TECHNICAL RESEARCH ENVIRONMENT / 2026
Forschung wird
nachvollziehbar.
FakeLab ist ein Schülerforschungsprojekt des Jugendforschungszentrums Nagold (JFZ). Untersucht wird, wie mathematisch-statistische Merkmale, Fuzzy String Matching und später trainierte ML-Modelle unabhängig überprüfte Aussagen unterscheiden können. flx:research dokumentiert Datenbasis, Architektur, nachvollziehbare Experimente und den wissenschaftlichen Arbeitsstand.
SYSTEMÜBERBLICK
Eine Plattform. Zwei Python-Arbeitsumgebungen.
Research Backend
Das zentrale Research Backend betreibt Datenmodell, Forschungs-API und Python-Analysen. Debian, Apache, FastAPI und PostgreSQL bilden die Infrastruktur; die Research-Python-Umgebung ist von der produktiven API-Umgebung getrennt.
Komponenten ansehen ↗Student Workspace
Der eigenständige Student Workspace ermöglicht Marc, eigene mathematische Modelle mit CSV-Dateien, Python, Unit-Tests und Git zu entwickeln – ohne direkte Schreibrechte auf die Forschungsdatenbank.
Arbeitsumgebung ansehen ↗Die Infrastruktur ist einsatzbereit und 156 technische Merkmalswerte wurden gespeichert. Die 52 Untersuchungstexte besitzen jedoch noch keine freigegebenen, unabhängig geprüften Wahrheitslabels. Sprachliche Auffälligkeit und Ähnlichkeit sind kein Wahrheitsbeweis; valide Klassifikationskennzahlen stehen aus.
BESTÄTIGTER FORTSCHRITT · 11.11.2026
Von Excel zur versionierten Datenbasis
52 Texte aus dem erfassten Arbeitsmaterial
52 neue Datensätze, keine vorhandenen Datensätze und keine Konflikte im protokollierten Importlauf
55 Dokumente in zwei Datensätzen (davon 3 synthetische Demos)
156 gespeicherte Werte der technischen Demo-Merkmale unter demo-v2
Diese Kette wurde auf der Betreuer-/Serverumgebung bestätigt. Sie ist keine bereits integrierte öffentliche ML-Erkennungsfunktion.
01 / SYSTEMARCHITEKTUR
Vom Text zur Forschungsplattform.
Die Web-/API-Kette und die offline ausführbare Forschungs-Pipeline sind getrennte Abläufe. Das Diagramm beschreibt Komponenten, nicht eine bereits öffentlich nutzbare ML-Erkennung. Wähle einen Baustein, um den früher dokumentierten Implementierungsstand zu sehen.
Die Forschungs-Python-Umgebung /opt/fakelab/ml/venv ist von der FastAPI-Backend-Umgebung getrennt. Die bestätigte Excel-Import- und Feature-Pipeline läuft in der Betreuerumgebung und greift mit Python/psycopg auf PostgreSQL zu; die Web-API ist keine produktive ML-Inferenzschnittstelle. Marc arbeitet zusätzlich in einem isolierten Workspace mit eigenem venv.
BETREUER-/FORSCHUNGSDATENFLUSS · BESTÄTIGT
Import und Merkmalsberechnung ohne Web-ML-Anbindung
Für die 52 Untersuchungstexte wurden Import und Speicherung von 156 Demo-Merkmalswerten nachgewiesen. Regelbasierte Vergleiche und ML-Training mit unabhängig geprüften Labels folgen als Forschungsarbeit.
02 / DATENMODELL
Struktur statt Blackbox.
PostgreSQL 17 (Schema research in Datenbank fakelab) umfasst acht Tabellen für Datensätze, Dokumente, überprüfbare Behauptungen, Belege, Merkmale und spätere Experimente. Am 11.11.2026 sind 55 Dokumente und für 52 Untersuchungstexte 156 demo-v2-Merkmalswerte bestätigt.
