# Tasaract — Davut Emre Taşar > Wählen Sie eine Frage. Die Links führen zum zugehörigen Projekt, zu den Belegen und zur Originalquelle. ## Emres Tesserakt Willkommen. Mal beschäftigt mich der Ton eines türkischen Satzes, mal eine Quantenmessung. Hier kannst du verfolgen, wohin mich diese Fragen führen. ### [Der nächste Schritt eines Programms](https://tasaract.com/de/?scene=project%3Ameaning-native-computing#journey) 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. [Originalquelle](https://tasaract.com/en/#meaning-native-computing) ### [Der Ton einer türkischen Rezension](https://tasaract.com/de/?scene=repository%3Aturkish-binary-reviews#journey) · 2021 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. [Originalquelle](https://github.com/detasar/BERT-TR-Finetuned4-Pos-Neg-Reviews) ### [Türkisch hören](https://tasaract.com/de/?scene=work%3Aturkish-asr#journey) · 2024 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. [Originalquelle](https://dergipark.org.tr/en/pub/acin/article/1338604) ### [Wie breit muss eine Prognose sein?](https://tasaract.com/de/?scene=repository%3Aregression-atlas#journey) · 2026 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. [Originalquelle](https://github.com/detasar/regression-conformal-prediction-research-atlas) ### [Wessen Fall wird geprüft?](https://tasaract.com/de/?scene=work%3Acoverage-deferral#journey) · 2025 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. [Originalquelle](https://www.preprints.org/manuscript/202512.2631) ### [Zwei Qubits, vier Ergebnisse](https://tasaract.com/de/?scene=work%3Aquantum-conformal#journey) · 2025 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. [Originalquelle](https://journals.gen.tr/index.php/jqtair/article/view/2702) ### [Kundengruppen trotz verrauschter Daten](https://tasaract.com/de/?scene=patent%3A2026-004441#journey) · 2026 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. [Originalquelle](https://www.turkpatent.gov.tr/arastirma-yap?form=patent) ### [Ein fingerbreiter Spalt](https://tasaract.com/de/?scene=patent%3A2023-011901#journey) · 2023 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. [Originalquelle](https://patents.google.com/patent/TR2023011901A2/en) ### [Wenn der Agent „fertig“ meldet](https://tasaract.com/de/?scene=work%3Aagent-chronicle#journey) · 2026 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. [Originalquelle](https://github.com/detasar/agent-chronicle-community) ### [Kann ein Modell ein anderes reparieren?](https://tasaract.com/de/?scene=work%3Aweight-editing#journey) · 2026 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. [Originalquelle](https://github.com/detasar/llm-weight-editing-study) ## Einstieg - [Kann ein Rechner die nächsten Befehle besser vorhersagen, wenn er die Regeln des Programms kennt?](https://tasaract.com/de/#meaning-native-computing) — Meaning-Native Computing - [Wessen Fall wird noch einmal geprüft?](https://tasaract.com/de/work/coverage-deferral/) — Abdeckung und menschliche Prüfung (Preprint) - [Was lässt sich aus endlich vielen Messungen schließen?](https://tasaract.com/de/work/quantum-conformal/) — Konforme Vorhersage für Quantenmessungen (Fachartikel) - [Ein Programmieragent meldet Vollzug. Was hat sich geändert?](https://tasaract.com/de/work/agent-chronicle/) — Agent Chronicle (Repository) ## In dieser Ausgabe - [Textleitfaden](https://tasaract.com/de/guide/) - [Wissensgraph](https://tasaract.com/de/graph/) - [Profil](https://tasaract.com/de/profile/) ## Über mich 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. 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. 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? Ich 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. Beim Spanischlernen entdecke ich Madrid und erfahre mehr über die Kulturen Spaniens und Lateinamerikas. Außerdem male ich gern und spiele Schach. Zu 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. [Meine Lieblings-Espressomaschine.](https://tasaract.com/de/#espresso) [Ein Bild von meinem Vortrag über meine Doktorarbeit bei den V Jornadas Científicas de DATAI an der Universität Navarra.](https://tasaract.com/de/#scholar) 2024 erhielt ich den We Think Big Award von BBVA für meine Arbeit an Patenten und meine wissenschaftlichen Beiträge. · [Foto der Auszeichnung ansehen](https://tasaract.com/de/#we-think-big) - [GitHub](https://github.com/detasar) - [Hugging Face](https://huggingface.co/emre) - [Scholar](https://scholar.google.com/citations?user=IZZM_JAAAAAJ) - [LinkedIn](https://www.linkedin.com/in/detasar/) - [X](https://x.com/mehanixs) - [ORCID](https://orcid.org/0000-0002-7788-0478) - [Universität Navarra](https://www.unav.edu/web/instituto-de-ciencia-de-los-datos-e-inteligencia-artificial/equipo#:~:text=Enhancing%20Fairness%20in%20AI%20Systems) ## [Vier Fragen aus meinem Notizbuch](https://tasaract.com/de/#idea-notebook-title) ### Ontologien und Datenstrukturen Was ändert sich im Graphen, wenn ein Zug Verspätung hat? 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? 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. [RDF 1.1 · W3C](https://www.w3.org/TR/rdf11-concepts/) ### [Meaning-Native Computing](https://tasaract.com/de/#meaning-native-computing) Kann ein Rechner die nächsten Befehle besser vorhersagen, wenn er die Regeln des Programms kennt? 