🔬
Kernproblem
Opake KI vs.
qualitative Gütekriterien
⚖️
Kernlösung
ARS – Hermeneutik +
formale Modellierung
📚
Zwei Sprachen
🇩🇪 Deutsch · 🇬🇧 English
💸
Open Access
Kostenlos · PDF · TeX
⚔️
XAI-Framework
Verständlichkeit ·
Genauigkeit · Wissensgrenzen
„Erklärbarkeit ist kein Luxus – weder in der KI noch in der qualitativen Forschung.“
„Explainability is not a luxury – neither in AI nor in qualitative research.“
Willkommen – zu einer Brücke zwischen Hermeneutik und formaler Modellierung
Liebe Kolleg:innen, Studierende und neugierige Geister,
Die Algorithmisch Rekursive Sequenzanalyse (ARS) ist ein methodologischer Rahmen, der qualitative Hermeneutik mit formaler Modellierung verbindet – nicht um sie zu ersetzen, sondern um sie erklärbar, entscheidbar und weiterentwickelbar zu machen.
Im Zentrum steht die Frage: Wie können Interpretationsprozesse so expliziert werden, dass sie formal prüfbar und für Dritte nachvollziehbar sind? Die ARS gibt eine Antwort: durch hierarchische Grammatikinduktion, probabilistische kontextfreie Grammatiken (PCFG), Petri-Netze, Bayessche Verfahren und die komplementäre Integration computerlinguistischer Methoden – stets mit dem Ziel einer erklärbaren qualitativen Forschung im Sinne der XAI-Kriterien (Verständlichkeit, Genauigkeit, Wissensgrenzen).
📊 Methodologische Transparenz
Die ursprüngliche ARS-Studie (1994) wies eine Intercoder-Reliabilität von κ ≈ 0,55 auf – ein Wert, der die Grenzen rein qualitativer Kodierung zeigt. Genau hier setzt die ARS an: Formale Verfahren machen diese Grenzen sichtbar und bearbeitbar. Die Schwäche wird zum Ausgangspunkt methodologischer Reflexion.
📘 Hauptdokument / Main Document
📖
Zwischen Interpretation und Berechnung / Between Interpretation and Computation
ARS als Brücke zwischen qualitativer Hermeneutik und formaler Modellierung / ARS as a Bridge between Qualitative Hermeneutics and Formal Modeling
„Erklärbarkeit ist kein Luxus, sondern eine Notwendigkeit – in der Technik wie in der Wissenschaft.“ / "Explainability is not a luxury but a necessity – in technology as well as in science."
📗 ARS 3.0 – Hierarchische Grammatikinduktion (PCFG)
🌳
PCFG – Probabilistische kontextfreie Grammatik
Explikation latenter Sequenzstrukturen in Verkaufsgesprächen / Explication of Latent Sequence Structures in Sales Conversations
„Die induzierte Grammatik ist eine Explikation, keine Entdeckung.“ / "The induced grammar is an explication, not a discovery."
⚙️
Formale Entscheidbarkeit / Formal Decidability
Struktur als Code – deterministischer endlicher Automat / Structure as Code – Deterministic Finite Automaton
„Die Wohlgeformtheit einer Sequenz ist formal entscheidbar.“ / "The well‑formedness of a sequence is formally decidable."
🔬 ARS 4.0 – Formale Erweiterungen / Formal Extensions
🕸️
Petri-Netze / Petri Nets
Modellierung nebenläufiger Interaktionsstrukturen / Modeling Concurrent Interaction Structures
„Nebenläufigkeit und Ressourcen werden explizit modelliert.“ / "Concurrency and resources are modeled explicitly."
📊
Bayessche Verfahren / Bayesian Methods
HMM und dynamische Bayessche Netze / HMM and Dynamic Bayesian Networks
„Unsicherheit und latente Variablen werden quantifiziert.“ / "Uncertainty and latent variables are quantified."