DATENBESTAND · BESTÄTIGT AM 11.11.2026
Zwei Datensätze, unterschiedliche Zwecke
| Datensatz | Version | Dokumente | Einordnung |
|---|---|---|---|
| FakeLab Demo | 1 | 3 | Synthetische Techniktests |
| FakeLab Untersuchungsmaterial | excel-2026-11-v1 | 52 | Forschungsrohmaterial · Labels nicht freigegeben |
Die ersten drei Demo-Texte sind ausdrücklich synthetisch. Die 52 Untersuchungstexte sind keine 52 unabhängig verifizierten Trainingsbeispiele.
DATENFLUSS IM MODELL
Dies ist eine konzeptionelle Übersicht der Datenbeziehungen, kein vollständiger physischer ERD-Auszug. Die detaillierten Spalten und Constraints sind im SQL-Schema definiert.
pgvector ist vorgesehen, aber noch nicht als installiert bestätigt. Geplant ist die Speicherung von Embeddings mit Bezug auf überprüfbare Behauptungen. Ähnlichkeit ist keine Aussage über Wahrheit.
research.features speichert Merkmale auf Dokumentebene, research.predictions bezieht sich auf einzelne Claims. Vor einem wissenschaftlichen Klassifikationsvergleich müssen die Bewertungseinheit und die eindeutige Merkmals-/Label-Zuordnung festgelegt werden. Datenaufteilungen (Training / Validierung / Test) sind vor der Optimierung zu definieren.
03 / FORSCHUNGS-API
Fünf Wege zu Forschungsdaten.
Die vorhandene FastAPI-Test-Schnittstelle unter /api/research/ wurde in der früheren technischen Dokumentation mit fünf GET-/POST-Endpunkten beschrieben und getestet. Eine erneute Live-Prüfung am 11.11.2026 ist nicht dokumentiert. Der bestätigte Import- und Feature-Lauf nutzt die direkte PostgreSQL-Verbindung aus Python, nicht eine produktive ML-Web-API.
Schreibzugriffe auf die API sind tokenbasiert geschützt. Marc arbeitet im isolierten Student Workspace mit lokalen CSV-Dateien und Python, ohne direkte PostgreSQL- oder Forschungs-API-Anbindung. Die Webintegration von Forschungsergebnissen bleibt geplant; Zugangsdaten werden nicht veröffentlicht.
04 / FORSCHUNGSMETHODEN
Mathematik trifft Machine Learning.
Die Entwicklung folgt vier didaktischen Beispiellösungen: Merkmale messen, regelbasiert bewerten, Parameter überprüfen und die ML-/Datenbankumgebung vorbereiten. Erst unabhängig verifizierte Labels ermöglichen einen wissenschaftlichen Vergleich von Statistik, Fuzzy Matching, scikit-learn und fastText.
DIDAKTISCHE FORSCHUNGSENTWICKLUNG
Vier Beispiellösungen – vom Messen zur Datenbasis
9 Textpaare / 18 Messungen, Wortmaße und Levenshtein-Distanz; 7 Tests bestanden.
Normierter Stil-Score (Beispielgewichte 40/40/20, Schwelle 0,45); 8 Tests bestanden. Kein Wahrheitsurteil.
Vier Gewichtungen × drei Schwellenwerte, 216 Bewertungen; 8 Tests bestanden. Sensitivität statt Erkennungsquote.
52 Excel-Texte importiert, 156 Demo-Features gespeichert; ML-Bibliotheken vorbereitet. M1–M12 noch offen.
Die Beispiele 1–3 bauen didaktisch aufeinander auf, nicht durch automatische CSV-Weitergabe. Die Tests bestätigen die Technik, nicht die Klassifikationsgüte.
Statistische Merkmale
Wort-, Satz- und Zeichenmaße als Basis für normierte Merkmale und einen erklärbaren Score. Die projektspezifischen Merkmale M1–M12 müssen Marc und Manfred noch definieren und implementieren.
