Leitfaden
Alles, was du brauchst, um TellDear zu verstehen und zu nutzen — von den theoretischen Grundlagen bis zur praktischen Anwendung.
Die Architektur des Denkens
Bevorzugst du einen visuellen Überblick? Entdecke die 15-Folien-Präsentation →
1. Was ist TellDear?
TellDear ist ein Reasoning Taxonomy Explorer — eine interaktive Plattform zur Identifikation, zum Verständnis und zur Analyse von Denkfehlern in Texten. Er umfasst 535 verschiedene Aspekte des Denkens in 6 Dimensionen, jeweils mit binären Prüfschritten, die sowohl von Menschen als auch von KI ausgewertet werden können.
Die Plattform vereint Erkenntnisse aus Argumentationstheorie, kognitiver Psychologie, Propagandaforschung und formaler Logik in einer einzigen, durchsuchbaren Taxonomie. Ob du als Student logische Fehlschlüsse lernst, als Journalist einen Artikel überprüfst oder als Forscher Überzeugungstechniken studierst — TellDear bietet die Werkzeuge für eine systematische Analyse der Argumentationsqualität.
Kernfunktionen
- • Aspekt-Verzeichnis — Durchsuche alle 535 Aspekte, geordnet nach Dimension, mit ausführlichen Beschreibungen und Prüfschritten.
- • Text-Analyzer — Füge einen beliebigen Text ein und erhalte eine KI-gestützte Tiefenanalyse, die spezifische Denkfehler mit Zitaten und Erklärungen identifiziert.
- • Wissensgraph — Erkunde Beziehungen zwischen Aspekten, Dimensionen und Kategorien in einem interaktiven, kräftebasierten Graphen.
- • Formale Logik (FOL) — Viele Aspekte enthalten Prädikatenlogik-Muster und SMT-Verifikation für eine rigorose logische Überprüfung.
2. Die sechs Dimensionen des Denkens
Die TellDear-Taxonomie ordnet Denkmuster in sechs Dimensionen. Jede Dimension erfasst eine andere Kategorie von Denkfehlern, von formalen Logikverletzungen bis zu subtilen psychologischen Verzerrungen.
D1: Logische Fehlschlüsse
(94 Aspekte)Verletzungen der logischen Gültigkeit — Argumente, bei denen die Schlussfolgerung nicht aus den Prämissen folgt. Umfasst sowohl formale Fehlschlüsse (strukturelle Fehler wie Bejahung des Konsequens) als auch informelle Fehlschlüsse (inhaltliche Fehler wie Ad Hominem oder Strohmann). Dies sind die am klassischsten untersuchten Denkfehler, verwurzelt in aristotelischer Logik und moderner Pragma-Dialektik.
D2: Manipulation & Propaganda
(96 Aspekte)Gezielte Überzeugungstechniken, die rationale Bewertung umgehen sollen. Umfasst emotionale Manipulation (Angstappelle, emotionsgeladene Sprache), sozialen Druck (Mitläufereffekt, Autoritätsargument) und Informationsverzerrung (Rosinenpicken, Framing). Diese Techniken finden sich häufig in politischer Rhetorik, Werbung und Medien.
D3: Kognitive Verzerrungen
(131 Aspekte)Systematische Abweichungen vom rationalen Urteil, verursacht durch mentale Abkürzungen des Gehirns (Heuristiken). Anders als logische Fehlschlüsse sind kognitive Verzerrungen oft unbewusst und betreffen jeden. Umfasst Ankerheuristik, Verfügbarkeitsheuristik, Bestätigungsfehler, den Dunning-Kruger-Effekt und viele weitere, die in der kognitiven Psychologie dokumentiert sind.
D4: Statistische Fehler
(131 Aspekte)Missbrauch oder Fehlinterpretation von Daten und statistischem Denken. Umfasst die Verwechslung von Korrelation und Kausalität, Basisratenvernachlässigung, Überlebensverzerrung und Rosinenpicken bei Daten. Diese Fehler sind besonders verbreitet in Wissenschaftsberichterstattung, Gesundheitsbehauptungen und ökonomischen Argumenten.
D5: Argumentationsschemata
(32 Aspekte)Denkmuster, die in manchen Kontexten legitim, in anderen fehlerhaft sind. Argumentationsschemata beschreiben gängige Schlussmuster (Argument aus Analogie, Argument aus Konsequenzen) zusammen mit kritischen Fragen, die beantwortet werden müssen, damit das Schema gültig ist.
