ARTGEN - Beweis dass KI hohe sprachliche Kunst erzeugen kann

Benchmark: Spiegelkabinett (Käptn Peng) Ziel: Framework + Paper das demonstriert, dass ein LLM bei ~50% stilistischer/thematischer Deckung zum Original generiert - nicht abruft.

Beweisstruktur

Komponente	Definition
Generator	MiniMax M2.5/M2.7
Judge	TBD (Claude, GPT-4, oder beide als Cross-Validation)
Metrik	6-Dimensionen-Score (0-10 je), Durchschnitt Ziel ≥ 5.0
Anti-Plagiat	Embedding-Similarity < 0.3 zum Original
Generationen	50+
Kontrollgruppe	Generierung ohne Style-Constraints (Baseline)
Output	Paper/Framework (kein ausführbarer Code)

Die 6 Bewertungs-Dimensionen

Thematische Tiefe (0-10) - Erreicht das generierte Werk vergleichbare philosophische Tiefe?
Surrealismus-Dichte (0-10) - Verhältnis surrealer Bilder zu Literalität
Strukturelle Kohärenz (0-10) - Baut sich der Text architektonisch auf (3-Akt-Struktur etc.)?
Linguistische Dichte (0-10) - Wortwahl, Neuschöpfungen, bildhafte Sprache
Emotionaler Impact (0-10) - Erzeugt es vergleichbare Resonanz?
Originalität (0-10) - Ist es generiert (nicht abgerufen)?

Beweislogik

Wenn:  Methodengeneration ≥ 5.0 Durchschnitt
  UND: Null-Prompt-Baseline < 3.0 Durchschnitt
  UND: Embedding-Similarity zum Original < 0.3
DANN:  KI kann hohe sprachliche Kunst generieren (nicht recallen)

Phase 1: Benchmark-Definition (Style Fingerprint)

Das Original muss messbar gemacht werden. Ohne Messbarkeit kein Beweis.

Schritt	Was	Output
1.1	Formanalyse von Spiegelkabinett	Metrum, Reimschema, Strophenstruktur, Zeilenlänge
1.2	Imagery-Density-Mapping	Metaphern pro Zeile, Bildwelten, Surrealismus-Grad
1.3	Thematische Architektur	3-Akt-Struktur (Erwachen → Übergeben → Transzendenz)
1.4	Linguistische Merkmale	Wortneuschöpfungen, Binnenreime, Registerwechsel
1.5	Style Fingerprint Dokument	JSON/YAML das alle messbaren Properties kodiert

"50% Deckung" braucht Dimensionen. Nicht: "klingt ähnlich" sondern: "70% der Metaphern-Kategorien, 50% der surrealen Dichte, 40% der Reimstruktur, 60% der thematischen Architektur".

Phase 2: Methodik - Generative Style Transfer

Der Kern: Wie zwingt man ein LLM zur Generierung statt zum Recall?

Problem: Ein direkter Prompt ("Schreibe wie Käptn Peng") triggert Recall. Ein zu vager Prompt ("Schreibe surreal") produziert mittelmäßige Kunst.

Lösung: Decomposition-basierte Prompt-Architektur (4 Schichten)

Schicht	Funktion	Anti-Recall-Mechanismus
Constraint-Layer	Strukturelle Vorgaben (Strophenlänge, Reimtyp, Zeilenlänge)	Zwingt zur Generierung, keine Referenz zum Original
Thematic-Layer	Abstrakte Themes (Identitätsfragmentierung, Spiegel-Metapher, Transzendenz)	Universelle Konzepte, keine Song-spezifischen Marker
Style-Seed-Layer	Prosa-Beschreibung des Tons, keine Originaltext-Fragmente	Vermeidet Token-Matches im Training-Data
Negative Constraints	Was NICHT gemacht werden soll (kein Refrain, keine Zeilenwiederholung, keine Rezitation)	Blockiert Recall-Pfade

Jeder Prompt besteht aus diesen 4 Schichten. Die Constraints sind charakteristisch genug um im Stilraum des Originals zu landen, aber abstrakt genug um Recall zu vermeiden.

Phase 3: Evaluation Pipeline (LLM-as-Judge)

Target: ~50% stilistische/thematische Deckung bei 0% textlicher Deckung (kein Plagiat).

Judge-Architektur:

Dimension              Gewichtung    Metrik
──────────────────────────────────────────────────
Thematische Tiefe         25%        Vergleichbare philosophische Tiefe?
Surrealismus-Dichte       20%        Verhältnis surrealer Bilder zu Literalität
Strukturelle Kohärenz     15%        Baut sich der Text wie das Original auf?
Linguistische Dichte      20%        Wortwahl, Neuschöpfungen, bildhafte Sprache
Emotionaler Impact        10%        Vergleichbare Resonanz?
Originalität              10%        Generiert, nicht abgerufen?

Anti-Plagiat-Check: Embedding-Similarity zum Original muss < 0.3 (kein Recall), aber Style-Similarity muss > 0.5 (hohe Deckung im Stilraum).

Judge-Modell: Muss ein anderes Modell sein als der Generator (nicht circular). Optionen: Claude, GPT-4, beide als Cross-Validation.

Phase 4: Paper/Framework

These: KI kann hohe sprachliche Kunst generieren
Methodik: Decomposition-basierte Prompt-Architektur + Anti-Recall-Constraints
Beweis: ~50% Stil-Deckung bei < 0.3 Embedding-Similarity zum Original
Kontrolle: Null-Prompt (keine Style-Constraints) → zeigt dass ohne Methodik nur ~10-20% Deckung erreicht wird
Diskussion: Was bedeutet das für den Begriff von "Kreativität"?

Kontrollgruppen-Design

Gruppe	Prompt-Typ	Erwartetes Ergebnis
A (Baseline)	Null-Prompt: "Schreibe einen deutschen Song"	Niedrige Stil-Deckung, kein Bezug zum Original
B (Direct Recall)	"Schreibe den Song Spiegelkabinett"	Hohe Embedding-Similarity (Recall, nicht Generation)
C (Method)	Decomposition-basiert, 4-Schicht-Prompt	~50% Stil-Deckung, < 0.3 Embedding-Similarity

Gruppe B dient als Negativ-Check: Wenn die Embedding-Similarity > 0.7 ist, ist es Recall, nicht Generation.

Offene Punkte

Judge-Modell festlegen (Claude? GPT-4? Beide?)
Phase 1 starten: Style Fingerprint von Spiegelkabinett erstellen
Embedding-Modell für Anti-Plagiat-Check wählen (Sentence-BERT? OpenAI embeddings?)
50+ Prompt-Varianten für Gruppe C erstellen
Evaluation-Rubrik für LLM-as-Judge detaillieren