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. 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. ### Kategorientheorie Was bleibt erhalten, wenn ich zwei Abbildungen verknüpfe? 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? 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. [Seven Sketches in Compositionality](https://arxiv.org/abs/1803.05316) ### Quantenmessung Was passiert, wenn ich demselben Qubit eine andere Frage stelle? 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. 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. [Quantum Information · IBM](https://quantum.cloud.ibm.com/learning/en/courses/basics-of-quantum-information/single-systems/quantum-information) [Specify observables in the Pauli basis · IBM Quantum Documentation](https://quantum.cloud.ibm.com/docs/en/qiskit/specify-observables-pauli) ## Forschungsatlas ### [Unsicherheit](https://tasaract.com/de/#topic-uncertainty) Kann ein Modell seine Grenzen erkennen? Konforme Vorhersage und Kalibrierung helfen zu untersuchen, wie viel Unsicherheit zwischen einem Modellwert und einer Entscheidung liegt. - [Abdeckung und menschliche Prüfung](https://tasaract.com/de/work/coverage-deferral/) - [Konforme Vorhersage für Quantenmessungen](https://tasaract.com/de/work/quantum-conformal/) - [Regression Conformal Prediction Research Atlas](https://tasaract.com/de/lab/regression-atlas/) ### [Fairness](https://tasaract.com/de/#topic-fairness) Wer trägt die Folgen der Unsicherheit? Ich untersuche, wie Unsicherheitsschätzungen und die Weiterleitung zur menschlichen Prüfung verschiedene Gruppen in Entscheidungssystemen betreffen. - [Abdeckung und menschliche Prüfung](https://tasaract.com/de/work/coverage-deferral/) - [Fairness Metrics](https://tasaract.com/de/lab/fairness-metrics/) ### [Agentensysteme](https://tasaract.com/de/#topic-agents) Wie lässt sich überprüfen, was ein Agent tatsächlich getan hat? Werkzeuge für nachvollziehbares Handeln verknüpfen automatisierte Schritte mit überprüfbaren Belegen und ermöglichen menschliche Aufsicht. - [Agent Chronicle](https://tasaract.com/de/work/agent-chronicle/) - [Ein Assistent für Fragen und Aufträge](https://tasaract.com/de/work/chat-assistant/) - [BIRD · Text-to-SQL experiments](https://tasaract.com/de/lab/bird-sql/) ### [Quantenforschung](https://tasaract.com/de/#topic-quantum) Was verrät uns eine Messung? Ich untersuche statistische Kalibrierung, Anomalieerkennung und die Belastbarkeit von Auswertungen bei Quantenmessungen. - [Konforme Vorhersage für Quantenmessungen](https://tasaract.com/de/work/quantum-conformal/) - [TARA · Tests mit adaptiven Rängen](https://tasaract.com/de/work/tara/) - [Quantum Time Experiment](https://tasaract.com/de/lab/quantum-clocks/) ### [Erfindungen](https://tasaract.com/de/#topic-invention) Wie klein müsste ein Rettungsroboter sein? Die Anmeldungen behandeln Rettungsrobotik, Dialogschnittstellen, persönliche Wissensgraphen und Quantenverfahren. - [Ein Assistent für Fragen und Aufträge](https://tasaract.com/de/work/chat-assistant/) - [Mikroroboter für die Suche nach Verschütteten](https://tasaract.com/de/work/micro-robot-rescue/) ### [Sprache](https://tasaract.com/de/#topic-language) Wie verstehen uns Maschinen? Spracherkennung für Türkisch, Anpassung von Sprachmodellen und Beiträge zur offenen mehrsprachigen Forschung. - [Ein Assistent für Fragen und Aufträge](https://tasaract.com/de/work/chat-assistant/) - [Zahlungsterminals mit Sprachsteuerung](https://tasaract.com/de/work/ai-pos/) - [Turkish Sentiment Analysis · TSAM](https://tasaract.com/de/lab/turkish-sentiment/) ## Forschungsnotiz — [Abdeckung und menschliche Prüfung](https://tasaract.com/de/work/coverage-deferral/) Wessen Fall wird noch einmal geprüft? Tabelle 4 · Prozentpunkte. 100 verschiedene Startwerte für den Zufallsgenerator. Angestrebte Abdeckung: 90 %. | Datensatz | Unterschied in der Abdeckung · Gemeinsame Kalibrierung | Unterschied in der Abdeckung · Gruppenweise | Unterschied bei Weiterleitungen · Gemeinsame Kalibrierung | Unterschied bei Weiterleitungen · Gruppenweise | | --- | ---: | ---: | ---: | ---: | | Adult | 5,0 | 1,2 | 5,1 | 12,9 | | ACS Income | 0,8 | 0,8 | 3,4 | 5,4 | | Bank Marketing | 2,0 | 1,1 | 0,0 | 3,0 | | 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 | [Originalquelle](https://www.preprints.org/manuscript/202512.2631#:~:text=Table%204.%20Coverage-deferral%20trade-off%20across%20datasets) ## Forschung und Publikationen ### [Abdeckung und menschliche Prüfung](https://tasaract.com/de/work/coverage-deferral/) Originaltitel · The Coverage-Deferral Trade-Off: Fairness Implications of Conformal Prediction in Human-in-the-Loop Decision Systems 2025 · Preprint · Alleinautor · Davut Emre Taşar · Preprints.org Wessen Fall wird noch einmal geprüft? 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. 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. [Fairness](https://tasaract.com/de/#topic-fairness) · [Unsicherheit](https://tasaract.com/de/#topic-uncertainty) [Originalquelle](https://www.preprints.org/manuscript/202512.2631) ### [Agent Chronicle](https://tasaract.com/de/work/agent-chronicle/) 2026 · Repository · Projektbetreuer · Agent Chronicle Community · GitHub Ein Programmieragent meldet Vollzug. Was hat sich geändert? Das lokale Werkzeug macht eine Programmiersitzung mit Codex oder Claude nachvollziehbar. Entscheidungen, Dateiänderungen und Prüfungen lassen sich bis zu den zugehörigen Aktivitäten zurückverfolgen. 