Lingua Mundi: Der Aufbau einer sprachunabhängigen Bedeutungskarte aus offenen lexikalischen Daten

1 · Die Intuition: warum Wörterbücher die falsche Form haben

Jeder Sprachlernende hat diese Reibung schon gespürt. Man schlägt cat in einem englisch-spanischen Wörterbuch nach und findet gato. Man schlägt gato in einem spanisch-japanischen Wörterbuch nach und findet 猫. Drei Wörterbücher später hat man einen Nachmittag damit verbracht, zu bestätigen, was man ohnehin schon vermutet hatte: Dieselbe Idee — ein kleiner gezähmter Fleischfresser, der schnurrt — wird dreimal beschrieben, in drei getrennten Dateien, von drei verschiedenen Organisationen, mit drei verschiedenen Identifikatoren, und kein einziges Mal mit den beiden anderen verbunden.

Die Intuition hinter Lingua Mundi ist, dass dies die falsche Form für Sprachdaten ist. Die Bedeutung existiert genau einmal. Die Wörter existieren viele Male. Eine Datenbank, die Bedeutungen als Objekte erster Klasse speichert und Wörter als Etiketten behandelt, die verschiedene Sprachen an eben diese Bedeutungen heften, würde es einem Menschen (oder einem Programm) erlauben, über eine einzige gemeinsame Karte von jeder Sprache in jede andere zu gelangen — und würde es einem Lernenden ermöglichen, auf einen Blick zu sehen, dass cat, gato, chat, Katze und 猫 keine fünf Fakten sind, die man auswendig lernen muss, sondern eine einzige Tatsache, die fünf Mäntel trägt.

Diese Intuition kam nicht wie ein Blitz. Sie wuchs über etwa ein Jahr aus der täglichen Arbeit eines bestimmten Menschen — und ihre früheste dokumentarische Spur ist bemerkenswert schlicht.

1.1 Die erste Nachricht

Am 3. Dezember 2025 eröffnete der Autor eine Unterhaltung mit ChatGPT und tippte Folgendes ein (wörtlich wiedergegeben; die Unterhaltung blieb viereinhalb Monate lang offen und wurde zuletzt am 21. April 2026 bearbeitet) [H]:

„Ich möchte für die folgenden Sprachen kostenlose Wörterbücher finden, die JMDICT und Kanjidict2 ähneln: Spanisch, Englisch, Französisch, Italienisch, Portugiesisch, Chinesisch, Koreanisch und Vietnamesisch. Meine Absicht ist es, eine einheitliche mehrsprachige Datenbank für verschiedene Zwecke zu schaffen. Mich interessiert außerdem, ob ähnliche Datenbanken für indigene Sprachen Mexikos existieren, auf die ich frei zugreifen kann.“

(Sitzungsprotokoll, ChatGPT, Unterhaltung "Free multilingual dictionaries", 2025-12-03; die Quelldatei ist in Anhang A zitiert.)

Drei Dinge in dieser kurzen Nachricht deuten bereits auf alles hin, was das Projekt später werden sollte. Erstens: Die genannten Sprachen — Spanisch, Englisch, Französisch, Italienisch, Portugiesisch und, später, Japanisch — sind genau die Sprachen, die der Autor als Übersetzer und Sprachlehrer spricht und mit denen er arbeitet (eine Menge, die er später als die "Core 6" formalisieren würde), dazu Chinesisch, Koreanisch und Vietnamesisch, die er als Nächstes hinzuzufügen plante. Zweitens: Der Ausdruck „eine einheitliche mehrsprachige Datenbank“ benennt bereits das Ziel: nicht sechs Wörterbücher, sondern eine Datenbank, die sie alle zusammen enthält. Drittens: Der Autor dachte vom allerersten Tag an über indigene Sprachen Mexikos nach — ein Faden, der immer wieder auftaucht (eine Integration der Maya-Sprachen in Lingua Mundi wurde im August 2026 erkundet [H], und Ressourcen zu den Maya-Sprachen tauchen in seinen gesamten Forschungsnotizen auf).

Auch der Kontext hinter dieser Nachricht zählt. Der Autor ist von Hause aus kein Informatiker. Er ist Übersetzer und Sprachlehrer, der damals ernsthaft Japanisch lernte und kleine Werkzeuge baute, um dieses Lernen zu erleichtern: Lernspiele für Kanji und Kana sowie eine Pipeline (Import-Pipeline) für ein japanisches Wörterbuch (ein Furigana-Editor für japanische E-Books würde später, im Jahr 2026, als das Projekt, aus dem die Shikibu-App hervorging, zu dieser Werkzeugsammlung stoßen). Sein Home-Verzeichnis Ende 2025 zeigt die Archäologie dieses Lernens: eine Kopie der KANJIDIC2-Kanji-Wörterbuchdatei, heruntergeladen am 11. November 2025, eine Jōyō-Kanji-Liste im Dezember, und dann — angestoßen durch jene Unterhaltung vom 3. Dezember — die Daten des Open Multilingual Wordnet, heruntergeladen am 5. Dezember [H] (Dateizeitstempel, /home/rex/; siehe Anhang A). Die ChatGPT-Unterhaltung vom 3. Dezember ist also der Dreh- und Angelpunkt: der Moment, in dem sich „Ich brauche japanische Daten für meine Werkzeuge“ zu „Ich möchte eine einheitliche mehrsprachige Datenbank bauen — kostenlos, für viele Sprachen, einschließlich der Sprachen meines eigenen Landes“ erweiterte.