DEMO GETESTETFuzzy String Matching
Levenshtein-Distanz und normierte Zeichenähnlichkeit, mit Gegenbeispielen. Zeichenähnlichkeit bedeutet weder gleiche Aussage noch gleichen Wahrheitsgehalt.
GRUNDFUNKTION GETESTETMaschinelles Lernen
scikit-learn 1.9.1 und fastText 0.9.3 sind in der ML-Umgebung verfügbar. Ein reguläres, belastbar evaluiertes Training auf unabhängig geprüften WAHR/FALSCH-Behauptungen hat noch nicht stattgefunden.
BIBLIOTHEKEN VERFÜGBARFORSCHUNGSABLAUF / KONZEPT
Vom geprüften Beispiel zur nachvollziehbaren Auswertung
Diese Abfolge beschreibt die geplante wissenschaftliche Untersuchung und nicht einen bereits validierten Fake-News-Detektor.
Texte erfassen; Aussagen, Quellen und Belege unabhängig prüfen. Die 52 importierten Untersuchungstexte sind derzeit noch nicht entsprechend gelabelt.
Beispielsweise Wort- und Satzlänge, Wortvielfalt, Großschreibung sowie Satzzeichen. Die Merkmale beschreiben Sprache, nicht automatisch den Wahrheitsgehalt.
Merkmalsverteilungen, erklärbare Scores, Gewichte und Schwellenwerte.
Levenshtein-Distanz und normierte Zeichenähnlichkeit; Gegenbeispiele für Bedeutungsunterschiede.
Getrennte Trainings- und Testversuche mit scikit-learn und fastText.
Konfusionsmatrix, Precision, Recall, F1 und gezielte Gegenbeispiele; Testleckage vermeiden.
Methoden, Datengrundlage, Modellversionen, Messwerte und Grenzen transparent dokumentieren.
VERSIONIERTE FEATURE-PIPELINE
Messwerte kontrolliert speichern
Am 11.11.2026 wurden 52 Untersuchungstexte importiert und 156 Merkmalswerte für character_count, word_count und exclamation_count unter demo-v2 gespeichert. Die Funktion marc_features(text) für M1–M12 ist noch bewusst nicht implementiert.
Die späteren Versuche trennen regelbasierte Verfahren, Fuzzy Matching und trainierte ML-Modelle. Ergebnisse werden nur mit dokumentierter Datenherkunft und ohne Leckage zwischen Training und Test interpretiert.
Vorab dokumentierte Hypothesen und Features, unabhängig geprüfte Claims, train/validation/test ohne Leckage und identische zurückgehaltene Testfälle sind Voraussetzungen. Verglichen werden gegebenenfalls Konfusionsmatrix, Precision, Recall und F1; Score-Werte dürfen nicht als kalibrierte Wahrheitswahrscheinlichkeiten ausgegeben werden.
05 / STUDENT WORKSPACE
Eigenständig forschen. Reproduzierbar arbeiten.
Marc arbeitet nach der dokumentierten Anleitung per PuTTY/SSH mit eigener Python-venv, CSV-Dateien und lokalem Git ohne Remote. Seine Forschungsaufgabe umfasst Hypothesen, M1–M12, Tests und Forschungsjournal; der Workspace ist von PostgreSQL und der zentralen Betreuer-Pipeline isoliert.
PROJEKTSTRUKTUR
~/fakelab/ ├── src/ │ ├── baseline.py │ ├── student_model.py │ └── experiment.py ├── tests/ ├── daten/ │ └── ergebnisse/ ├── dokumentation/ ├── README.md └── venv/
Auszug der tatsächlichen Struktur; weitere Starterdateien bleiben erhalten.
TYPISCHER ARBEITSABLAUF
cd ~/fakelab
source venv/bin/activate
python -m src.experiment \
--input daten/uebung_workspace.csv
python -m unittest discover \
-s tests -vErgebnisse werden als CSV unter daten/ergebnisse/ gespeichert.
