Attribute und Attributbaum

Kategorie, Unterkategorie, Aspekt: was einem Evidenzobjekt zukommt und wie eine Frage es festlegt

Veröffentlichungsdatum

8. Oktober 2026

TippDer Attributbaum in einem Satz

Die Attribute einer Collection bilden einen Baum mit drei Ebenen, Kopf, Inhalt und Text. Jedes Blatt nennt, an welcher Objektart es hängt, woher es in DTD und DuckDB kommt, welcher Klassifikator einen Wert der Frage auf Schlüssel abbildet und wann ein Objekt unentschieden bleibt. Eine Frage wählt Blätter dieses Baums und verbindet sie zu einer minimalen Theorie.

Ein Blatt vorweg

kopf/korrespondenz/absender

Ebene Kopf, Objekt Brief; DTD letter:sender, letter:letter@sender; Quelle fq_letters.sender_id; Klassifikator person; einwertig (ein Brief hat einen Absender); unentschieden, wenn kein Absender verzeichnet ist.

Frage: Briefe von Theodor von Kármán → Schlüssel P000224 → 2.514 Briefe erfüllt, 6.563 verletzt, 6.899 unentschieden.

Dasselbe Einzelding kann an zwei Blättern hängen. Kármán schrieb ist kopf/korrespondenz/absender; Kármán wird erwähnt ist text/nennung/person. Die Personen-Id ist dieselbe, das Attribut nicht: das eine verzeichnet der Briefdatensatz, das andere trägt ein Satz. Die Klassifikation entscheidet die Rolle aus der Satzfunktion der Frage („schrieb X“, „an X“, „erwähnt X“), nicht aus dem Namen.

Der Schemabaum des Kármán-Nachlasses

Die Karte karten/karman-nachlass.yaml (Abschnitt schemabaum) deklariert ihn; schemakarte.pruefen_schemabaum prüft jedes Blatt gegen die DTD, das Sidecar und die Stanza-Datenbank. Die Zahl der Postings ist aus DuckDB gelesen.

Knoten Objekte DTD Quelle Klassifikator unentschieden, wenn Postings
Kopf
kopf/korrespondenz/absender brief letter:sender, letter:letter@sender fq_letters.sender_id person kein Wert verzeichnet 9.077
kopf/korrespondenz/empfaenger brief letter:addressee, letter:letter@recipient fq_letters.recipient_id person kein Wert verzeichnet 6.900
kopf/ort/absendeort brief letter:place, letter:letter@place fq_letters.place ort kein Wert verzeichnet 7.332
kopf/zeit/datum brief letter:date, letter:letter@date-when fq_letters.date_day zeit Intervall überlappt nur, oder kein Datum 15.976
kopf/zeit/periode brief — fq_letter_period.period_id periode kein Wert verzeichnet 7.841
kopf/ueberlieferung/band brief — fq_letters.doc_id geschlossen kein Wert verzeichnet 15.976
kopf/sprache brief letter:letter@lang fq_letters.language geschlossen kein Wert verzeichnet 15.173
Inhalt
inhalt/regest brief letter:regest fq_letters.regest form kein Wert verzeichnet 454.329
inhalt/thema brief — fq_letter_topics.topic_id thema nie ausschließend (Facette nicht gemessen) 47.031
inhalt/akt brief — fq_acts.act_type geschlossen kein Wert verzeichnet 4.867
inhalt/verzeichnet/person brief — fq_letter_entities.ent_id person kein Wert verzeichnet 35.031
inhalt/verzeichnet/ort brief — fq_letter_entities.ent_id ort_einzelding kein Wert verzeichnet 18.998
inhalt/verzeichnet/institution brief — fq_letter_entities.ent_id institution kein Wert verzeichnet 24.065
inhalt/tag brief — fq_letters.tags geschlossen kein Wert verzeichnet 54.066
Text
text/nennung/person satz, fussnote page:main, page:fn fq_mentions.ent_id person kein Text dieser Objektarten 60.010
text/nennung/ort satz page:main fq_mentions.ent_id ort_einzelding kein Text dieser Objektarten 39.012
text/nennung/institution satz page:main fq_mentions.ent_id institution kein Text dieser Objektarten 30.455
text/lexik/lemma satz page:main stz_tokens.lemma lemma kein Text dieser Objektarten 6.315.601
text/lexik/form satz, fussnote, absatz page:main, page:fn, page:p stz_tokens.form form kein Text dieser Objektarten 12.546.568
text/lexik/terminus satz page:main stz_tokens.lemma terminus kein Text dieser Objektarten die Lemma-Postings
text/satzlinguistik/satzrolle satz page:main stz_deps.deprel satzrolle kein Text dieser Objektarten 8.711.986 Abhängigkeiten (stz_deps)
text/absatzart absatz page:p, page:marginal, page:table fq_paragraphs.kind geschlossen kein Text dieser Objektarten 482.693
text/seitenzahl seite page:page@printed-page fq_page_labels.label geschlossen kein Text dieser Objektarten 4.927