1.2 Von Wörterbüchern zu Bedeutungen: die Import-Pipeline vom Dezember 2025

Was der Autor als Nächstes tat, ist in den Dateien sichtbar, die er anlegte. Zwischen dem 5. und dem 16. Dezember 2025 schrieb er, mit ChatGPT als Programmierpartner, eine kleine Import-Pipeline aus Python-Skripten — extract_omw.py, merge_dicts.py, unified_dictionary_pipeline.py, crossref_deterministic.py — die lexikalische Daten aus mehreren offenen Quellen herunterlud, analysierte und zu zunehmend stärker strukturierten Formen zusammenführte [H] (Skripte und Daten in /home/rex/). Die wichtigste Entwurfsentscheidung dieser Zeit ist in den Dateien selbst dokumentiert: Die letzte Stufe der Import-Pipeline, datiert auf den 16. Dezember, zerlegt jeden Eintrag in vier Arten von Objekten — concept, sense, lexeme und grapheme (ein Graphem ist ein geschriebenes Zeichen wie etwa ein Kanji) — und schreibt sie als JSON-Lines-Dokumente auf die Festplatte. Das Schema spricht für sich: Ein sense ist die bestimmte Bedeutung eines bestimmten Worts in einem bestimmten Wörterbuch; ein concept ist die gemeinsame Idee, auf die mehrere Bedeutungen aus mehreren Sprachen gleichermaßen zeigen; und das Feld concept_id einer Bedeutung darf leer sein — was bedeutet: „Diese Wortbedeutung ist noch nicht mit einem gemeinsamen Konzept verknüpft.“ Die Notizen des Autors in diesem Code bezeichnen die Methode als „Null-Heuristik“: kein unscharfes Raten, keine Tricks mit statistischer Ähnlichkeit, um zu entscheiden, dass zwei Wörter dasselbe bedeuten; nur explizite, dokumentierte Verknüpfungen. [H] (Code der Import-Pipeline und Anmerkungen, /home/rex/, Dezember 2025; Details in Anhang A.)

Dieses Schema vom 16. Dezember ist im Kleinen die gesamte Architektur des Projekts, das später Lingua Mundi heißen sollte: Wörter leben in Sprachen; Bedeutungen leben in einem gemeinsamen Raum; und das schwierige, ehrliche Problem — welches Wort in welcher Sprache welches Konzept bedeutet — wird niemals vorgetäuscht. Eine Bedeutung, die nicht mit einem Konzept verknüpft wurde, bleibt in der Datenbank sichtbar unverknüpft, statt stillschweigend per Raten an ihren Platz gesetzt zu werden. Zehn Monate später, als ein Fehler in einer Import-Pipeline das englische Wort cat für sein eigenes Konzept unsichtbar machte, beschrieb der Autor das Prinzip mit genau diesen Worten: Besser, eine verwaiste Bedeutung zu zeigen, als eine zu verstecken ([H]; siehe Abschnitt 7).

1.3 Die Lücke und die Ausweitung

Dann verstummt die dokumentarische Spur für rund fünf Monate — von Mitte Dezember 2025 bis Ende Mai 2026 enthalten die verfügbaren Protokolle keine Arbeit an der Wörterbuch-Import-Pipeline [NV]. Das ist für einen berufstätigen Übersetzer mit Schülern, die er zu unterrichten hat, nicht ungewöhnlich, aber es ist wert, dies klar auszusprechen: Das Wachstum des Projekts war nicht kontinuierlich. Es schritt in Schüben voran, getrennt durch Wochen oder Monate anderer Arbeit — ein Rhythmus, der sich durch das gesamte Jahr 2026 ziehen sollte.

Als der Faden wieder aufgenommen wird, hat sich der Ehrgeiz erweitert. Am 1. Mai 2026 untersucht der Autor "OMW v2.0 data coverage" (die Datenabdeckung der Version 2.0 des Open Multilingual Wordnet) [H] (Titel und Inhalt der Unterhaltung, ChatGPT, 2026-05-01). Am 27. Mai 2026 eröffnet er eine Unterhaltung mit dem Titel "Open Source Language Resources" und fragt im Grunde nach einer systematischen Karte jeder freien lexikalischen, grammatischen und semantischen Ressource, die eine mehrsprachige Wissensbasis speisen könnte [H] (ChatGPT, 2026-05-27). Inzwischen hat das Projekt einen Namen und eine Form; die Belege für beides erscheinen im nächsten Kapitel.

1.4 Warum das über ein einzelnes Projekt hinaus wichtig ist

Manche Leser mögen sich fragen, warum ein Artikel die Intuition eines persönlichen Projekts so ausführlich dokumentieren sollte. Die Antwort lautet: Die Intuition ist der Beitrag. Die Idee, dass die Bedeutung — nicht die Schreibweise — die natürliche Einheit mehrsprachiger Daten ist, hat eine lange akademische Vorgeschichte (sie ist der älteste Traum der „Interlingua“-Tradition der maschinellen Übersetzung und das Ordnungsprinzip der Synsets des Princeton WordNet; siehe Abschnitt 2), doch sie wird selten von einem einzelnen Menschen ohne Budget als öffentliches Gut in die Tat umgesetzt. Die meisten mehrsprachigen Ressourcen, die diesem Prinzip folgen — das Open Multilingual Wordnet, BabelNet, das Projekt Universal Dependencies — werden von Universitätskonsortien mit Fördergeldern gepflegt. Lingua Mundi ist der Versuch eines einzelnen unabhängigen Forschers, der nur offene Daten und kostenlose Werkzeuge verwendet, selbst ein Stück dieser Infrastruktur zu bauen — für seine eigene Übersetzungs- und Lehrtätigkeit — und es zu verschenken. Ob dieser Versuch gelingt, kann der Leser anhand der Belege im Rest dieses Artikels beurteilen — und die eigenen Journale des Autors zeigen, dass er sich dieselbe Frage, mit derselben Ehrlichkeit, die ganze Zeit über gestellt hat (siehe Abschnitt 4.3).

2 · Hintergrund: was eine „Bedeutungskarte“ bedeutet

Um zu verstehen, was Lingua Mundi zu bauen versucht und was daran wirklich neu ist, sind drei Stränge früherer Arbeit von Bedeutung: die sprachwissenschaftliche Idee, dass sich die Bedeutung von der Schreibweise trennen lässt; die informationstechnische Idee, dass sich eine solche Bedeutung als Daten speichern und über Sprachen hinweg verknüpfen lässt; und die moderne Beobachtung, dass eine strukturierte Bedeutungskarte neuronale Sprachmodelle ergänzt — statt mit ihnen zu konkurrieren.

2.1 Das Zeichen und seine zwei Gesichter

Die moderne Linguistik beginnt mit einer Beobachtung von trügerischer Einfachheit, die meist auf Ferdinand de Saussures Vorlesungen vom Anfang des

1. Jahrhunderts zurückgeführt wird: Ein Wort ist die Paarung aus einer

Laut-/Schriftform (dem „Signifikanten“) und einem Konzept (dem „Signifikat“) (de Saussure, 1916/1983). Zwei Sprachen sind dieser Auffassung zufolge keine zwei Mengen von Wörtern, die sich zufällig übersetzen; sie sind zwei Mengen von Signifikanten, die sich auf einem gemeinsamen Raum von Signifikaten teilweise überlappen. Der englische Signifikant cat und der spanische Signifikant gato sind verschiedene Formen mit demselben Signifikat. Könnte eine Maschine die Signifikate einmal speichern und die Signifikanten an sie heften, würde die Übersetzung zu einer Suche über ein gemeinsames Zwischenglied — eine Idee, die in der maschinellen Übersetzung als Interlingua-Ansatz bekannt ist: Statt direkt Englisch→Spanisch zu übersetzen, übersetzt man Englisch→Bedeutung→Spanisch.