D6: Diskursmechanik
(51 Aspekte)Strukturelle Muster in der Konstruktion und Präsentation von Argumenten im Diskurs. Umfasst Framing-Effekte, rhetorische Fragen als Behauptungen, Verschieben der Torpfosten und andere Gesprächstaktiken, die einen produktiven Dialog untergraben können.
3. Aspekte verstehen
Ein Aspekt ist ein einzelnes, klar definiertes Denkmuster innerhalb der Taxonomie. Jeder Aspekt hat:
- Name & ID
- Einen menschenlesbaren Namen (z.B. „Ad Hominem") und eine maschinenlesbare Kennung (z.B.
ad_hominem). - Dimension & Kategorie
- Zu welcher der sechs Dimensionen er gehört und seine Unterkategorie innerhalb dieser Dimension.
- Prüfschritte
- Eine Abfolge binärer (Ja/Nein) Fragen, die bestimmen, ob ein gegebener Text dieses Denkmuster aufweist. Sie bilden den Kern des Atomic Instruction Dataset (AID).
- FOL-Muster
- Eine prädikatenlogische Formel, die die logische Struktur des Fehlschlusses abbildet. Zum Beispiel Bejahung des Konsequens:
(A ⇒ B) ∧ B ⇒ A. - SMT-Erwartung
- Das erwartete Ergebnis eines SMT-Solvers bei der Verifikation des FOL-Musters — typischerweise „invalid" für Fehlschlüsse, was bedeutet, dass die Argumentation logisch nicht stichhaltig ist.
Die Taxonomie enthält derzeit 535 Aspekte mit insgesamt 1823 Prüfschritten. Alle Aspekte findest du im Aspekt-Verzeichnis.
4. Den Analyzer verwenden
Der Text-Analyzer scannt jeden von dir bereitgestellten Text gegen die vollständige Taxonomie. Er arbeitet in zwei Modi:
Tiefenanalyse (KI)
Wenn ein API-Schlüssel konfiguriert ist, sendet der Analyzer deinen Text zusammen mit der vollständigen Taxonomie an ein KI-Modell. Die KI identifiziert Denkfehler und liefert:
- • Eine Gesamtbewertung der Argumentationsqualität
- • Spezifische Befunde mit exakten Zitaten aus deinem Text
- • Erklärungen, warum jeder Befund problematisch ist
- • Schweregrade (hoch / mittel / niedrig)
- • Links zu den entsprechenden Aspekt-Detailseiten
Heuristischer Modus (Fallback)
Ohne API-Schlüssel verwendet der Analyzer schlüsselwortbasierte Mustererkennung. Dieser Modus ist weniger genau, funktioniert aber komplett clientseitig ohne API-Aufrufe.
- • Scannt alle 535 Aspekte mittels Schlüsselwort-Heuristiken
- • Zeigt Konfidenzbalken pro Aspekt
- • Ergebnisse gruppiert nach Dimension
- • Nützlich für schnelle Offline-Scans
Schritt für Schritt
- Gehe zur Analyze-Seite
- Füge deinen Text in das Eingabefeld ein (oder klicke Beispiel für einen Mustertext)
- Klicke Deep Analyze (oder Analyze im heuristischen Modus)
- Prüfe die Gesamtbewertung für eine Zusammenfassung der Argumentationsqualität
- Untersuche jede Befundkarte: lies die zitierte Passage, verstehe die Erklärung
- Klicke Aspekt-Details anzeigen, um mehr über das spezifische Denkmuster zu erfahren
5. Theoretischer Hintergrund: Pragma-Dialektik
Eine zentrale theoretische Grundlage der TellDear-Taxonomie ist die Pragma-Dialektik, entwickelt von Frans H. van Eemeren und Rob Grootendorst an der Universität Amsterdam. Dieses Framework konzeptualisiert Argumentation als Sprechsituation, die auf die Lösung eines Meinungsunterschieds durch rationale Diskussion abzielt.
Die Pragma-Dialektik formuliert zehn präskriptive Regeln für kritisches Engagement. Verstöße gegen diese Regeln stellen logische Fehlschlüsse dar — viele davon sind direkt als Aspekte in der TellDear-Taxonomie abgebildet.
Die Freiheitsregel
Parteien dürfen einander nicht daran hindern, Standpunkte vorzubringen oder anzuzweifeln.
Verstoß: Ad Hominem, Strohmann
Die Beweislastregel
Wer einen Standpunkt vertritt, ist verpflichtet, ihn auf Verlangen zu verteidigen.
Verstoß: Ausweichen oder Verschieben der Beweislast
Die Standpunktregel
Angriffe auf einen Standpunkt müssen sich auf den tatsächlich vorgebrachten Standpunkt beziehen.