Vorlagen und Karten

Der Schemabaum oben ist die Vorlage für Korrespondenzen (karten/_vorlagen/korrespondenz.yaml). Eine Karte übernimmt sie mit vorlage: korrespondenz und nennt nur, was in ihrer Collection anders ist: Blätter ohne Quelle (schemabaum_ohne), andere DTD-Elemente (dtd_ersatz), andere Felder eines Blatts (blatt_ersatz), andere Zuordnungen einer Objektart (objekte). Für die Wäfler-, Kepler- und Copernicus-Collections gibt es eine zweite Vorlage (dokumente): Träger ist das Dokument, sein Kopf ist der bibliographische Datensatz (Verfasser, Jahr, Titel, Gattung, Sprache), sein Text die Seiten.

Collection Karte Vorlage Blätter ohne ersetzt Datenbank
Kármán-Nachlass karten/karman-nachlass.yaml korrespondenz 23 — — karman-nachlass_fql.duckdb
Hevelius karten/hevelius.yaml korrespondenz 21 inhalt/verzeichnet/ort, text/nennung/ort inhalt/regest, kopf/korrespondenz/absender, kopf/korrespondenz/empfaenger, kopf/ort/absendeort, kopf/zeit/datum, text/absatzart hevelius_fql.duckdb
Euler, Briefwechsel (IVA) karten/eulerOO-IVA.yaml korrespondenz 19 inhalt/verzeichnet, text/nennung/ort — eulerOO-IVA_fql.duckdb
Pirckheimer karten/pirckheimer.yaml korrespondenz 11 inhalt/thema, inhalt/akt, inhalt/verzeichnet, inhalt/tag, inhalt/regest, kopf/zeit/periode, text/nennung/ort, text/nennung/institution, text/absatzart, text/seitenzahl text/nennung/person pirckheimer_fql.duckdb
Wäfler, Primärquellen karten/waefler-prim.yaml dokumente 12 — — waefler-prim_fx.duckdb
Wäfler, Sekundärliteratur karten/waefler-sec.yaml dokumente 12 — — waefler-sec_fx.duckdb
Kepler, Gesammelte Werke karten/kepler-prim.yaml dokumente 12 — — kepler-prim_fx.duckdb
Kepler, Sekundärliteratur karten/kepler-sec.yaml dokumente 12 — — kepler-sec_fx.duckdb
Copernicus, Primärquellen karten/copernicus-prim.yaml dokumente 12 — — copernicus-prim_fx.duckdb

Gestrichen wird ein Blatt nur, wenn die Collection keine Quelle dafür hat. Ein Blatt ohne Quelle wäre nicht harmlos: ein Textblatt ohne Treffer schließt jeden Brief mit Text aus. So hat keines der Register von Hevelius, Euler und Pirckheimer Orte als Einzeldinge, und eine Ortsnennung kann dort nicht als verknüpfte Nennung gelesen werden; das Blatt text/nennung/ort fehlt deshalb in diesen Karten. Hevelius trägt den Briefkopf als Attribute von <letter> (letter@sender, letter@recipient, …), nicht als Elemente; die Karte ersetzt die DTD-Verweise.