Der Interlingua-Traum hat in der Forschung zur maschinellen Übersetzung eine lange Geschichte und hat sich in voller Allgemeinheit wiederholt als zu schwierig erwiesen (Sprachen zerlegen die Bedeutung nicht in identische Stücke, und jeder Übersetzer weiß, dass cat das Tier und cat der Jazzmusiker verschiedene Signifikate sind, die einen einzigen Signifikanten tragen). Doch der Traum ist nie gestorben; er wurde nur auf etwas Baubares eingeschränkt: auf das Lexikon — den Teil der Sprache, der sich am besten auf stabile, geteilte Bedeutungen abbilden lässt.

2.2 WordNet und das Synset

Die entscheidende Eingrenzung kam aus der Psychologie und der Lexikographie. In den 1980er- und 1990er-Jahren bauten George Miller und seine Kollegen in Princeton WordNet, eine lexikalische Datenbank für das Englische, die nicht alphabetisch, sondern semantisch organisiert ist (Miller, 1995; Fellbaum, 1998). Die zentrale Erfindung von WordNet ist das Synset (eine Zusammenziehung aus englisch „synonym set“, also „Synonymmenge“): eine Gruppe von Wörtern, die in einem bestimmten Kontext für dieselbe Bedeutung stehen können. Das Synset {cat, true cat, Felis catus, domestic cat} ist eine Bedeutung; das Synset {cat, kat, guy, hombre} — mit der Bedeutung „ein informeller Ausdruck für einen Jugendlichen oder Mann“ — ist eine andere, völlig andere Bedeutung, die zufällig den Signifikanten cat mit der ersten teilt. WordNet verzeichnet außerdem Relationen zwischen Synsets — am wichtigsten die ist-ein- Hierarchie (Hyperonymie: eine Hauskatze ist ein Katzenartiger, ein Katzenartiger ist ein Fleischfresser, ein Fleischfresser ist ein* Säugetier …) — und macht das Wörterbuch damit zu einem Graphen, mit Bedeutungen als Knoten und typisierten Beziehungen als Kanten.

WordNet ist für Lingua Mundi aus drei Gründen von Bedeutung. Erstens hat es bewiesen, dass ein maschinenlesbares, nach Bedeutung organisiertes Lexikon machbar und enorm nützlich ist — moderne Suchmaschinen, Rechtschreibprüfungen und Bibliotheken für natürliche Sprache stützen sich noch immer darauf. Zweitens hat es der Welt ein stabiles Identifikationssystem für Bedeutungen gegeben: Das Princeton WordNet nummeriert seine Synsets, sodass 02121620-n eindeutig „Hauskatze“ bedeutet und über Datenbanken hinweg zitiert werden kann. Drittens wurde es zum Anker eines mehrsprachigen Projekts: des Open Multilingual Wordnet (OMW).

2.3 Das Open Multilingual Wordnet: eine Bedeutung, viele Sprachen

Das OMW, ins Leben gerufen von Francis Bond und Ryan Foster (Bond & Foster, 2013), sammelt in vielen Sprachen gebaute WordNets und ordnet sie dem englischen Princeton-WordNet zu: Die Synsets jeder teilnehmenden Sprache tragen Verweise auf das englische Synset, dem sie entsprechen. Das Ergebnis ist die Ressource, die Lingua Mundi möglich gemacht hat: eine Menge expliziter, von Menschen kuratierter Aussagen der Form „Das spanische gato (Bedeutung 1) gehört zu derselben Bedeutung wie das englische Synset 02121620-n für die Hauskatze.“ Als der Autor von Lingua Mundi in seiner technischen Spezifikation vom Juli 2026 schrieb, das Projekt werde „synset-zentrisch“ sein und die Sprachen über das OMW einander zuordnen [H] (Spezifikationsdokument, 24. Juli 2026), stand er auf den Schultern von Bond und Foster — so wie es seine Import-Pipeline-Skripte vom Dezember 2025, die die Datendateien des OMW direkt analysierten, bereits getan hatten.

2.4 Das Ökosystem offener Daten rund um die WordNets

Das OMW ist ein Knoten in einem großen, offen lizenzierten Ökosystem, das ein Einzelner rechtlich und technisch kombinieren kann:

• Wiktionary — das kollaborative

Wörterbuch der Wikimedia Foundation — bietet eine sehr breite lexikalische Abdeckung in Hunderten von Sprachen, einschließlich Definitionen, Übersetzungen, Flexionsformen und Aussprache, unter Share-alike-Lizenzen (Wikimedia Foundation; siehe auch Meyer & Gurevych, 2012 zu seinem Wert als Rivale der Expertenlexika).

• Wikidata — die strukturierte

Wissensdatenbank der Wikimedia-Bewegung — speichert Aussagen mit maschinenlesbaren Identifikatoren und wird unter CC0 (Public Domain) veröffentlicht (Vrandečić & Krötzsch, 2014).

• Universal Dependencies (UD) — ein

Gemeinschaftsprojekt, das syntaktisch annotierte Satz-Treebanks in mehr als hundert Sprachen unter offenen Lizenzen veröffentlicht (Nivre et al., 2020). UD trägt reale Sätze und Wortartinformationen bei — Belege dafür, wie Wörter tatsächlich verwendet werden.

• [JMdict and KANJIDIC2](https://www.edrdg.org/jmdict/j_jmdict.html) — die japanischen

Wörterbuch- und Kanji-Dateien, gepflegt von Jim Breens EDRDG-Projekt, die das Japanische umfassend und mit Übersetzungen in mehrere Sprachen abdecken (Breen, 2004). Diese waren die Ausgangspunkte des Autors (seine allererste Wörterbuchdatei, heruntergeladen im November 2025, war KANJIDIC2 [H]).

• UniMorph — ein mehrsprachiges

Repositorium der Flexionsmorphologie (Wortformen wie run/ran/running, geordnet nach grammatischen Merkmalen) (Kirov et al., 2018; McCarthy et al., 2020).

• OPUS — eine große Sammlung paralleler

(übersetzter) Sätze aus dem Web und aus Film-Untertiteln, offen lizenziert (Tiedemann, 2012).