Verstoß: Strohmann
Die Relevanzregel
Standpunkte dürfen nur mit Argumentation verteidigt werden, die sich auf diesen Standpunkt bezieht.
Verstoß: Ignoratio Elenchi (irrelevante Schlussfolgerung)
Die Regel der unausgesprochenen Prämisse
Parteien dürfen etwas nicht fälschlich als unausgesprochene Prämisse darstellen oder eine implizite Prämisse leugnen.
Verstoß: Leugnung einer impliziten Prämisse
Die Ausgangspunktregel
Keine Partei darf eine Prämisse fälschlich als akzeptierten Ausgangspunkt darstellen.
Verstoß: Argumentation aus nicht vereinbarten Prämissen
Die Argumentationsschemaregel
Eine Verteidigung ist nur schlüssig, wenn sie ein angemessenes, korrekt angewendetes Argumentationsschema verwendet.
Verstoß: Fehlerhafte Analogie, Argumentum Ad Populum
Die Gültigkeitsregel
Argumentation muss logisch gültig sein oder gültig gemacht werden können.
Verstoß: Voreilige Verallgemeinerung, Verwechslung von Ursache und Wirkung
Die Abschlussregel
Eine gescheiterte Verteidigung muss den Proponenten zum Rückzug bewegen; eine erfolgreiche Verteidigung muss den Opponenten zum Rückzug des Zweifels bewegen.
Verstoß: Verweigerung des Rückzugs
Die Gebrauchsregel
Formulierungen müssen klar und eindeutig sein.
Verstoß: Äquivokation, absichtliche Mehrdeutigkeit
6. Kognitive Verzerrungen & Heuristiken
Kognitive Verzerrungen sind systematische Abweichungen vom rationalen Urteil. Anders als logische Fehlschlüsse (Fehler in der Argumentstruktur) entstehen Verzerrungen aus mentalen Abkürzungen des Gehirns — Heuristiken, die sich für schnelle Entscheidungsfindung entwickelt haben, aber zu vorhersagbaren Fehlern führen können.
Informationsverarbeitung
- Ankerheuristik
- Übermäßige Abhängigkeit von der ersten erhaltenen Information.
- Verfügbarkeitsheuristik
- Überschätzung der Wahrscheinlichkeit von Ereignissen, die leicht in den Sinn kommen.
- Apophänie
- Wahrnehmung bedeutungsvoller Zusammenhänge zwischen unverbundenen Phänomenen.
- Funktionale Fixiertheit
- Einschränkung der Wahrnehmung eines Objekts auf seine traditionelle Funktion.
Selbstwahrnehmung
- Dunning-Kruger-Effekt
- Unqualifizierte Personen überschätzen ihre Fähigkeiten; Experten unterschätzen ihre.
- Blinder Fleck für Verzerrungen
- Sich selbst für weniger voreingenommen halten als andere.
- Übervertrauenseffekt
- Übermäßiges Vertrauen, das in keinem Verhältnis zur tatsächlichen Genauigkeit steht.
- Illusion der Transparenz
- Überschätzung, wie gut andere den eigenen mentalen Zustand verstehen.
Soziales & Attribution
- Fundamentaler Attributionsfehler
- Überbetonung persönlichkeitsbasierter Erklärungen für das Verhalten anderer.
- Halo-Effekt
- Ein einzelnes positives Merkmal beeinflusst die Gesamtwahrnehmung des Charakters.
- Eigengruppen-Bevorzugung
- Bevorzugte Behandlung von wahrgenommenen Mitgliedern der eigenen Gruppe.
- Gerechte-Welt-Hypothese
- Rationalisierung von Ungerechtigkeiten als verdient, um den Glauben an eine faire Welt aufrechtzuerhalten.
Ökonomie & Entscheidungsfindung
- Versunkene-Kosten-Fehlschluss
- Rechtfertigung weiterer Investitionen auf Basis bereits getätigter Investitionen.
- Verlustaversion
- Verluste fühlen sich psychologisch größer an als gleichwertige Gewinne.
- Hyperbolische Diskontierung
- Bevorzugung sofortiger Belohnungen gegenüber größeren verzögerten.
- IKEA-Effekt
- Überbewertung von Produkten, die man teilweise selbst zusammengebaut hat.
7. Formale Logik: NL2FOL-Pipeline
Das NL2FOL-Framework (Natural Language to First-Order Logic) ist eine neurosymbolische Pipeline, die unstrukturierten Text in formale symbolische Logik übersetzt. Sie bildet das formale Rückgrat zur Verifikation der logischen Gültigkeit von Argumenten.