In student_model.py sind Score und Klassifikation als offene Forschungsaufgaben angelegt. Die M1–M12-Funktion in der Betreuerumgebung (marc_features) ist ebenfalls noch nicht implementiert. Die Eigenleistung liegt bei Marc; Git-Commits und Forschungsjournal sichern die Nachvollziehbarkeit.
06 / ERGEBNISSE & AUSBLICK
Technischer Fortschritt. Wissenschaftliche Ergebnisse folgen.
Hier dokumentieren wir den bestätigten Stand der Forschungsdaten und erste deskriptive Messwerte. Eine Aussage zur Erkennung wahrer oder falscher Nachrichten ist mangels geprüfter Wahrheitslabels noch nicht möglich.
Messdaten vorhanden – Modellvergleich ausstehend
Für 52 Untersuchungstexte wurden 156 technische Demo-Merkmalswerte gespeichert. Es fehlen unabhängig geprüfte Wahrheitslabels sowie entsprechend trainierte und auf zurückgehaltenen Daten evaluierte Modelle. Deshalb werden hier keine Erkennungsquoten behauptet.
DESKRIPTIVE MESSWERTE · 52 UNTERSUCHUNGSTEXTE
Bestätigte Feature-Aggregate · demo-v2
| Merkmal | Werte | Mittelwert | Minimum | Maximum |
|---|---|---|---|---|
Zeichenanzahl character_count | 52 | 339,38 | 105 | 1.225 |
Wortanzahl word_count | 52 | 47,52 | 14 | 178 |
Ausrufezeichen exclamation_count | 52 | 0,02 | 0 | 1 |
156 gespeicherte Einzelwerte. Dies sind deskriptive Textkennzahlen, keine Aussagen über den Wahrheitsgehalt und keine Klassifikationsmetriken.
STRUKTUR DES KÜNFTIGEN ERGEBNISDASHBOARDS
Was wir pro Experiment dokumentieren
Datengrundlage: Herkunft, Umfang, Labels und Aufteilung in Training und Test.
Versuchsaufbau: Hypothese, verwendete Merkmale, Modelltyp und Version.
Messwerte: Konfusionsmatrix, Precision, Recall und F1; bei Bedarf zusätzliche Metriken.
Grenzen: Gegenbeispiele, Fehlklassifikationen, mögliche Verzerrungen und offene Fragen.
Derzeit zeigen wir bewusst keine erfundenen Messwerte und keine unbelegten Aussagen über eine Erkennungsquote.
01 / Merkmale
Welche Textmerkmale sind tatsächlich trennscharf? Gegenbeispiele und Fehlerfälle werden berücksichtigt.
02 / Modelle
Regelbasierte Scores, Fuzzy Matching sowie Scikit-learn und fastText werden unter vergleichbaren Bedingungen untersucht.
03 / Semantik
Geplante spätere Prüfung von Embeddings und pgvector zur Suche nach ähnlichen überprüften Behauptungen.
NÄCHSTE FORSCHUNGSSCHRITTE · AB 12.11.2026
Vom Rohmaterial zum validierten Vergleich
- Bewertungseinheit festlegen: einzelne Behauptung oder gesamtes Dokument
- M1–M12 definieren: Formel, Zählregel, Normierung, Gegenbeispiel und Test
- Fakten prüfen: Quellen, Belege, Urteile und Prüfdatum dokumentieren
- Features zuordnen: eindeutiger Bezug zwischen Merkmal und überprüfter Aussage
- Modelle vergleichen: Splits vorab definieren, regelbasierten Score, Fuzzy, scikit-learn und fastText fair evaluieren
- Ergebnisse veröffentlichen: Modellversion, Metriken, Fehlklassifikationen und Grenzen nachvollziehbar zeigen
Embeddings und pgvector sind nur eine spätere Option, nicht als produktiv installiert bestätigt.