• Worthäufigkeitslisten wie [wordfreq](https://github.com/rspeer/wordfreq) (Speer, 2022), die

Wörter danach ordnen, wie häufig sie in realen Korpora vorkommen.

• Der ISO-639-3-Standard, der jeder menschlichen Sprache einen stabilen

dreistelligen Code zuweist (z. B. spa für Spanisch, jpn für Japanisch), gepflegt von SIL International — die Lingua-Mundi-Datenbank verwendet diese Codes als Schlüssel ihrer Tabelle language [H].

Zwei Eigenschaften dieses Ökosystems verdienen hervorgehoben zu werden, weil sie das gesamte Projekt prägen. Erstens sind die Lizenzen wirklich offen — permissiv oder Share-alike —, sodass ihre Zusammenführung zu einer abgeleiteten Datenbank legal ist, solange Namensnennung und Lizenzbedingungen respektiert werden (Lingua Mundi hält Quelle und Lizenz jedes importierten Datensatzes in einer eigenen Tabelle source fest; siehe Abschnitt 6). Zweitens ist das Ökosystem komplementär: Wiktionary ist breit, aber flach; die WordNets sind tief, aber schmal; UD dreht sich um die Verwendung; UniMorph um Wortformen; Häufigkeitslisten um Prominenz. Das technische Problem von Lingua Mundi ist nicht „Daten finden“ — es ist „Daten zusammenführen, die nie dafür entworfen wurden, zusammengeführt zu werden, ohne über die Verknüpfungen zu lügen“.

2.5 Warum eine Bedeutungskarte im Zeitalter großer Modelle weiterhin wichtig ist

Ein fairer Einwand muss klar ausgesprochen werden: Wenn große Sprachmodelle Wörter bereits übersetzen, definieren und über sie nachdenken können — warum dann überhaupt ein strukturiertes Lexikon bauen? Die Antwort des Lingua-Mundi-Autors, entwickelt in seiner Forschungsarbeit vom Juni 2026 (Abschnitt 3) und im Laufe des Sommers verfeinert, hat drei Teile. Erstens: Verifizierbarkeit — eine strukturierte Datenbank kann ihre Arbeit offenlegen: Jede Verknüpfung hat eine Quelle, eine Lizenz und ein Datum — während das Wissen eines Modells eine undurchsichtige statistische Mischung ist, die weder geprüft noch korrigiert noch zitiert werden kann. Zweitens: Kosten und Zugang — eine lokale Datenbank abzufragen kostet nichts und funktioniert offline, während jede Modellabfrage Energie, Geld oder beides kostet; die ständige Entwurfsregel des Autors lautet „Null-Token-Forschungsabfragen“ — die lokale API ist die Forschungsoberfläche [H] (Projektnotiz, 29. August 2026). Drittens: Komplementarität — die Arbeit vom Juni 2026 vertrat als Hypothese, wobei die Prüfungen dreier Modelle zu demselben Urteil kamen, dass ein kompaktes Modell, das über Konzeptkennungen statt über rohe Token arbeitet, weitaus effizienter sein könnte, gerade weil die Bedeutungskarte die semantische Arbeit außerhalb des Netzwerks leistet (siehe Abschnitt 3). Ob diese Hypothese die experimentelle Prüfung übersteht oder nicht: Die Karte selbst bleibt für die Modelle nützlich — als externer Speicher, der sich ohne erneutes Training abfragen, aktualisieren und zitieren lässt.

Die intellektuelle Abstammung von Lingua Mundi lässt sich also in einem Satz zusammenfassen: Es ist der Interlingua-Traum — vom WordNet auf das Lexikon verengt, vom OMW mehrsprachig gemacht, von der Open-Data-Bewegung legal gemacht und durch die Notwendigkeit eines Übersetzers persönlich gemacht, der ein Wörterbuch braucht, das die Bedeutung — und nicht die Sprache — als das behandelt, was abgelegt wird.

3 · Der Name, die These und die Sieben-Graphen-Architektur (Mai–Juni 2026)

3.1 Namensgebung

Ende Mai 2026 verwendeten die Notizen und Spezifikationen des Autors den Arbeitstitel "Multilingual Lexical Platform" [H] (Markdown-Master-Spezifikation, datiert auf den 23. Mai 2026, /home/rex/Descargas/Phone backup/Download/). Der Name Lingua Mundi — lateinisch „Sprache der Welt“ — taucht in der verfügbaren Überlieferung zum ersten Mal am 1. Juni 2026 auf, als Titel eines Forschungsmanuskripts (siehe unten) [H] (Gesprächsprotokolle, 1. Juni 2026; frühester verifizierter Beleg in den Archiven des Autors). Der Name passt: Der Anspruch des Projekts ist nicht, viele Sprachen zu enthalten, sondern von dem einen Bedeutungsraum zu handeln, den diese Sprachen teilen.

3.2 Eine Forschungsthese: Bedeutung, nicht Token

Zwischen etwa März und Juni 2026 entwickelte der Autor — im Gespräch mit ChatGPT, Claude und DeepSeek — eine Forschungsthese darüber, warum eine kartenförmige Darstellung der Sprache auf Konzeptebene Sprachtechnologie radikal effizienter und zugänglicher machen könnte. Die These, in der Arbeitsformulierung, die der Autor in das Gespräch einbrachte (wörtlich wiedergegeben aus seiner Machbarkeitsanfrage vom 18. Juli 2026, in die er die Beschreibung zur Überprüfung eingefügt hatte) [H]:

„Erstellen Sie eine mehrsprachige, offene, maschinenlesbare Karte der menschlichen Sprache, die Folgendes trennt: 1. Bedeutung · 2. Form · 3. Struktur · 4. Geschichte · 5. Verwendung — in interoperable Graphen. Das langfristige Ziel ist es, Sprache auf Konzeptebene statt auf Token-Ebene berechenbar zu machen. […] Moderne NLP-Modelle bilden weitgehend ab: Token → Token. Lingua Mundi bildet ab: Konzept ↔ Sprache.“

Das zugrunde liegende Argument, im Juni-Manuskript ausgeführt, lautet, dass ein Sprachmodell den größten Teil seiner Kapazität für Oberflächenvariation aufwendet — es behandelt „dog“, „perro“ und „犬“ als drei unzusammenhängende Dinge, obwohl sie eine einzige Sache in drei Mänteln sind [H] (Manuskript V4, vollständig zitiert im Audit-Gespräch vom 1. Juni 2026). Könnte ein Modell stattdessen Konzeptsequenzen lesen und schreiben — wobei die Bedeutungskarte die mehrsprachige Arbeit außerhalb des Netzwerks leistet —, wäre das Modell kleiner, billiger und auf gewöhnlichen Computern lauffähig.