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. [Agentensysteme](https://tasaract.com/de/#topic-agents) [Originalquelle](https://github.com/detasar/agent-chronicle-community) ### [Konforme Vorhersage für Quantenmessungen](https://tasaract.com/de/work/quantum-conformal/) Originaltitel · Quantum-Enhanced Conformal Methods for Multi-Output Uncertainty: A Holistic Exploration and Experimental Analysis 2025 · Fachartikel · Alleinautor · Davut Emre Taşar · Journal of Quantum Technologies and Informatics Research Was lässt sich aus endlich vielen Messungen schließen? 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. 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. [Unsicherheit](https://tasaract.com/de/#topic-uncertainty) · [Quantenforschung](https://tasaract.com/de/#topic-quantum) [Originalquelle](https://journals.gen.tr/index.php/jqtair/article/view/2702) ### [TARA · Tests mit adaptiven Rängen](https://tasaract.com/de/work/tara/) Originaltitel · TARA Test-by-Adaptive-Ranks for Quantum Anomaly Detection with Conformal Prediction Guarantees 2025 · Preprint · Erstautor · Davut Emre Taşar, Ceren Öcal Taşar · arXiv Wann wird eine Folge von Messergebnissen auffällig? 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. 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. [Quantenforschung](https://tasaract.com/de/#topic-quantum) · [Unsicherheit](https://tasaract.com/de/#topic-uncertainty) [Originalquelle](https://arxiv.org/abs/2512.04016) ### [Ein Assistent für Fragen und Aufträge](https://tasaract.com/de/work/chat-assistant/) Originaltitel · A chat assistant system 2025 · Patentanmeldung (PCT) · Miterfinder · WIPO · PCT Wann sollte aus einem Gespräch eine Handlung folgen? 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. 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. [Erfindungen](https://tasaract.com/de/#topic-invention) · [Agentensysteme](https://tasaract.com/de/#topic-agents) · [Sprache](https://tasaract.com/de/#topic-language) [Originalquelle](https://patents.google.com/patent/WO2025071524A1/en) ### [Mikroroboter für die Suche nach Verschütteten](https://tasaract.com/de/work/micro-robot-rescue/) Originaltitel · A system for providing search and rescue operation via a micro-robot 2025 · Patentanmeldung (PCT) · Miterfinder · WIPO · PCT Was kann durch eine fingerbreite Öffnung zu einem Menschen vordringen? Die Anmeldung beschreibt einen fingergroßen Gelenkroboter. Kamera und Sensoren sollen enge Hohlräume im Schutt erkunden. Eine Leitung wäre für Kommunikation und Versorgung vorgesehen. 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. [Erfindungen](https://tasaract.com/de/#topic-invention) · [Agentensysteme](https://tasaract.com/de/#topic-agents) [Originalquelle](https://patents.google.com/patent/WO2025071525A1/en) ### [Zahlungsterminals mit Sprachsteuerung](https://tasaract.com/de/work/ai-pos/) Originaltitel · An artificial intelligence-aided point of sale device management system 2024 · Patentanmeldung (PCT) · Miterfinder · WIPO · PCT Kann ein Händler ein Zahlungsterminal mit der Stimme bedienen? 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. 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. [Erfindungen](https://tasaract.com/de/#topic-invention) · [Sprache](https://tasaract.com/de/#topic-language) [Originalquelle](https://patents.google.com/patent/WO2024220062A1/en) ### [Virtuelle Eingabe durch Gesten](https://tasaract.com/de/work/virtual-input/) Originaltitel · A system for using a virtual keyboard and a mouse 2025 · Patentanmeldung (PCT) · Miterfinder · WIPO · PCT Wo ist die Tastatur, wenn der Bildschirm virtuell ist? 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. 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. [Erfindungen](https://tasaract.com/de/#topic-invention) [Originalquelle](https://patents.google.com/patent/WO2025063923A1/en) ### [Persönliche Empfehlungen im Arbeitsalltag](https://tasaract.com/de/work/personalized-suggestions/) Originaltitel · A system for increasing employee productivity by providing personalized suggestions 2025 · Patentanmeldung (PCT) · Miterfinder · WIPO · PCT Wie kann ein Assistent einen Vorschlag auf den Arbeitstag einer Person abstimmen? Der Antrag beschreibt ein System, das tägliche Angaben zur Stimmung und Gesundheit von Beschäftigten nutzen soll, um Vorschläge für den Arbeitstag zu erstellen. 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. [Erfindungen](https://tasaract.com/de/#topic-invention) [Originalquelle](https://patents.google.com/patent/WO2025063924A1/en) ### [Grenzen statistischer Quantenzertifizierung](https://tasaract.com/de/work/adversarial-quantum/) Originaltitel · Adversarial Limits of Quantum Certification: When Eve Defeats Detection 2025 · Preprint · Alleinautor · Davut Emre Taşar · arXiv Bleibt ein gutes Testergebnis unter anderen Bedingungen bestehen? Ich untersuchte, wie die Wahl der Kalibrierungs- und Auswertungsdaten einen Test von Quantenkorrelationen beeinflusst. Der Preprint vergleicht Simulationen mit Messungen von IBM Quantum. 