          "label": "github.com"
        },
        {
          "url": "https://doi.org/10.70447/ktve.2702",
          "label": "DOI"
        }
      ],
      "url": "https://tasaract.com/de/work/quantum-conformal/",
      "path": "/de/work/quantum-conformal/"
    },
    {
      "id": "tara",
      "kind": "preprint",
      "lang": "de",
      "reading": {
        "paragraphs": [
          "Ab wann spricht eine Folge von Quantenmessungen gegen eine klassische Erklärung? Ein Test in TARA vergleicht die Messwerte mit einer Referenz aus einem klassischen Modell. Ein weiterer sammelt mit jeder Messung zusätzliche Evidenz. Unter den Annahmen des Preprints bleibt das Fehlalarmrisiko auch dann kontrolliert, wenn die laufende Messreihe wiederholt geprüft wird.",
          "Der Preprint berichtet über Versuche auf zwei unterschiedlichen Quantenprozessoren, IBM Torino und IonQ Forte Enterprise."
        ],
        "sources": [
          {
            "title": "TARA Test-by-Adaptive-Ranks for Quantum Anomaly Detection with Conformal Prediction Guarantees",
            "url": "https://arxiv.org/abs/2512.04016"
          }
        ]
      },
      "title": "TARA Test-by-Adaptive-Ranks for Quantum Anomaly Detection with Conformal Prediction Guarantees",
      "shortTitle": "TARA · Tests mit adaptiven Rängen",
      "question": "Wann wird eine Folge von Messergebnissen auffällig?",
      "role": "Erstautor",
      "status": "Preprint",
      "summary": "Mit Ceren Öcal Taşar untersuchte ich, wie sich Änderungen in Quantenkorrelationen schon während einer Messreihe erkennen lassen. Der Preprint berichtet über Versuche mit IBM Torino und IonQ Forte Enterprise.",
      "detail": "Mit Ceren Öcal Taşar untersuchte ich, wie sich Änderungen in Quantenkorrelationen schon während einer Messreihe erkennen lassen. Der Preprint berichtet über Versuche mit IBM Torino und IonQ Forte Enterprise.",
      "evidence": "Mit Ceren Öcal Taşar untersuchte ich, wie sich Änderungen in Quantenkorrelationen schon während einer Messreihe erkennen lassen. Der Preprint berichtet über Versuche mit IBM Torino und IonQ Forte Enterprise.",
      "topics": [
        "quantum",
        "uncertainty"
      ],
      "year": 2025,
      "venue": "arXiv",
      "citationAuthors": "Davut Emre Taşar, Ceren Öcal Taşar",
      "identifier": "arXiv:2512.04016",
      "source": "https://arxiv.org/abs/2512.04016",
      "links": [
        {
          "url": "https://arxiv.org/abs/2512.04016",
          "label": "arxiv.org"
        },
        {
          "url": "https://arxiv.org/pdf/2512.04016",
          "label": "PDF"
        }
      ],
      "url": "https://tasaract.com/de/work/tara/",
      "path": "/de/work/tara/"
    },
    {
      "id": "chat-assistant",
      "kind": "patent",
      "lang": "de",
      "reading": {
        "paragraphs": [
          "Auf eine mündliche oder schriftliche Frage hin durchsucht der vorgeschlagene Assistent externe Quellen, bewertet die Relevanz der Treffer und antwortet im Chat. Er kann auch einen Auftrag ausführen. Die Anmeldung beschreibt, wie Suchen und Auswertungen für die spätere Verwendung gespeichert werden und wie sich etwa Nachrichtenquellen und Finanzdaten in regelmäßigen Abständen prüfen lassen."
        ],
        "sources": [
          {
            "title": "WO 2025/071524 A1",
            "url": "https://patents.google.com/patent/WO2025071524A1/en"
          },
          {
            "title": "TR 2023/011870 A2",
            "url": "https://patents.google.com/patent/TR2023011870A2/en"
          }
        ]
      },
      "title": "A chat assistant system",
      "shortTitle": "Ein Assistent für Fragen und Aufträge",
      "question": "Wann sollte aus einem Gespräch eine Handlung folgen?",
      "role": "Miterfinder",
      "status": "Patentanmeldung (PCT)",
      "summary": "Der Antrag beschreibt einen Assistenten, der im selben Gespräch Informationen zu einer Frage beschafft oder einen Auftrag ausführt. Die internationale Anmeldung wurde am 3. April 2025 veröffentlicht.",
      "detail": "Der Antrag beschreibt einen Assistenten, der im selben Gespräch Informationen zu einer Frage beschafft oder einen Auftrag ausführt. Die internationale Anmeldung wurde am 3. April 2025 veröffentlicht.",
      "evidence": "Der Antrag beschreibt einen Assistenten, der im selben Gespräch Informationen zu einer Frage beschafft oder einen Auftrag ausführt. Die internationale Anmeldung wurde am 3. April 2025 veröffentlicht.",
      "topics": [
        "invention",
        "agents",
        "language"
      ],
      "year": 2025,
      "venue": "WIPO · PCT",
      "identifier": "WO2025071524A1",
      "source": "https://patents.google.com/patent/WO2025071524A1/en",
      "links": [
        {
          "url": "https://patents.google.com/patent/WO2025071524A1/en",
          "label": "patents.google.com"
        },
        {
          "url": "https://patents.google.com/patent/TR2023011870A2/tr",
          "label": "patents.google.com"
        }
      ],
      "url": "https://tasaract.com/de/work/chat-assistant/",
      "path": "/de/work/chat-assistant/"
    },
    {
      "id": "micro-robot-rescue",
      "kind": "patent",
      "lang": "de",
      "reading": {
        "paragraphs": [
          "In einem eingestürzten Gebäude oder Bergwerk kann ein schmaler Spalt der einzige Zugang zu Verschütteten sein. Die Anmeldung beschreibt einen kleinen Gelenkroboter, der sich mit Kamera und Sensoren auf engem Raum orientiert. Findet er eine Person, stellt ein Kabel die Verbindung her und führt Versorgungsleitungen mit. Anhand der Messwerte können Einsatzkräfte entscheiden, wo sie graben und welche Hilfe zuerst nötig ist."
        ],
        "sources": [
          {
            "title": "WO 2025/071525 A1",
            "url": "https://patents.google.com/patent/WO2025071525A1/en"
          },
          {
            "title": "TR 2023/011901 A2",
            "url": "https://patents.google.com/patent/TR2023011901A2/en"
          }
        ]
      },
      "title": "A system for providing search and rescue operation via a micro-robot",
      "shortTitle": "Mikroroboter für die Suche nach Verschütteten",
      "question": "Was kann durch eine fingerbreite Öffnung zu einem Menschen vordringen?",
      "role": "Miterfinder",
      "status": "Patentanmeldung (PCT)",
      "summary": "Die Anmeldung beschreibt einen fingergroßen Gelenkroboter. Kamera und Sensoren sollen enge Hohlräume im Schutt erkunden. Eine Leitung wäre für Kommunikation und Versorgung vorgesehen.",
      "detail": "Die Anmeldung beschreibt einen fingergroßen Gelenkroboter. Kamera und Sensoren sollen enge Hohlräume im Schutt erkunden. Eine Leitung wäre für Kommunikation und Versorgung vorgesehen.",
      "evidence": "Die Anmeldung beschreibt einen fingergroßen Gelenkroboter. Kamera und Sensoren sollen enge Hohlräume im Schutt erkunden. Eine Leitung wäre für Kommunikation und Versorgung vorgesehen.",
      "topics": [
        "invention",
        "agents"
      ],
      "year": 2025,
      "venue": "WIPO · PCT",
      "identifier": "WO2025071525A1",
      "source": "https://patents.google.com/patent/WO2025071525A1/en",
      "links": [
        {
          "url": "https://patents.google.com/patent/WO2025071525A1/en",
          "label": "patents.google.com"
        },
        {
          "url": "https://patents.google.com/patent/TR2023011901A2/tr",
          "label": "patents.google.com"
        }
      ],
      "url": "https://tasaract.com/de/work/micro-robot-rescue/",
      "path": "/de/work/micro-robot-rescue/"
    },
    {
      "id": "ai-pos",
      "kind": "patent",
      "lang": "de",
      "reading": {
        "paragraphs": [
          "Ein Händler könnte sein Kassenterminal aus der Ferne mit gesprochenen oder geschriebenen Anweisungen in Alltagssprache bedienen. Das vorgeschlagene System kann zu jedem Vorgang einen QR-Code mit den Transaktionsdaten erzeugen. Aus Kaufhistorie und Kundenpräferenzen leitet es Angebote ab. Bei Hinweisen auf einen möglichen Betrugsfall kann es eine Warnung an das Terminal senden."
        ],
        "sources": [
          {
            "title": "WO 2024/220062 A1",
            "url": "https://patents.google.com/patent/WO2024220062A1/en"
          },
          {
            "title": "TR 2023/004244 A2",
            "url": "https://patents.google.com/patent/TR2023004244A2/en"
          }
        ]
      },
      "title": "An artificial intelligence-aided point of sale device management system",
      "shortTitle": "Zahlungsterminals mit Sprachsteuerung",
      "question": "Kann ein Händler ein Zahlungsterminal mit der Stimme bedienen?",
      "role": "Miterfinder",
      "status": "Patentanmeldung (PCT)",
      "summary": "Der Antrag beschreibt die Fernsteuerung eines Zahlungsterminals durch gesprochene oder geschriebene Anweisungen. Er behandelt auch QR-codierte Ausgaben und die Prüfung von Transaktionen auf Betrugshinweise.",
      "detail": "Der Antrag beschreibt die Fernsteuerung eines Zahlungsterminals durch gesprochene oder geschriebene Anweisungen. Er behandelt auch QR-codierte Ausgaben und die Prüfung von Transaktionen auf Betrugshinweise.",
      "evidence": "Der Antrag beschreibt die Fernsteuerung eines Zahlungsterminals durch gesprochene oder geschriebene Anweisungen. Er behandelt auch QR-codierte Ausgaben und die Prüfung von Transaktionen auf Betrugshinweise.",
      "topics": [
        "invention",
        "language"
      ],
      "year": 2024,
      "venue": "WIPO · PCT",
      "identifier": "WO2024220062A1",
      "source": "https://patents.google.com/patent/WO2024220062A1/en",
      "links": [
        {
          "url": "https://patents.google.com/patent/WO2024220062A1/en",
          "label": "patents.google.com"
        },
        {
          "url": "https://patents.google.com/patent/TR2023004244A2/tr",
          "label": "patents.google.com"
        }
      ],
      "url": "https://tasaract.com/de/work/ai-pos/",
      "path": "/de/work/ai-pos/"
    },
    {
      "id": "virtual-input",
      "kind": "patent",
      "lang": "de",
      "reading": {
        "paragraphs": [
          "Wie lassen sich Texte eingeben oder Dinge auswählen, wenn weder Tastatur noch Maus vor einem liegen? Das beschriebene System erkennt Handbewegungen auf Kamerabildern und übersetzt sie in Tastatur- und Mauseingaben für virtuelle oder erweiterte Realität. Das virtuelle Layout sowie die Einstellungen für die Gestenerkennung lassen sich auf die eigenen Bewegungen abstimmen."
        ],
        "sources": [
          {
            "title": "WO 2025/063923 A1",
            "url": "https://patents.google.com/patent/WO2025063923A1/en"
          },
          {
            "title": "TR 2023/011601 A2",
            "url": "https://patents.google.com/patent/TR2023011601A2/en"
          }
        ]
      },
      "title": "A system for using a virtual keyboard and a mouse",
      "shortTitle": "Virtuelle Eingabe durch Gesten",
      "question": "Wo ist die Tastatur, wenn der Bildschirm virtuell ist?",
      "role": "Miterfinder",
      "status": "Patentanmeldung (PCT)",
      "summary": "Eine Kamera erfasst Handbewegungen, die als Tastatur- oder Mausbefehle in virtueller und erweiterter Realität dienen sollen. Die türkische Anmeldung und die internationale Veröffentlichung betreffen dieselbe Erfindung.",
      "detail": "Eine Kamera erfasst Handbewegungen, die als Tastatur- oder Mausbefehle in virtueller und erweiterter Realität dienen sollen. Die türkische Anmeldung und die internationale Veröffentlichung betreffen dieselbe Erfindung.",
      "evidence": "Eine Kamera erfasst Handbewegungen, die als Tastatur- oder Mausbefehle in virtueller und erweiterter Realität dienen sollen. Die türkische Anmeldung und die internationale Veröffentlichung betreffen dieselbe Erfindung.",
      "topics": [
        "invention"
      ],
      "year": 2025,
      "venue": "WIPO · PCT",
      "identifier": "WO2025063923A1",
      "source": "https://patents.google.com/patent/WO2025063923A1/en",
      "links": [
        {
          "url": "https://patents.google.com/patent/WO2025063923A1/en",
          "label": "patents.google.com"
        },
        {
          "url": "https://patents.google.com/patent/TR2023011601A2/tr",
          "label": "patents.google.com"
        }
      ],
      "url": "https://tasaract.com/de/work/virtual-input/",
      "path": "/de/work/virtual-input/"
    },
    {
      "id": "personalized-suggestions",
      "kind": "patent",
      "lang": "de",
      "reading": {
        "paragraphs": [
          "Am späten Nachmittag kann ein Spaziergang gerade richtig sein, auch wenn er eine Stunde zuvor kaum gepasst hätte. Die vorgeschlagene Arbeitsplatz-App verbindet die selbst gemeldete Stimmung mit Messwerten einer Smartwatch und der Tageszeit. Sie schlägt eine Pause, einen Spaziergang oder Musik vor und passt den nächsten Vorschlag anhand der Reaktion und neuer Messwerte an."
        ],
        "sources": [
          {
            "title": "WO 2025/063924 A1",
            "url": "https://patents.google.com/patent/WO2025063924A1/en"
          },
          {
            "title": "TR 2023/011830 A2",
            "url": "https://patents.google.com/patent/TR2023011830A2/en"
          }
        ]
      },
      "title": "A system for increasing employee productivity by providing personalized suggestions",
      "shortTitle": "Persönliche Empfehlungen im Arbeitsalltag",
      "question": "Wie kann ein Assistent einen Vorschlag auf den Arbeitstag einer Person abstimmen?",
      "role": "Miterfinder",
      "status": "Patentanmeldung (PCT)",
      "summary": "Der Antrag beschreibt ein System, das tägliche Angaben zur Stimmung und Gesundheit von Beschäftigten nutzen soll, um Vorschläge für den Arbeitstag zu erstellen.",
      "detail": "Der Antrag beschreibt ein System, das tägliche Angaben zur Stimmung und Gesundheit von Beschäftigten nutzen soll, um Vorschläge für den Arbeitstag zu erstellen.",
      "evidence": "Der Antrag beschreibt ein System, das tägliche Angaben zur Stimmung und Gesundheit von Beschäftigten nutzen soll, um Vorschläge für den Arbeitstag zu erstellen.",
      "topics": [
        "invention"
      ],
      "year": 2025,
      "venue": "WIPO · PCT",
      "identifier": "WO2025063924A1",
      "source": "https://patents.google.com/patent/WO2025063924A1/en",
      "links": [
        {
          "url": "https://patents.google.com/patent/WO2025063924A1/en",
          "label": "patents.google.com"
        },
        {
          "url": "https://patents.google.com/patent/TR2023011830A2/tr",
          "label": "patents.google.com"
        }
      ],
      "url": "https://tasaract.com/de/work/personalized-suggestions/",
      "path": "/de/work/personalized-suggestions/"
    },
    {
      "id": "adversarial-quantum",
      "kind": "preprint",
      "lang": "de",
      "reading": {
        "paragraphs": [
          "Ein hoher Wert bei einem Quantenzertifizierungstest hängt auch davon ab, welche Beispiele den Maßstab setzen. Dieser Preprint vergleicht Korrelationen aus Quantenmessungen mit Korrelationen, die ein klassisches Modell erzeugt.",
          "Mit anderen Referenzdaten für die Kalibrierung änderte sich die gemessene Leistung der Detektoren. Unter einer der untersuchten Versuchsbedingungen konnte keines der getesteten Verfahren die beiden Quellen besser unterscheiden, als es durch Raten möglich wäre."
        ],
        "sources": [
          {
            "title": "Adversarial Limits of Quantum Certification: When Eve Defeats Detection",
            "url": "https://arxiv.org/abs/2512.04391"
          }
        ]
      },
      "title": "Adversarial Limits of Quantum Certification: When Eve Defeats Detection",
      "shortTitle": "Grenzen statistischer Quantenzertifizierung",
      "question": "Bleibt ein gutes Testergebnis unter anderen Bedingungen bestehen?",
      "role": "Alleinautor",
      "status": "Preprint",
      "summary": "Ich untersuchte, wie die Wahl der Kalibrierungs- und Auswertungsdaten einen Test von Quantenkorrelationen beeinflusst. Der Preprint vergleicht Simulationen mit Messungen von IBM Quantum.",
      "detail": "Ich untersuchte, wie die Wahl der Kalibrierungs- und Auswertungsdaten einen Test von Quantenkorrelationen beeinflusst. Der Preprint vergleicht Simulationen mit Messungen von IBM Quantum.",
      "evidence": "Ich untersuchte, wie die Wahl der Kalibrierungs- und Auswertungsdaten einen Test von Quantenkorrelationen beeinflusst. Der Preprint vergleicht Simulationen mit Messungen von IBM Quantum.",
      "topics": [
        "quantum",
        "uncertainty"
      ],
      "year": 2025,
      "venue": "arXiv",
      "citationAuthors": "Davut Emre Taşar",
      "identifier": "arXiv:2512.04391",
      "source": "https://arxiv.org/abs/2512.04391",
      "links": [
        {
          "url": "https://arxiv.org/abs/2512.04391",
          "label": "arxiv.org"
        },
        {
          "url": "https://arxiv.org/pdf/2512.04391",
          "label": "PDF"
        }
      ],
      "url": "https://tasaract.com/de/work/adversarial-quantum/",
      "path": "/de/work/adversarial-quantum/"
    },
    {
      "id": "turkish-asr",
      "kind": "paper",
      "lang": "de",
      "reading": {
        "paragraphs": [
          "Das System schreibt gesprochene türkische Sätze aus einer Tonaufnahme mit. Die Studie nutzt XLSR-Wav2Vec 2.0, das mit Sprachaufnahmen aus 53 Sprachen vortrainiert wurde. Türkische Aufnahmen und Transkripte aus Mozilla Common Voice dienen zur Feinabstimmung.",
          "Auf den Testdaten dieser Sammlung lag die Wortfehlerrate bei 23 %. Dafür werden zusätzlich eingefügte, ausgelassene und gegenüber dem Referenztranskript ersetzte Wörter gezählt."