3.3 Sieben Versionen an einem Vormittag: die Methode der adversarialen Zusammenarbeit

Das Manuskript mit dem Titel Lingua Mundi: A Semantic Infrastructure for Concept-Grounded Language Models schlug eine Architektur aus sieben Ebenen vor: einen Konzeptgraphen (sprachunabhängige Bedeutungen, Zielgröße eine Milliarde Knoten), einen Synset-Graphen (der die Wörter jeder Sprache auf Konzepte abbildet) sowie Graphen für Morphologie, Derivation, Etymologie, sprachübergreifende Entsprechungen und Verwendung — alle verbunden durch ein gemeinsames Identifikationssystem; dazu eine konzeptbasierte Modellarchitektur (ein Sequenzmodell im Mamba-Stil, das Konzeptkennungen liest), hyperbolische Embeddings (Poincaré-Ball) für den Konzeptgraphen, expliziter Faktenabruf über den Graphen und ein geprüftes Budget, das zeigt, dass das Ganze auf gewöhnlichen Laptops Platz findet [H] (Manuskript, 1. Juni 2026).

Was diese Episode als Methode bemerkenswert — und ungewöhnlich gut dokumentiert — macht, ist, dass der Autor das Manuskript nicht allein schrieb. Am Vormittag des 1. Juni 2026 ließ er den Entwurf in unter einer halben Stunde durch sieben aufeinanderfolgende Überarbeitungen (V1–V7) laufen, wobei er zwei Modelle adversarial einsetzte: DeepSeek entwarf jede Überarbeitung, während ChatGPT jeden Entwurf mit der Strenge eines feindlich gesinnten Fachgutachters auditierte [H] (Gesprächsprotokolle, DeepSeek "Revisión y corrección del proyecto Lingua Mundi" und ChatGPT "Audit Feedback Lingua Mundi", beide vom 1. Juni 2026). Die Audit-Transkripte sind wörtlich erhalten und ungewöhnlich offen darüber, was jede Runde behob:

• die Arithmetik der INT8-Embedding-Speicherung wurde korrigiert (ein Fehler

um den Faktor zwei im Speicherbudget);

• eine erfundene empirische Behauptung („empirisch stellen wir fest …“) wurde

entfernt und durch eine ausdrücklich gekennzeichnete Hypothese ersetzt, die auf früheren Arbeiten gründet;

• ein Vergleich mit einem hypothetischen künftigen Modell wurde durch einen

Vergleich mit einem realen Modell ersetzt (DeepSeek-V3);

• die Leistungsbehauptungen der Zusammenfassung wurden schrittweise

eingeschränkt;

• nicht belegte Skalierungsbehauptungen wurden als offene

Forschungsprobleme neu etikettiert; und

• das Manuskript wurde bis V7 von einer empirischen Behauptung zu einem

ehrlichen Positionspapier umgerahmt — einer Forschungsagenda mit einem expliziten, falsifizierbaren Evaluationsplan (Robustheit der Disambiguierung von Wortbedeutungen, Ablationen, Baselines).

Die abschließenden Urteile der Audits, in den Protokollen erhalten, bewerteten die Vision des Manuskripts hoch, während sie die empirische Untermauerung durchweg niedrig einstuften — und die Schlussempfehlung des letzten Audits war unmissverständlich [H]:

„Wenn ich das Projekt beraten würde, würde ich jetzt vom Papierschreiben zur Implementierung übergehen. Das nächste wertvolle Artefakt ist nicht V8. Es ist Lingua Mundi Prototype 0.1 … mit: 100k–1M Konzepten, nur Englisch, Konzept-Tokenizer, Konzeptrekonstruktion, TinyStories-Trainingslauf, direktem Vergleich gegen Token-Mamba. Dieses Experiment würde die zentrale Frage beantworten: Erhält semantische Kompression genug Information, um den Flaschenhals zu rechtfertigen?“

Der Autor folgte diesem Rat. Drei Beobachtungen zu dieser Episode sind für das Verständnis von allem, was folgte, wichtig. Erstens: Die Idee war nie der Flaschenhals — der Autor hatte, in seinen eigenen Worten, eine Vision, die die Audits mit A− bewerteten; der Flaschenhals waren Belege, und das sagten die Audits siebenmal. Zweitens: Die Arbeitsmethode des Autors — mehrere KI-Modelle als adversariale Mitarbeiter einzusetzen, jeden Entwurf und jedes Audit aufzubewahren und ehrliche Einschränkung einer zuversichtlichen Übertreibung vorzuziehen — wurde zum dauerhaften Standard des Studios; es ist dieselbe Methode, die in den [H]/[O]/[NV]-Verifikationskonventionen des vorliegenden Artikels sichtbar ist (Anhang A). Drittens: Die Architektur aus sieben Ebenen jenes Juni-Manuskripts verschwand nicht, als der Autor zur Implementierung überging: Sie wurde zur Roadmap des Projekts. Das Lingua Mundi, das heute existiert (September 2026), implementiert den Konzeptgraphen, den Synset-Graphen, den Morphologie-Import, Korpus-Ebenen und eine API; die Ebenen Derivation, Etymologie, Entsprechung und Verwendung sind ausdrücklich als spätere Phasen desselben Plans vorgesehen (Abschnitte 5–6, 10.3) [H] (Projekt-Roadmap, 29. August 2026).

4 · Die Plattform nimmt Gestalt an (Juli–August 2026)

4.1 Machbarkeit: „Lässt sich das mit Open-Source-Komponenten umsetzen?“

Am 18. Juli 2026 fragte der Autor ChatGPT unverblümt, ob die Vision aus vorhandenen freien Komponenten gebaut werden könne und was er für ihre Entwicklung brauche [H] (Unterhaltung "Lingua Mundi Project Feasibility", 2026-07-18, 00:44 UTC — am Abend des 17. Juli in der Central-Time-Zone des Autors). Die Unterhaltung — und die Wochen danach — dokumentieren die Wende vom Forschungspapier zum Entwicklungsprogramm. Das Projekt übernahm das formale Leitbild, das er zur Überprüfung in jene Unterhaltung eingefügt hatte (zitiert in Abschnitt 3.2), und der Autor begann, den eigentlichen Code aufzubauen: Schema-Dateien für das Datenmodell liegen auf der Festplatte und sind auf den 17. Juli 2026 datiert [H] (Code-Snapshots, Juli 2026; siehe Anhang A).