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. [Quantenforschung](https://tasaract.com/de/#topic-quantum) · [Unsicherheit](https://tasaract.com/de/#topic-uncertainty) [Originalquelle](https://arxiv.org/abs/2512.04391) ### [Spracherkennung für Türkisch](https://tasaract.com/de/work/turkish-asr/) Originaltitel · Transformer-Based Turkish Automatic Speech Recognition 2024 · Fachartikel · Erstautor · Davut Emre Taşar, Kutan Koruyan, Cihan Çılgın · Acta Infologica Was lässt sich auf die türkische Spracherkennung übertragen? 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. 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. [Sprache](https://tasaract.com/de/#topic-language) [Originalquelle](https://dergipark.org.tr/en/pub/acin/article/1338604) ### [Qwen-0.5B mit GRPO](https://tasaract.com/de/work/qwen-grpo/) Originaltitel · Qwen-0.5B-GRPO: A Fine-Tuned Math Reasoner 2025 · Modell · Entwickler · Davut Emre Taşar · Hugging Face Models Kann ein kleines Modell eine mathematische Antwort strukturiert formulieren? 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. 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. [Sprache](https://tasaract.com/de/#topic-language) [Originalquelle](https://huggingface.co/emre/Qwen-0.5B-GRPO) ### [TARA · Schlussfolgern auf Türkisch](https://tasaract.com/de/work/turkish-reasoning-benchmark/) Originaltitel · TARA: Turkish Advanced Reasoning Assessment Dataset 2025 · Datensatz · Mitkurator des Datensatzes · Davut Emre Taşar, Ceren Öcal Taşar · Hugging Face Datasets Wie prüft man das Schlussfolgern eines Sprachmodells auf Türkisch? 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. 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. [Sprache](https://tasaract.com/de/#topic-language) [Originalquelle](https://huggingface.co/datasets/emre/TARA_Turkish_LLM_Benchmark) ### [Ein gemeinsames Sprachmodell für mehrere Chatbots](https://tasaract.com/de/work/multilingual-chatbots/) Originaltitel · Performance Trade-Off for Bert Based Multi-Domain Multilingual Chatbot Architectures 2021 · Fachartikel · Erstautor · Davut Emre Taşar, Şükrü Ozan, Seçilay Kutal, Oğuzhan Ölmez, Semih Gülüm, Fatih Akca, Ceren Belhan · Journal of Artificial Intelligence and Data Science Brauchen dreizehn Chatbot-Aufgaben dreizehn Modelle? 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. 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. [Sprache](https://tasaract.com/de/#topic-language) [Originalquelle](https://dergipark.org.tr/en/pub/jaida/article/1060221) ### [Widersprüchliche Branchenangaben in Werbetexten](https://tasaract.com/de/work/ad-text-classification/) Originaltitel · BERT Modeli’nin Sınıflandırma Doğruluğunun Sıfır-Atış Öğrenmesi ile Artırılması 2021 · Fachartikel · Mitautor · Şükrü Ozan, Umut Özdil, Davut Emre Taşar, Büşra Arslan, Gökçe Polat · Türkiye Bilişim Vakfı Bilgisayar Bilimleri ve Mühendisliği Dergisi Was, wenn die Branchenangabe der Anzeige falsch ist? Wir untersuchten rund 101.000 Anzeigen aus 44 Branchen. Mithilfe eines Zero-Shot-Modells prüften wir fragliche Branchenzuordnungen, bevor wir BERT erneut trainierten. 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. [Sprache](https://tasaract.com/de/#topic-language) [Originalquelle](https://dergipark.org.tr/tr/pub/tbbmd/article/1004781) ### [Neuronale Netze mit Sprachmodellen bearbeiten](https://tasaract.com/de/work/weight-editing/) Originaltitel · Editing Neural Networks with Language Models 2026 · Repository · Alleinautor · Davut Emre Taşar · GitHub Kann ein Modell die Gewichte eines anderen Modells bearbeiten? 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. 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. [Agentensysteme](https://tasaract.com/de/#topic-agents) · [Sprache](https://tasaract.com/de/#topic-language) [Originalquelle](https://github.com/detasar/llm-weight-editing-study) ### [BLOOM](https://tasaract.com/de/work/bloom/) Originaltitel · BLOOM: A 176B-Parameter Open-Access Multilingual Language Model 2022 · Preprint · Mitautor · BigScience Workshop · BigScience Workshop · arXiv Wie entstand ein offenes mehrsprachiges Modell? 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. 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. [Sprache](https://tasaract.com/de/#topic-language) [Originalquelle](https://arxiv.org/abs/2211.05100) ## Patente und Gebrauchsmuster Ich bin als Erfinder an 30 türkischen Anmeldungen beteiligt, davon 28 Patentanmeldungen und zwei Gebrauchsmusteranmeldungen. Anmelderin ist die Türkiye Garanti Bankası A.Ş. Einige internationale Veröffentlichungen beziehen sich auf dieselben türkischen Anmeldungen. Die Gesamtzahl erfasst die in der Türkei eingereichten Anmeldungen. Für den aktuellen Rechtsstand ist das amtliche Register maßgeblich. Anmelder · TÜRKİYE GARANTİ BANKASI ANONİM ŞİRKETİ Stand des Registerauszugs · 2026-08-31 · [Amtliches Register von TÜRKPATENT](https://www.turkpatent.gov.tr/arastirma-yap?form=patent) ### [2026/007909 · Auf die Stimme abgestimmte Geräuschunterdrückung](https://tasaract.com/de/patents/2026-007909/) Patentanmeldung · Anmeldedatum 2026-05-18 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. 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. Veröffentlichungsdatum · 2026-07-21 [Originalquelle](https://www.turkpatent.gov.tr/arastirma-yap?form=patent) · 2026/007909 ### [2026/007907 · KI-System für logische Schlussfolgerungen](https://tasaract.com/de/patents/2026-007907/) Patentanmeldung · Anmeldedatum 2026-05-18 Transaktionsverläufe, Nutzerdaten und Netzwerkverbindungen sollen in ein logisches Wissensmodell einfließen. Daraus ließen sich Schlüsse für Bereiche wie Finanzen, Gesundheit und Logistik ziehen. 