        ],
        "sources": [
          {
            "title": "Transformer-Based Turkish Automatic Speech Recognition",
            "url": "https://dergipark.org.tr/en/pub/acin/article/1338604"
          }
        ]
      },
      "title": "Transformer-Based Turkish Automatic Speech Recognition",
      "shortTitle": "Spracherkennung für Türkisch",
      "question": "Was lässt sich auf die türkische Spracherkennung übertragen?",
      "role": "Erstautor",
      "status": "Fachartikel",
      "summary": "Mit Kutan Koruyan und Cihan Çılgın passte ich Wav2Vec 2.0 an türkische Aufnahmen aus Mozilla Common Voice an. Im Testdatensatz lag die Wortfehlerrate bei 23 Prozent.",
      "detail": "Mit Kutan Koruyan und Cihan Çılgın passte ich Wav2Vec 2.0 an türkische Aufnahmen aus Mozilla Common Voice an. Im Testdatensatz lag die Wortfehlerrate bei 23 Prozent.",
      "evidence": "Mit Kutan Koruyan und Cihan Çılgın passte ich Wav2Vec 2.0 an türkische Aufnahmen aus Mozilla Common Voice an. Im Testdatensatz lag die Wortfehlerrate bei 23 Prozent.",
      "topics": [
        "language"
      ],
      "year": 2024,
      "venue": "Acta Infologica",
      "citationAuthors": "Davut Emre Taşar, Kutan Koruyan, Cihan Çılgın",
      "identifier": "10.26650/acin.1338604",
      "source": "https://dergipark.org.tr/en/pub/acin/article/1338604",
      "links": [
        {
          "url": "https://dergipark.org.tr/en/pub/acin/article/1338604",
          "label": "dergipark.org.tr"
        },
        {
          "url": "https://doi.org/10.26650/acin.1338604",
          "label": "DOI"
        }
      ],
      "url": "https://tasaract.com/de/work/turkish-asr/",
      "path": "/de/work/turkish-asr/"
    },
    {
      "id": "qwen-grpo",
      "kind": "model",
      "lang": "de",
      "reading": {
        "paragraphs": [
          "Kann ein kleines Modell lernen, eine mathematische Textaufgabe zu lösen und die Antwort übersichtlich darzustellen? Dieses Qwen-Modell mit einer halben Milliarde Parametern absolvierte einen Trainingsdurchlauf mit GSM8K. Es schreibt den Lösungsweg auf und nennt das Ergebnis in einem eigenen Abschnitt. Beim GRPO-Training bewerteten eigene Belohnungsfunktionen das Zahlenergebnis und das Format getrennt. Auch eine sauber gegliederte Lösung kann einen Rechenfehler enthalten."
        ],
        "sources": [
          {
            "title": "Qwen-0.5B-GRPO",
            "url": "https://huggingface.co/emre/Qwen-0.5B-GRPO"
          },
          {
            "title": "Qwen2.5-0.5B-Instruct",
            "url": "https://huggingface.co/Qwen/Qwen2.5-0.5B-Instruct"
          }
        ]
      },
      "title": "Qwen-0.5B-GRPO: A Fine-Tuned Math Reasoner",
      "shortTitle": "Qwen-0.5B mit GRPO",
      "question": "Kann ein kleines Modell eine mathematische Antwort strukturiert formulieren?",
      "role": "Entwickler",
      "status": "Modell",
      "summary": "Ich passte Qwen2.5-0.5B-Instruct an die Mathematikaufgaben aus GSM8K an. Beim Training wurden ein korrektes Zahlenresultat und die verlangte Antwortstruktur getrennt bewertet. Die Gewichte sind veröffentlicht.",
      "detail": "Ich passte Qwen2.5-0.5B-Instruct an die Mathematikaufgaben aus GSM8K an. Beim Training wurden ein korrektes Zahlenresultat und die verlangte Antwortstruktur getrennt bewertet. Die Gewichte sind veröffentlicht.",
      "evidence": "Ich passte Qwen2.5-0.5B-Instruct an die Mathematikaufgaben aus GSM8K an. Beim Training wurden ein korrektes Zahlenresultat und die verlangte Antwortstruktur getrennt bewertet. Die Gewichte sind veröffentlicht.",
      "topics": [
        "language"
      ],
      "year": 2025,
      "venue": "Hugging Face Models",
      "citationAuthors": "Davut Emre Taşar",
      "identifier": "emre/Qwen-0.5B-GRPO",
      "source": "https://huggingface.co/emre/Qwen-0.5B-GRPO",
      "links": [
        {
          "url": "https://huggingface.co/emre/Qwen-0.5B-GRPO",
          "label": "huggingface.co"
        },
        {
          "url": "https://huggingface.co/Qwen/Qwen2.5-0.5B-Instruct",
          "label": "huggingface.co"
        }
      ],
      "url": "https://tasaract.com/de/work/qwen-grpo/",
      "path": "/de/work/qwen-grpo/"
    },
    {
      "id": "turkish-reasoning-benchmark",
      "kind": "dataset",
      "lang": "de",
      "reading": {
        "paragraphs": [
          "TARA v1 enthält 100 synthetische Frage-Antwort-Paare auf Türkisch, eines für jede Kombination aus zehn Themenbereichen und zehn Schwierigkeitsstufen. Zu jeder Frage erhält das Modell einen Begleittext. Eine Referenzantwort und konkrete Bewertungskriterien zeigen, was als gelungene Lösung gilt, etwa bei einer SQL-Abfrage für ein vorgegebenes Schema oder beim Schreiben einer Geschichte nach bestimmten Vorgaben."
        ],
        "sources": [
          {
            "title": "TARA v1 · Turkish Advanced Reasoning Assessment",
            "url": "https://huggingface.co/datasets/emre/TARA_Turkish_LLM_Benchmark"
          }
        ]
      },
      "title": "TARA: Turkish Advanced Reasoning Assessment Dataset",
      "shortTitle": "TARA · Schlussfolgern auf Türkisch",
      "question": "Wie prüft man das Schlussfolgern eines Sprachmodells auf Türkisch?",
      "role": "Mitkurator des Datensatzes",
      "status": "Datensatz",
      "summary": "Mit Ceren Öcal Taşar stellte ich hundert synthetische Beispiele in zehn Kategorien zusammen, darunter Logik, Planung, Python und SQL. Aufgaben, erwartete Antworten und Grenzen der Stichprobe sind einsehbar.",
      "detail": "Mit Ceren Öcal Taşar stellte ich hundert synthetische Beispiele in zehn Kategorien zusammen, darunter Logik, Planung, Python und SQL. Aufgaben, erwartete Antworten und Grenzen der Stichprobe sind einsehbar.",
      "evidence": "Mit Ceren Öcal Taşar stellte ich hundert synthetische Beispiele in zehn Kategorien zusammen, darunter Logik, Planung, Python und SQL. Aufgaben, erwartete Antworten und Grenzen der Stichprobe sind einsehbar.",
      "topics": [
        "language"
      ],
      "year": 2025,
      "venue": "Hugging Face Datasets",
      "citationAuthors": "Davut Emre Taşar, Ceren Öcal Taşar",
      "identifier": "10.57967/hf/5193",
      "source": "https://huggingface.co/datasets/emre/TARA_Turkish_LLM_Benchmark",
      "links": [
        {
          "url": "https://huggingface.co/datasets/emre/TARA_Turkish_LLM_Benchmark",
          "label": "huggingface.co"
        },
        {
          "url": "https://doi.org/10.57967/hf/5193",
          "label": "DOI"
        }
      ],
      "url": "https://tasaract.com/de/work/turkish-reasoning-benchmark/",
      "path": "/de/work/turkish-reasoning-benchmark/"
    },
    {
      "id": "multilingual-chatbots",
      "kind": "paper",
      "lang": "de",
      "reading": {
        "paragraphs": [
          "Stellt jemand auf einer Website eine Frage, wählt ein Klassifikator eine Antwort aus dem hinterlegten Bestand. Die Studie prüft, ob mehrere Websites einen einzigen mehrsprachigen BERT-Klassifikator nutzen können, wobei jeder Chatbot auf seinen eigenen Antwortbestand beschränkt bleibt.",
          "Der Vergleich umfasst 13 Klassifikationsaufgaben und 333 Kategorien auf Türkisch, Englisch und Deutsch. Gemessen wurden die Treffergenauigkeit bei der Antwortauswahl, der Arbeitsspeicherbedarf und der Platzbedarf im Vergleich zu einzeln trainierten Modellen."
        ],
        "sources": [
          {
            "title": "Performance Trade-Off for Bert Based Multi-Domain Multilingual Chatbot Architectures",
            "url": "https://dergipark.org.tr/en/pub/jaida/article/1060221"
          }
        ]
      },
      "title": "Performance Trade-Off for Bert Based Multi-Domain Multilingual Chatbot Architectures",
      "shortTitle": "Ein gemeinsames Sprachmodell für mehrere Chatbots",
      "question": "Brauchen dreizehn Chatbot-Aufgaben dreizehn Modelle?",
      "role": "Erstautor",
      "status": "Fachartikel",
      "summary": "Wir untersuchten ein gemeinsames mehrsprachiges BERT in 13 Aufgaben mit 333 Klassen auf Türkisch, Englisch und Deutsch. Im Vergleich von fünf Modellen sank der Speicherbedarf von 10 auf 2 GB bei leicht geringerer Genauigkeit.",
      "detail": "Wir untersuchten ein gemeinsames mehrsprachiges BERT in 13 Aufgaben mit 333 Klassen auf Türkisch, Englisch und Deutsch. Im Vergleich von fünf Modellen sank der Speicherbedarf von 10 auf 2 GB bei leicht geringerer Genauigkeit.",
      "evidence": "Wir untersuchten ein gemeinsames mehrsprachiges BERT in 13 Aufgaben mit 333 Klassen auf Türkisch, Englisch und Deutsch. Im Vergleich von fünf Modellen sank der Speicherbedarf von 10 auf 2 GB bei leicht geringerer Genauigkeit.",
      "topics": [
        "language"
      ],
      "year": 2021,
      "venue": "Journal of Artificial Intelligence and Data Science",
      "citationAuthors": "Davut Emre Taşar, Şükrü Ozan, Seçilay Kutal, Oğuzhan Ölmez, Semih Gülüm, Fatih Akca, Ceren Belhan",
      "identifier": "IZ:JA77UY82ER",
      "source": "https://dergipark.org.tr/en/pub/jaida/article/1060221",
      "links": [
        {
          "url": "https://dergipark.org.tr/en/pub/jaida/article/1060221",
          "label": "dergipark.org.tr"
        },
        {
          "url": "https://dergipark.org.tr/tr/download/article-file/2201572",
          "label": "dergipark.org.tr"
        }
      ],
      "url": "https://tasaract.com/de/work/multilingual-chatbots/",
      "path": "/de/work/multilingual-chatbots/"
    },
    {
      "id": "ad-text-classification",
      "kind": "paper",
      "lang": "de",
      "reading": {
        "paragraphs": [
          "Die Branchenzuordnung einer Onlineanzeige passt nicht immer zu ihrem Text. Das Forschungsteam trainierte BERT darauf, Branchen anhand von rund 101.000 Anzeigen mit Kennzeichnungen aus 44 Branchen zu erkennen.",
          "Als einige Branchen besonders schwer einzuordnen waren, lieferte ein Zero-Shot-Modell eine zweite Einschätzung zur Übereinstimmung von Text und Kennzeichnung. Nach dem Herausfiltern unpassender Beispiele und erneutem Training von BERT stieg die Klassifikationsgenauigkeit im Experiment."
        ],
        "sources": [
          {
            "title": "BERT Modeli’nin Sınıflandırma Doğruluğunun Sıfır-Atış Öğrenmesi ile Artırılması",
            "url": "https://dergipark.org.tr/tr/pub/tbbmd/article/1004781"
          }
        ]
      },
      "title": "BERT Modeli’nin Sınıflandırma Doğruluğunun Sıfır-Atış Öğrenmesi ile Artırılması",
      "shortTitle": "Widersprüchliche Branchenangaben in Werbetexten",
      "question": "Was, wenn die Branchenangabe der Anzeige falsch ist?",
      "role": "Mitautor",
      "status": "Fachartikel",
      "summary": "Wir untersuchten rund 101.000 Anzeigen aus 44 Branchen. Mithilfe eines Zero-Shot-Modells prüften wir fragliche Branchenzuordnungen, bevor wir BERT erneut trainierten.",
      "detail": "Wir untersuchten rund 101.000 Anzeigen aus 44 Branchen. Mithilfe eines Zero-Shot-Modells prüften wir fragliche Branchenzuordnungen, bevor wir BERT erneut trainierten.",
      "evidence": "Wir untersuchten rund 101.000 Anzeigen aus 44 Branchen. Mithilfe eines Zero-Shot-Modells prüften wir fragliche Branchenzuordnungen, bevor wir BERT erneut trainierten.",
      "topics": [
        "language"
      ],
      "year": 2021,
      "venue": "Türkiye Bilişim Vakfı Bilgisayar Bilimleri ve Mühendisliği Dergisi",
      "citationAuthors": "Şükrü Ozan, Umut Özdil, Davut Emre Taşar, Büşra Arslan, Gökçe Polat",
      "identifier": "10.54525/tbbmd.1004781",
      "source": "https://dergipark.org.tr/tr/pub/tbbmd/article/1004781",
      "links": [
        {
          "url": "https://dergipark.org.tr/tr/pub/tbbmd/article/1004781",
          "label": "dergipark.org.tr"
        },
        {
          "url": "https://doi.org/10.54525/tbbmd.1004781",
          "label": "DOI"
        }
      ],
      "url": "https://tasaract.com/de/work/ad-text-classification/",
      "path": "/de/work/ad-text-classification/"
    },
    {
      "id": "weight-editing",
      "kind": "project",
      "lang": "de",
      "reading": {
        "paragraphs": [
          "Kann ein Sprachmodell einen beschädigten Klassifikator durch Änderungen an seinen Gewichten reparieren? Beim Einkommensdatensatz UCI Adult wurden die Gewichte des Klassifikators gezielt beschädigt. Ein Änderungsvorschlag erhöhte die über beide Einkommensklassen gleich gewichtete Trefferquote um 0,43 Prozentpunkte. Gesamttrefferquote und Qualität der geschätzten Wahrscheinlichkeiten sanken.",
          "Ein separater Versuch begann mit einem intakten SmolLM2-1.7B. Nach Tests mit naturwissenschaftlichen Fragen und Aufgaben zum physikalischen Alltagsverständnis fiel die Wahl auf das ursprüngliche Modell."
        ],
        "sources": [
          {
            "title": "Editing Neural Networks with Language Models",
            "url": "https://github.com/detasar/llm-weight-editing-study/blob/main/README.md"
          },
          {
            "title": "Study scope and methods",
            "url": "https://github.com/detasar/llm-weight-editing-study/blob/main/docs/METHODS.md"
          }
        ]
      },
      "title": "Editing Neural Networks with Language Models",
      "shortTitle": "Neuronale Netze mit Sprachmodellen bearbeiten",
      "question": "Kann ein Modell die Gewichte eines anderen Modells bearbeiten?",
      "role": "Alleinautor",
      "status": "Repository",
      "summary": "Am Datensatz UCI Adult habe ich Gewichtsänderungen bei einem dauerhaft geschädigten Klassifikator getestet. Sols Änderung erhöhte die balancierte Genauigkeit, doch die Gesamtgenauigkeit sank und die geschätzten Wahrscheinlichkeiten wurden unzuverlässiger. Beim unbeschädigten Sprachmodell SmolLM2 fiel die Wahl auf ARC-Easy und PIQA in allen Fällen auf die ursprünglichen Gewichte.",
      "detail": "Am Datensatz UCI Adult habe ich Gewichtsänderungen bei einem dauerhaft geschädigten Klassifikator getestet. Sols Änderung erhöhte die balancierte Genauigkeit, doch die Gesamtgenauigkeit sank und die geschätzten Wahrscheinlichkeiten wurden unzuverlässiger. Beim unbeschädigten Sprachmodell SmolLM2 fiel die Wahl auf ARC-Easy und PIQA in allen Fällen auf die ursprünglichen Gewichte.",
      "evidence": "Am Datensatz UCI Adult habe ich Gewichtsänderungen bei einem dauerhaft geschädigten Klassifikator getestet. Sols Änderung erhöhte die balancierte Genauigkeit, doch die Gesamtgenauigkeit sank und die geschätzten Wahrscheinlichkeiten wurden unzuverlässiger. Beim unbeschädigten Sprachmodell SmolLM2 fiel die Wahl auf ARC-Easy und PIQA in allen Fällen auf die ursprünglichen Gewichte.",
      "topics": [
        "agents",
        "language"
      ],
      "year": 2026,
      "venue": "GitHub",
      "citationAuthors": "Davut Emre Taşar",
      "identifier": "detasar/llm-weight-editing-study",
      "source": "https://github.com/detasar/llm-weight-editing-study",
      "links": [
        {
          "url": "https://github.com/detasar/llm-weight-editing-study/blob/main/publication/2026-11-04/RESEARCH_REPORT.pdf",
          "label": "Forschungsbericht"
        },
        {
          "url": "https://detasar.github.io/llm-weight-editing-study/publication/2026-11-04/START_PRESENTATION.html",
          "label": "Interaktive Präsentation"
        },
        {
          "url": "https://github.com/detasar/llm-weight-editing-study/blob/main/data/manifest.json",
          "label": "Messwerte"
        },
        {
          "url": "https://github.com/detasar/llm-weight-editing-study",
          "label": "GitHub"
        }
      ],
      "weightEditingResults": {
        "classifier": {
          "dataset": "UCI Adult",
          "startingState": "permanent-lesion",
          "selectedEditor": "Sol",
          "testExamples": 16281,
          "unit": "percent",
          "balancedAccuracy": {
            "baseline": 78.59,
            "selected": 79.02
          },
          "accuracy": {
            "baseline": 82.86,
            "selected": 82.63
          }
        },
        "languageModel": {
          "model": "SmolLM2-1.7B",
          "startingState": "intact",
          "selectedCandidate": 0,
          "tasks": [
            {
              "name": "ARC-Easy",
              "testExamples": 512
            },
            {
              "name": "PIQA",
              "testExamples": 256
            }
          ]
        }
      },
      "url": "https://tasaract.com/de/work/weight-editing/",
      "path": "/de/work/weight-editing/"
    },
    {
      "id": "bloom",
      "kind": "paper",
      "lang": "de",
      "reading": {
        "paragraphs": [
          "BLOOM sagt voraus, wie ein Text weitergehen könnte. Die BigScience-Kollaboration trainierte das Modell mit 176 Milliarden Parametern auf der ROOTS-Sammlung, die Material in 46 natürlichen Sprachen und 13 Programmiersprachen enthält.",
          "Die Publikation beschreibt den Weg von der Auswahl der Trainingsdaten bis zur Prüfung der mehrsprachigen Fähigkeiten. Mit den veröffentlichten Modellgewichten und dem Code können andere Forschende die Tests ausführen oder Antworten über Sprachgrenzen hinweg vergleichen."