4.2 Die technische Spezifikation (24. Juli 2026)

Am 24. Juli 2026 bündelte der Autor den Entwurf zu einer 104-seitigen technischen Spezifikation, Multilingual Lexical Platform — Engineering Specification, Version 2.0, mit dem Untertitel "Revised & Production-Ready" [H] (PDF, /home/rex/, 24. Juli 2026; Text für diesen Artikel extrahiert). Die Spezifikation ist die Verfassung des Projekts, und ihr Inhalt erklärt den größten Teil dessen, was später gebaut wurde:

• Das synset-zentrische Prinzip. Das Dokument legt fest, dass jedes

lexikalische Objekt letztlich an einem Synset (einer Bedeutung) hängen muss und dass die Datenbank um Bedeutungen statt um Schreibweisen organisiert ist. Sein durchgerechnetes Beispiel ist das Wort bank, das eine einzige Oberflächenform mit mehreren verschiedenen Synsets sein muss („Flussufer“, „Finanzinstitut“, „auf etwas bauen“) — niemals ein Klumpen undifferenzierter Bedeutungen [H].

• Sprachstufen. Die Spezifikation plante die Sprachen in zwei Stufen:

Stufe 1 für den Start — Englisch, Spanisch, Französisch, Portugiesisch, Japanisch und Mandarin-Chinesisch (vereinfacht und traditionell) — und Stufe 2 — Italienisch, Koreanisch und Vietnamesisch [H]. (Der Satz an Sprachen, der tatsächlich in der Datenbank ausgeliefert wurde, weicht in zwei interessanten Punkten ab, dokumentiert in Abschnitt 10: die sechs aktiven Sprachen sind Englisch, Spanisch, Französisch, Deutsch, Portugiesisch, Japanisch — Mandarin und Italienisch fehlen, Deutsch ist vorhanden. Die Ersetzung wird in den erhaltenen Aufzeichnungen nirgends erklärt [NV], ein offenes Eingeständnis einer ungeklärten Provenienzfrage.)

• Das Datenmodell. Kapitel 5 der Spezifikation skizziert das Schema in

groben Zügen, und das Modell, das in der ersten Migration des Repositorys ausgeliefert wurde, ist ein Kern aus elf Tabellen, der der Vier-Entitäten-Intuition des Prototyps vom Dezember 2025 entspricht — nun formalisiert: Sprachen, Lexeme, Wortbedeutungen, Konzepte (Synsets), Relationen, Quellen, Synsets und unterstützende Tabellen (siehe Abschnitt 5).

• Eine fünfstufige Zuordnungshierarchie. Da sich automatische und

manuelle Verknüpfungen von Wörtern mit Konzepten in ihrer Zuverlässigkeit unterscheiden, schlug die Spezifikation fünf Stufen der Zuordnungskonfidenz vor, von expliziten, in der Quelle angegebenen Verknüpfungen (z. B. OMW-Zuordnungen) bis hinab zu heuristischen Vermutungen — mit der Regel, dass jede gespeicherte Verknüpfung ihre Konfidenzstufe mit sich führt. Dies ist die ausgereifte Form der „Null-Heuristik“-Regel vom Dezember 2025: nicht keine automatische Verknüpfung, sondern gekennzeichnete, ehrliche Verknüpfung [H].

• Eine Phasen-Roadmap mit Toren. Phasen 0–5, jede mit einem

Ausstiegskriterium, vom Schema und ETL bis zur API und zu Anwendungen.

• Ein Risikoregister — einschließlich eines Selbstkritik-Anhangs, der

Ebenen für Etymologie und CJKV/Unihan vorschlägt und vor japanisch-chinesischen „falschen Freunden“ warnt (z. B. 娘 „Tochter“ im Japanischen gegenüber „Mutter“ im Chinesischen; 手紙 „Brief“ gegenüber „Toilettenpapier“) [H].

Die Spezifikation legte auch den Stack fest, den das Projekt später vereinfachen sollte: FastAPI, PostgreSQL, eine Suchmaschine (Meilisearch in der Spezifikation) und ein Web-Frontend (Next.js). Bemerkenswerterweise stellte der Autor schon am 13. August diesen Stack selbst infrage (Abschnitt 4.4).

4.3 Das Juli-Journal: Gedanken über das semantische Betriebssystem

In denselben Tagen verzeichnet das private Journal des Autors (knowledge project.txt, 85 KB, für diesen Artikel vollständig gelesen; Dateizeitstempel 18. Juli 2026, eine einzige Arbeitssitzung) einen verwandten und persönlicheren Faden: seinen Versuch, einen „universellen semantischen Graphen“ durchzudenken — eine notationsunabhängige Art, Bedeutung darzustellen, die über Programmiersprachen, Musiktheorie, Chemie und natürliche Sprache hinweg funktionieren sollte (ein separates Projekt, das er USG nannte) [H] (Journal, Juli 2026). Die für Lingua Mundi relevanteste Passage des Journals (Zeilen 2563–2587) ist seine Überlegung dazu, was es bedeuten würde, ein semantisches Objekt in drei Sprachen zugleich darzustellen — dieselbe Intuition wie cat · gato · 猫 —, niedergeschrieben als Übung im Denken über Schnittstellen statt über Sprachen [H]. Bezeichnenderweise ist das eigene durchgearbeitete Beispiel des Journals für eine zu erklärende „Sprache“ das LanguageCreate-Schema der Lingua-Mundi-Codebasis — ein Beweis dafür, dass die beiden Fäden (die Forschungsvision und der tatsächliche Code) Mitte Juli in seinem Kopf bereits verwoben waren [H].

4.4 August: vom Schema zum laufenden System

Im August 2026 wurde Lingua Mundi zu einem System. Die erhaltenen Protokolle zeigen eine dichte Folge von Entscheidungen, die jeweils ihre Spur hinterlassen haben:

• 1.–8. August. Der Autor erkundete die Optionen für Graphen und

Wissensrepräsentation ("JSON as a Graph", 29. Juli; Ideen zur API-Monetarisierung, 7.–12. August) und fragte — entscheidend für die endgültige Architektur —, ob die API einen schweren Stack „wirklich braucht“ (Abschnitt 4.5) [H].

• 11. August. Er erkundete die Integration von Maya-Sprachen in

Lingua Mundi ("Lingua Mundi Maya integration") und setzte damit das Interesse an indigenen Sprachen Mexikos fort, das erstmals in der Botschaft vom Dezember 2025 geäußert worden war [H].