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. Veröffentlichungsdatum · 2026-06-22 [Originalquelle](https://www.turkpatent.gov.tr/arastirma-yap?form=patent) · 2026/007907 ### [2026/006294 · Personalisierte Gestaltung der Wartezeit](https://tasaract.com/de/patents/2026-006294/) Patentanmeldung · Anmeldedatum 2026-04-24 Das vorgeschlagene System schätzt die Gefühlslage einer wartenden Person ein und wählt auf dieser Grundlage Inhalte für sie aus. 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. Veröffentlichungsdatum · 2026-05-21 [Originalquelle](https://www.turkpatent.gov.tr/arastirma-yap?form=patent) · 2026/006294 ### [2026/006289 · Ruhestandsplanung und Alltagshilfe mit persönlicher Ontologie](https://tasaract.com/de/patents/2026-006289/) Patentanmeldung · Anmeldedatum 2026-04-24 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. 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. Veröffentlichungsdatum · 2026-06-22 [Originalquelle](https://www.turkpatent.gov.tr/arastirma-yap?form=patent) · 2026/006289 ### [2026/004444 · Umgebungserfassung mit Schutz der Privatsphäre](https://tasaract.com/de/patents/2026-004444/) Patentanmeldung · Anmeldedatum 2026-03-26 Wo Kameras ungeeignet sind, soll das System Anwesenheit und Aktivität von Menschen datenschutzschonend erkennen und den Energieeinsatz entsprechend regeln. 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. Veröffentlichungsdatum · 2026-05-21 [Originalquelle](https://www.turkpatent.gov.tr/arastirma-yap?form=patent) · 2026/004444 ### [2026/004441 · Kundensegmentierung mit Quantenverschränkung und konformer Vorhersage](https://tasaract.com/de/patents/2026-004441/) Patentanmeldung · Anmeldedatum 2026-03-26 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. 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. Veröffentlichungsdatum · 2026-04-21 [Originalquelle](https://www.turkpatent.gov.tr/arastirma-yap?form=patent) · 2026/004441 ### [2026/002909 · Ein Vorhersagesystem](https://tasaract.com/de/patents/2026-002909/) Patentanmeldung · Anmeldedatum 2026-02-26 Die Anmeldung will die Verlässlichkeit einer KI-Prognose numerisch ausdrücken. Genannt werden Kreditausfall, Gewinn oder Verlust einer Transaktion und verspäteter Abschluss eines Vorgangs. 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. Veröffentlichungsdatum · 2026-03-23 [Originalquelle](https://www.turkpatent.gov.tr/arastirma-yap?form=patent) · 2026/002909 ### [2026/001992 · Kundenerkennung und Wartezeiten in Filialen mittels Bildverarbeitung](https://tasaract.com/de/patents/2026-001992/) Patentanmeldung · Anmeldedatum 2026-02-10 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. 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. Veröffentlichungsdatum · 2026-03-23 [Originalquelle](https://www.turkpatent.gov.tr/arastirma-yap?form=patent) · 2026/001992 ### [2025/019989 · Ein System für spielerische Kundeninteraktion](https://tasaract.com/de/patents/2025-019989/) Patentanmeldung · Anmeldedatum 2025-12-12 Das System analysiert Bankaktivitäten und schlägt individuell zugeschnittene Finanzinhalte und Spielszenarien vor. Die Banking-App kann Rückmeldungen zu den Szenarien erfassen. 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. Veröffentlichungsdatum · 2026-01-21 [Originalquelle](https://patents.google.com/patent/TR2025019989A2/en) · TR2025019989A2 ### [2025/011133 · Aufwertung aufgezeichneter Inhalte mit föderiertem Lernen](https://tasaract.com/de/patents/2025-011133/) Patentanmeldung · Anmeldedatum 2025-08-08 Die Anmeldung beschreibt, wie sich audiovisuelle Erinnerungen, die ein Gerät aufgezeichnet hat, personalisieren lassen. Föderiertes Lernen ist Teil des vorgesehenen Verfahrens. 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. Veröffentlichungsdatum · 2025-09-22 [Originalquelle](https://patents.google.com/patent/TR2025011133A2/en) · TR2025011133A2 ### [2025/008786 · Varianten multimodaler Inhalte mit dynamischen Graphen](https://tasaract.com/de/patents/2025-008786/) Patentanmeldung · Anmeldedatum 2025-06-30 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. 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. Veröffentlichungsdatum · 2025-08-21 [Originalquelle](https://patents.google.com/patent/TR2025008786A2/en) · TR2025008786A2 ### [2025/008273 · Persönliche Kabine für vertrauliche Vorgänge](https://tasaract.com/de/patents/2025-008273/) Patentanmeldung · Anmeldedatum 2025-06-20 Eine modulare Kabine soll für sensible Angelegenheiten mit verschiedenen Dienstleistern einen geschützten Raum bieten. 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. Veröffentlichungsdatum · 2025-09-22 [Originalquelle](https://patents.google.com/patent/TR2025008273A2/en) · TR2025008273A2 ### [2025/008055 · Sicherheit im Straßenverkehr](https://tasaract.com/de/patents/2025-008055/) Patentanmeldung · Anmeldedatum 2025-06-18 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. 