Pipeline-Stufen
SMT-Verifikation
Die logische Gültigkeit wird mit dem CVC4 SMT-Solver (Satisfiability Modulo Theory) verifiziert. Der Prozess prüft die Negation der Formel: Ist die Negation erfüllbar, wird ein Gegenmodell generiert, das einen logischen Fehlschluss identifiziert.
; Beispiel: Bejahung des Konsequens
; FOL: (A ⇒ B) ∧ B ⇒ A
; SMT prüft: ¬((A ⇒ B) ∧ B ⇒ A)
; Ergebnis: SAT (erfüllbar) → Formel ist UNGÜLTIG → Fehlschluss bestätigt
Leistung auf Benchmarks
| Datensatz | NL2FOL (GPT-4o) F1 | End-to-End LLM F1 |
|---|---|---|
| LOGIC | 78% | 96%* |
| LOGIC-CLIMATE | 80% | 58% |
* Der hohe End-to-End-LLM-Wert auf LOGIC spiegelt wahrscheinlich Trainingsdaten-Leakage aus öffentlichen Web-Quellen wider.
8. Datensätze & Korpora
LOGIC-Datensatz
2.449 Beispiele häufiger logischer Fehlschlüsse in 13 Kategorien (Ad Hominem, Falsche Kausalität, Falsches Dilemma, Fehlerhafte Verallgemeinerung, Ad Populum etc.).
LOGIC-CLIMATE
1.079 Beispiele für domänenübergreifende Generalisierungstests unter Verwendung von Klimanachrichten-Metadaten.
SNLI (Stanford NLI)
Liefert „valide" (nicht-fehlerhafte) Benchmarks. Die Entailment-Klasse (~170.000 Paare) wird zur Konstruktion valider Schlussfolgerungsbeispiele verwendet.
COCOLOFA
Nachrichtenkommentare mit häufigen logischen Fehlschlüssen, die als primäre Quelle für Training an informellem Diskurs dienen.
9. Bibliografie
Eemeren, F. H. van, & Grootendorst, R. (1996). Fundamentals of Argumentation Theory: A Handbook of Historical Backgrounds and Contemporary Developments. Lawrence Erlbaum Associates.
Eemeren, F. H. van, Grootendorst, R., & Henkemans, F. S. (2002). Argumentation: Analysis, Evaluation, Presentation. Lawrence Erlbaum Associates.
Iqbal, S., et al. (2023). Towards automated analysis of rhetorical categories in students essay writings using Bloom's taxonomy. In LAK 2023 Conference Proceedings (S. 418-429). ACM. doi:10.1145/3576050.3576112
Lalwani, A., Kim, T., Chopra, L., Hahn, C., Jin, Z., & Sachan, M. (2024). Autoformalizing Natural Language to First-Order Logic: A Case Study in Logical Fallacy Detection. ACL Anthology. github.com/lovishchopra/NL2FOL
Hebb, D. O. (1949). The Organization of Behavior. Wiley & Sons.
Wikipedia. Liste kognitiver Verzerrungen. en.wikipedia.org
10. Aspekt-Metadaten & Tagging
Jeder Aspekt in der TellDear-Taxonomie trägt drei Metadaten-Tags, die Filterung, adaptive Schwierigkeit und zielgruppengerechte Empfehlungen ermöglichen. Die Tags werden im AID-JSON gespeichert und auf der gesamten Plattform verwendet.
Zugänglichkeit (1–3)
- 1Einsteiger — ohne Vorkenntnisse verständlich
- 2Fortgeschritten — erfordert etwas Hintergrund in kritischem Denken
- 3Experte — erfordert akademisches Hintergrundwissen in Logik, Statistik oder Psychologie
Häufigkeit (1–3)
- 1Häufig — täglicher Mainstream-Diskurs
- 2Moderat — strukturierte Argumentation und professionelle Kontexte
- 3Selten — spezialisiert oder akademisch, kaum im Alltagsdiskurs
Themenbereiche
1–4 anwendbare Bereiche pro Aspekt: Politik, Medien, Wissenschaft, Alltag, Business, Recht, Bildung
Tags werden von KI für alle 535 Aspekte generiert und manuell überprüft. Sie werden im AID-JSON neben Definitionen, Verifikationsschritten und FOL-Mustern gespeichert — maschinenlesbar für nachgelagerte Anwendungen.
AID-JSON-Struktur
{
"id": "ad_hominem",
"name": "Ad Hominem",
"tags": {
"accessibility": 1,
"frequency": 1,
"subject_areas": ["politics", "media", "everyday"]
},
...
}