• 13. August. Zwei Design-Gespräche legten die Form des Produkts fest:

"Linguistic API Tech Stack" (siehe 4.5) und "Semantic Interaction Layer", das die künftige Schnittstelle zwischen der Wissensebene und den Anwendungen skizzierte [H].

• 19.–25. August. Er baute die japanische Demonstration: eine

kompakte Offline-Datenbank (SQLite), die japanische Wörterbuchdaten bündelt, damit das konzeptorientierte Design angefasst, abgefragt und anderen gezeigt werden konnte ("Build Japanese Demo"; die resultierenden lingua-mundi-jpn.sqlite-Dateien sind auf der Festplatte erhalten) [H]. Der Sprint hatte ein konkretes Datum und Publikum: Vertreter der Japan Foundation sollten in der Folgewoche an seiner Universität erscheinen, und die Demo (zusammen mit dem Furigana-Editor, der im selben Zeitraum in Shikibu umbenannt wurde) wurde als Produktdossier zum Zurücklassen für diesen Besuch vorbereitet [H] (Gesprächsprotokoll, 19.–25. August 2026).

• 23. August. Als er um eine einseitige Beschreibung des Konzepts

gebeten wurde, erhielt er eine Zusammenfassung, die dem entspricht, was die Protokolle als sein Bauvorhaben zeigen: „eine maschinenlesbare linguistische Infrastruktur für menschliche Sprachen … anstatt nur ein japanisches Wörterbuch oder eine Übersetzungs-App zu sein, soll Lingua Mundi zu einer allgemeinen linguistischen Intelligenzschicht werden“ [H] — und, in derselben Unterhaltung, eine technische Beschreibung, die den damals geplanten Stack benannte (PostgreSQL, Apache AGE für Graph-Abfragen, OpenSearch für Retrieval, FastAPI als API), den die Messungen des Folgemonats überflüssig machen würden (Abschnitt 4.5, Abschnitt 6) [H].

• Ab dem 24. August. Die Codebasis zog in ihr dauerhaftes Zuhause als

ordentliches Repository ("LinguaMundi") um, wobei die tägliche GitHub-Backup-Snapshot-Spur am 27. August begann [H] (Repository-Snapshots; siehe Anhang A).

4.5 Die Entscheidung für den schlanken Stack, die alles prägte

Die folgenreichste technische Entscheidung des August ist wörtlich erhalten. Am 13. August 2026 fügte der Autor seinen eigenen geplanten Technologie-Stack ein — FastAPI, Polars, DuckDB, PostgreSQL, Apache AGE (eine Graph-Erweiterung), OpenSearch, Redis, Celery, React und Docker — und fragte: „Braucht die linguistische API diesen Stack wirklich, wenn sie bereits auf postgres läuft?“ [H] (Unterhaltung "Linguistic API Tech Stack", 13. August 2026).

Die Antwort, die er erhielt — und übernahm —, lautete, dass fast nichts davon vorerst nötig war: PostgreSQL allein könne relationale Wörterbuchdaten, Kanji, Lesungen, Konjugationen, Übersetzungen, Volltextsuche und sogar graphartige rekursive Abfragen bedienen, und die richtige Regel sei „PostgreSQL-Limitierung → Technologie hinzufügen“, nicht „Phase 3 sagt Graphdatenbank → Graphdatenbank installieren“ [H] (dieselbe Unterhaltung). Die Beratung schloss: „Der Wettbewerbsvorteil Ihrer API ist nicht die Infrastruktur. Es sind das linguistische Datenmodell und die Transformationen, die Sie auf den Daten aufgebaut haben“ [H].

Diese Entscheidung — eine relationale Datenbank, ein API-Framework und nichts weiter bis zum gemessenen Bedarf — ist der direkte Vorfahr der Leistungsarchitektur, die in den Abschnitten 6–7 beschrieben wird. Als die Datenbank im September 2026 auf 1.6 Millionen Wortbedeutungen anwuchs und naive Abfragen Minuten dauerten, griff der Autor nicht zu einer Graphdatenbank oder einer Suchmaschine: Er griff zu den materialisierten Sichten von PostgreSQL — dem Muster „backen statt neu ableiten“ — und senkte die langsamsten Abfragen von über einer Minute auf etwa eine Sekunde, auf Hardware aus dem Jahr 2014 (Abschnitt 7). Die August-Entscheidung, schlank zu bleiben, ist es, die diese September-Optimierung zugleich notwendig und möglich gemacht hat.

4.6 Die Mensch-KI-Entwicklungsmethode in der Praxis

Wer diese Geschichte liest, wird bemerkt haben, dass fast jeder Meilenstein von einem Gesprächsprotokoll begleitet wird: Der Autor denkt im Dialog. Bis August 2026 hatte sich seine Methode zu etwas stabilisiert, das sich anhand der Aufzeichnungen präzise beschreiben lässt:

1. Der Mensch gibt die Richtung vor und besitzt die Daten. Jede Anfrage

in den Protokollen stammt vom Autor selbst; jede Datei liegt auf seiner Maschine; jede Entscheidung — auch Umkehrungen wie die Frage des schlanken Stacks — ist seine.

1. KI-Modelle werden als spezialisierte Mitarbeiter eingesetzt. ChatGPT

wurde stark für Recherche, Architekturkritik und Audit genutzt; DeepSeek für Entwurfs- und Überarbeitungszyklen und (später) als das Harness, das der eigenen Automatisierung des Studios zugrunde liegt; Claude für Langzeiterinnerung und Projektkontext (die Wissensbasis des Studios begann als Claude-Gedächtnis-Export).

1. Die Aufzeichnung wird geführt. Unterhaltungen werden exportiert (die

Archive des Autors enthalten Tausende), Code wird gesnapshotet, und — seit dem 26. August 2026 — wird jede Arbeitssitzung in einer Obsidian-Wissensbasis mit Frontmatter, Daten und Verifikationsstatus protokolliert (Abschnitt 9). Dieser Artikel ist nur dank dieser Aufzeichnungsgewohnheit möglich.

1. Adversariales Review ist eingebaut. Die V1–V7-Audit-Schleife des

Juni-Manuskripts (Abschnitt 3.3) wurde zur ständigen Praxis: Entwürfe werden von einem anderen Modell auditiert als dem, das sie geschrieben hat, und die Audits werden aufbewahrt.