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. Veröffentlichungsdatum · 2025-08-21 [Originalquelle](https://www.turkpatent.gov.tr/arastirma-yap?form=patent) · 2025/008055 ### [2025/008032 · Gemeinsame Entscheidungen durch menschliche und künstliche Schwarmintelligenz](https://tasaract.com/de/patents/2025-008032/) Patentanmeldung · Anmeldedatum 2025-06-17 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. 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. Veröffentlichungsdatum · 2025-07-21 [Originalquelle](https://www.turkpatent.gov.tr/arastirma-yap?form=patent) · 2025/008032 ### [2025/008028 · Koordination in einem Ökosystem aus mehreren Geräten](https://tasaract.com/de/patents/2025-008028/) Patentanmeldung · Anmeldedatum 2025-06-17 Die Anmeldung nutzt KI zur Abstimmung zwischen Geräten und Anwendungen. Das Nutzungserlebnis soll sich mit den Interaktionen der jeweiligen Person weiterentwickeln. 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. Veröffentlichungsdatum · 2025-07-21 [Originalquelle](https://www.turkpatent.gov.tr/arastirma-yap?form=patent) · 2025/008028 ### [2025/007997 · Immobilienbewertung, Analyse und strategische Planung](https://tasaract.com/de/patents/2025-007997/) Patentanmeldung · Anmeldedatum 2025-06-17 Die Anmeldung verbindet Daten verschiedener Quellen zur Immobilienbewertung. Eine veränderliche Ontologie, Netzwerkanalyse und erklärbare generative KI sollen die Bewertung mit der strategischen Planung verknüpfen. 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. Veröffentlichungsdatum · 2025-07-21 [Originalquelle](https://www.turkpatent.gov.tr/arastirma-yap?form=patent) · 2025/007997 ### [2025/007995 · Entwicklungsumgebung mit Agentenarchitektur und Datenformat](https://tasaract.com/de/patents/2025-007995/) Patentanmeldung · Anmeldedatum 2025-06-17 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. 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. Veröffentlichungsdatum · 2025-08-21 [Originalquelle](https://www.turkpatent.gov.tr/arastirma-yap?form=patent) · 2025/007995 ### [2024/003815 · Bessere Kundenkommunikation im Finanzsektor](https://tasaract.com/de/patents/2024-003815/) Patentanmeldung · Anmeldedatum 2024-03-27 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. 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. Veröffentlichungsdatum · 2024-04-22 [PCT · WO2025207066A1](https://patents.google.com/patent/WO2025207066A1/en) [Originalquelle](https://patents.google.com/patent/TR2024003815A2/en) · TR2024003815A2 ### [2024/003813 · Aufbau von Anlagekanälen](https://tasaract.com/de/patents/2024-003813/) Patentanmeldung · Anmeldedatum 2024-03-27 Die Anmeldung beschreibt Anlagekanäle, die von Fachleuten oder bekannten Persönlichkeiten gestaltet werden. KI-Avatare auf Basis bestimmter Profile sollen den Nutzern finanzielle Orientierung bieten. 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. Veröffentlichungsdatum · 2024-04-22 [Originalquelle](https://www.turkpatent.gov.tr/arastirma-yap?form=patent) · 2024/003813 ### [2024/003592 · Gegenseitige Hilfe bei Bankvorgängen mit beiderseitiger Zustimmung](https://tasaract.com/de/patents/2024-003592/) Patentanmeldung · Anmeldedatum 2024-03-25 Ein Kunde soll einen Bankvorgang gemeinsam mit einer Vertrauensperson erledigen können. Die Teilnahme beider Beteiligten setzt ihre gegenseitige Zustimmung voraus. 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. Veröffentlichungsdatum · 2024-05-21 [PCT · WO2025207061A1](https://patents.google.com/patent/WO2025207061A1/en) [Originalquelle](https://patents.google.com/patent/TR2024003592A2/en) · TR2024003592A2 ### [2023/011901 · Suche und Rettung mit einem Mikroroboter](https://tasaract.com/de/patents/2023-011901/) Patentanmeldung · Anmeldedatum 2023-09-25 Mikroroboter sollen Hohlräume in eingestürzten Gebäuden oder Bergwerken erkunden und Verschüttete orten. Die Anmeldung beschreibt auch eine Versorgungsleitung nach außen. 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. Veröffentlichungsdatum · 2023-12-21 [Bekanntgabe des endgültigen Erteilungsbeschlusses für das türkische Patent](https://www.turkpatent.gov.tr/arastirma-yap?form=patent) · 2026-02-23 [PCT · WO2025071525A1](https://patents.google.com/patent/WO2025071525A1/en) [Originalquelle](https://patents.google.com/patent/TR2023011901A2/en) · TR2023011901A2 ### [2023/011870 · Ein Gesprächsassistent](https://tasaract.com/de/patents/2023-011870/) Patentanmeldung · Anmeldedatum 2023-09-25 Auf eine Frage hin soll der Assistent online nach Informationen suchen. Erteilt die Person einen Auftrag, kann er im selben Gespräch einen Vorgang ausführen. 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. Veröffentlichungsdatum · 2023-12-21 [PCT · WO2025071524A1](https://patents.google.com/patent/WO2025071524A1/en) [Originalquelle](https://patents.google.com/patent/TR2023011870A2/en) · TR2023011870A2 ### [2023/011830 · Persönliche Empfehlungen für den Arbeitstag](https://tasaract.com/de/patents/2023-011830/) Patentanmeldung · Anmeldedatum 2023-09-22 Der Assistent soll tägliche Angaben zu Gesundheit und Stimmung von Beschäftigten verwenden, um individuelle Vorschläge für den Arbeitstag zu machen. 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. Veröffentlichungsdatum · 2024-08-21 [PCT · WO2025063924A1](https://patents.google.com/patent/WO2025063924A1/en) [Originalquelle](https://patents.google.com/patent/TR2023011830A2/en) · TR2023011830A2 ### [2023/011601 · Virtuelle Tastatur und Maus](https://tasaract.com/de/patents/2023-011601/) Patentanmeldung · Anmeldedatum 2023-09-18 Das System verfolgt Handbewegungen und deutet sie in virtueller und erweiterter Realität als Tastatur- oder Mauseingaben. 