Drei Werte, je Ebene eine Regel

Ebene erfüllt verletzt unentschieden
Kopf der verzeichnete Wert ist einer der Schlüssel ein anderer Wert ist verzeichnet kein Wert verzeichnet
Kopf, Datum das Intervall des Briefs liegt im gefragten die Intervalle sind disjunkt sie überlappen nur, oder kein Datum
Inhalt wie Kopf wie Kopf wie Kopf; beim Thema nie verletzt, solange die Facette nicht gemessen ist
Text ein enthaltenes Objekt trägt den Wert der Brief hat Text dieser Objektarten, keines trägt ihn der Brief hat keinen solchen Text

Ein negiertes Blatt schließt nur aus, was es erfüllt. Ein strenges Blatt behandelt unentschieden wie verletzt: Präzision statt Recall, gewählt in der Verfeinerung, nie still.

Beim Text liest die Nennung einer Person die Lesart des Gebrauchs: jedes Vorkommen des Namens im Satz wird nach seiner Rolle in der Satzanalyse einer Klasse zugeordnet (Person, Urheber, Eponym, Beiwort, Literaturangabe, andere Person), und nur die Klassen, die die Frage verlangt, erfüllen das Blatt. Ein Satz, in dem der Name nur als Eponym („Prandtl number“), als Beiwort („Prandtl’schen Profil-Theorie“) oder in einer Literaturangabe steht, nennt die Person nicht und ist verletzt. Ein Vorkommen, das keine Bedingung trifft, und ein Treffer ohne lesbares Vorkommen (Fußnote, entstellte Form) bleiben unentschieden; eine Wortform allein erfüllt das Blatt nicht mehr. → Lesart des Gebrauchs

Was sich filtern lässt

Ein Wert der Frage wird ein Schlüssel, bevor die Suche läuft. Dieselbe Personen-Id trifft jede Schreibweise; ein Datum trifft ein Intervall; ein Lemma trifft jede Flexion.

Attribut Die Frage darf nennen Der Schlüssel
Person — Absender, Empfänger, verzeichnete Person, Nennung im Text jede Schreibweise des Namens die Personen-Id (ind_id). Im Text die Stanza-Lemmaklassen des Registernachnamens: jedes Token mit dem Lemma Hitler oder Einstein (auch Einsteins, wenn Stanza es so lemmatisiert), kein Präfix-Abgleich
Ort — Absendeort, verzeichneter Ort, Nennung den Ortsnamen, auch mit Beinamen hinter dem Komma die Ortsschlüssel; im Text die gefalteten Wörter der Registernamen (Nürnberg, Nuernberg)
Institution — verzeichnet, im Text genannt den Namen die Institutions-Id und die Formen der Registernamen
Datum Jahr, Monat, Tag oder Spanne ein geschlossenes Tagesintervall. 1933 das Jahr, 1933-03 der März, 1933-03-15 der Tag, 1930/1933 die Jahre 1930 bis 1933. Ein Brief, der nur das Jahr trägt, überlappt einen Monat und bleibt unentschieden
Periode einen benannten Zeitraum die period_id, deren Bezeichnung den Ausdruck enthält
Lemma eine Wortform oder ihr Lemma alle Stanza-Klassen Lemma\|Sprache dieser Form. Vertrag trifft Vertrages, Verträge
Wortform ein Token die gefaltete Form, auch in Fußnote, Absatz und Bildunterschrift
Terminus einen Fachausdruck die Bedeutung im Wörterbuch von LWgrammar, die verwandten Bedeutungen und deren Lemmata. Ohne Eintrag bleibt das Blatt eine Lücke
Satzrolle nsubj:Prandtl die Sätze, in denen dieses Lemma Subjekt, Objekt oder eine andere Abhängigkeit ist
Geschlossene Liste — Sprache, Gattung, Akt, Tag, Band, Absatzart, Seitenzahl ein Wort der Liste oder sein Synonym den verzeichneten Code: Latein → la, Buch → book, deutsch → de
Verfasser, Jahr, Titel eines Dokuments Name, Erscheinungsjahr, Wort des Titels Namensschlüssel ohne Register, das Jahr als Intervall, die Wörter des Titels. Vorlage dokumente (Wäfler, Kepler, Copernicus)