        ],
        "sources": [
          {
            "title": "BLOOM: A 176B-Parameter Open-Access Multilingual Language Model",
            "url": "https://arxiv.org/abs/2211.05100"
          },
          {
            "title": "bigscience/bloom",
            "url": "https://huggingface.co/bigscience/bloom"
          }
        ]
      },
      "title": "BLOOM: A 176B-Parameter Open-Access Multilingual Language Model",
      "shortTitle": "BLOOM",
      "question": "Wie entstand ein offenes mehrsprachiges Modell?",
      "role": "Mitautor",
      "status": "Preprint",
      "summary": "Ich bin Mitautor des BigScience-Artikels über das offene mehrsprachige Modell BLOOM. Der Beitrag dokumentiert die vollständige Autorenliste, die Daten, die Architektur und das Training.",
      "detail": "Ich bin Mitautor des BigScience-Artikels über das offene mehrsprachige Modell BLOOM. Der Beitrag dokumentiert die vollständige Autorenliste, die Daten, die Architektur und das Training.",
      "evidence": "Ich bin Mitautor des BigScience-Artikels über das offene mehrsprachige Modell BLOOM. Der Beitrag dokumentiert die vollständige Autorenliste, die Daten, die Architektur und das Training.",
      "topics": [
        "language"
      ],
      "year": 2022,
      "venue": "BigScience Workshop · arXiv",
      "citationAuthors": "BigScience Workshop",
      "identifier": "arXiv:2211.05100",
      "source": "https://arxiv.org/abs/2211.05100",
      "links": [
        {
          "url": "https://arxiv.org/abs/2211.05100",
          "label": "arxiv.org"
        }
      ],
      "url": "https://tasaract.com/de/work/bloom/",
      "path": "/de/work/bloom/"
    }
  ],
  "patents": {
    "lang": "de",
    "sourceUrl": "https://www.turkpatent.gov.tr/arastirma-yap?form=patent",
    "sourceName": "Amtliches Register von TÜRKPATENT",
    "snapshotDate": "2026-08-31",
    "count": 30,
    "countsByProtectionType": {
      "patent": 28,
      "utilityModel": 2
    },
    "applicant": "TÜRKİYE GARANTİ BANKASI ANONİM ŞİRKETİ",
    "inventor": "Davut Emre Taşar",
    "scopeNote": "Ich bin als Erfinder an 30 türkischen Anmeldungen beteiligt, davon 28 Patentanmeldungen und zwei Gebrauchsmusteranmeldungen. Anmelderin ist die Türkiye Garanti Bankası A.Ş.",
    "legalStatusNote": "Für den aktuellen Rechtsstand ist das amtliche Register maßgeblich.",
    "countingNote": "Einige internationale Veröffentlichungen beziehen sich auf dieselben türkischen Anmeldungen. Die Gesamtzahl erfasst die in der Türkei eingereichten Anmeldungen.",
    "records": [
      {
        "lang": "de",
        "reading": {
          "paragraphs": [
            "Am Anfang steht eine Aufnahme mit Hintergrundgeräuschen. Das System trennt die Stimme heraus, verschriftlicht das Gesagte und kann die Formulierung dem Anlass oder den persönlichen Vorlieben anpassen. Anschließend gibt es den Text mit den stimmlichen Merkmalen der Person wieder."
          ],
          "sources": [
            {
              "title": "TÜRKPATENT · 2026/007909",
              "url": "https://www.turkpatent.gov.tr/arastirma-yap?form=patent"
            }
          ]
        },
        "number": "2026/007909",
        "title": "Auf die Stimme abgestimmte Geräuschunterdrückung",
        "titleTr": "KULLANICI SESİNE GÖRE GÜRÜLTÜ GİDERME SİSTEMİ",
        "description": "Das System trennt die Stimme von Hintergrundgeräuschen und transkribiert sie. Es kann die Wortwahl an Anlass oder Vorlieben anpassen und die Sprache mit den Stimmmerkmalen der Person neu erzeugen.",
        "protectionType": "patent",
        "protectionLabel": "Patentanmeldung",
        "date": "2026-05-18",
        "applicant": "TÜRKİYE GARANTİ BANKASI ANONİM ŞİRKETİ",
        "inventor": "Davut Emre Taşar",
        "inventorshipSource": "TÜRKPATENT",
        "topics": [
          "invention",
          "language"
        ],
        "sourceUrl": "https://www.turkpatent.gov.tr/arastirma-yap?form=patent",
        "detailSourceUrl": "https://www.turkpatent.gov.tr/arastirma-yap?form=patent",
        "sourceLocator": "2026/007909",
        "publicationDate": "2026-07-21",
        "publicationDateSource": "https://www.turkpatent.gov.tr/arastirma-yap?form=patent",
        "path": "/de/patents/2026-007909/",
        "url": "https://tasaract.com/de/patents/2026-007909/",
        "pathTr": "/tr/patents/2026-007909/",
        "urlTr": "https://tasaract.com/tr/patents/2026-007909/"
      },
      {
        "lang": "de",
        "reading": {
          "paragraphs": [
            "Eine Transaktion, ein Nutzerdatensatz und eine Netzwerkverbindung halten unterschiedliche Sachverhalte fest. Die Anmeldung schlägt vor, diese Fakten und ihre Beziehungen in einem gemeinsamen logischen Modell abzubilden. Daraus lassen sich datensatzübergreifende Schlüsse ziehen, etwa im Finanzwesen, im Gesundheitswesen oder in der Logistik."
          ],
          "sources": [
            {
              "title": "TÜRKPATENT · 2026/007907",
              "url": "https://www.turkpatent.gov.tr/arastirma-yap?form=patent"
            }
          ]
        },
        "number": "2026/007907",
        "title": "KI-System für logische Schlussfolgerungen",
        "titleTr": "MANTIKSAL ÇIKARIM TABANLI YAPAY ZEKA SİSTEMİ",
        "description": "Transaktionsverläufe, Nutzerdaten und Netzwerkverbindungen sollen in ein logisches Wissensmodell einfließen. Daraus ließen sich Schlüsse für Bereiche wie Finanzen, Gesundheit und Logistik ziehen.",
        "protectionType": "patent",
        "protectionLabel": "Patentanmeldung",
        "date": "2026-05-18",
        "applicant": "TÜRKİYE GARANTİ BANKASI ANONİM ŞİRKETİ",
        "inventor": "Davut Emre Taşar",
        "inventorshipSource": "TÜRKPATENT",
        "topics": [
          "invention"
        ],
        "sourceUrl": "https://www.turkpatent.gov.tr/arastirma-yap?form=patent",
        "detailSourceUrl": "https://www.turkpatent.gov.tr/arastirma-yap?form=patent",
        "sourceLocator": "2026/007907",
        "publicationDate": "2026-06-22",
        "publicationDateSource": "https://www.turkpatent.gov.tr/arastirma-yap?form=patent",
        "path": "/de/patents/2026-007907/",
        "url": "https://tasaract.com/de/patents/2026-007907/",
        "pathTr": "/tr/patents/2026-007907/",
        "urlTr": "https://tasaract.com/tr/patents/2026-007907/"
      },
      {
        "lang": "de",
        "reading": {
          "paragraphs": [
            "Zwei Personen, die auf dieselbe Dienstleistung warten, möchten in dieser Zeit vielleicht Unterschiedliches sehen oder hören. Das System schätzt die aktuelle Stimmung einer wartenden Person ein und wählt anhand dieser Einschätzung aus, welche Inhalte es ihr während der Wartezeit anbietet."
          ],
          "sources": [
            {
              "title": "TÜRKPATENT · 2026/006294",
              "url": "https://www.turkpatent.gov.tr/arastirma-yap?form=patent"
            }
          ]
        },
        "number": "2026/006294",
        "title": "Personalisierte Gestaltung der Wartezeit",
        "titleTr": "KİŞİSELLEŞTİRİLMİŞ BİR BEKLEME DENEYİMİ SİSTEMİ",
        "description": "Das vorgeschlagene System schätzt die Gefühlslage einer wartenden Person ein und wählt auf dieser Grundlage Inhalte für sie aus.",
        "protectionType": "patent",
        "protectionLabel": "Patentanmeldung",
        "date": "2026-04-24",
        "applicant": "TÜRKİYE GARANTİ BANKASI ANONİM ŞİRKETİ",
        "inventor": "Davut Emre Taşar",
        "inventorshipSource": "TÜRKPATENT",
        "topics": [
          "invention"
        ],
        "sourceUrl": "https://www.turkpatent.gov.tr/arastirma-yap?form=patent",
        "detailSourceUrl": "https://www.turkpatent.gov.tr/arastirma-yap?form=patent",
        "sourceLocator": "2026/006294",
        "publicationDate": "2026-05-21",
        "publicationDateSource": "https://www.turkpatent.gov.tr/arastirma-yap?form=patent",
        "path": "/de/patents/2026-006294/",
        "url": "https://tasaract.com/de/patents/2026-006294/",
        "pathTr": "/tr/patents/2026-006294/",
        "urlTr": "https://tasaract.com/tr/patents/2026-006294/"
      },
      {
        "lang": "de",
        "reading": {
          "paragraphs": [
            "Altersvorsorge und Unterstützung im Alltag greifen auf dasselbe Bild vom Leben einer Person zurück. Eine persönliche Ontologie beschreibt die relevanten Begriffe, ein Wissensgraph verknüpft sie. Wenn sich dieses Bild verändert, kann es sowohl die langfristige Planung unterstützen als auch dabei helfen, alltägliche Bedürfnisse frühzeitig zu erkennen."
          ],
          "sources": [
            {
              "title": "TÜRKPATENT · 2026/006289",
              "url": "https://www.turkpatent.gov.tr/arastirma-yap?form=patent"
            }
          ]
        },
        "number": "2026/006289",
        "title": "Ruhestandsplanung und Alltagshilfe mit persönlicher Ontologie",
        "titleTr": "KİŞİYE ÖZEL DİNAMİK ONTOLOJİ VE BİLGİ GRAFİĞİ DESTEKLİ BÜTÜNCÜL BİR EMEKLİLİK PLANLAMA VE YAŞAM ASİSTANLIĞI SİSTEMİ",
        "description": "Die Anmeldung verbindet eine persönliche Ontologie mit einem Wissensgraphen, der sich über die Zeit verändert. Beides soll die Ruhestandsplanung und vorausschauende Hilfe im Alltag unterstützen.",
        "protectionType": "patent",
        "protectionLabel": "Patentanmeldung",
        "date": "2026-04-24",
        "applicant": "TÜRKİYE GARANTİ BANKASI ANONİM ŞİRKETİ",
        "inventor": "Davut Emre Taşar",
        "inventorshipSource": "TÜRKPATENT",
        "topics": [
          "invention"
        ],
        "sourceUrl": "https://www.turkpatent.gov.tr/arastirma-yap?form=patent",
        "detailSourceUrl": "https://www.turkpatent.gov.tr/arastirma-yap?form=patent",
        "sourceLocator": "2026/006289",
        "publicationDate": "2026-06-22",
        "publicationDateSource": "https://www.turkpatent.gov.tr/arastirma-yap?form=patent",
        "path": "/de/patents/2026-006289/",
        "url": "https://tasaract.com/de/patents/2026-006289/",
        "pathTr": "/tr/patents/2026-006289/",
        "urlTr": "https://tasaract.com/tr/patents/2026-006289/"
      },
      {
        "lang": "de",
        "reading": {
          "paragraphs": [
            "Auch dort, wo Kameras ungeeignet oder nur eingeschränkt zulässig sind, kann die Belegung eines Raums für den Gebäudebetrieb wichtig sein. Die Anmeldung schlägt vor, den Energieverbrauch anhand von Anwesenheit und Aktivität anzupassen. Der Schutz der Privatsphäre ist dabei ausdrücklich ein Entwurfsziel."
          ],
          "sources": [
            {
              "title": "TÜRKPATENT · 2026/004444",
              "url": "https://www.turkpatent.gov.tr/arastirma-yap?form=patent"
            }
          ]
        },
        "number": "2026/004444",
        "title": "Umgebungserfassung mit Schutz der Privatsphäre",
        "titleTr": "YAPAY ZEKA DESTEKLİ VE MAHREMİYET ODAKLI BİR ORTAM ALGILAMA SİSTEMİ",
        "description": "Wo Kameras ungeeignet sind, soll das System Anwesenheit und Aktivität von Menschen datenschutzschonend erkennen und den Energieeinsatz entsprechend regeln.",
        "protectionType": "patent",
        "protectionLabel": "Patentanmeldung",
        "date": "2026-03-26",
        "applicant": "TÜRKİYE GARANTİ BANKASI ANONİM ŞİRKETİ",
        "inventor": "Davut Emre Taşar",
        "inventorshipSource": "TÜRKPATENT",
        "topics": [
          "invention"
        ],
        "sourceUrl": "https://www.turkpatent.gov.tr/arastirma-yap?form=patent",
        "detailSourceUrl": "https://www.turkpatent.gov.tr/arastirma-yap?form=patent",
        "sourceLocator": "2026/004444",
        "publicationDate": "2026-05-21",
        "publicationDateSource": "https://www.turkpatent.gov.tr/arastirma-yap?form=patent",
        "path": "/de/patents/2026-004444/",
        "url": "https://tasaract.com/de/patents/2026-004444/",
        "pathTr": "/tr/patents/2026-004444/",
        "urlTr": "https://tasaract.com/tr/patents/2026-004444/"
      },
      {
        "lang": "de",
        "reading": {
          "paragraphs": [
            "Kundengruppen können sich verändern, Finanzdaten können verrauscht sein. In der vorgeschlagenen Kombination bildet Quantenverschränkung Beziehungen in den Daten ab. Ein variationelles Quantenverfahren bildet Cluster, während konforme Vorhersage ein statistisches Maß für die Unsicherheit dieser Gruppierung liefert."
          ],
          "sources": [
            {
              "title": "TÜRKPATENT · 2026/004441",
              "url": "https://www.turkpatent.gov.tr/arastirma-yap?form=patent"
            }
          ]
        },
        "number": "2026/004441",
        "title": "Kundensegmentierung mit Quantenverschränkung und konformer Vorhersage",
        "titleTr": "KUANTUM DOLANIKLIK VE KONFORMAL TAHMİN İLE GÜRÜLTÜYE DAYANIKLI BİR DİNAMİK FİNANSAL MÜŞTERİ SEGMENTASYON SİSTEMİ",
        "description": "Das Verfahren soll Kunden auch bei verrauschten Finanzdaten gruppieren. Es verbindet Verschränkung zur Darstellung von Mustern, variationelles Quantenclustering zur Gruppenbildung und konforme Vorhersage zur statistischen Absicherung.",
        "protectionType": "patent",
        "protectionLabel": "Patentanmeldung",
        "date": "2026-03-26",
        "applicant": "TÜRKİYE GARANTİ BANKASI ANONİM ŞİRKETİ",
        "inventor": "Davut Emre Taşar",
        "inventorshipSource": "TÜRKPATENT",
        "topics": [
          "invention",
          "quantum",
          "uncertainty"
        ],
        "sourceUrl": "https://www.turkpatent.gov.tr/arastirma-yap?form=patent",
        "detailSourceUrl": "https://www.turkpatent.gov.tr/arastirma-yap?form=patent",
        "sourceLocator": "2026/004441",
        "publicationDate": "2026-04-21",
        "publicationDateSource": "https://www.turkpatent.gov.tr/arastirma-yap?form=patent",
        "path": "/de/patents/2026-004441/",
        "url": "https://tasaract.com/de/patents/2026-004441/",
        "pathTr": "/tr/patents/2026-004441/",
        "urlTr": "https://tasaract.com/tr/patents/2026-004441/"
      },
      {
        "lang": "de",
        "reading": {
          "paragraphs": [
            "Eine Vorhersage beschreibt einen möglichen Ausgang. Diese Anmeldung schlägt vor, zusätzlich numerisch anzugeben, wie viel Vertrauen eine KI-Prognose verdient. Die Zusammenfassung nennt drei Beispiele: einen Kreditausfall, Gewinn oder Verlust bei einer Transaktion und die Verzögerung eines betrieblichen Ablaufs."
          ],
          "sources": [
            {
              "title": "TÜRKPATENT · 2026/002909",
              "url": "https://www.turkpatent.gov.tr/arastirma-yap?form=patent"
            }
          ]
        },
        "number": "2026/002909",
        "title": "Ein Vorhersagesystem",
        "titleTr": "BİR TAHMİN SİSTEMİ",
        "description": "Die Anmeldung will die Verlässlichkeit einer KI-Prognose numerisch ausdrücken. Genannt werden Kreditausfall, Gewinn oder Verlust einer Transaktion und verspäteter Abschluss eines Vorgangs.",
        "protectionType": "patent",
        "protectionLabel": "Patentanmeldung",
        "date": "2026-02-26",
        "applicant": "TÜRKİYE GARANTİ BANKASI ANONİM ŞİRKETİ",
        "inventor": "Davut Emre Taşar",
        "inventorshipSource": "TÜRKPATENT",
        "topics": [
          "invention"
        ],
        "sourceUrl": "https://www.turkpatent.gov.tr/arastirma-yap?form=patent",
        "detailSourceUrl": "https://www.turkpatent.gov.tr/arastirma-yap?form=patent",
        "sourceLocator": "2026/002909",
        "publicationDate": "2026-03-23",
        "publicationDateSource": "https://www.turkpatent.gov.tr/arastirma-yap?form=patent",
        "path": "/de/patents/2026-002909/",
        "url": "https://tasaract.com/de/patents/2026-002909/",
        "pathTr": "/tr/patents/2026-002909/",
        "urlTr": "https://tasaract.com/tr/patents/2026-002909/"
      },
      {
        "lang": "de",
        "reading": {
          "paragraphs": [
            "Wie lange dauerte ein Filialbesuch und wie lange muss jemand in der Schlange voraussichtlich noch warten? Der Vorschlag nutzt maschinelles Sehen, um Kunden zu erkennen, Besuche und Abgänge zu verfolgen sowie Wartezeiten zu schätzen. Diese Schätzungen können in die Steuerung der Warteschlange einfließen."
          ],
          "sources": [
            {
              "title": "TÜRKPATENT · 2026/001992",
              "url": "https://www.turkpatent.gov.tr/arastirma-yap?form=patent"
            }
          ]
        },
        "number": "2026/001992",
        "title": "Kundenerkennung und Wartezeiten in Filialen mittels Bildverarbeitung",
        "titleTr": "BİLGİSAYAR GÖRSELİ VE YAPAY ZEKÂ KULLANILARAK BANKALARDA MÜŞTERİ TANIMLAMA, ZAMAN ÖLÇÜMÜ VE DENEYİM OPTİMİZASYONU SAĞLAYAN BİR SİSTEM",
        "description": "Das System soll Kunden in einer Bankfiliale erkennen, die Aufenthaltsdauer messen und Wartezeiten schätzen. Es beschreibt auch die Erfassung von Abgängen und die Anpassung der Warteschlange.",
        "protectionType": "patent",
        "protectionLabel": "Patentanmeldung",
        "date": "2026-02-10",
        "applicant": "TÜRKİYE GARANTİ BANKASI ANONİM ŞİRKETİ",
        "inventor": "Davut Emre Taşar",
        "inventorshipSource": "TÜRKPATENT",
        "topics": [
          "invention"
        ],
        "sourceUrl": "https://www.turkpatent.gov.tr/arastirma-yap?form=patent",
        "detailSourceUrl": "https://www.turkpatent.gov.tr/arastirma-yap?form=patent",
        "sourceLocator": "2026/001992",
        "publicationDate": "2026-03-23",
        "publicationDateSource": "https://www.turkpatent.gov.tr/arastirma-yap?form=patent",
        "path": "/de/patents/2026-001992/",
        "url": "https://tasaract.com/de/patents/2026-001992/",
        "pathTr": "/tr/patents/2026-001992/",
        "urlTr": "https://tasaract.com/tr/patents/2026-001992/"
      },
      {
        "lang": "de",
        "reading": {
          "paragraphs": [
            "Das vorgeschlagene Bankspiel greift die finanziellen Aktivitäten der jeweiligen Person auf. Ein Sprachmodell hilft, daraus individuelle Spielszenarien und Lernmaterial zu Finanzthemen zu entwickeln. Die Person kann in der Banking-App spielen und Rückmeldungen zu den angebotenen Spielen und Inhalten geben."