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. Veröffentlichungsdatum · 2023-12-21 [PCT · WO2025063923A1](https://patents.google.com/patent/WO2025063923A1/en) [Originalquelle](https://patents.google.com/patent/TR2023011601A2/en) · TR2023011601A2 ### [2023/011600 · Sicherheit nach einem Vorgang am Geldautomaten](https://tasaract.com/de/patents/2023-011600/) Gebrauchsmusteranmeldung · Anmeldedatum 2023-09-18 Das System achtet auf zurückgelassene Karten, Banknoten oder Belege. Die Banking-App kann eine Person nach dem Verlassen des Automaten darauf hinweisen. 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. Veröffentlichungsdatum · 2024-01-22 [PCT · WO2025063922A1](https://patents.google.com/patent/WO2025063922A1/en) [Originalquelle](https://patents.google.com/patent/TR2023011600A2/en) · TR2023011600A2 ### [2023/011599 · Leichtere Bedienung eines Geldautomaten](https://tasaract.com/de/patents/2023-011599/) Patentanmeldung · Anmeldedatum 2023-09-18 Ein Mobilgerät liest einen Code am Geldautomaten und zeigt dessen Bedienelemente in erweiterter Realität. Bargeldannahme, Auszahlung und Belegdruck bleiben beim physischen Automaten. 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. Veröffentlichungsdatum · 2024-01-22 [PCT · WO2025063920A1](https://patents.google.com/patent/WO2025063920A1/en) [Originalquelle](https://patents.google.com/patent/TR2023011599A2/en) · TR2023011599A2 ### [2023/004244 · KI-gestützte Verwaltung von Zahlungsterminals](https://tasaract.com/de/patents/2023-004244/) Patentanmeldung · Anmeldedatum 2023-04-17 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. 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. Veröffentlichungsdatum · 2023-09-21 [PCT · WO2024220062A1](https://patents.google.com/patent/WO2024220062A1/en) [Originalquelle](https://patents.google.com/patent/TR2023004244A2/en) · TR2023004244A2 ### [2023/004047 · Ein System für sichere Kaufgeschäfte](https://tasaract.com/de/patents/2023-004047/) Patentanmeldung · Anmeldedatum 2023-04-12 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. 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. Veröffentlichungsdatum · 2023-09-21 [PCT · WO2024215289A1](https://patents.google.com/patent/WO2024215289A1/en) [Originalquelle](https://patents.google.com/patent/TR2023004047A2/en) · TR2023004047A2 ### [2022/016679 · Ein Empfehlungssystem](https://tasaract.com/de/patents/2022-016679/) Gebrauchsmusteranmeldung · Anmeldedatum 2022-11-03 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. 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. Veröffentlichungsdatum · 2022-12-21 [PCT · WO2024096828A1](https://patents.google.com/patent/WO2024096828A1/en) [Originalquelle](https://patents.google.com/patent/WO2024096828A1/en) · WO2024096828A1 ### [2022/016395 · Verwaltung eines Abstimmungsverfahrens](https://tasaract.com/de/patents/2022-016395/) Patentanmeldung · Anmeldedatum 2022-10-31 Die Anmeldung kombiniert mehrere KI-Verfahren in einem kollektiven Entscheidungsprozess und behandelt die Kommunikation zwischen den Beteiligten im Verlauf einer Abstimmung. 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. Veröffentlichungsdatum · 2022-12-21 [PCT · WO2024096827A1](https://patents.google.com/patent/WO2024096827A1/en) [Originalquelle](https://patents.google.com/patent/TR2022016395A2/en) · TR2022016395A2 ## Modelle und Code ### [Turkish Sentiment Analysis · TSAM](https://tasaract.com/de/lab/turkish-sentiment/) Modell Ich habe dieses BERT-Modell darauf trainiert, den Ton türkischer Rezensionen zu erkennen. Es bewertet, wie positiv, neutral oder negativ die Äußerung klingt. 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. 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. [A cross-validation study of Turkish sentiment analysis datasets and tools](https://doi.org/10.1007/s10579-025-09869-6) [Downloads auf dem Hub insgesamt](https://huggingface.co/api/models/emre/turkish-sentiment-analysis?expand=downloadsAllTime) · 12.053 · 2026-11-18 [Ein früheres Modell für Rezensionen](https://github.com/detasar/BERT-TR-Finetuned4-Pos-Neg-Reviews) Ich habe ein türkisches BERT-Modell darauf trainiert, positive von negativen Rezensionen zu unterscheiden. Die Trainingsparameter stehen auf GitHub. [Originalquelle](https://huggingface.co/emre/turkish-sentiment-analysis) ### [Whisper Medium TR](https://tasaract.com/de/lab/whisper-tr/) Modell Transkribiert türkische Sprache mit einer angepassten Version von Whisper. 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. [OpenAI Whisper Medium](https://huggingface.co/openai/whisper-medium) [Originalquelle](https://huggingface.co/emre/whisper-medium-turkish-2) ### [Gemma 2 · Turkish Wikipedia](https://tasaract.com/de/lab/gemma-wiki-tr/) Modell Passt Gemma mit Texten aus der türkischsprachigen Wikipedia an. 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. [Google Gemma 2 9B](https://huggingface.co/google/gemma-2-9b) [Originalquelle](https://huggingface.co/emre/gemma-2-9b-Turkish-Lora-Continue-Pre-Trained) ### [Java Methods · Doc2Vec](https://tasaract.com/de/lab/java-method-vectors/) Modell Stellt Java-Methoden als 200-dimensionale Doc2Vec-Vektoren dar, um ähnlichen Code aufzufinden. 