Ohne Register (Wäfler, Kepler, Copernicus) hat ein Name keine Personen-Id. Er trifft die Lemmaklassen seiner Namensschlüssel. Ein Namensvetter lässt sich dort nicht von der Person trennen.

Ähnliche Ausdrücke

Ähnliche Wendungen, Verben und Sätze sucht dieses Blatt über Embeddings. Es steht noch nicht: Der Filter fragt die Embeddings heute nicht ab, und bis es steht, sucht ein Fachausdruck über den Terminus. Ein Satz ohne Sprachcode gilt als Latein.

Sprache des Satzes Modell Speicher
Latein bge-m3, 1024 Dimensionen, ohne Präfix {coll}_sentences
jede andere Sprache EmbeddingGemma 2, embeddinggemma-2:270m-bf16-text, 768 Dimensionen. Anfrage task: search result \| query:, Text title: none \| text: {coll}_sentences_gemma

GLiNER2.5 ist seit dem 8. Oktober 2026 aus der PDAI-Pipeline. Ein fertiger bge-m3-Speicher wird nicht neu gebaut. Fehlt die Gemma-Collection, sucht eine nicht-lateinische Anfrage weiter dort. Das Gold ist noch vorgeschlagen. Die Messung steht in Ähnlichkeitssuche.

Der Fast Index

Bevor gesucht wird, wird jeder Wert der Frage klassifiziert (evidenzraum/fastindex.py). Die Suche vergleicht danach keine Zeichenketten mehr.

Theodor von Kármán → das Register bindet den Namen an P000224 (eine Form genau dieses Einzeldings, sonst wählt die Identitätsinstruktion unter den Kandidaten mit der Frage als Kontext). Passt ein Name auf mehrere Kandidaten gleich gut, wird das Blatt ihre Disjunktion, mit Grund; keiner wird still gewählt. Für ein Textblatt wird die Person auf die Lemmaklassen abgebildet, die Stanza den Wortformen ihres Registernachnamens zugewiesen hat (genaues Nachschlagen in fx_lemma_form, kein Präfix, keine Ähnlichkeit). Jedes Token einer solchen Klasse ist ein Kandidat, gleich wie es geschrieben ist: Prandtl bekommt Prandtl|en, Prandtl|de, PRANDTL|en, die lateinische Flexion prandtlum|la …; Klassen mit nur einem Token gelten als Rauschen des Taggers. Ob ein Kandidat die Person meint, entscheidet die Lesart des Gebrauchs.

1933 → [1933-01-01, 1933-12-31]; 1933-03 → [1933-03-01, 1933-03-31]; 1930/1933 → [1930-01-01, 1933-12-31]. Ein Brief, der nur das Jahr 1933 trägt, hat das Intervall des ganzen Jahres; für die Frage nach dem März überlappt es nur und bleibt unentschieden.

Welche Briefe schrieb Theodor von Kármán im März 1933? Das Datumsblatt 1933-03 entscheidet 8 Briefe als erfüllt, 8.707 als verletzt und 7.261 als unentschieden; darunter 11 Briefe, die nur das Jahr 1933 tragen: ihr Intervall überlappt den März. Minimalität: aus den Blättern 1930/1939 und 1933 bleibt 1933; gestrichen ist 1930/1939 (folgt aus j1 (1933)).

Vertrag → Vertrag|de (42 Formen), vertragen|de (2 Formen): alle Lemmaklassen, die Stanza der Form oder dem Wort als Lemma gegeben hat, mit Sprache. Jede Flexion zählt.