          ],
          "sources": [
            {
              "title": "TR2025019989A2",
              "url": "https://patents.google.com/patent/TR2025019989A2/en"
            },
            {
              "title": "TÜRKPATENT · 2025/019989",
              "url": "https://www.turkpatent.gov.tr/arastirma-yap?form=patent"
            }
          ]
        },
        "number": "2025/019989",
        "title": "Ein System für spielerische Kundeninteraktion",
        "titleTr": "BİR OYUNLAŞTIRMA SİSTEMİ",
        "description": "Das System analysiert Bankaktivitäten und schlägt individuell zugeschnittene Finanzinhalte und Spielszenarien vor. Die Banking-App kann Rückmeldungen zu den Szenarien erfassen.",
        "protectionType": "patent",
        "protectionLabel": "Patentanmeldung",
        "date": "2025-12-12",
        "applicant": "TÜRKİYE GARANTİ BANKASI ANONİM ŞİRKETİ",
        "inventor": "Davut Emre Taşar",
        "inventorshipSource": "TÜRKPATENT",
        "topics": [
          "invention"
        ],
        "sourceUrl": "https://www.turkpatent.gov.tr/arastirma-yap?form=patent",
        "detailSourceUrl": "https://patents.google.com/patent/TR2025019989A2/en",
        "publication": "TR2025019989A2",
        "publicationUrl": "https://patents.google.com/patent/TR2025019989A2/en",
        "publicationDate": "2026-01-21",
        "publicationDateSource": "https://www.turkpatent.gov.tr/arastirma-yap?form=patent",
        "path": "/de/patents/2025-019989/",
        "url": "https://tasaract.com/de/patents/2025-019989/",
        "pathTr": "/tr/patents/2025-019989/",
        "urlTr": "https://tasaract.com/tr/patents/2025-019989/"
      },
      {
        "lang": "de",
        "reading": {
          "paragraphs": [
            "Die Aufnahme einer persönlichen Erinnerung enthält Bild und Ton. Laut Anmeldung soll eine auf dem eigenen Gerät entstandene Aufnahme zur Grundlage einer individuell aufbereiteten Fassung werden. Föderiertes Lernen wird als Ansatz genannt, der diese Personalisierung unterstützt."
          ],
          "sources": [
            {
              "title": "TR2025011133A2",
              "url": "https://patents.google.com/patent/TR2025011133A2/en"
            },
            {
              "title": "TÜRKPATENT · 2025/011133",
              "url": "https://www.turkpatent.gov.tr/arastirma-yap?form=patent"
            }
          ]
        },
        "number": "2025/011133",
        "title": "Aufwertung aufgezeichneter Inhalte mit föderiertem Lernen",
        "titleTr": "YAKALANAN GÖRÜNTÜ İÇERİĞİNİN FEDERE ÖĞRENME DESTEĞİ İLE BİLİŞSEL OLARAK ZENGİNLEŞTİRİLMESİNİ SAĞLAYAN BİR SİSTEM",
        "description": "Die Anmeldung beschreibt, wie sich audiovisuelle Erinnerungen, die ein Gerät aufgezeichnet hat, personalisieren lassen. Föderiertes Lernen ist Teil des vorgesehenen Verfahrens.",
        "protectionType": "patent",
        "protectionLabel": "Patentanmeldung",
        "date": "2025-08-08",
        "applicant": "TÜRKİYE GARANTİ BANKASI ANONİM ŞİRKETİ",
        "inventor": "Davut Emre Taşar",
        "inventorshipSource": "TÜRKPATENT",
        "topics": [
          "invention"
        ],
        "sourceUrl": "https://www.turkpatent.gov.tr/arastirma-yap?form=patent",
        "detailSourceUrl": "https://patents.google.com/patent/TR2025011133A2/en",
        "publication": "TR2025011133A2",
        "publicationUrl": "https://patents.google.com/patent/TR2025011133A2/en",
        "publicationDate": "2025-09-22",
        "publicationDateSource": "https://www.turkpatent.gov.tr/arastirma-yap?form=patent",
        "path": "/de/patents/2025-011133/",
        "url": "https://tasaract.com/de/patents/2025-011133/",
        "pathTr": "/tr/patents/2025-011133/",
        "urlTr": "https://tasaract.com/tr/patents/2025-011133/"
      },
      {
        "lang": "de",
        "reading": {
          "paragraphs": [
            "Was hätte in einer Szene noch geschehen können? Das System gewinnt Merkmale aus Ton, Video oder Einzelbildern und baut daraus einen verzweigten Graphen von Möglichkeiten. Die Zweige können alternative Vergangenheiten, mögliche Zukünfte oder parallele Fassungen darstellen. Weitere Varianten lassen sich ergänzen."
          ],
          "sources": [
            {
              "title": "TR2025008786A2",
              "url": "https://patents.google.com/patent/TR2025008786A2/en"
            },
            {
              "title": "TÜRKPATENT · 2025/008786",
              "url": "https://www.turkpatent.gov.tr/arastirma-yap?form=patent"
            }
          ]
        },
        "number": "2025/008786",
        "title": "Varianten multimodaler Inhalte mit dynamischen Graphen",
        "titleTr": "ÇOKLU-MODAL İÇERİKLER İÇİN OLASILIKSAL VE DİNAMİK OLARAK GENİŞLETİLEBİLİR BİR GRAFİK TABANLI VARYANT ÜRETİM SİSTEMİ",
        "description": "Das System gewinnt Merkmale aus Audio, Video oder Bildern und erstellt einen erweiterbaren Graphen möglicher Varianten. Seine Zweige können alternative Vergangenheiten, Zukünfte oder parallele Fassungen darstellen.",
        "protectionType": "patent",
        "protectionLabel": "Patentanmeldung",
        "date": "2025-06-30",
        "applicant": "TÜRKİYE GARANTİ BANKASI ANONİM ŞİRKETİ",
        "inventor": "Davut Emre Taşar",
        "inventorshipSource": "TÜRKPATENT",
        "topics": [
          "invention"
        ],
        "sourceUrl": "https://www.turkpatent.gov.tr/arastirma-yap?form=patent",
        "detailSourceUrl": "https://patents.google.com/patent/TR2025008786A2/en",
        "publication": "TR2025008786A2",
        "publicationUrl": "https://patents.google.com/patent/TR2025008786A2/en",
        "publicationDate": "2025-08-21",
        "publicationDateSource": "https://www.turkpatent.gov.tr/arastirma-yap?form=patent",
        "path": "/de/patents/2025-008786/",
        "url": "https://tasaract.com/de/patents/2025-008786/",
        "pathTr": "/tr/patents/2025-008786/",
        "urlTr": "https://tasaract.com/tr/patents/2025-008786/"
      },
      {
        "lang": "de",
        "reading": {
          "paragraphs": [
            "Eine einzige private Kabine könnte mehreren Anbietern als Anlaufstelle dienen. Für sensible Vorgänge und vertrauliche Gespräche steht darin ein eigener physischer Raum zur Verfügung. Durch den modularen Aufbau sollen sich unterschiedliche Dienste in derselben Kabine anbieten lassen."
          ],
          "sources": [
            {
              "title": "TR2025008273A2",
              "url": "https://patents.google.com/patent/TR2025008273A2/en"
            },
            {
              "title": "TÜRKPATENT · 2025/008273",
              "url": "https://www.turkpatent.gov.tr/arastirma-yap?form=patent"
            }
          ]
        },
        "number": "2025/008273",
        "title": "Persönliche Kabine für vertrauliche Vorgänge",
        "titleTr": "BİR KİŞİSEL İŞLEM KABİNİ SİSTEMİ",
        "description": "Eine modulare Kabine soll für sensible Angelegenheiten mit verschiedenen Dienstleistern einen geschützten Raum bieten.",
        "protectionType": "patent",
        "protectionLabel": "Patentanmeldung",
        "date": "2025-06-20",
        "applicant": "TÜRKİYE GARANTİ BANKASI ANONİM ŞİRKETİ",
        "inventor": "Davut Emre Taşar",
        "inventorshipSource": "TÜRKPATENT",
        "topics": [
          "invention"
        ],
        "sourceUrl": "https://www.turkpatent.gov.tr/arastirma-yap?form=patent",
        "detailSourceUrl": "https://patents.google.com/patent/TR2025008273A2/en",
        "publication": "TR2025008273A2",
        "publicationUrl": "https://patents.google.com/patent/TR2025008273A2/en",
        "publicationDate": "2025-09-22",
        "publicationDateSource": "https://www.turkpatent.gov.tr/arastirma-yap?form=patent",
        "path": "/de/patents/2025-008273/",
        "url": "https://tasaract.com/de/patents/2025-008273/",
        "pathTr": "/tr/patents/2025-008273/",
        "urlTr": "https://tasaract.com/tr/patents/2025-008273/"
      },
      {
        "lang": "de",
        "reading": {
          "paragraphs": [
            "Der Vorschlag betrachtet einen Verkehrsunfall vom Aufprall bis zu seinen praktischen Folgen. Sensoren und KI beurteilen das Geschehen unmittelbar, sodass die zuständigen Dienste verständigt werden können. Das System berücksichtigt auch den anschließenden Bedarf der Betroffenen, etwa an einer Fahrtmöglichkeit oder Unterkunft."
          ],
          "sources": [
            {
              "title": "TÜRKPATENT · 2025/008055",
              "url": "https://www.turkpatent.gov.tr/arastirma-yap?form=patent"
            }
          ]
        },
        "number": "2025/008055",
        "title": "Sicherheit im Straßenverkehr",
        "titleTr": "BİR SÜRÜŞ GÜVENLİK SİSTEMİ",
        "description": "Sensoren und KI sollen einen Fahrzeugzusammenstoß im Moment seines Auftretens erkennen und bewerten. Das System kann zuständige Stellen benachrichtigen und Betroffenen Transport oder Unterkunft vorschlagen.",
        "protectionType": "patent",
        "protectionLabel": "Patentanmeldung",
        "date": "2025-06-18",
        "applicant": "TÜRKİYE GARANTİ BANKASI ANONİM ŞİRKETİ",
        "inventor": "Davut Emre Taşar",
        "inventorshipSource": "TÜRKPATENT",
        "topics": [
          "invention"
        ],
        "sourceUrl": "https://www.turkpatent.gov.tr/arastirma-yap?form=patent",
        "detailSourceUrl": "https://www.turkpatent.gov.tr/arastirma-yap?form=patent",
        "sourceLocator": "2025/008055",
        "publicationDate": "2025-08-21",
        "publicationDateSource": "https://www.turkpatent.gov.tr/arastirma-yap?form=patent",
        "path": "/de/patents/2025-008055/",
        "url": "https://tasaract.com/de/patents/2025-008055/",
        "pathTr": "/tr/patents/2025-008055/",
        "urlTr": "https://tasaract.com/tr/patents/2025-008055/"
      },
      {
        "lang": "de",
        "reading": {
          "paragraphs": [
            "Menschen und KI-Agenten wirken an derselben Entscheidung mit. Das vorgeschlagene System beurteilt die Verlässlichkeit ihrer Beiträge auf mehreren Ebenen, bevor es diese zusammenführt. Das Verfahren soll sich im Laufe weiterer gemeinsamer Entscheidungen anpassen können."
          ],
          "sources": [
            {
              "title": "TÜRKPATENT · 2025/008032",
              "url": "https://www.turkpatent.gov.tr/arastirma-yap?form=patent"
            }
          ]
        },
        "number": "2025/008032",
        "title": "Gemeinsame Entscheidungen durch menschliche und künstliche Schwarmintelligenz",
        "titleTr": "İNSAN-YAPAY ZEKA HİBRİT SÜRÜ ZEKASI İLE KOLEKTİF KARAR ALMA SİSTEMİ",
        "description": "Menschen und KI-Systeme sollen gemeinsam zu einer Entscheidung beitragen. Die Anmeldung sieht mehrere Stufen zur Bewertung der Zuverlässigkeit vor und beschreibt ein lernfähiges Gesamtsystem.",
        "protectionType": "patent",
        "protectionLabel": "Patentanmeldung",
        "date": "2025-06-17",
        "applicant": "TÜRKİYE GARANTİ BANKASI ANONİM ŞİRKETİ",
        "inventor": "Davut Emre Taşar",
        "inventorshipSource": "TÜRKPATENT",
        "topics": [
          "invention"
        ],
        "sourceUrl": "https://www.turkpatent.gov.tr/arastirma-yap?form=patent",
        "detailSourceUrl": "https://www.turkpatent.gov.tr/arastirma-yap?form=patent",
        "sourceLocator": "2025/008032",
        "publicationDate": "2025-07-21",
        "publicationDateSource": "https://www.turkpatent.gov.tr/arastirma-yap?form=patent",
        "path": "/de/patents/2025-008032/",
        "url": "https://tasaract.com/de/patents/2025-008032/",
        "pathTr": "/tr/patents/2025-008032/",
        "urlTr": "https://tasaract.com/tr/patents/2025-008032/"
      },
      {
        "lang": "de",
        "reading": {
          "paragraphs": [
            "Für eine einzige Tätigkeit nutzt eine Person mitunter mehrere Geräte und Anwendungen. Der Vorschlag setzt KI ein, um deren Zusammenspiel zu koordinieren. Wie die Person mit den Geräten und Anwendungen über längere Zeit umgeht, bestimmt mit, wie sich das Nutzungserlebnis an sie anpasst."
          ],
          "sources": [
            {
              "title": "TÜRKPATENT · 2025/008028",
              "url": "https://www.turkpatent.gov.tr/arastirma-yap?form=patent"
            }
          ]
        },
        "number": "2025/008028",
        "title": "Koordination in einem Ökosystem aus mehreren Geräten",
        "titleTr": "ÇOKLU CİHAZ EKOSİSTEMİNDE KOORDİNASYON SİSTEMİ",
        "description": "Die Anmeldung nutzt KI zur Abstimmung zwischen Geräten und Anwendungen. Das Nutzungserlebnis soll sich mit den Interaktionen der jeweiligen Person weiterentwickeln.",
        "protectionType": "patent",
        "protectionLabel": "Patentanmeldung",
        "date": "2025-06-17",
        "applicant": "TÜRKİYE GARANTİ BANKASI ANONİM ŞİRKETİ",
        "inventor": "Davut Emre Taşar",
        "inventorshipSource": "TÜRKPATENT",
        "topics": [
          "invention"
        ],
        "sourceUrl": "https://www.turkpatent.gov.tr/arastirma-yap?form=patent",
        "detailSourceUrl": "https://www.turkpatent.gov.tr/arastirma-yap?form=patent",
        "sourceLocator": "2025/008028",
        "publicationDate": "2025-07-21",
        "publicationDateSource": "https://www.turkpatent.gov.tr/arastirma-yap?form=patent",
        "path": "/de/patents/2025-008028/",
        "url": "https://tasaract.com/de/patents/2025-008028/",
        "pathTr": "/tr/patents/2025-008028/",
        "urlTr": "https://tasaract.com/tr/patents/2025-008028/"
      },
      {
        "lang": "de",
        "reading": {
          "paragraphs": [
            "Eine Immobilienbewertung stützt sich auf mehrere Quellen. Die vorgeschlagene Lösung ordnet die Informationen in einer fortlaufend angepassten Ontologie und untersucht ihre Beziehungen mittels Netzwerkanalyse. Erklärbare generative KI soll die Bewertung und ihre Begründung mit der strategischen Planung verbinden."
          ],
          "sources": [
            {
              "title": "TÜRKPATENT · 2025/007997",
              "url": "https://www.turkpatent.gov.tr/arastirma-yap?form=patent"
            }
          ]
        },
        "number": "2025/007997",
        "title": "Immobilienbewertung, Analyse und strategische Planung",
        "titleTr": "BÜTÜNCÜL GAYRİMENKUL DEĞERLEME ANALİZ VE STRATEJİK PLANLAMA SİSTEMİ",
        "description": "Die Anmeldung verbindet Daten verschiedener Quellen zur Immobilienbewertung. Eine veränderliche Ontologie, Netzwerkanalyse und erklärbare generative KI sollen die Bewertung mit der strategischen Planung verknüpfen.",
        "protectionType": "patent",
        "protectionLabel": "Patentanmeldung",
        "date": "2025-06-17",
        "applicant": "TÜRKİYE GARANTİ BANKASI ANONİM ŞİRKETİ",
        "inventor": "Davut Emre Taşar",
        "inventorshipSource": "TÜRKPATENT",
        "topics": [
          "invention"
        ],
        "sourceUrl": "https://www.turkpatent.gov.tr/arastirma-yap?form=patent",
        "detailSourceUrl": "https://www.turkpatent.gov.tr/arastirma-yap?form=patent",
        "sourceLocator": "2025/007997",
        "publicationDate": "2025-07-21",
        "publicationDateSource": "https://www.turkpatent.gov.tr/arastirma-yap?form=patent",
        "path": "/de/patents/2025-007997/",
        "url": "https://tasaract.com/de/patents/2025-007997/",
        "pathTr": "/tr/patents/2025-007997/",
        "urlTr": "https://tasaract.com/tr/patents/2025-007997/"
      },
      {
        "lang": "de",
        "reading": {
          "paragraphs": [
            "Was wird aus der persönlichen Anpassung, wenn ein Assistent die Plattform wechselt? Die Anmeldung kombiniert eine Agentenarchitektur mit einem passenden Datenformat. So soll der Assistent zwischen Plattformen wechseln, seine Personalisierung beibehalten und sich im neuen Umfeld weiter anpassen können."
          ],
          "sources": [
            {
              "title": "TÜRKPATENT · 2025/007995",
              "url": "https://www.turkpatent.gov.tr/arastirma-yap?form=patent"
            }
          ]
        },
        "number": "2025/007995",
        "title": "Entwicklungsumgebung mit Agentenarchitektur und Datenformat",
        "titleTr": "AJAN MİMARİSİ VE İLİŞKİLİ VERİ FORMATI İLE GELİŞTİRME ORTAMI SİSTEMİ",
        "description": "Die Anmeldung beschreibt eine Architektur und ein Datenformat für KI-Assistenten. Ihre Agenten sollen zwischen Plattformen wechseln und sich weiterentwickeln können, während die Personalisierung erhalten bleibt.",
        "protectionType": "patent",
        "protectionLabel": "Patentanmeldung",
        "date": "2025-06-17",
        "applicant": "TÜRKİYE GARANTİ BANKASI ANONİM ŞİRKETİ",
        "inventor": "Davut Emre Taşar",
        "inventorshipSource": "TÜRKPATENT",
        "topics": [
          "invention",
          "agents"
        ],
        "sourceUrl": "https://www.turkpatent.gov.tr/arastirma-yap?form=patent",
        "detailSourceUrl": "https://www.turkpatent.gov.tr/arastirma-yap?form=patent",
        "sourceLocator": "2025/007995",
        "publicationDate": "2025-08-21",
        "publicationDateSource": "https://www.turkpatent.gov.tr/arastirma-yap?form=patent",
        "path": "/de/patents/2025-007995/",
        "url": "https://tasaract.com/de/patents/2025-007995/",
        "pathTr": "/tr/patents/2025-007995/",
        "urlTr": "https://tasaract.com/tr/patents/2025-007995/"
      },
      {
        "lang": "de",
        "reading": {
          "paragraphs": [
            "Wer über einen Aktienkauf nachdenkt, könnte aus der Banking-App eine virtuelle Filiale betreten und sich dort mit anderen Kunden oder einem KI-Modell austauschen. Der Entwurf verbindet solche Gespräche über Mobilgeräte, erweiterte Realität und virtuelle Umgebungen hinweg. Er beschreibt auch, wie sich Sprache, Bilder und Texte daraufhin prüfen lassen, ob die im jeweiligen Land geltenden Finanzvorschriften eingehalten werden."
