Working Paper v1.1 · Preprint · Konzeptioneller Rahmen
Veröffentlicht· Sep. 2026Beyond Ontology
Rechnergestützte Epistemologie als geschichtete Inferenzmaschine
A Conceptual Framework for Separating Signal from Noise in Decision-Making
Fernando Negrini (Hauptautor) · Hugo Dias · Darlan Parucker Lueders · Caroline Assis
Ontologische Kohärenz bestimmt nicht, wie eine Maschine unter Unsicherheit schließen sollte. Das Paper führt eine angewandte rechnergestützte Epistemologie ein: eine offene, geschichtete Inferenzarchitektur, aufgebaut über einer rechnergestützten Ontologie. Kandidatensignale werden von heterogenen Engine-Familien untersucht, wiederholt über Stichproben, Fenster, Frequenzen, Spezifikationen und Regime hinweg bewertet, qualifiziert, durch abhängigkeitsbewusste Konvergenz abgeglichen, zu einer Ereigniswahrscheinlichkeit kalibriert und als prüfbares Artefakt auf die geschäftliche Auswirkung abgebildet. Ein menschlicher Modellierer behält die Governance, und zusätzliche Komplexität wird nur zugelassen, wenn sie gegenüber der einfachsten angemessenen Baseline statistisch und wirtschaftlich wesentliche Gewinne bringt.
- DOI (Zenodo)
- 10.5281/zenodo.22240288
- Auch gelistet (SSRN)
- 10.2139/ssrn.7392618
- Veröffentlicht
- 2026-09-01
- Lizenz
- CC BY 4.0
- Ressourcentyp
- Preprint · offen für Begutachtung
Was das Paper behauptet
- Inferenz ist besser vertretbar, wenn die Entscheidung vor der Modellauswahl gerahmt wird.
- Kandidatensignale sollten zulässige Störungen überstehen, bevor sie befördert werden.
- Familienübergreifende Synthese sollte gemeinsame Abhängigkeit abwerten und Konflikte bewahren.
- Wahrscheinlichkeit wird erst entscheidungsrelevant, wenn sie mit Auswirkung und einer prüfbaren Spur verknüpft ist.
Offenes empirisches Programm
- 01Prüfen, ob fensterübergreifende Persistenz die Leistung außerhalb der Verteilung verbessert.
- 02Schätzen, welche Störungsmengen Struktur am besten von Stichprobenartefakten trennen.
- 03Messen, wie gemeinsame Daten und induktiver Bias Konvergenz abwerten sollten.
- 04Ein Einzelmodell, ein homogenes Ensemble, ein ontologiezentriertes System und die vollständige Maschine auf zurückgehaltenen Daten vergleichen.