Ein Fachterminus wird als Bedeutung gesucht, nicht als Schreibweise. Der Ausdruck wird im Wörterbuch von LWgrammar nachgeschlagen (term_entry, term_sense), eingeschränkt auf die Kontextklasse der Collection; verwandte Bedeutungen kommen aus sense_relation, ihre Lemmata und die belegten Sätze (sense_locus) werden die Schlüssel. Ohne Eintrag ist das Blatt eine Lücke, keine Zeichenkettensuche:

text/lexik/terminus = turbulence: turbulence: Lücke — 3 Stichwort/Stichwörter im Wörterbuch der Collection (karman-nachlass:turbulence:en, karman-nachlass:turbulence:en+de, karman-nachlass:turbulence:de+en), aber keine Bedeutung (lw_sense); Rückstufung auf das Lemma nur nach Bestätigung

Das Wörterbuch des Kármán-Nachlasses hat 73 Stichwörter und 21.337 Belegzettel, aber keine Bedeutung (lw_sense ist leer). Eine Rückstufung auf das Lemma ist möglich, aber nur, wenn der Eigentümer sie bestätigt.

nsubj:Prandtl → die Sätze, in denen ein Wort mit dem gefalteten Lemma prandtl das Subjekt ist (stz_deps.deprel = 'nsubj'). Das trennt „Prandtl zeigt, dass …“ von „über Prandtl“.

Sprache, Akttyp, Tag, Gattung, Band, Absatzart, Seitenzahl: der Wert muss einer der verzeichneten sein, mit den Synonymen der Vorlage (deutsch → german, Latein → la, Buch → book). Ohne Synonym wäre Latein kein Wert der Liste de, en, fr, la; so hat die Messung es gefunden.

In einer Collection, deren Namen nicht im Register stehen (Wäfler), wird ein Name auf seine Namensschlüssel klassifiziert (Markus Wäfler → wafler, dieselbe Faltung wie das Register) und auf deren Lemmaklassen. Der Verfasser eines Dokuments trägt dieselben Schlüssel als Posting. Es gibt keine Lesart: ohne Register kann ein Satz einen Namensvetter nicht von der Person unterscheiden.

Orte und Institutionen bekommen auch in einer Korrespondenz einen Formenvorrat: die gefalteten Wörter ihrer Registernamen, als genaue Formen. Sonst fände ein Ortsblatt nur die verknüpften Nennungen und schlösse jeden Brief aus, dessen Text den Ort unverknüpft nennt.

Der Suchbaum als minimale Theorie

Ein Suchbaum ist eine Disjunktion von Clustern; ein Cluster ist eine Konjunktion von Blättern. Das ist dieselbe Form wie die Minimaltheorie der Regularitätstheorie der Kausalität (Graßhoff und May 2001): ein Bündel von Clustern, deren jeder für sich hinreicht. Drei Bedingungen halten den Baum minimal und sinnvoll:

  • Ein positiver Faktor je Cluster. Ein Cluster nur aus Negationen hält nichts fest; er wird zurückgewiesen.
  • Kein Blatt folgt aus einem anderen. Folgt ein Blatt aus einem anderen desselben Clusters, fügt es der Konjunktion nichts hinzu und wird gestrichen, mit Grund. Das Jahr 1543 impliziert das Intervall 1540–1550; gestrichen wird das Intervall. Eine Schlüsselmenge impliziert jede Obermenge.
  • Einheit der Konjunktion. Ein Cluster sagt, woran seine Textblätter gemeinsam hängen: an demselben Satz („ein Satz, der Vertrag und Hitler enthält“) oder nur an demselben Brief. Kopf- und Inhaltsblätter entscheiden immer am Brief.

Zwei positive Blätter eines einwertigen Attributs mit unvereinbaren Werten (zwei Absender, disjunkte Zeiträume) widersprechen sich; der Widerspruch wird gemeldet, bevor eine Anweisung läuft.