          ],
          "sources": [
            {
              "title": "WO 2025/207066 A1",
              "url": "https://patents.google.com/patent/WO2025207066A1/en"
            },
            {
              "title": "TR 2024/003815 A2",
              "url": "https://patents.google.com/patent/TR2024003815A2/en"
            }
          ]
        },
        "number": "2024/003815",
        "title": "Bessere Kundenkommunikation im Finanzsektor",
        "titleTr": "FİNANS SEKTÖRÜNDE MÜŞTERİ İLETİŞİMİNİN İYİLEŞTİRİLMESİNİ SAĞLAYAN BİR SİSTEM",
        "description": "Die Anmeldung verbindet mobiles Banking, erweiterte Realität und virtuelle Filialen. Kunden sollen untereinander über Anlagen und andere Finanzthemen sprechen und mit KI-Modellen interagieren können.",
        "protectionType": "patent",
        "protectionLabel": "Patentanmeldung",
        "date": "2024-03-27",
        "applicant": "TÜRKİYE GARANTİ BANKASI ANONİM ŞİRKETİ",
        "inventor": "Davut Emre Taşar",
        "inventorshipSource": "TÜRKPATENT",
        "topics": [
          "invention"
        ],
        "sourceUrl": "https://www.turkpatent.gov.tr/arastirma-yap?form=patent",
        "detailSourceUrl": "https://patents.google.com/patent/TR2024003815A2/en",
        "publication": "TR2024003815A2",
        "publicationUrl": "https://patents.google.com/patent/TR2024003815A2/en",
        "publicationDate": "2024-04-22",
        "publicationDateSource": "https://www.turkpatent.gov.tr/arastirma-yap?form=patent",
        "relatedInternationalPublication": "https://patents.google.com/patent/WO2025207066A1/en",
        "path": "/de/patents/2024-003815/",
        "url": "https://tasaract.com/de/patents/2024-003815/",
        "pathTr": "/tr/patents/2024-003815/",
        "urlTr": "https://tasaract.com/tr/patents/2024-003815/"
      },
      {
        "lang": "de",
        "reading": {
          "paragraphs": [
            "Fachleute oder Personen des öffentlichen Lebens können nach diesem Vorschlag eigene Anlagekanäle einrichten. Jeder Kanal kann über einen KI-Avatar, der einem bestimmten Profil zugeordnet ist, finanzielle Orientierung geben. Die Kanalwahl bestimmt damit auch, welches Profil die Hinweise für die Nutzer prägt."
          ],
          "sources": [
            {
              "title": "TÜRKPATENT · 2024/003813",
              "url": "https://www.turkpatent.gov.tr/arastirma-yap?form=patent"
            }
          ]
        },
        "number": "2024/003813",
        "title": "Aufbau von Anlagekanälen",
        "titleTr": "YATIRIM KANALLARININ OLUŞTURULMASINI SAĞLAYAN BİR SİSTEM",
        "description": "Die Anmeldung beschreibt Anlagekanäle, die von Fachleuten oder bekannten Persönlichkeiten gestaltet werden. KI-Avatare auf Basis bestimmter Profile sollen den Nutzern finanzielle Orientierung bieten.",
        "protectionType": "patent",
        "protectionLabel": "Patentanmeldung",
        "date": "2024-03-27",
        "applicant": "TÜRKİYE GARANTİ BANKASI ANONİM ŞİRKETİ",
        "inventor": "Davut Emre Taşar",
        "inventorshipSource": "TÜRKPATENT",
        "topics": [
          "invention"
        ],
        "sourceUrl": "https://www.turkpatent.gov.tr/arastirma-yap?form=patent",
        "detailSourceUrl": "https://www.turkpatent.gov.tr/arastirma-yap?form=patent",
        "sourceLocator": "2024/003813",
        "publicationDate": "2024-04-22",
        "publicationDateSource": "https://www.turkpatent.gov.tr/arastirma-yap?form=patent",
        "path": "/de/patents/2024-003813/",
        "url": "https://tasaract.com/de/patents/2024-003813/",
        "pathTr": "/tr/patents/2024-003813/",
        "urlTr": "https://tasaract.com/tr/patents/2024-003813/"
      },
      {
        "lang": "de",
        "reading": {
          "paragraphs": [
            "Wer bei einem Bankgeschäft Hilfe braucht, kann deren Umfang vorab festlegen. Die vorgeschlagene App nutzt die Beziehungen zwischen Kunden, um bekannte Personen vorzuschlagen. Die Beteiligten geben an, bei welchen Geschäften sie einander unterstützen möchten. Für einen konkreten Vorgang erhält die andere Person eine Benachrichtigung. Ausgeführt wird er, sobald beide zugestimmt haben."
          ],
          "sources": [
            {
              "title": "WO 2025/207061 A1",
              "url": "https://patents.google.com/patent/WO2025207061A1/en"
            },
            {
              "title": "TR 2024/003592 A2",
              "url": "https://patents.google.com/patent/TR2024003592A2/en"
            }
          ]
        },
        "number": "2024/003592",
        "title": "Gegenseitige Hilfe bei Bankvorgängen mit beiderseitiger Zustimmung",
        "titleTr": "KİŞİLERİN KARŞILIKLI ONAY MEKANİZMASI İLE BELİRLİ BANKACILIK İŞLEMLERİNDE BİRBİRLERİNE YARDIM ETMELERİNİ SAĞLAYAN BİR SİSTEM",
        "description": "Ein Kunde soll einen Bankvorgang gemeinsam mit einer Vertrauensperson erledigen können. Die Teilnahme beider Beteiligten setzt ihre gegenseitige Zustimmung voraus.",
        "protectionType": "patent",
        "protectionLabel": "Patentanmeldung",
        "date": "2024-03-25",
        "applicant": "TÜRKİYE GARANTİ BANKASI ANONİM ŞİRKETİ",
        "inventor": "Davut Emre Taşar",
        "inventorshipSource": "TÜRKPATENT",
        "topics": [
          "invention"
        ],
        "sourceUrl": "https://www.turkpatent.gov.tr/arastirma-yap?form=patent",
        "detailSourceUrl": "https://patents.google.com/patent/TR2024003592A2/en",
        "publication": "TR2024003592A2",
        "publicationUrl": "https://patents.google.com/patent/TR2024003592A2/en",
        "publicationDate": "2024-05-21",
        "publicationDateSource": "https://www.turkpatent.gov.tr/arastirma-yap?form=patent",
        "relatedInternationalPublication": "https://patents.google.com/patent/WO2025207061A1/en",
        "path": "/de/patents/2024-003592/",
        "url": "https://tasaract.com/de/patents/2024-003592/",
        "pathTr": "/tr/patents/2024-003592/",
        "urlTr": "https://tasaract.com/tr/patents/2024-003592/"
      },
      {
        "lang": "de",
        "reading": {
          "paragraphs": [
            "In einem eingestürzten Gebäude oder Bergwerk kann ein schmaler Spalt der einzige Zugang zu Verschütteten sein. Die Anmeldung beschreibt einen kleinen Gelenkroboter, der sich mit Kamera und Sensoren auf engem Raum orientiert. Findet er eine Person, stellt ein Kabel die Verbindung her und führt Versorgungsleitungen mit. Anhand der Messwerte können Einsatzkräfte entscheiden, wo sie graben und welche Hilfe zuerst nötig ist."
          ],
          "sources": [
            {
              "title": "WO 2025/071525 A1",
              "url": "https://patents.google.com/patent/WO2025071525A1/en"
            },
            {
              "title": "TR 2023/011901 A2",
              "url": "https://patents.google.com/patent/TR2023011901A2/en"
            }
          ]
        },
        "number": "2023/011901",
        "title": "Suche und Rettung mit einem Mikroroboter",
        "titleTr": "BİR MİKRO ROBOT ARACILIĞIYLA ARAMA VE KURTARMA OPERASYONU SAĞLAYAN BİR SİSTEM",
        "description": "Mikroroboter sollen Hohlräume in eingestürzten Gebäuden oder Bergwerken erkunden und Verschüttete orten. Die Anmeldung beschreibt auch eine Versorgungsleitung nach außen.",
        "protectionType": "patent",
        "protectionLabel": "Patentanmeldung",
        "date": "2023-09-25",
        "applicant": "TÜRKİYE GARANTİ BANKASI ANONİM ŞİRKETİ",
        "inventor": "Davut Emre Taşar",
        "inventorshipSource": "TÜRKPATENT",
        "topics": [
          "invention"
        ],
        "sourceUrl": "https://www.turkpatent.gov.tr/arastirma-yap?form=patent",
        "detailSourceUrl": "https://patents.google.com/patent/TR2023011901A2/en",
        "publication": "TR2023011901A2",
        "publicationUrl": "https://patents.google.com/patent/TR2023011901A2/en",
        "publicationDate": "2023-12-21",
        "publicationDateSource": "https://www.turkpatent.gov.tr/arastirma-yap?form=patent",
        "relatedWorkId": "micro-robot-rescue",
        "relatedInternationalPublication": "https://patents.google.com/patent/WO2025071525A1/en",
        "grantDecisionNoticeDate": "2026-02-23",
        "grantSourceUrl": "https://www.turkpatent.gov.tr/arastirma-yap?form=patent",
        "path": "/de/patents/2023-011901/",
        "url": "https://tasaract.com/de/patents/2023-011901/",
        "pathTr": "/tr/patents/2023-011901/",
        "urlTr": "https://tasaract.com/tr/patents/2023-011901/"
      },
      {
        "lang": "de",
        "reading": {
          "paragraphs": [
            "Auf eine mündliche oder schriftliche Frage hin durchsucht der vorgeschlagene Assistent externe Quellen, bewertet die Relevanz der Treffer und antwortet im Chat. Er kann auch einen Auftrag ausführen. Die Anmeldung beschreibt, wie Suchen und Auswertungen für die spätere Verwendung gespeichert werden und wie sich etwa Nachrichtenquellen und Finanzdaten in regelmäßigen Abständen prüfen lassen."
          ],
          "sources": [
            {
              "title": "WO 2025/071524 A1",
              "url": "https://patents.google.com/patent/WO2025071524A1/en"
            },
            {
              "title": "TR 2023/011870 A2",
              "url": "https://patents.google.com/patent/TR2023011870A2/en"
            }
          ]
        },
        "number": "2023/011870",
        "title": "Ein Gesprächsassistent",
        "titleTr": "BİR SOHBET ASİSTANI SİSTEMİ",
        "description": "Auf eine Frage hin soll der Assistent online nach Informationen suchen. Erteilt die Person einen Auftrag, kann er im selben Gespräch einen Vorgang ausführen.",
        "protectionType": "patent",
        "protectionLabel": "Patentanmeldung",
        "date": "2023-09-25",
        "applicant": "TÜRKİYE GARANTİ BANKASI ANONİM ŞİRKETİ",
        "inventor": "Davut Emre Taşar",
        "inventorshipSource": "TÜRKPATENT",
        "topics": [
          "invention",
          "language"
        ],
        "sourceUrl": "https://www.turkpatent.gov.tr/arastirma-yap?form=patent",
        "detailSourceUrl": "https://patents.google.com/patent/TR2023011870A2/en",
        "publication": "TR2023011870A2",
        "publicationUrl": "https://patents.google.com/patent/TR2023011870A2/en",
        "publicationDate": "2023-12-21",
        "publicationDateSource": "https://www.turkpatent.gov.tr/arastirma-yap?form=patent",
        "relatedWorkId": "chat-assistant",
        "relatedInternationalPublication": "https://patents.google.com/patent/WO2025071524A1/en",
        "path": "/de/patents/2023-011870/",
        "url": "https://tasaract.com/de/patents/2023-011870/",
        "pathTr": "/tr/patents/2023-011870/",
        "urlTr": "https://tasaract.com/tr/patents/2023-011870/"
      },
      {
        "lang": "de",
        "reading": {
          "paragraphs": [
            "Am späten Nachmittag kann ein Spaziergang gerade richtig sein, auch wenn er eine Stunde zuvor kaum gepasst hätte. Die vorgeschlagene Arbeitsplatz-App verbindet die selbst gemeldete Stimmung mit Messwerten einer Smartwatch und der Tageszeit. Sie schlägt eine Pause, einen Spaziergang oder Musik vor und passt den nächsten Vorschlag anhand der Reaktion und neuer Messwerte an."
          ],
          "sources": [
            {
              "title": "WO 2025/063924 A1",
              "url": "https://patents.google.com/patent/WO2025063924A1/en"
            },
            {
              "title": "TR 2023/011830 A2",
              "url": "https://patents.google.com/patent/TR2023011830A2/en"
            }
          ]
        },
        "number": "2023/011830",
        "title": "Persönliche Empfehlungen für den Arbeitstag",
        "titleTr": "KİŞİSELLEŞTİRİLMİŞ ÖNERİLER SUNULARAK ÇALIŞAN VERİMLİLİĞİNİN ARTIRILMASINI SAĞLAYAN BİR SİSTEM",
        "description": "Der Assistent soll tägliche Angaben zu Gesundheit und Stimmung von Beschäftigten verwenden, um individuelle Vorschläge für den Arbeitstag zu machen.",
        "protectionType": "patent",
        "protectionLabel": "Patentanmeldung",
        "date": "2023-09-22",
        "applicant": "TÜRKİYE GARANTİ BANKASI ANONİM ŞİRKETİ",
        "inventor": "Davut Emre Taşar",
        "inventorshipSource": "TÜRKPATENT",
        "topics": [
          "invention"
        ],
        "sourceUrl": "https://www.turkpatent.gov.tr/arastirma-yap?form=patent",
        "detailSourceUrl": "https://patents.google.com/patent/TR2023011830A2/en",
        "publication": "TR2023011830A2",
        "publicationUrl": "https://patents.google.com/patent/TR2023011830A2/en",
        "publicationDate": "2024-08-21",
        "publicationDateSource": "https://www.turkpatent.gov.tr/arastirma-yap?form=patent",
        "relatedWorkId": "personalized-suggestions",
        "relatedInternationalPublication": "https://patents.google.com/patent/WO2025063924A1/en",
        "path": "/de/patents/2023-011830/",
        "url": "https://tasaract.com/de/patents/2023-011830/",
        "pathTr": "/tr/patents/2023-011830/",
        "urlTr": "https://tasaract.com/tr/patents/2023-011830/"
      },
      {
        "lang": "de",
        "reading": {
          "paragraphs": [
            "Wie lassen sich Texte eingeben oder Dinge auswählen, wenn weder Tastatur noch Maus vor einem liegen? Das beschriebene System erkennt Handbewegungen auf Kamerabildern und übersetzt sie in Tastatur- und Mauseingaben für virtuelle oder erweiterte Realität. Das virtuelle Layout sowie die Einstellungen für die Gestenerkennung lassen sich auf die eigenen Bewegungen abstimmen."
          ],
          "sources": [
            {
              "title": "WO 2025/063923 A1",
              "url": "https://patents.google.com/patent/WO2025063923A1/en"
            },
            {
              "title": "TR 2023/011601 A2",
              "url": "https://patents.google.com/patent/TR2023011601A2/en"
            }
          ]
        },
        "number": "2023/011601",
        "title": "Virtuelle Tastatur und Maus",
        "titleTr": "BİR SANAL KLAVYE VE FARE KULLANIMINI SAĞLAYAN BİR SİSTEM",
        "description": "Das System verfolgt Handbewegungen und deutet sie in virtueller und erweiterter Realität als Tastatur- oder Mauseingaben.",
        "protectionType": "patent",
        "protectionLabel": "Patentanmeldung",
        "date": "2023-09-18",
        "applicant": "TÜRKİYE GARANTİ BANKASI ANONİM ŞİRKETİ",
        "inventor": "Davut Emre Taşar",
        "inventorshipSource": "TÜRKPATENT",
        "topics": [
          "invention"
        ],
        "sourceUrl": "https://www.turkpatent.gov.tr/arastirma-yap?form=patent",
        "detailSourceUrl": "https://patents.google.com/patent/TR2023011601A2/en",
        "publication": "TR2023011601A2",
        "publicationUrl": "https://patents.google.com/patent/TR2023011601A2/en",
        "publicationDate": "2023-12-21",
        "publicationDateSource": "https://www.turkpatent.gov.tr/arastirma-yap?form=patent",
        "relatedWorkId": "virtual-input",
        "relatedInternationalPublication": "https://patents.google.com/patent/WO2025063923A1/en",
        "path": "/de/patents/2023-011601/",
        "url": "https://tasaract.com/de/patents/2023-011601/",
        "pathTr": "/tr/patents/2023-011601/",
        "urlTr": "https://tasaract.com/tr/patents/2023-011601/"
      },
      {
        "lang": "de",
        "reading": {
          "paragraphs": [
            "Eine Abhebung kann im Banksystem abgeschlossen sein, während die Scheine noch im Ausgabefach liegen. Die Gebrauchsmusteranmeldung beschreibt, wie sich anhand von Kameradaten des Geldautomaten erkennen lässt, ob jemand Karte, Bargeld oder Beleg zurückgelassen hat. Das System kann die nächstgelegene Filiale benachrichtigen und die betroffene Person über die Banking-App oder mit einem automatischen Anruf erreichen."
          ],
          "sources": [
            {
              "title": "WO 2025/063922 A1",
              "url": "https://patents.google.com/patent/WO2025063922A1/en"
            },
            {
              "title": "TR 2023/011600 A2",
              "url": "https://patents.google.com/patent/TR2023011600A2/en"
            }
          ]
        },
        "number": "2023/011600",
        "title": "Sicherheit nach einem Vorgang am Geldautomaten",
        "titleTr": "BANKAMATİK İŞLEMLERİNDE GÜVENLİĞİN ARTIRILMASINI SAĞLAYAN BİR SİSTEM",
        "description": "Das System achtet auf zurückgelassene Karten, Banknoten oder Belege. Die Banking-App kann eine Person nach dem Verlassen des Automaten darauf hinweisen.",
        "protectionType": "utility-model",
        "protectionLabel": "Gebrauchsmusteranmeldung",
        "date": "2023-09-18",
        "applicant": "TÜRKİYE GARANTİ BANKASI ANONİM ŞİRKETİ",
        "inventor": "Davut Emre Taşar",
        "inventorshipSource": "TÜRKPATENT",
        "topics": [
          "invention"
        ],
        "sourceUrl": "https://www.turkpatent.gov.tr/arastirma-yap?form=patent",
        "detailSourceUrl": "https://patents.google.com/patent/TR2023011600A2/en",
        "publication": "TR2023011600A2",
        "publicationUrl": "https://patents.google.com/patent/TR2023011600A2/en",
        "publicationDate": "2024-01-22",
        "publicationDateSource": "https://www.turkpatent.gov.tr/arastirma-yap?form=patent",
        "relatedInternationalPublication": "https://patents.google.com/patent/WO2025063922A1/en",
        "path": "/de/patents/2023-011600/",
        "url": "https://tasaract.com/de/patents/2023-011600/",
        "pathTr": "/tr/patents/2023-011600/",
        "urlTr": "https://tasaract.com/tr/patents/2023-011600/"
      },
      {
        "lang": "de",
        "reading": {
          "paragraphs": [
            "Hier wird das Telefon zur Bedienoberfläche des Geldautomaten. Wer den Code an einem bestimmten Automaten scannt, öffnet auf seinem Gerät eine Oberfläche mit erweiterter Realität. Einzahlungen annehmen, Bargeld ausgeben und Belege drucken übernimmt weiterhin der Automat selbst. Die Anmeldung beschreibt auch, wie die Sitzung endet, wenn die Kamera erkennt, dass die Person den Bereich verlassen hat."
