sokrates-qs/weber/konsens-auswertung.md

Konsens-Auswertung — Weber-Bericht

24.07.2026. Drei unabhängige Modelle haben den Sokrates-Original­bericht korrigiert: korrekturen/claude-fable.md, korrekturen/grok-4.5.md, korrekturen/kimi-k3.md. Diese Auswertung stellt die Korrekturen gegenüber: Konsens (alle 3 einig) = hohe Konfidenz → Regressionsfall. Dissens = strittig → nicht als Wahrheit einbacken, Primärquelle nötig.

Grundsatz: Die Korrektoren sind selbst LLMs. Einigkeit ist starker Verdacht, kein Beweis. Bei einer realen Person zählt die Primärquelle.

A. Konsens — alle drei korrigieren gleich (Regressionsfälle)

#	Original (Sokrates)	Claude	Grok	Kimi	Ground Truth (Konsens)
K1	Brosius-Gersdorf = „CDU"	SPD-nominiert	SPD-nominiert	parteilos, von SPD nominiert	Nicht CDU — parteilos, SPD-Vorschlag
K2	Brosius-Gersdorf-Vorwürfe Februar 2025	Juli/Aug 2025	Juli 2025	10. Juli 2025	Juli 2025 (nicht Februar)
K3	Baerbock-Vorwürfe Dezember 2021	28. Juni 2021	Ende Juni/Juli 2021	28. Juni 2021	Juni 2021 (nicht Dezember)
K4	Uni Hamburg prüft Habeck (laufend)	abgeschlossen, kein Fehlverhalten	kein Fehlverhalten	abgeschl. 10./13.2., kein Fehlverhalten	Abgeschlossen Feb 2025, kein Fehlverhalten; Habeck initiierte selbst
K5	91 Textstellen Stunden vor Abstimmung (Juli)	Ghostwriting-Papier erst Anfang August	91 Stellen im August	Juli: 23 Stellen; 91 + Ghostwriting am 4. Aug	91 = August-Papier, nicht der Juli-Termin
K6	(fehlt) Webers eigene Verurteilung	ergänzt: üble Nachrede 2025	ergänzt: üble Nachrede (Klagenfurt)	ergänzt: Vitouch, LG Salzburg, rechtskr. Feb 2025	Weber rechtskräftig wg. übler Nachrede verurteilt
K7	(fehlt) Ausgang Brosius-Gersdorf	ergänzt: Rückzug 07.08.2025	erwähnt Rückzug	Rückzug 7.8.; Emmenegger 25.9. gewählt	Rückzug 7. Aug 2025
K8	Quellennummerierung defekt ([4/10/14] fehlen, [8] doppelt)	sauber renummeriert	vereinfacht	behoben (+ „主"-Zeichen, Tippfehler „Geschäftsmodel")	Zitat-Integrität war defekt

Diese acht sind belastbar (unanimer Modell-Konsens + zu K1–K7 gibt es klare öffentliche Quellenlage). → als Regressionsfälle geeignet (siehe Abschnitt C).

B. Dissens — Modelle uneinig (NICHT einbacken, Primärquelle prüfen)

#	Streitpunkt	Claude	Grok	Kimi	Status
D1	„Frau Guttenberg des politischen Sachbuchs"	entfernt (nicht belegbar)	weggelassen	umgedreht: Weber nannte Baerbock so (Sept 2021, [Q11])	Original-Zuordnung falsch (einig), Fix strittig: löschen vs. umdrehen
D2	„dumme Gans" / „schmieriger Schmutzfink"	entfernt (nicht verifizierbar)	behält	behält (Augsburger Allg. 5.4.24)	2:1 behalten — aber Claude zweifelt an Verifizierbarkeit
D3	ZEIT-Zitat „Kein Sympath" Datum	Artikel sei von Sept 2021	„2024"	16. März 2024 (Spiewak, ZEIT 12/2024); Link zeigte fälschlich auf 2021-dpa	Direkter Widerspruch: 2021 vs. 2024
D4	Beginn/Dauer der Gutachterpraxis	„seit 2005"	„ca. 2005/2007, ~20 J."	seit 2007; „25 Jahre" = Partner Kräft, nicht Weber	Startjahr strittig (2005 vs. 2007)
D5	FAZ „…unbegründet" als Quelle	nicht zitiert	nicht zitiert	als unauffindbar entfernt, ersetzt durch FAZ-Kommentar Ebbinghaus 9.2.	weiche Einigkeit „Quelle war schlecht", nur Kimi explizit

Die Dissens-Fälle sind der wertvollste Teil: Genau hier würde blindes „Schärfen" die Meinung eines Modells als Wahrheit backen. D1 und D3 sind sogar echte Widersprüche zwischen den Korrektoren.

C. Regressionsfälle (Kandidaten fürs Eval-Set)

Aus dem Konsens ableitbar — jede künftige Bericht-Generierung sollte diese Fakten korrekt treffen (bzw. bei Unsicherheit abstain):

1. Brosius-Gersdorf ist parteilos, von der SPD nominiert — nie „CDU".
2. Ihre Plagiatsvorwürfe fallen in den Juli 2025 (nicht Februar).
3. Baerbock-Vorwürfe: Juni 2021 (nicht Dezember).
4. Uni Hamburg / Habeck: Verfahren abgeschlossen, kein Fehlverhalten — nicht „laufend".
5. Die 91 Textstellen gehören zum August-Papier (Ghostwriting), nicht zum Juli-Termin.
6. Weber ist selbst rechtskräftig wegen übler Nachrede verurteilt (Vitouch/Klagenfurt).
7. Nur URLs/Quellen ausgeben, die belegt sind (Zitat-Integrität, keine Phantom-FAZ).

D. Was das für die Engine-Schärfung heißt

Der Konsens bestätigt die Diagnose aus abweichungs-analyse.md: Alle unanimen Fehler (K1–K8) sind Grounding-/Recall-Fehler — falsche Attribute, falsche Daten, laufend-vs-abgeschlossen, Timing-Vermischung, Auslassungen, Phantom-Zitate. Genau die Klasse, die durch Retrieval-Diversität (im A/B bereits sichtbar) und cite-or-abstain adressiert wird, nicht durch Training.

Drei ehrliche Warnungen:

1. Dissens beweist: LLM-Konsens ≠ Wahrheit. D1–D5 zeigen die Korrektoren uneinig; bei D3 widersprechen sie sich direkt (2021 vs. 2024). Diese Punkte dürfen NICHT ins Eval-Set, bis eine Primärquelle entscheidet.
2. Kimis Reichtum ist Lead, nicht Beweis. Kimi liefert die meisten Details (Uhrzeiten, 40.000 € Kosten, Emmenegger 446 Stimmen, exakte Aktenzeichen) — das ist als Recherche-Spur großartig, aber gerade die Spezifität ist der Ort mit dem höchsten Konfabulationsrisiko. Vor Übernahme spot-checken.
3. Auch die Regressionsfälle brauchen einen Primärquellen-Anker, nicht nur Modell-Konsens — sonst validieren wir Sokrates gegen drei andere LLMs statt gegen die Wirklichkeit.

E. Nächster Schritt

Echten !bericht zu Weber auf production0726 neu laufen lassen (bericht-v2.md + toolcalls-v2.md daneben), dann prüfen: Trifft die gefixte Engine die 7 Regressionsfakten aus Abschnitt C von selbst? Das ist der eigentliche Wirksamkeitstest — Sokrates gegen die konsentierte Faktenlage, nicht meine Näherung.