Apps
EN — EnglishLogin

🧪 Diese Plattform befindet sich in der Beta-Phase. Funktionen können sich ändern und es können Fehler auftreten. Danke für dein Feedback!

Guter-Weg-Behauptung

Auch bekannt als: Fortschrittstheater Richtung ohne Ziel Unfalsifizierbarer Optimismus
Discourse Mechanics 💨 Leerlauf-Rhetorik ID: good_path_claim

Definition

Ein rhetorisches Muster, bei dem Führungspersonen oder Organisationen behaupten, 'auf einem guten Weg' zu sein, 'Fortschritte zu machen' oder 'in die richtige Richtung zu gehen', ohne messbare Ergebnisse, Zeitpläne oder Maßstäbe zu nennen. Der 'gute Weg' ist unfalsifizierbar — egal was passiert, man kann immer behaupten, noch darauf zu sein.

Beispiele

"Die Wirtschaft entwickelt sich in die richtige Richtung. Wir sehen erste positive Zeichen."

"Wir sind mit unserer Digitalisierungsstrategie auf Kurs." — gesagt bei letztem Platz beim Breitbandausbau.

"Die Reform schreitet gut voran. Wir sind zuversichtlich bei der Richtung, die wir einschlagen."

Formales Logikmuster
FOL-Muster
Die prädikatenlogische Formel, die die logische Struktur dieses Argumentationsmusters darstellt.
FOL (First-Order Logic, Prädikatenlogik) verwendet Quantoren (∀ = für alle, ∃ = es existiert), Verknüpfungen (∧ = und, ∨ = oder, ⇒ = impliziert, ¬ = nicht) und Prädikate, um die Form eines Argumentationsmusters zu erfassen.

∃x∃p(Claim(x) ∧ Progress(p) ∧ Asserts(x,p) ∧ ¬∃m(Metric(m) ∧ Measures(m,p)))
Formale Verifizierung:
Formale Verifizierung
Prüft mithilfe eines automatischen Theorembeweisers, ob ein Argumentationsmuster logisch gültig oder ungültig ist.
Die formale Verifizierung nutzt einen SMT-Solver (Z3), um die logische Struktur eines Arguments mathematisch zu prüfen. Jedes Muster wird in Prädikatenlogik übersetzt und getestet: Können die Prämissen wahr sein, während die Schlussfolgerung falsch ist? Wenn ja: formal ungültig. Wenn nein: formal gültig. Viele reale Muster sind als nicht formal entscheidbar markiert — das heißt nicht, dass sie falsch sind.
Nicht formal entscheidbar

Prüfschritte
Prüfschritte
Binäre Ja/Nein-Fragen, die eine KI beantworten muss, um ein Argumentationsmuster in einem Text zu erkennen.
Jeder der 452 Aspekte hat Prüfschritte — einfache Ja/Nein-Fragen, die systematisch erkennen sollen, ob ein Muster in einem Text vorkommt. Für Ad Hominem: "Greift das Argument eine Person statt ihre Behauptung an?" Für falsche Dichotomie: "Werden nur zwei Optionen präsentiert, obwohl mehr existieren?"

Binäre (Ja/Nein) Fragen, die ein LLM beantworten muss, um diesen Aspekt zu identifizieren:

  1. 1

    Behauptet die Aussage Fortschritt oder eine positive Entwicklung?

    Typ: binary
  2. 2

    Werden messbare Kennzahlen oder Belege für den behaupteten Fortschritt genannt?

    Typ: binary
  3. 3

    Ist die Behauptung unfalsifizierbar — könnte jedes Ergebnis als 'noch auf dem Weg' dargestellt werden?

    Typ: binary
Vertiefung
Der aufklappbare Detailbereich auf jeder Aspekt-Seite mit Beispielen, Psychologie und Gegenstrategien.
Der Vertiefungsbereich bietet ausführliche Informationen zu jedem Aspekt: ein Praxisbeispiel, eine Erklärung warum es funktioniert, Tipps wie man entgegnet, alternative Bezeichnungen und Links zu verwandten Aspekten.

Hierarchischer Kontext