          ],
          "sources": [
            {
              "title": "WO 2025/063920 A1",
              "url": "https://patents.google.com/patent/WO2025063920A1/en"
            },
            {
              "title": "TR 2023/011599 A2",
              "url": "https://patents.google.com/patent/TR2023011599A2/en"
            }
          ]
        },
        "number": "2023/011599",
        "title": "Leichtere Bedienung eines Geldautomaten",
        "titleTr": "BANKAMATİK KULLANIMININ KOLAYLAŞTIRILMASINI SAĞLAYAN BİR SİSTEM",
        "description": "Ein Mobilgerät liest einen Code am Geldautomaten und zeigt dessen Bedienelemente in erweiterter Realität. Bargeldannahme, Auszahlung und Belegdruck bleiben beim physischen Automaten.",
        "protectionType": "patent",
        "protectionLabel": "Patentanmeldung",
        "date": "2023-09-18",
        "applicant": "TÜRKİYE GARANTİ BANKASI ANONİM ŞİRKETİ",
        "inventor": "Davut Emre Taşar",
        "inventorshipSource": "TÜRKPATENT",
        "topics": [
          "invention"
        ],
        "sourceUrl": "https://www.turkpatent.gov.tr/arastirma-yap?form=patent",
        "detailSourceUrl": "https://patents.google.com/patent/TR2023011599A2/en",
        "publication": "TR2023011599A2",
        "publicationUrl": "https://patents.google.com/patent/TR2023011599A2/en",
        "publicationDate": "2024-01-22",
        "publicationDateSource": "https://www.turkpatent.gov.tr/arastirma-yap?form=patent",
        "relatedInternationalPublication": "https://patents.google.com/patent/WO2025063920A1/en",
        "path": "/de/patents/2023-011599/",
        "url": "https://tasaract.com/de/patents/2023-011599/",
        "pathTr": "/tr/patents/2023-011599/",
        "urlTr": "https://tasaract.com/tr/patents/2023-011599/"
      },
      {
        "lang": "de",
        "reading": {
          "paragraphs": [
            "Ein Händler könnte sein Kassenterminal aus der Ferne mit gesprochenen oder geschriebenen Anweisungen in Alltagssprache bedienen. Das vorgeschlagene System kann zu jedem Vorgang einen QR-Code mit den Transaktionsdaten erzeugen. Aus Kaufhistorie und Kundenpräferenzen leitet es Angebote ab. Bei Hinweisen auf einen möglichen Betrugsfall kann es eine Warnung an das Terminal senden."
          ],
          "sources": [
            {
              "title": "WO 2024/220062 A1",
              "url": "https://patents.google.com/patent/WO2024220062A1/en"
            },
            {
              "title": "TR 2023/004244 A2",
              "url": "https://patents.google.com/patent/TR2023004244A2/en"
            }
          ]
        },
        "number": "2023/004244",
        "title": "KI-gestützte Verwaltung von Zahlungsterminals",
        "titleTr": "YAPAY ZEKA DESTEKLİ BİR SATIŞ NOKTASI CİHAZI YÖNETİM SİSTEMİ",
        "description": "Ein Händler soll das Terminal aus der Ferne per Sprache oder Text bedienen können. Die Anmeldung umfasst QR-codierte Ausgaben und die Suche nach Anzeichen von Betrug in Transaktionen.",
        "protectionType": "patent",
        "protectionLabel": "Patentanmeldung",
        "date": "2023-04-17",
        "applicant": "TÜRKİYE GARANTİ BANKASI ANONİM ŞİRKETİ",
        "inventor": "Davut Emre Taşar",
        "inventorshipSource": "TÜRKPATENT",
        "topics": [
          "invention"
        ],
        "sourceUrl": "https://www.turkpatent.gov.tr/arastirma-yap?form=patent",
        "detailSourceUrl": "https://patents.google.com/patent/TR2023004244A2/en",
        "publication": "TR2023004244A2",
        "publicationUrl": "https://patents.google.com/patent/TR2023004244A2/en",
        "publicationDate": "2023-09-21",
        "publicationDateSource": "https://www.turkpatent.gov.tr/arastirma-yap?form=patent",
        "relatedWorkId": "ai-pos",
        "relatedInternationalPublication": "https://patents.google.com/patent/WO2024220062A1/en",
        "path": "/de/patents/2023-004244/",
        "url": "https://tasaract.com/de/patents/2023-004244/",
        "pathTr": "/tr/patents/2023-004244/",
        "urlTr": "https://tasaract.com/tr/patents/2023-004244/"
      },
      {
        "lang": "de",
        "reading": {
          "paragraphs": [
            "Bei einem durch Kredit oder Akkreditiv finanzierten Geschäft können die Parteien vereinbaren, was in jeder Phase geschehen muss und wie es zu prüfen ist. Der Vorschlag hält Bedingungen, Etappen und Nachweise in einer Blockchain fest. Eine Aufsichtsperson kann die Prüfung begleiten. Sobald die Kriterien einer Etappe bestätigt sind, kann das System die zugehörige digitale Zahlung übertragen."
          ],
          "sources": [
            {
              "title": "WO 2024/215289 A1",
              "url": "https://patents.google.com/patent/WO2024215289A1/en"
            },
            {
              "title": "TR 2023/004047 A2",
              "url": "https://patents.google.com/patent/TR2023004047A2/en"
            }
          ]
        },
        "number": "2023/004047",
        "title": "Ein System für sichere Kaufgeschäfte",
        "titleTr": "GÜVENLİ BİR ALIŞVERİŞ SİSTEMİ",
        "description": "Bei Kredit- oder Akkreditivgeschäften sollen Beteiligte einen Vertrag anlegen oder ihm beitreten können. Schritte und Belege werden in einer Blockchain erfasst, KI schlägt passende Gegenparteien vor.",
        "protectionType": "patent",
        "protectionLabel": "Patentanmeldung",
        "date": "2023-04-12",
        "applicant": "TÜRKİYE GARANTİ BANKASI ANONİM ŞİRKETİ",
        "inventor": "Davut Emre Taşar",
        "inventorshipSource": "TÜRKPATENT",
        "topics": [
          "invention"
        ],
        "sourceUrl": "https://www.turkpatent.gov.tr/arastirma-yap?form=patent",
        "detailSourceUrl": "https://patents.google.com/patent/TR2023004047A2/en",
        "publication": "TR2023004047A2",
        "publicationUrl": "https://patents.google.com/patent/TR2023004047A2/en",
        "publicationDate": "2023-09-21",
        "publicationDateSource": "https://www.turkpatent.gov.tr/arastirma-yap?form=patent",
        "relatedInternationalPublication": "https://patents.google.com/patent/WO2024215289A1/en",
        "path": "/de/patents/2023-004047/",
        "url": "https://tasaract.com/de/patents/2023-004047/",
        "pathTr": "/tr/patents/2023-004047/",
        "urlTr": "https://tasaract.com/tr/patents/2023-004047/"
      },
      {
        "lang": "de",
        "reading": {
          "paragraphs": [
            "Ein Beispiel dieser Gebrauchsmusteranmeldung beginnt mit einem Autofoto und einer gesprochenen Frage zur Versicherung. Das System ermittelt Fahrzeugmerkmale im Bild, wandelt die Frage in Text um und leitet aus beidem ein ungefähres Angebot ab. Allgemein kann es Texte, Bilder, Ton oder Bewegungen verarbeiten und frühere Eingaben und Vorschläge für das nächste Gespräch speichern."
          ],
          "sources": [
            {
              "title": "WO 2024/096828 A1",
              "url": "https://patents.google.com/patent/WO2024096828A1/en"
            },
            {
              "title": "TR 2022/016679 A2",
              "url": "https://patents.google.com/patent/TR2022016679A2/en"
            }
          ]
        },
        "number": "2022/016679",
        "title": "Ein Empfehlungssystem",
        "titleTr": "BİR ÖNERİ SİSTEMİ",
        "description": "Die Anmeldung leitet Produktempfehlungen aus Text, Bildern, Ton oder Bewegungen in einem Gespräch oder einer virtuellen Umgebung ab. Frühere Eingaben und Vorschläge bleiben für spätere Interaktionen verfügbar.",
        "protectionType": "utility-model",
        "protectionLabel": "Gebrauchsmusteranmeldung",
        "date": "2022-11-03",
        "applicant": "TÜRKİYE GARANTİ BANKASI ANONİM ŞİRKETİ",
        "inventor": "Davut Emre Taşar",
        "inventorshipSource": "TÜRKPATENT",
        "topics": [
          "invention"
        ],
        "sourceUrl": "https://www.turkpatent.gov.tr/arastirma-yap?form=patent",
        "detailSourceUrl": "https://patents.google.com/patent/WO2024096828A1/en",
        "publication": "WO2024096828A1",
        "publicationUrl": "https://patents.google.com/patent/WO2024096828A1/en",
        "publicationDate": "2022-12-21",
        "publicationDateSource": "https://www.turkpatent.gov.tr/arastirma-yap?form=patent",
        "relatedInternationalPublication": "https://patents.google.com/patent/WO2024096828A1/en",
        "path": "/de/patents/2022-016679/",
        "url": "https://tasaract.com/de/patents/2022-016679/",
        "pathTr": "/tr/patents/2022-016679/",
        "urlTr": "https://tasaract.com/tr/patents/2022-016679/"
      },
      {
        "lang": "de",
        "reading": {
          "paragraphs": [
            "Die Anmeldung betrachtet eine Abstimmung als fortlaufende Diskussion in der Gruppe. Die Beteiligten ordnen die Optionen in einem gemeinsamen Raum an, wobei ähnliche Alternativen nahe beieinander liegen. Während der Abstimmung verschriftlicht das System das Gespräch und analysiert die Kommentare. Ein gemeinsamer Cursor stellt dar, wie sich die Gruppe auf dem Weg zur Entscheidung zwischen den Optionen bewegt."
          ],
          "sources": [
            {
              "title": "WO 2024/096827 A1",
              "url": "https://patents.google.com/patent/WO2024096827A1/en"
            },
            {
              "title": "TR 2022/016395 A2",
              "url": "https://patents.google.com/patent/TR2022016395A2/en"
            }
          ]
        },
        "number": "2022/016395",
        "title": "Verwaltung eines Abstimmungsverfahrens",
        "titleTr": "OY VERME SÜRECİNİN YÖNETİLMESİNİ SAĞLAYAN BİR SİSTEM",
        "description": "Die Anmeldung kombiniert mehrere KI-Verfahren in einem kollektiven Entscheidungsprozess und behandelt die Kommunikation zwischen den Beteiligten im Verlauf einer Abstimmung.",
        "protectionType": "patent",
        "protectionLabel": "Patentanmeldung",
        "date": "2022-10-31",
        "applicant": "TÜRKİYE GARANTİ BANKASI ANONİM ŞİRKETİ",
        "inventor": "Davut Emre Taşar",
        "inventorshipSource": "TÜRKPATENT",
        "topics": [
          "invention"
        ],
        "sourceUrl": "https://www.turkpatent.gov.tr/arastirma-yap?form=patent",
        "detailSourceUrl": "https://patents.google.com/patent/TR2022016395A2/en",
        "publication": "TR2022016395A2",
        "publicationUrl": "https://patents.google.com/patent/TR2022016395A2/en",
        "publicationDate": "2022-12-21",
        "publicationDateSource": "https://www.turkpatent.gov.tr/arastirma-yap?form=patent",
        "relatedInternationalPublication": "https://patents.google.com/patent/WO2024096827A1/en",
        "path": "/de/patents/2022-016395/",
        "url": "https://tasaract.com/de/patents/2022-016395/",
        "pathTr": "/tr/patents/2022-016395/",
        "urlTr": "https://tasaract.com/tr/patents/2022-016395/"
      }
    ]
  },
  "lab": [
    {
      "id": "turkish-sentiment",
      "name": "Turkish Sentiment Analysis · TSAM",
      "kind": "model",
      "lang": "de",
      "reading": {
        "paragraphs": [
          "Für einen türkischen Satz vergibt das Modell drei Bewertungen, je nachdem, wie negativ, neutral oder positiv sein Ton wirkt. In der veröffentlichten Konfiguration steht 0 für negativ, 1 für neutral und 2 für positiv. Die neutrale Klasse heißt in der Ausgabe „Notr“. Wer Rezensionen auswertet, kann neutrale Äußerungen so gesondert zählen."
        ],
        "sources": [
          {
            "title": "Turkish sentiment analysis",
            "url": "https://huggingface.co/emre/turkish-sentiment-analysis"
          },
          {
            "title": "config.json",
            "url": "https://huggingface.co/emre/turkish-sentiment-analysis/blob/main/config.json"
          }
        ]
      },
      "source": "https://huggingface.co/emre/turkish-sentiment-analysis",
      "topics": [
        "language"
      ],
      "url": "https://tasaract.com/de/lab/turkish-sentiment/",
      "path": "/de/lab/turkish-sentiment/",
      "summary": "Ich habe dieses BERT-Modell darauf trainiert, den Ton türkischer Rezensionen zu erkennen. Es bewertet, wie positiv, neutral oder negativ die Äußerung klingt.",
      "evidence": {
        "released": "2022-05-15",
        "doi": "10.57967/hf/5056",
        "labels": [
          "Negative",
          "Notr",
          "Positive"
        ],
        "configUrl": "https://huggingface.co/emre/turkish-sentiment-analysis/blob/main/config.json",
        "downloads": {
          "count": 12053,
          "scope": "all-time",
          "asOf": "2026-11-18",
          "source": "https://huggingface.co/api/models/emre/turkish-sentiment-analysis?expand=downloadsAllTime"
        },
        "evaluation": {
          "title": "A cross-validation study of Turkish sentiment analysis datasets and tools",
          "url": "https://doi.org/10.1007/s10579-025-09869-6",
          "metric": "F1",
          "task": "binary",
          "neutralLabelsExcluded": true,
          "results": [
            {
              "dataset": "Humir",
              "score": 0.97
            },
            {
              "dataset": "Twt",
              "score": 0.54
            }
          ]
        },
        "relatedClassifier": {
          "name": "BERT-TR-Finetuned4-Pos-Neg-Reviews",
          "url": "https://github.com/detasar/BERT-TR-Finetuned4-Pos-Neg-Reviews",
          "trainingConfigUrl": "https://github.com/detasar/BERT-TR-Finetuned4-Pos-Neg-Reviews/blob/7e6c1d1065063e51872026bce286a0fe1c74ebf8/model_args.json",
          "configurationPublished": "2021-01-20",
          "baseModel": "dbmdz/bert-base-turkish-cased",
          "trainingLabelIds": [
            0,
            1
          ],
          "title": "Ein früheres Modell für Rezensionen",
          "purpose": "Ich habe ein türkisches BERT-Modell darauf trainiert, positive von negativen Rezensionen zu unterscheiden. Die Trainingsparameter stehen auf GitHub.",
          "reading": {
            "paragraphs": [
              "In diesem frühen Projekt wurde türkisches BERT angepasst, um schriftliche Rezensionen als positiv oder negativ einzuordnen. Die verwendete BERT-Version behält die Groß- und Kleinschreibung im Türkischen bei. Die veröffentlichten Trainingseinstellungen definieren zwei Klassenkennungen und höchstens 128 Tokens pro Eingabe. Ein separates türkisches Stimmungsmodell im Atlas kennt zusätzlich eine neutrale Klasse."
            ],
            "sources": [
              {
                "title": "BERT-TR-Finetuned4-Pos-Neg-Reviews",
                "url": "https://github.com/detasar/BERT-TR-Finetuned4-Pos-Neg-Reviews"
              },
              {
                "title": "model_args.json",
                "url": "https://github.com/detasar/BERT-TR-Finetuned4-Pos-Neg-Reviews/blob/7e6c1d1065063e51872026bce286a0fe1c74ebf8/model_args.json"
              }
            ]
          }
        },
        "interpretation": "Eine unabhängige Studie verglich vier Modelle mit vier türkischen Datensätzen. Für die binäre Auswertung wurden neutrale Labels ausgeschlossen. Dieses Modell erreichte einen F1-Wert von 0,97 auf Humir und 0,54 auf Twt."
      },
      "role": "Mit AutoTrain trainierter Klassifikator",
      "roleLanguage": "de",
      "kindLabel": "Modell",
      "author": "Davut Emre Taşar"
    },
    {
      "id": "whisper-tr",
      "name": "Whisper Medium TR",
      "kind": "model",
      "lang": "de",
      "reading": {
        "paragraphs": [
          "Diese Version von Whisper Medium wandelt türkische Sprachaufnahmen in geschriebenen Text um. Für das Training kamen jeweils die ersten 10 % der Trainings- und Validierungsdaten von Mozilla Common Voice 11.0 zum Einsatz. Die Modellkarte nennt für den Evaluationsdatensatz eine Wortfehlerrate von 18,51 %. Sie erfasst Wörter, die gegenüber der Referenz ersetzt, ausgelassen oder hinzugefügt wurden."
        ],
        "sources": [
          {
            "title": "Whisper Medium TR",
            "url": "https://huggingface.co/emre/whisper-medium-turkish-2"
          }
        ]
      },
      "source": "https://huggingface.co/emre/whisper-medium-turkish-2",
      "topics": [
        "language"
      ],
      "url": "https://tasaract.com/de/lab/whisper-tr/",
      "path": "/de/lab/whisper-tr/",
      "summary": "Transkribiert türkische Sprache mit einer angepassten Version von Whisper.",
      "base": "OpenAI Whisper Medium",
      "baseUrl": "https://huggingface.co/openai/whisper-medium",
      "role": "Anpassung eines Spracherkennungsmodells",
      "roleLanguage": "de",
      "kindLabel": "Modell",
      "author": "Davut Emre Taşar"
    },
    {
      "id": "gemma-wiki-tr",
      "name": "Gemma 2 · Turkish Wikipedia",
      "kind": "model",
      "lang": "de",
      "reading": {
        "paragraphs": [
          "Wer einen türkischen Text beginnt, kann diese Version von Gemma 2 9B weiterschreiben lassen. Als Lesestoff für eine zusätzliche Runde Vortraining diente die türkischsprachige Wikipedia. Mit der LoRA-Methode wurde nur eine kleine Gruppe von Parametern angepasst. Für die Auswertung blieben 1.000 Wikipedia-Absätze zurück. An ihnen ließ sich messen, wie gut das Modell in ungesehenen Texten aus derselben Quelle das nächste Token vorhersagt."