💻
Computerlinguistische Verfahren / Computational Linguistics
Didaktische Exploration von Transformer, CRF, Attention / Didactic Exploration of Transformers, CRF, Attention
„Methodologische Kontrolle bleibt erhalten – die Verfahren dienen der Exploration.“ / "Methodological control is preserved – the methods serve exploration."
🔗
Hybride Modellierung / Hybrid Modeling
Komplementäre Integration von CL-Verfahren in ARS 3.0 / Complementary Integration of CL Methods into ARS 3.0
„Interpretative Kategorien bleiben die Grundlage – neue Verfahren eröffnen zusätzliche Perspektiven.“ / "Interpretive categories remain the foundation – new methods open up additional perspectives."
🧠 Neuro-Symbolische KI & ARS – Methodologische Synthese / Neuro-Symbolic AI & ARS – Methodological Synthesis
🧠
Neuro-Symbolische KI und ARS / Neuro-Symbolic AI and ARS
Eine methodologische Synthese von maschinellem Lernen und erklärbarer Sequenzanalyse / A Methodological Synthesis of Machine Learning and Explainable Sequence Analysis
„Die ARS liefert das symbolische Gerüst, neuro-symbolische Methoden liefern die Lerndynamik.“ / "ARS provides the symbolic scaffolding, neuro-symbolic methods provide the learning dynamics."
🕰️ Proto-Neuro-Symbolische KI – Historische Rekonstruktion / Proto-Neuro-Symbolic AI – Historical Reconstruction
🕰️
Grammatikinduktion, Transduktion und Parsing / Grammar Induction, Transduction, and Parsing
Die ARS als methodologischer Vorläufer erklärbarer neuro-symbolischer KI / ARS as a Methodological Precursor to Explainable Neuro-Symbolic AI
„Im Gegensatz zu kognitivistischen Modellen (ARS, Grammar Induction, Parser, Grammar Transduction) erklärt ein großes Sprachmodell nichts.“ / "In contrast to cognitivist models (ARS, Grammar Induction, Parser, Grammar Transduction), a large language model explains nothing."
📜 Dieses Dokument rekonstruiert die frühen ARS-Implementierungen (Induktor in Scheme, Parser in Pascal, Transduktor in Lisp) aus den Jahren 1992–1994 und zeigt, dass die ARS eine proto-neuro-symbolische Methodologie darstellt – lange bevor der Begriff geprägt wurde. Es kontrastiert die ARS mit großen Sprachmodellen (LLMs), die simulieren, aber nicht erklären, und ordnet die ARS in Henry Kautz' Taxonomie neuro-symbolischer Architekturen ein.
🏛️ ARS als Metamethodologie – Bedingungen erklärender Modelle / ARS as a Meta-Methodology – Conditions for Explanatory Models
🏛️
ARS als Metamethodologie / ARS as a Meta-Methodology
Die Bedingungen erklärender Modelle im Zeitalter generativer KI / The Conditions for Explanatory Models in the Age of Generative AI
„Die Frage ist nicht, ob ein Modell zu den Daten passt. Statistische Passung ist notwendig, aber nicht hinreichend. Die Frage ist, ob das Modell die metamethodologischen Kriterien erfüllt, die Erklärung erst möglich machen.“ / "The question is not whether a model fits the data. Statistical fit is necessary but not sufficient. The question is whether the model meets the meta-methodological criteria that make explanation possible."
🏛️ Dieses Dokument erhebt den Anspruch, dass die ARS nicht nur eine Methode ist, sondern eine Metamethodologie – ein Rahmenwerk, das die Bedingungen spezifiziert, unter denen ein Modell als erklärend gelten kann. Es setzt die ARS systematisch zu fünf zeitgenössischen Forschungsprogrammen in Beziehung: Formale Verifikation, Interpretierbares maschinelles Lernen, Grounded Theory, Kausale Inferenz und Process Mining. Die fünf Kernprinzipien (interpretative Verankerung, strukturelle Entscheidbarkeit, generative Transparenz, kontrollierte Falsifikation und XAI-Validierung) werden als transdisziplinärer Benchmark für Erklärung vorgeschlagen.