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. [Gensim Doc2Vec](https://radimrehurek.com/gensim/models/doc2vec.html) [Originalquelle](https://huggingface.co/emre/java_8m_methods_doc2vec) ### [Gemma 3 27B · Turkish reasoning](https://tasaract.com/de/lab/gemma-reasoning-tr/) Modell Eine 4-Bit-Anpassung von Gemma für Schlussfolgerungsaufgaben auf Türkisch. 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. [Unsloth 4-bit Gemma 3 27B Instruct](https://huggingface.co/unsloth/gemma-3-27b-it-unsloth-bnb-4bit) [Originalquelle](https://huggingface.co/emre/gemma-3-27b-it-tr-reasoning40k-4bit) ### [arXiv Abstract-to-Title · mT5](https://tasaract.com/de/lab/abstract-title/) Modell Schlägt auf Grundlage einer wissenschaftlichen Zusammenfassung einen Artikeltitel vor. 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. [mT5-small](https://huggingface.co/google/mt5-small) [Originalquelle](https://huggingface.co/emre/arxiv27k-t5-abst-title-gen) ### [Wav2Vec2 XLS-R · Turkish](https://tasaract.com/de/lab/xlsr-tr/) Modell Erkennt und transkribiert türkische Sprache mit einem auf wav2vec 2.0 basierenden Modell. 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 %. [Meta Wav2Vec2 XLS-R 300M](https://huggingface.co/facebook/wav2vec2-xls-r-300m) [Originalquelle](https://huggingface.co/emre/wav2vec2-large-xls-r-300m-tr) ### [Qwen 0.5B · GRPO maths](https://tasaract.com/de/lab/qwen-grpo/) Modell Passt Qwen mit GRPO an, um strukturierte Lösungen für Mathematikaufgaben zu erzeugen. 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. [Qwen2.5-0.5B-Instruct](https://huggingface.co/Qwen/Qwen2.5-0.5B-Instruct) [Originalquelle](https://huggingface.co/emre/Qwen-0.5B-GRPO) ### [Regression Conformal Prediction Research Atlas](https://tasaract.com/de/lab/regression-atlas/) Repository Vergleicht Vorhersageintervalle für kontinuierliche Zielgrößen anhand von 67 Datensätzen. 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. [Originalquelle](https://github.com/detasar/regression-conformal-prediction-research-atlas) ### [BIRD · Text-to-SQL experiments](https://tasaract.com/de/lab/bird-sql/) Repository Übersetzt eine Frage in natürlicher Sprache in SQL und prüft das Resultat an der Datenbank. 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. [Originalquelle](https://github.com/detasar/bird-text2sql-experiments) ### [WebCLI](https://tasaract.com/de/lab/webcli/) Repository Bereitet veröffentlichte Dokumentation als durchsuchbare JSON- oder JSONL-Daten auf. 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. [Originalquelle](https://github.com/detasar/webcli) ### [Fairness Metrics](https://tasaract.com/de/lab/fairness-metrics/) Repository 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. 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. [Originalquelle](https://github.com/detasar/fairness_metrics) ### [Quantum Time Experiment](https://tasaract.com/de/lab/quantum-clocks/) Repository Untersucht Messprotokolle auf mögliche zeitliche Ordnungen in Quantensystemen. 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. [Originalquelle](https://github.com/detasar/quantum-time-experiment) ### [PaperBanana field test](https://tasaract.com/de/lab/paperbanana-test/) Repository Erzeugt aus dem Methodenteil eines Artikels Vorschläge für wissenschaftliche Abbildungen und bewertet diese gesondert. 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. [Originalquelle](https://github.com/detasar/paperbanana-field-test) ### [World Cup 2026 Nowcast Lab](https://tasaract.com/de/lab/worldcup-nowcast/) Repository Simuliert anhand von Spielprognosen mögliche Turnierausgänge. 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. [Originalquelle](https://github.com/detasar/worldcup26-nowcast-lab) ### [Agent Chronicle](https://tasaract.com/de/lab/agent-chronicle/) Repository Ordnet die Aktivitäten eines Programmieragenten auf einer Zeitleiste mit den jeweiligen Nachweisen an. 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. [Originalquelle](https://github.com/detasar/agent-chronicle-community) ## Quelldokumente - [Profil](https://tasaract.com/de/profile.json) - [Forschung und Publikationen](https://tasaract.com/de/public-works.json) - [Patente und Gebrauchsmuster](https://tasaract.com/de/patent-portfolio.json) - [Modelle und Code](https://tasaract.com/de/open-lab.json) - [Wissensgraph](https://tasaract.com/de/ontology.jsonld) - [Weg wählen](https://tasaract.com/de/journey-data.json) - [JSON](https://tasaract.com/de/agent-index.json) ## API · MCP Trage die Serveradresse in deinen MCP-Client ein und melde dich mit OAuth an. Die öffentlichen JSON-Links kannst du auch direkt im Browser öffnen. - [Über MCP verbinden](https://tasaract.com/de/guide/#mcp) - [MCP · OAuth · JSON-RPC · POST](https://tasaract.vecna.chatgpt.site/mcp) - [Profil](https://tasaract.com/api/profile?lang=de) - [Forschung und Publikationen](https://tasaract.com/api/works?lang=de) - [Patente und Gebrauchsmuster](https://tasaract.com/api/patents?lang=de) - [Modelle und Code](https://tasaract.com/api/lab?lang=de) - [Sprache](https://tasaract.com/languages.json) ```json {"jsonrpc":"2.0","id":1,"method":"tools/call","params":{"name":"get_profile","arguments":{"lang":"de"}}} ```