Unsicherheit ist eine Messung, kein Haftungsausschluss.
Eine Punktprognose sagt Entscheidern, was ein Modell glaubt. Ein Intervall, ein Stressfall und ein Gültigkeitshorizont sagen ihnen, wie viel dieser Glaube wert ist. Entscheidungsfähige Inferenz hält all das sichtbar.
Warum herkömmliche Ansätze scheitern
Präzision lässt sich leicht herstellen.
Ein eng an historisches Rauschen angepasstes Modell erzeugt schmale Bänder und selbstsichere Alarme. Keines davon übersteht den Kontakt mit einer neuen Stichprobe oder einem veränderten Regime, und Entscheider können den Unterschied allein am Ergebnis nicht erkennen.
Grand Thera behandelt Unsicherheit als erstklassiges Ergebnis. Jede Inferenz trägt ihr Intervall, den ungelösten Konflikt, ihre Robustheit unter Störung und den Horizont, nach dem sie veraltet ist.
Ein Datenstrom, drei Lesarten
Von der Rohinformation zur entscheidungsrelevanten Evidenz.
Persistenz
Ein Signal muss der Prüfung standhalten.
Innerhalb einer Modellfamilie lautet die Frage nicht, ob sie etwas erkannt hat, sondern ob die entscheidungsrelevante Eigenschaft fortbesteht, wenn sich vernünftige analytische Entscheidungen ändern.
Vier unterschiedliche Ergebnisse
Verschiedene Fragen verdienen verschiedene Zahlen.
Kalibrierte Wahrscheinlichkeit
Wie oft Ereignisse wie dieses tatsächlich eintreten, wenn das Modell p sagt. Ein frequenzgetreues Ziel, geprüft an beobachteten Ergebnissen.
Fuzzy-Zugehörigkeit
Wie sehr der aktuelle Zustand einer definierten Bedingung ähnelt. Ein Grad der Ähnlichkeit, keine Wahrscheinlichkeit, und nie als solche dargestellt.
Stressreaktion
Wie sich die Schlussfolgerung unter einem ungünstigen, aber plausiblen Szenario bewegt. Sensitivität, nicht Wahrscheinlichkeit.
Kalibrierungsstatus
Ob die Wahrscheinlichkeiten in letzter Zeit ehrlich waren. Eine Diagnose des Modells, kein Maß für das Vertrauen in das Ereignis.
Rechnergestützte Epistemologie
Kein einzelner Score kann Intervall, Konflikt, Robustheit, Horizont und Herkunft ersetzen.
Aus dem Working Paper · §7
Beyond Ontology: Computational Epistemology as a Layered Inference Machine
Fernando Negrini et al. · Working Paper v1.1 · 2026
Die Ontologie strukturiert, was der Maschine zur Verfügung steht. Die computationale Epistemologie strukturiert, was die Maschine daraus schließen darf.