🔷 ARS 5.0 – Von Scheme zu DeepProbLog / From Scheme to DeepProbLog
🔷
Von Scheme zu DeepProbLog / From Scheme to DeepProbLog
Die ARS als methodologischer Bauplan für moderne neuro-symbolische Programmierung / ARS as a Methodological Blueprint for Modern Neuro-Symbolic Programming
„Die ARS liefert einen methodologischen Bauplan, den DeepProbLog technisch instanziieren kann.“ / "ARS provides a methodological blueprint that DeepProbLog can instantiate technically."
🔷 Dieses Dokument zeichnet die methodologische Kontinuität von frühen ARS-Implementierungen in Scheme, Pascal und Lisp (1992–1994) zu zeitgenössischen neuro-symbolischen Programmierframeworks wie DeepProbLog (2018) nach. Es argumentiert, dass die ARS bereits die Kernprinzipien neuro-symbolischer Integration – Mustererkennung (System 1), regelbasiertes Schließen (System 2), probabilistische Unsicherheitsquantifizierung und Erklärbarkeit durch Design – Jahrzehnte vor der Prägung des Begriffs "neuro-symbolische KI" verkörperte. Es enthält eine vollständige DeepProbLog-Implementierung des klassischen ARS-Verkaufsgesprächs-Korpus.
📐 Methodologische Reflexion & Vergleich / Methodological Reflection & Comparison
⚖️
CGTI – Computational Grounded Theory Integration
Methodologische Alternative zur XAI-gestützten qualitativen Forschung / Methodological Alternative to XAI‑Supported Qualitative Research
„Primat der menschlichen Interpretation – LLMs als Werkzeuge, nicht als Ersatz.“ / "Primacy of human interpretation – LLMs as tools, not as substitutes."
🧩
ERIA – Erklärbar Rekursive Interaktionsanalyse
Integration qualitativer Sequenzanalyse mit Petri-Netzen, Bayes und CL / Integration of Qualitative Sequence Analysis with Petri Nets, Bayes, and CL
„Nicht die Verschmelzung – die Symphonie.“ / "Not the fusion – the symphony."
📊 Struktur vs. Statistik / Structure vs. Statistics
📈
Formale Entscheidbarkeit und empirische Regularität / Formal Decidability and Empirical Regularity
Zweischichtiges Modell aus Automat und Statistik / Two‑Layer Model of Automaton and Statistics
„Strukturelle Regeln werden nicht durch statistische Mittelwerte relativiert.“ / "Structural rules are not relativized by statistical averages."
⚔️ ARS AQSA – Adversarial Qualitative Sequence Analysis
⚔️
Benchmarks als epistemische Operatoren in der ARS / Benchmarks as Epistemic Operators in ARS
Eine Brücke zwischen prozessualer KI-Evaluation und qualitativer Sequenzanalyse / A Bridge between Processual KI Evaluation and Qualitative Sequence Analysis
„Benchmarks sind keine Tests, sondern Strukturgeber – epistemische Operatoren für prozessuale Transparenz.“ / "Benchmarks are not tests but structuring devices – epistemic operators for processual transparency."
📄 Beispielanalyse & Kodierbelege / Example Analysis & Coding Evidence
📝
ARS 2.0 – Beispiel mit kritischer Reliabilitätsprüfung
Algorithmisch Rekursive Sequenzanalyse 2.0 – Beispiel / ARS 2.0 – Example with Critical Reliability Assessment
„Kritische Reliabilitätsprüfung mit Cohens Kappa (κ ≈ 0,55).“ / "Critical reliability assessment using Cohen's Kappa (κ ≈ 0.55)."
📅 Dieses Dokument enthält die vollständige Analyse des Verkaufsgesprächs-Transkripts (Markt Aachen, 28.06.94) mit kritischer Prüfung der Intercoder-Reliabilität und der Chi-Quadrat-Tests.