        ],
        "sources": [
          {
            "title": "Gemma 2 9B · Turkish Wikipedia",
            "url": "https://huggingface.co/emre/gemma-2-9b-Turkish-Lora-Continue-Pre-Trained"
          },
          {
            "title": "Turkish Wikipedia",
            "url": "https://huggingface.co/datasets/Alaeddin/wikipedia-turkish"
          }
        ]
      },
      "source": "https://huggingface.co/emre/gemma-2-9b-Turkish-Lora-Continue-Pre-Trained",
      "topics": [
        "language"
      ],
      "url": "https://tasaract.com/de/lab/gemma-wiki-tr/",
      "path": "/de/lab/gemma-wiki-tr/",
      "summary": "Passt Gemma mit Texten aus der türkischsprachigen Wikipedia an.",
      "base": "Google Gemma 2 9B",
      "baseUrl": "https://huggingface.co/google/gemma-2-9b",
      "role": "Autor des LoRA-Adapters",
      "roleLanguage": "de",
      "kindLabel": "Modell",
      "author": "Davut Emre Taşar"
    },
    {
      "id": "java-method-vectors",
      "name": "Java Methods · Doc2Vec",
      "kind": "model",
      "lang": "de",
      "reading": {
        "paragraphs": [
          "Aus einer Java-Methode wird ein Vektor mit 200 Zahlen. Das Modell lernte diese Darstellungen mit Gensims Doc2Vec aus einer Sammlung von Java-Methoden. Leerraumzeichen trennten den Code in Tokens. Im Beispiel der Modellkarte wird für einen neuen Codeausschnitt ein Vektor berechnet und nach den fünf nächstgelegenen Methoden gesucht. So lässt sich verwandter Code auch bei unterschiedlichem Wortlaut finden."
        ],
        "sources": [
          {
            "title": "Doc2Vec Java Methods Model",
            "url": "https://huggingface.co/emre/java_8m_methods_doc2vec"
          }
        ]
      },
      "source": "https://huggingface.co/emre/java_8m_methods_doc2vec",
      "topics": [
        "language"
      ],
      "url": "https://tasaract.com/de/lab/java-method-vectors/",
      "path": "/de/lab/java-method-vectors/",
      "summary": "Stellt Java-Methoden als 200-dimensionale Doc2Vec-Vektoren dar, um ähnlichen Code aufzufinden.",
      "method": "Gensim Doc2Vec",
      "methodUrl": "https://radimrehurek.com/gensim/models/doc2vec.html",
      "role": "Entwickler des Modells für Vektorrepräsentationen",
      "roleLanguage": "de",
      "kindLabel": "Modell",
      "author": "Davut Emre Taşar"
    },
    {
      "id": "gemma-reasoning-tr",
      "name": "Gemma 3 27B · Turkish reasoning",
      "kind": "model",
      "lang": "de",
      "reading": {
        "paragraphs": [
          "Diese Anpassung des vierbittigen, auf Anweisungen trainierten Gemma 3 27B löst Aufgaben zum Schlussfolgern auf Türkisch. Die Modellkarte vergleicht sie anhand von TARA v1 mit dem Ausgangsmodell, unter anderem bei Planung, SQL und Python. Gemini bewertete die Antworten in dieser vorläufigen Auswertung. Beim Schreiben von SQL-Abfragen erzielte die Anpassung eine höhere Punktzahl, bei der Analyse von Python-Code eine geringfügig niedrigere."
        ],
        "sources": [
          {
            "title": "Gemma 3 27B · Turkish reasoning",
            "url": "https://huggingface.co/emre/gemma-3-27b-it-tr-reasoning40k-4bit"
          },
          {
            "title": "TARA v1",
            "url": "https://huggingface.co/datasets/emre/TARA_Turkish_LLM_Benchmark"
          }
        ]
      },
      "source": "https://huggingface.co/emre/gemma-3-27b-it-tr-reasoning40k-4bit",
      "topics": [
        "language"
      ],
      "url": "https://tasaract.com/de/lab/gemma-reasoning-tr/",
      "path": "/de/lab/gemma-reasoning-tr/",
      "summary": "Eine 4-Bit-Anpassung von Gemma für Schlussfolgerungsaufgaben auf Türkisch.",
      "base": "Unsloth 4-bit Gemma 3 27B Instruct",
      "baseUrl": "https://huggingface.co/unsloth/gemma-3-27b-it-unsloth-bnb-4bit",
      "role": "Feinabstimmung eines quantisierten Modells",
      "roleLanguage": "de",
      "kindLabel": "Modell",
      "author": "Davut Emre Taşar"
    },
    {
      "id": "abstract-title",
      "name": "arXiv Abstract-to-Title · mT5",
      "kind": "model",
      "lang": "de",
      "reading": {
        "paragraphs": [
          "Aus dem Abstract einer Forschungsarbeit schlägt das Modell einen Titel vor. Dafür wurde mT5-small mit zusammengehörigen Abstracts und Titeln aus arXiv nachtrainiert. Beim Training waren je Eingabe bis zu 256 Tokens vorgesehen. Die veröffentlichten ROUGE-Werte messen, welche Wörter oder Wortfolgen mit dem Originaltitel übereinstimmen. Ein treffender, aber anders formulierter Titel kann dabei einen niedrigen Wert erhalten."
        ],
        "sources": [
          {
            "title": "arXiv abstract-to-title model",
            "url": "https://huggingface.co/emre/arxiv27k-t5-abst-title-gen"
          }
        ]
      },
      "source": "https://huggingface.co/emre/arxiv27k-t5-abst-title-gen",
      "topics": [
        "language"
      ],
      "url": "https://tasaract.com/de/lab/abstract-title/",
      "path": "/de/lab/abstract-title/",
      "summary": "Schlägt auf Grundlage einer wissenschaftlichen Zusammenfassung einen Artikeltitel vor.",
      "base": "mT5-small",
      "baseUrl": "https://huggingface.co/google/mt5-small",
      "role": "Feinabstimmung eines Sequenz-zu-Sequenz-Modells",
      "roleLanguage": "de",
      "kindLabel": "Modell",
      "author": "Davut Emre Taşar"
    },
    {
      "id": "xlsr-tr",
      "name": "Wav2Vec2 XLS-R · Turkish",
      "kind": "model",
      "lang": "de",
      "reading": {
        "paragraphs": [
          "Das Modell wandelt türkische Sprache in Text um. Sein XLS-R-Sprachencoder mit 300 Millionen Parametern wurde mit türkischen Aufnahmen aus Mozilla Common Voice 8.0 nachtrainiert. Ein Dekodierschritt namens CTC fasst unmittelbar wiederholte Vorhersagen zusammen und entfernt Leersymbole, um das Transkript zu erzeugen. Die Modellkarte gibt für den Evaluationsdatensatz eine Wortfehlerrate von 0,2869 an, also rund 28,7 %."
        ],
        "sources": [
          {
            "title": "Wav2Vec2 XLS-R 300M · Turkish",
            "url": "https://huggingface.co/emre/wav2vec2-large-xls-r-300m-tr"
          },
          {
            "title": "Sequence Modeling with CTC",
            "url": "https://distill.pub/2017/ctc/"
          }
        ]
      },
      "source": "https://huggingface.co/emre/wav2vec2-large-xls-r-300m-tr",
      "topics": [
        "language"
      ],
      "url": "https://tasaract.com/de/lab/xlsr-tr/",
      "path": "/de/lab/xlsr-tr/",
      "summary": "Erkennt und transkribiert türkische Sprache mit einem auf wav2vec 2.0 basierenden Modell.",
      "base": "Meta Wav2Vec2 XLS-R 300M",
      "baseUrl": "https://huggingface.co/facebook/wav2vec2-xls-r-300m",
      "role": "Anpassung eines Spracherkennungsmodells",
      "roleLanguage": "de",
      "kindLabel": "Modell",
      "author": "Davut Emre Taşar"
    },
    {
      "id": "qwen-grpo",
      "name": "Qwen 0.5B · GRPO maths",
      "kind": "model",
      "lang": "de",
      "reading": {
        "paragraphs": [
          "Kann ein kleines Modell lernen, eine mathematische Textaufgabe zu lösen und die Antwort übersichtlich darzustellen? Dieses Qwen-Modell mit einer halben Milliarde Parametern absolvierte einen Trainingsdurchlauf mit GSM8K. Es schreibt den Lösungsweg auf und nennt das Ergebnis in einem eigenen Abschnitt. Beim GRPO-Training bewerteten eigene Belohnungsfunktionen das Zahlenergebnis und das Format getrennt. Auch eine sauber gegliederte Lösung kann einen Rechenfehler enthalten."
        ],
        "sources": [
          {
            "title": "Qwen-0.5B-GRPO",
            "url": "https://huggingface.co/emre/Qwen-0.5B-GRPO"
          },
          {
            "title": "Qwen2.5-0.5B-Instruct",
            "url": "https://huggingface.co/Qwen/Qwen2.5-0.5B-Instruct"
          }
        ]
      },
      "source": "https://huggingface.co/emre/Qwen-0.5B-GRPO",
      "topics": [
        "language"
      ],
      "url": "https://tasaract.com/de/lab/qwen-grpo/",
      "path": "/de/lab/qwen-grpo/",
      "summary": "Passt Qwen mit GRPO an, um strukturierte Lösungen für Mathematikaufgaben zu erzeugen.",
      "base": "Qwen2.5-0.5B-Instruct",
      "baseUrl": "https://huggingface.co/Qwen/Qwen2.5-0.5B-Instruct",
      "role": "Feinabstimmung durch bestärkendes Lernen",
      "roleLanguage": "de",
      "kindLabel": "Modell",
      "author": "Davut Emre Taşar"
    },
    {
      "id": "regression-atlas",
      "name": "Regression Conformal Prediction Research Atlas",
      "kind": "repo",
      "lang": "de",
      "reading": {
        "paragraphs": [
          "Ein Vorhersageintervall soll genügend beobachtete Werte abdecken und zugleich so eng sein, dass es bei einer Entscheidung hilft. Der Atlas untersucht diesen Zielkonflikt für konforme Verfahren an 67 Regressionsdatensätzen. Vom Evidenzgraphen führt der Weg bis zur zugehörigen Vergleichstabelle.",
          "Ein Versuch tauscht das Modell aus, das die Quantile schätzt. Obwohl die Intervalle nach demselben Verfahren entstehen, liegt es danach in anderen Vergleichen vorn."
        ],
        "sources": [
          {
            "title": "Regression Conformal Prediction Research Atlas",
            "url": "https://github.com/detasar/regression-conformal-prediction-research-atlas/blob/main/README.md"
          },
          {
            "title": "Research document and evidence tables",
            "url": "https://github.com/detasar/regression-conformal-prediction-research-atlas/blob/main/paper/research_document.md"
          }
        ]
      },
      "source": "https://github.com/detasar/regression-conformal-prediction-research-atlas",
      "topics": [
        "uncertainty"
      ],
      "url": "https://tasaract.com/de/lab/regression-atlas/",
      "path": "/de/lab/regression-atlas/",
      "summary": "Vergleicht Vorhersageintervalle für kontinuierliche Zielgrößen anhand von 67 Datensätzen.",
      "role": "Autor der Studie",
      "roleLanguage": "de",
      "kindLabel": "Repository",
      "author": "Davut Emre Taşar"
    },
    {
      "id": "bird-sql",
      "name": "BIRD · Text-to-SQL experiments",
      "kind": "repo",
      "lang": "de",
      "reading": {
        "paragraphs": [
          "Aus einer Frage in Alltagssprache soll eine SQL-Abfrage werden. Ein Ansatz zerlegt die Aufgabe in einzelne Entscheidungen. Welche Entitäten sind gemeint, und in welchen Tabellen stehen die gesuchten Werte? Andere Versuche ziehen Beispielabfragen heran oder markieren Fragen, bei denen eine Rückfrage sinnvoll wäre.",
          "Auf der Finanzdatenbank des BIRD-Benchmarks ließen sich alle 106 Abfragen des ersten Ansatzes ausführen. In 79 Fällen stimmte die Antwort mit dem Referenzergebnis überein."
        ],
        "sources": [
          {
            "title": "BIRD Text-to-SQL Experiments",
            "url": "https://github.com/detasar/bird-text2sql-experiments/blob/main/README.md"
          },
          {
            "title": "Atomic Operation Text-to-SQL Pipeline",
            "url": "https://github.com/detasar/bird-text2sql-experiments/blob/main/atomic_operation_experiment/README.md"
          }
        ]
      },
      "source": "https://github.com/detasar/bird-text2sql-experiments",
      "topics": [
        "agents",
        "uncertainty"
      ],
      "url": "https://tasaract.com/de/lab/bird-sql/",
      "path": "/de/lab/bird-sql/",
      "summary": "Übersetzt eine Frage in natürlicher Sprache in SQL und prüft das Resultat an der Datenbank.",
      "role": "Betreuer des Forschungsrepositoriums",
      "roleLanguage": "de",
      "kindLabel": "Repository",
      "author": "Davut Emre Taşar"
    },
    {
      "id": "webcli",
      "name": "WebCLI",
      "kind": "repo",
      "lang": "de",
      "reading": {
        "paragraphs": [
          "Ein Agent braucht einen Leitfaden, den er gestern entdeckt hat. Mit webcli kann er einen lokalen Dokumentationsindex durchsuchen, den Eintrag über eine feste Referenz wiederfinden und das Ergebnis für ein anderes Werkzeug als JSON oder JSONL ausgeben.",
          "Der erste Adapter erschließt die öffentliche Entwicklerdokumentation von OpenAI. Die Synchronisierung speichert standardmäßig die Metadaten der Seiten. Das Laden der Seitentexte ist eine eigene Option. Weitere Suchanfragen greifen auf den lokalen Index zu."
        ],
        "sources": [
          {
            "title": "webcli",
            "url": "https://github.com/detasar/webcli/blob/main/README.md"
          },
          {
            "title": "Adding a Website Adapter",
            "url": "https://github.com/detasar/webcli/blob/main/docs/ADAPTERS.md"
          }
        ]
      },
      "source": "https://github.com/detasar/webcli",
      "topics": [
        "agents",
        "language"
      ],
      "url": "https://tasaract.com/de/lab/webcli/",
      "path": "/de/lab/webcli/",
      "summary": "Bereitet veröffentlichte Dokumentation als durchsuchbare JSON- oder JSONL-Daten auf.",
      "role": "Betreuer des Projekts",
      "roleLanguage": "de",
      "kindLabel": "Repository",
      "author": "Davut Emre Taşar"
    },
    {
      "id": "fairness-metrics",
      "name": "Fairness Metrics",
      "kind": "repo",
      "lang": "de",
      "reading": {
        "paragraphs": [
          "Zwei Gruppen können gleich häufig positive Entscheidungen erhalten und trotzdem unterschiedliche Fehler erleben. Das Python-Beispiel führt Vorhersagen, tatsächliche Ergebnisse und Gruppenzugehörigkeit über die Benutzer-ID zusammen. Die README stellt Auswahlquoten, falsch positive und falsch negative Entscheidungen sowie die Sensitivität gegenüber.",
          "Beispiel und Code weichen an einer Stelle voneinander ab. Beim Berechnen des Fehleranteils unter den negativen Entscheidungen greift die veröffentlichte Funktion auf undefinierte Gruppenvariablen zu und bricht vor der Ausgabe der Tabelle ab."
        ],
        "sources": [
          {
            "title": "Fairness Metrics for Binary Classification",
            "url": "https://github.com/detasar/fairness_metrics/blob/main/README.md"
          },
          {
            "title": "Published Python implementation",
            "url": "https://github.com/detasar/fairness_metrics/blob/main/fairness-metrics.py"
          }
        ]
      },
      "source": "https://github.com/detasar/fairness_metrics",
      "topics": [
        "fairness"
      ],
      "url": "https://tasaract.com/de/lab/fairness-metrics/",
      "path": "/de/lab/fairness-metrics/",
      "summary": "Zwei Gruppen können gleich häufig positive Entscheidungen erhalten und trotzdem unterschiedliche Fehler erleben. Das Python-Beispiel führt Vorhersagen, tatsächliche Ergebnisse und Gruppenzugehörigkeit über die Benutzer-ID zusammen.",
      "role": "Betreuer der Softwarebibliothek",
      "roleLanguage": "de",
      "kindLabel": "Repository",
      "author": "Davut Emre Taşar"
    },
    {
      "id": "quantum-clocks",
      "name": "Quantum Time Experiment",
      "kind": "repo",
      "lang": "de",
      "reading": {
        "paragraphs": [
          "Wenn zwei Teile eines Quantensystems denselben Uhrwert festhalten, worin stimmen sie dann überein? Ein Experiment mit vier Qubits veranschaulicht, wie zwei Fragmente unabhängig dasselbe Label aufzeichnen. Der Uhrwert entspricht hier dem Zustand eines Quantenteilsystems.",
          "Der mathematische Teil geht einen Schritt weiter. Um Ereignisse zu ordnen, müssen die Aufzeichnungen eine beständige Kette bilden. Welches Ende zeitlich früher liegt, lässt sich erst mit einer zusätzlichen physikalischen Referenz festlegen."
        ],
        "sources": [
          {
            "title": "Objective Clock Bases from Redundant Records",
            "url": "https://github.com/detasar/quantum-time-experiment/blob/implementation/g0-g1/README.md"
          },
          {
            "title": "Final scientific decision and hardware evidence",
            "url": "https://github.com/detasar/quantum-time-experiment/blob/implementation/g0-g1/docs/FINAL_DECISION.md"
          }
        ]
      },
      "source": "https://github.com/detasar/quantum-time-experiment",
      "topics": [
        "quantum"
      ],
      "url": "https://tasaract.com/de/lab/quantum-clocks/",
      "path": "/de/lab/quantum-clocks/",
      "summary": "Untersucht Messprotokolle auf mögliche zeitliche Ordnungen in Quantensystemen.",
      "role": "Betreuer des Forschungsrepositoriums",
      "roleLanguage": "de",
      "kindLabel": "Repository",
      "author": "Davut Emre Taşar"
    },
    {
      "id": "paperbanana-test",
      "name": "PaperBanana field test",
      "kind": "repo",
      "lang": "de",
      "reading": {
        "paragraphs": [
          "Was bleibt erhalten, wenn aus einem Methodentext ein Schaubild wird? PaperBanana erhielt in drei Versuchen jeweils eine Methodenbeschreibung und eine Bildunterschrift. Zwei Fälle betreffen Quantendaten, einer die türkische Spracherkennung. Die genauen Eingaben und unbearbeiteten Ergebnisse stehen neben den Originalabbildungen, soweit solche vorliegen.",
          "Ein Diagramm ergänzte ein numerisches Ergebnis zur Abdeckung, das in der Quelle fehlt. Ein anderes fügte der Spracherkennung einen im Methodentext nicht beschriebenen Dekodierschritt hinzu."