🗂️
Fallstruktur & Kodierbogen (historisch)
Originale Kodierblätter mit handschriftlichen Kodierungen (1994) / Original Coding Sheets with Handwritten Codings
„12 Kategorien (KBG, VBG, KBBd, VBBd, KBA, VBA, KAE, VAE, KAA, VAA, KAV, VAV) – zwei unabhängige Kodierer.“
🖋️ Historisches Dokument (1994): Kodierungsbogen mit handschriftlichen Kodierungen der 59 Interakte. Dient als Beleg für die Rohdaten der Reliabilitätsberechnung.
📊 Historisches Dokument (1994): Vollständige objektiv-hermeneutische Sequenzanalyse von Text 4 (Gemüsestand) mit tabellarischer Übersicht aller 59 Interakte und Visualisierung des Lesarten-Trichters – als PDF und TeX-Quellcode.
📖 Zur Rezeptionsgeschichte der ARS
Die ARS wurde seit 1994 kontinuierlich weiterentwickelt, fand aber bisher keine breite Rezeption – möglicherweise, weil sie zwischen formalen und interpretativen Paradigmen steht. Dieses Spannungsfeld ist kein Mangel, sondern ihr Erkenntnispotenzial. Die Methode ist formal ausgereift, aber empirisch unterbestimmt. Genau hier liegt die Einladung zur Weiterarbeit.
📢 Möchten Sie die ARS weiterentwickeln?
Die Methode ist formal ausgereift, aber empirisch unterbestimmt. Wenn Sie Zugang zu größeren Datensätzen haben oder an einer methodologischen Weiterentwicklung interessiert sind – ich freue mich auf Ihre Nachricht.
✉️ Kontakt aufnehmen
📁 Verfügbare Formate / Available Formats
Alle Dokumente liegen als PDF (druckfertig) und TeX (Quellcode, anpassbar) vor. Die TeX-Dateien eignen sich für wissenschaftliches Arbeiten, eigene Weiterentwicklungen und die Nachvollziehbarkeit der formalen Darstellung.
All documents are available as PDF (print‑ready) and TeX (source code, adaptable). The TeX files are suitable for academic work, own developments, and full traceability of the formal presentation.
📚 Über diese Schriftenreihe / About This Series
Die ARS wurde von ARS 2.0 (sequentielle Übergangsgrammatik) über ARS 3.0 (hierarchische PCFG mit interpretativen Kategorien) bis zu ARS 4.0 (Petri-Netze, Bayessche Verfahren, hybride Integration mit CL) und ARS 5.0 (DeepProbLog, inkrementelles Lernen) entwickelt. Die Texte dokumentieren diesen Weg und reflektieren methodologische Grundlagenfragen – stets mit dem Ziel einer erklärbaren qualitativen Forschung im Sinne der XAI-Kriterien (Verständlichkeit, Genauigkeit, Wissensgrenzen).
ARS has been developed from ARS 2.0 (sequential transition grammar) via ARS 3.0 (hierarchical PCFG with interpretive categories) to ARS 4.0 (Petri nets, Bayesian methods, hybrid integration with CL) and ARS 5.0 (DeepProbLog, incremental learning). The texts document this path and reflect fundamental methodological questions – always aiming at an explainable qualitative research in the sense of XAI criteria (meaningfulness, accuracy, knowledge limits).
🔓 Lizenz / License: Creative Commons BY-NC-SA 4.0 – Freie Nutzung für nicht-kommerzielle Forschung und Bildung unter Namensnennung und Weitergabe unter gleichen Bedingungen. / Free use for non‑commercial research and education with attribution and share‑alike.
✍️ Zitierempfehlung / Citation Recommendation: Koop, P. (2024/2026). Algorithmisch Rekursive Sequenzanalyse (ARS) als Framework für Explainable AI. the‑last‑freedom.org.
📬 Kontakt / Contact: Für wissenschaftliche Rückmeldungen, Kooperationsanfragen oder Fragen zu den Inhalten stehe ich gern zur Verfügung. / For scientific feedback, collaboration inquiries, or questions about the content, I am happy to assist.