        ],
        "sources": [
          {
            "title": "PaperBanana field test and figure comparisons",
            "url": "https://github.com/detasar/paperbanana-field-test/blob/main/README.md"
          },
          {
            "title": "Original caption supplied for the quantum-circuit figure",
            "url": "https://github.com/detasar/paperbanana-field-test/blob/main/inputs/qcp-multioutput-conformal/caption.txt"
          }
        ]
      },
      "source": "https://github.com/detasar/paperbanana-field-test",
      "topics": [
        "agents"
      ],
      "url": "https://tasaract.com/de/lab/paperbanana-test/",
      "path": "/de/lab/paperbanana-test/",
      "summary": "Erzeugt aus dem Methodenteil eines Artikels Vorschläge für wissenschaftliche Abbildungen und bewertet diese gesondert.",
      "role": "Autor der unabhängigen Evaluation",
      "roleLanguage": "de",
      "kindLabel": "Repository",
      "author": "Davut Emre Taşar"
    },
    {
      "id": "worldcup-nowcast",
      "name": "World Cup 2026 Nowcast Lab",
      "kind": "repo",
      "lang": "de",
      "reading": {
        "paragraphs": [
          "Wie wirkt sich ein möglicher Spielstand auf die Titelchancen einer Mannschaft aus? Das Projekt prüft öffentliche Fußballdaten, schätzt Wahrscheinlichkeiten für Spielergebnisse und simuliert die ausstehenden Begegnungen. So werden aus den Prognosen für einzelne Spiele Titelwahrscheinlichkeiten.",
          "Die Prognosekarte vom 17. Juli 2026 dokumentiert 150.000 Simulationen und die Chancen der beiden verbliebenen Teams. Ihre Intervalle beziffern die Unsicherheit aus der Simulation selbst. Modellwahl und Datenlage bringen weitere Unsicherheit mit sich."
        ],
        "sources": [
          {
            "title": "World Cup 2026 Nowcast Lab",
            "url": "https://github.com/detasar/worldcup26-nowcast-lab/blob/main/README.md"
          },
          {
            "title": "Forecast card, 17 July 2026",
            "url": "https://github.com/detasar/worldcup26-nowcast-lab/blob/main/docs/forecast-card.md"
          }
        ]
      },
      "source": "https://github.com/detasar/worldcup26-nowcast-lab",
      "topics": [
        "uncertainty"
      ],
      "url": "https://tasaract.com/de/lab/worldcup-nowcast/",
      "path": "/de/lab/worldcup-nowcast/",
      "summary": "Simuliert anhand von Spielprognosen mögliche Turnierausgänge.",
      "role": "Betreuer des Prognoseprojekts",
      "roleLanguage": "de",
      "kindLabel": "Repository",
      "author": "Davut Emre Taşar"
    },
    {
      "id": "agent-chronicle",
      "name": "Agent Chronicle",
      "kind": "repo",
      "lang": "de",
      "reading": {
        "paragraphs": [
          "Wer nach einer Pause zu einer Programmiersitzung zurückkehrt, hat konkrete Fragen. Welche Dateien haben sich geändert? Steht eine Entscheidung aus? Welche Prüfungen waren erfolgreich? Agent Chronicle ordnet die aufgezeichneten Aktivitäten von Codex oder Claude auf einer lokalen Zeitleiste. Jede Antwort lässt sich bis zum einzelnen Ereignis zurückverfolgen.",
          "Auf Wunsch fasst eine KI ausgewählte Ereignisse zusammen. Vor dem Senden lässt sich das Material prüfen, danach führen Links von der Zusammenfassung zurück zum Protokoll."
        ],
        "sources": [
          {
            "title": "Agent Chronicle",
            "url": "https://github.com/detasar/agent-chronicle-community/blob/main/README.md"
          },
          {
            "title": "Product tour",
            "url": "https://github.com/detasar/agent-chronicle-community/blob/main/docs/PRODUCT_TOUR.md"
          }
        ]
      },
      "source": "https://github.com/detasar/agent-chronicle-community",
      "topics": [
        "agents"
      ],
      "url": "https://tasaract.com/de/lab/agent-chronicle/",
      "path": "/de/lab/agent-chronicle/",
      "summary": "Ordnet die Aktivitäten eines Programmieragenten auf einer Zeitleiste mit den jeweiligen Nachweisen an.",
      "role": "Betreuer des Projekts",
      "roleLanguage": "de",
      "kindLabel": "Repository",
      "author": "Davut Emre Taşar"
    }
  ],
  "journeyUrl": "https://tasaract.com/de/journey-data.json",
  "researchJourney": {
    "title": "Emres Tesserakt",
    "intro": "Willkommen. Mal beschäftigt mich der Ton eines türkischen Satzes, mal eine Quantenmessung. Hier kannst du verfolgen, wohin mich diese Fragen führen.",
    "url": "https://tasaract.com/de/#journey",
    "catalog": "https://tasaract.com/de/journey-data.json",
    "domains": [
      {
        "id": "meaning",
        "title": "Bedeutung und Ontologien",
        "entries": [
          "project:meaning-native-computing",
          "note:ontologies-and-data-structures",
          "note:category-theory",
          "patent:2026-007907",
          "patent:2026-006289",
          "patent:2025-008786"
        ]
      },
      {
        "id": "language",
        "title": "Sprachverarbeitung",
        "entries": [
          "repository:turkish-binary-reviews",
          "work:turkish-asr",
          "topic:language",
          "work:chat-assistant",
          "work:ai-pos",
          "work:qwen-grpo",
          "work:turkish-reasoning-benchmark",
          "work:multilingual-chatbots",
          "work:ad-text-classification",
          "work:weight-editing",
          "work:bloom",
          "patent:2026-007909",
          "patent:2023-011870",
          "model:turkish-sentiment",
          "model:whisper-tr",
          "model:gemma-wiki-tr",
          "model:java-method-vectors",
          "model:gemma-reasoning-tr",
          "model:abstract-title",
          "model:xlsr-tr",
          "model:qwen-grpo",
          "repository:webcli",
          "study:turkish-sentiment-evaluation"
        ]
      },
      {
        "id": "learning",
        "title": "Maschinelles Lernen",
        "entries": [
          "repository:regression-atlas",
          "work:weight-editing",
          "work:coverage-deferral",
          "patent:2025-011133",
          "repository:fairness-metrics",
          "repository:worldcup-nowcast",
          "repository:turkish-binary-reviews",
          "study:coverage-deferral"
        ]
      },
      {
        "id": "confidence",
        "title": "Konforme Vorhersage",
        "entries": [
          "work:coverage-deferral",
          "topic:uncertainty",
          "topic:fairness",
          "project:meaning-native-computing",
          "work:quantum-conformal",
          "work:tara",
          "work:adversarial-quantum",
          "patent:2026-004441",
          "repository:regression-atlas",
          "repository:bird-sql",
          "repository:fairness-metrics",
          "repository:worldcup-nowcast",
          "study:coverage-deferral"
        ]
      },
      {
        "id": "quantum",
        "title": "Quantencomputing",
        "entries": [
          "work:quantum-conformal",
          "topic:quantum",
          "note:quantum-measurement",
          "work:tara",
          "work:adversarial-quantum",
          "patent:2026-004441",
          "repository:quantum-clocks"
        ]
      },
      {
        "id": "invention",
        "title": "Erfindungen",
        "entries": [
          "patent:2026-004441",
          "patent:2023-011901",
          "topic:invention",
          "work:chat-assistant",
          "work:micro-robot-rescue",
          "work:ai-pos",
          "work:virtual-input",
          "work:personalized-suggestions",
          "patent:2026-007909",
          "patent:2026-007907",
          "patent:2026-006294",
          "patent:2026-006289",
          "patent:2026-004444",
          "patent:2026-002909",
          "patent:2026-001992",
          "patent:2025-019989",
          "patent:2025-011133",
          "patent:2025-008786",
          "patent:2025-008273",
          "patent:2025-008055",
          "patent:2025-008032",
          "patent:2025-008028",
          "patent:2025-007997",
          "patent:2025-007995",
          "patent:2024-003815",
          "patent:2024-003813",
          "patent:2024-003592",
          "patent:2023-011870",
          "patent:2023-011830",
          "patent:2023-011601",
          "patent:2023-011600",
          "patent:2023-011599",
          "patent:2023-004244",
          "patent:2023-004047",
          "patent:2022-016679",
          "patent:2022-016395"
        ]
      },
      {
        "id": "agents",
        "title": "Agentensysteme",
        "entries": [
          "work:agent-chronicle",
          "topic:agents",
          "work:chat-assistant",
          "work:micro-robot-rescue",
          "work:weight-editing",
          "patent:2025-007995",
          "repository:bird-sql",
          "repository:webcli",
          "repository:paperbanana-test",
          "repository:agent-chronicle"
        ]
      }
    ],
    "stories": [
      {
        "id": "project:meaning-native-computing",
        "domain": "meaning",
        "title": "Der nächste Schritt eines Programms",
        "text": "Bei Meaning-Native Computing frage ich, ob sich der nächste Programmbefehl besser vorhersagen lässt, wenn die Regeln des Programms bekannt sind. Eine unabhängige Prüfung entscheidet, ob der Schritt ausgeführt werden darf.",
        "year": "",
        "companions": [
          "note:ontologies-and-data-structures"
        ],
        "url": "https://tasaract.com/de/?scene=project%3Ameaning-native-computing#journey",
        "topics": [
          "uncertainty"
        ],
        "connections": [
          {
            "id": "note:ontologies-and-data-structures",
            "title": "Ontologien und Datenstrukturen",
            "url": "https://tasaract.com/de/?scene=note%3Aontologies-and-data-structures#journey"
          }
        ],
        "recordUrl": "https://tasaract.com/de/#meaning-native-computing",
        "source": "https://tasaract.com/en/#meaning-native-computing"
      },
      {
        "id": "repository:turkish-binary-reviews",
        "domain": "language",
        "title": "Der Ton einer türkischen Rezension",
        "text": "Ich trainierte ein türkisches BERT-Modell darauf, positive von negativen Rezensionen zu unterscheiden. 2022 veröffentlichte ich ein weiteres Modell, das auch neutrale Rezensionen erkennen konnte.",
        "year": "2021",
        "companions": [
          "model:turkish-sentiment"
        ],
        "url": "https://tasaract.com/de/?scene=repository%3Aturkish-binary-reviews#journey",
        "topics": [
          "language"
        ],
        "connections": [
          {
            "id": "model:turkish-sentiment",
            "title": "Turkish Sentiment Analysis · TSAM",
            "url": "https://tasaract.com/de/?scene=model%3Aturkish-sentiment#journey"
          }
        ],
        "recordUrl": "https://tasaract.com/de/lab/turkish-sentiment/",
        "source": "https://github.com/detasar/BERT-TR-Finetuned4-Pos-Neg-Reviews"
      },
      {
        "id": "work:turkish-asr",
        "domain": "language",
        "title": "Türkisch hören",
        "text": "Mit Aufnahmen aus Common Voice brachten wir einem in 53 Sprachen vortrainierten Sprachmodell bei, gesprochenes Türkisch zu verschriften. Bei den zurückgehaltenen Testaufnahmen lag die Wortfehlerrate bei 23 Prozent.",
        "year": "2024",
        "companions": [
          "model:xlsr-tr",
          "model:whisper-tr"
        ],
        "url": "https://tasaract.com/de/?scene=work%3Aturkish-asr#journey",
        "topics": [
          "language"
        ],
        "connections": [
          {
            "id": "model:xlsr-tr",
            "title": "Wav2Vec2 XLS-R · Turkish",
            "url": "https://tasaract.com/de/?scene=model%3Axlsr-tr#journey"
          },
          {
            "id": "model:whisper-tr",
            "title": "Whisper Medium TR",
            "url": "https://tasaract.com/de/?scene=model%3Awhisper-tr#journey"
          }
        ],
        "recordUrl": "https://tasaract.com/de/work/turkish-asr/",
        "source": "https://dergipark.org.tr/en/pub/acin/article/1338604"
      },
      {
        "id": "repository:regression-atlas",
        "domain": "learning",
        "title": "Wie breit muss eine Prognose sein?",
        "text": "Ein breites Vorhersageintervall trifft leicht den tatsächlichen Wert. An 67 Datensätzen verglich ich, wie oft das jeder Methode gelang und wie breit sie das Intervall dafür ansetzen musste.",
        "year": "2026",
        "companions": [
          "work:coverage-deferral",
          "work:quantum-conformal"
        ],
        "url": "https://tasaract.com/de/?scene=repository%3Aregression-atlas#journey",
        "topics": [
          "uncertainty"
        ],
        "connections": [
          {
            "id": "work:coverage-deferral",
            "title": "Wessen Fall wird geprüft?",
            "url": "https://tasaract.com/de/?scene=work%3Acoverage-deferral#journey"
          },
          {
            "id": "work:quantum-conformal",
            "title": "Zwei Qubits, vier Ergebnisse",
            "url": "https://tasaract.com/de/?scene=work%3Aquantum-conformal#journey"
          }
        ],
        "recordUrl": "https://tasaract.com/de/lab/regression-atlas/",
        "source": "https://github.com/detasar/regression-conformal-prediction-research-atlas"
      },
      {
        "id": "work:coverage-deferral",
        "domain": "confidence",
        "title": "Wessen Fall wird geprüft?",
        "text": "In meiner Simulation mit dem Adult-Datensatz näherten sich die Abdeckungsraten der Gruppen an, wenn ich sie getrennt kalibrierte. Zugleich unterschieden sich die Gruppen stärker darin, wie oft ihre Fälle zur menschlichen Prüfung gelangten.",
        "year": "2025",
        "companions": [
          "study:coverage-deferral",
          "repository:fairness-metrics"
        ],
        "url": "https://tasaract.com/de/?scene=work%3Acoverage-deferral#journey",
        "topics": [
          "fairness",
          "uncertainty"
        ],
        "connections": [
          {
            "id": "study:coverage-deferral",
            "title": "Tabelle 4 · Abdeckung und menschliche Prüfung",
            "url": "https://tasaract.com/de/?scene=study%3Acoverage-deferral#journey"
          },
          {
            "id": "repository:fairness-metrics",
            "title": "Fairness Metrics",
            "url": "https://tasaract.com/de/?scene=repository%3Afairness-metrics#journey"
          }
        ],
        "recordUrl": "https://tasaract.com/de/work/coverage-deferral/",
        "source": "https://www.preprints.org/manuscript/202512.2631"
      },
      {
        "id": "work:quantum-conformal",
        "domain": "quantum",
        "title": "Zwei Qubits, vier Ergebnisse",
        "text": "Eine Messung an zwei Qubits kann vier Ergebnisse liefern. An früheren Beispielen schätzte ich die Unsicherheit der vier Wahrscheinlichkeiten gemeinsam und prüfte die Schätzungen anschließend an neuen Daten.",
        "year": "2025",
        "companions": [
          "patent:2026-004441",
          "note:quantum-measurement"
        ],
        "url": "https://tasaract.com/de/?scene=work%3Aquantum-conformal#journey",
        "topics": [
          "uncertainty",
          "quantum"
        ],
        "connections": [
          {
            "id": "patent:2026-004441",
            "title": "Kundengruppen trotz verrauschter Daten",
            "url": "https://tasaract.com/de/?scene=patent%3A2026-004441#journey"
          },
          {
            "id": "note:quantum-measurement",
            "title": "Quantenmessung",
            "url": "https://tasaract.com/de/?scene=note%3Aquantum-measurement#journey"
          }
        ],
        "recordUrl": "https://tasaract.com/de/work/quantum-conformal/",
        "source": "https://journals.gen.tr/index.php/jqtair/article/view/2702"
      },
      {
        "id": "patent:2026-004441",
        "domain": "invention",
        "title": "Kundengruppen trotz verrauschter Daten",
        "text": "Wie stabil sind die Gruppen, die wir in Finanzdaten erkennen? In der Anmeldung TR 2026/004441 schlagen wir vor, sie mit Quantenclustering zu bilden und die Unsicherheit mit konformer Vorhersage zu bestimmen.",
        "year": "2026",
        "companions": [
          "work:quantum-conformal"
        ],
        "url": "https://tasaract.com/de/?scene=patent%3A2026-004441#journey",
        "topics": [
          "invention",
          "quantum",
          "uncertainty"
        ],
        "connections": [
          {
            "id": "work:quantum-conformal",
            "title": "Zwei Qubits, vier Ergebnisse",
            "url": "https://tasaract.com/de/?scene=work%3Aquantum-conformal#journey"
          }
        ],
        "recordUrl": "https://tasaract.com/de/patents/2026-004441/",
        "source": "https://www.turkpatent.gov.tr/arastirma-yap?form=patent"
      },
      {
        "id": "patent:2023-011901",
        "domain": "invention",
        "title": "Ein fingerbreiter Spalt",
        "text": "Unsere türkische Anmeldung beschreibt einen gelenkigen Mikroroboter, der mit Kamera und Verbindungskabel in Trümmer vordringen könnte. Die internationale Patentanmeldung für dieselbe Erfindung wurde 2025 veröffentlicht.",
        "year": "2023",
        "companions": [
          "work:micro-robot-rescue"
        ],
        "url": "https://tasaract.com/de/?scene=patent%3A2023-011901#journey",
        "topics": [
          "invention"
        ],
        "connections": [
          {
            "id": "work:micro-robot-rescue",
            "title": "Mikroroboter für die Suche nach Verschütteten",
            "url": "https://tasaract.com/de/?scene=work%3Amicro-robot-rescue#journey"
          }
        ],
        "recordUrl": "https://tasaract.com/de/patents/2023-011901/",
        "source": "https://patents.google.com/patent/TR2023011901A2/en"
      },
      {
        "id": "work:agent-chronicle",
        "domain": "agents",
        "title": "Wenn der Agent „fertig“ meldet",
        "text": "Ich habe Agent Chronicle gebaut, um Programmiersitzungen im Nachhinein nachvollziehen zu können. Von einer Entscheidung aus kann ich die geänderten Dateien ansehen und die Prüfungen öffnen, die das Ergebnis belegen.",
        "year": "2026",
        "companions": [
          "repository:agent-chronicle",
          "patent:2025-007995"
        ],
        "url": "https://tasaract.com/de/?scene=work%3Aagent-chronicle#journey",
        "topics": [
          "agents"
        ],
        "connections": [
          {
            "id": "repository:agent-chronicle",
            "title": "Agent Chronicle",
            "url": "https://tasaract.com/de/?scene=repository%3Aagent-chronicle#journey"
          },
          {
            "id": "patent:2025-007995",
            "title": "Entwicklungsumgebung mit Agentenarchitektur und Datenformat",
            "url": "https://tasaract.com/de/?scene=patent%3A2025-007995#journey"
          }
        ],
        "recordUrl": "https://tasaract.com/de/work/agent-chronicle/",
        "source": "https://github.com/detasar/agent-chronicle-community"
      },
      {
        "id": "work:weight-editing",
        "domain": "learning",
        "title": "Kann ein Modell ein anderes reparieren?",
        "text": "Als ich Sprachmodelle einen beschädigten Klassifikator bearbeiten ließ, stieg in einem Durchlauf die klassenweise gemittelte Genauigkeit leicht, während die Gesamtgenauigkeit sank. Beim intakten SmolLM2 wählten die Suchverfahren die ursprünglichen Gewichte.",
        "year": "2026",
        "companions": [
          "work:coverage-deferral"
        ],
        "url": "https://tasaract.com/de/?scene=work%3Aweight-editing#journey",
        "topics": [
          "agents",
          "language"
        ],
        "connections": [
          {
            "id": "work:coverage-deferral",
            "title": "Wessen Fall wird geprüft?",
            "url": "https://tasaract.com/de/?scene=work%3Acoverage-deferral#journey"
          }
        ],
        "recordUrl": "https://tasaract.com/de/work/weight-editing/",
        "source": "https://github.com/detasar/llm-weight-editing-study"
      }
    ]
  }
}