Ob man dies „Vibe-Coding“, „KI-gestützte Entwicklung“ oder einfach „die Werkzeuge benutzen“ nennt — die ehrliche Bezeichnung ist für die Aufzeichnung von Bedeutung: Lingua Mundi ist ein von Menschen verfasstes Projekt, das in bewusster, dokumentierter Zusammenarbeit mit KI-Assistenten gebaut wurde, und dieser Artikel (selbst ein KI-generierter Entwurf unter der Leitung des Autors, laut dem Hinweis auf der Titelseite) ist ein Artefakt derselben Methode.

5 · Entwurf: die linguistischen und mathematischen Prinzipien des Modells

Dieser Abschnitt erklärt in einfacher Sprache die Ideen, die bestimmen, wie Lingua Mundi Sprache speichert. Leser, die die Geschichte wollen, können zu Abschnitt 6 springen; Leser, die die Formeln und das Schema wollen, finden sie hier und in Anhang A.

5.1 Vier Arten von Objekten, ein Raum von Bedeutungen

Das Datenmodell stammt unmittelbar von den vier Entitätstypen der Import-Pipeline vom Dezember 2025 (Abschnitt 1.2) und von den elf Tabellen der Spezifikation vom Juli 2026 ab [H]. In seiner ausgereiften Form speichert es fünf zentrale Arten von Dingen (verifiziert gegen das Live-Schema, September 2026 [H]):

• Sprache — eine Zeile pro menschlicher Sprache, geschlüsselt über ihren

dreistelligen ISO-639-3-Code (eng, spa, jpn, …), mit ihrem Namen, dem Autonym (der von den Sprechern verwendeten Bezeichnung), der Sprachfamilie und der Schrift. Eine Sprache zum gesamten System hinzuzufügen bedeutet, von Entwurfs wegen, eine Zeile plus Datensätze hinzuzufügen: Es gibt nirgends Tabellen pro Sprache [H] (Code und Projektnotiz, 29. August 2026). Diese „sprachunabhängige“ Eigenschaft ist der Ausdruck der Interlingua-Idee auf Schemaebene (Abschnitt 2.1).

• Lexem — eine Wortform in einer bestimmten Sprache: der String cat,

der String gato, der String 猫. Ein Lexem gehört zu genau einer Sprache und trägt eine Wortart.

• Wortbedeutung — *eine Bedeutung eines Lexems, wie ein Wörterbuch sie

verzeichnet: „cat“ mit der Tier-Bedeutung aus WordNet, „cat“ mit der Jazzmusiker-Bedeutung aus WordNet, „cat“ mit der Weihnachtsscheit-Bedeutung aus Wiktionary. Ein Lexem hat typischerweise viele Wortbedeutungen — so stellt das Modell Polysemie* dar (ein Wort, viele Bedeutungen), ohne Bedeutungen jemals zusammenzuwerfen. Eine Wortbedeutung kann mit einem Konzept verknüpft sein oder auch noch nicht; die Verknüpfung ist das Feld concept_id, und sie ist von Entwurfs wegen nullable — eine unverknüpfte Bedeutung wird aufbewahrt und als verwaiste Bedeutung gezeigt, statt per Raten an ihren Platz gesetzt zu werden [H] (Schema; Pipeline-Notizen, Dezember 2025).

• Konzept — eine Bedeutung, die über Sprachen hinweg geteilt wird: das

Konzept „Hauskatze“, identifiziert durch die Synset-URI princeton-wordnet:02121620-n des Princeton WordNet [H] (Live-Datenbank). Konzepte sind der Ort, an dem die mehrsprachige Zuordnung geschieht: Spanisch gato (eine seiner Wortbedeutungen), Englisch cat, Französisch chat, Deutsch Katze und Japanisch 猫 können alle auf dasselbe Konzept zeigen — sie sind „ein Stern“ mit vielen Namen (Abschnitt 8). Die Konzepttabelle ist das Herz des Systems und enthält in der aktuellen Datenbank 96,434 Zeilen [H] (Messung, 6.–7. September 2026).

• Relation — eine typisierte, gerichtete Verbindung zwischen zwei

Konzepten, z. B. Hauskatze IS_A Katzenartiger oder Katzenartiger IS_A Fleischfresser. Relationen tragen ein Prädikat, eine Konfidenz und eine Quelle. Die aktuelle Datenbank enthält 171,672 davon [H] (Messung, 6.–7. September 2026).

Um diese fünf herum sitzt die Herkunfts-Infrastruktur (Provenienz): eine Tabelle source, die festhält, woher jeder Datensatz stammt, seine Lizenz und seine URL (damit keine Behauptung in der Datenbank je ohne Quellenangabe bleibt), Synset-Tabellen, die zum OMW-Format überbrücken, und unterstützende Tabellen für Kanji und Lesungen [H] (Schema, September 2026).

5.2 Das Zuordnungsproblem — und warum es nicht vorgetäuscht wird

Das zentrale intellektuelle Problem einer mehrsprachigen Bedeutungskarte ist die Zuordnung: zu entscheiden, dass diese Bedeutung von diesem Wort in dieser Sprache dieselbe Bedeutung ist wie jene Bedeutung von jenem Wort in jener Sprache. Die Antwort von Lingua Mundi, vom OMW-Design geerbt, lautet, es nicht neu zu entscheiden: Das OMW gibt bereits pro Sprache an, welche seiner Synsets Princeton-WordNet-Synsets entsprechen; die Datenbank importiert diese expliziten Zuordnungen daher als ihre primäre Zuordnungsebene [H] (Bond & Foster, 2013; Import-Code). Wo keine explizite Zuordnung existiert, wendet das System seine fünfstufige Konfidenzhierarchie an (aus der Spezifikation vom Juli 2026): explizite, in der Quelle angegebene Verknüpfungen rangieren am höchsten; erschlossene Verknüpfungen rangieren am niedrigsten und werden mit ihrer Stufe gespeichert — niemals stillschweigend zur „Tatsache“ befördert [H] (Spezifikation, 24. Juli 2026). Dies ist die ausgereifte Form der Dezember-Regel, die der Autor in seinen Pipeline-Code gekritzelt hatte: „Null-Heuristik“. Nicht dass das System nie rät; es ist vielmehr so, dass Vermutungen als Vermutungen gekennzeichnet werden — genau das macht die Datenbank ehrlich genug zum Wachsen: Eine falsche Vermutung, die als solche markiert ist, kann gefunden und korrigiert werden; eine falsche Vermutung, die als Tatsache gespeichert ist, vergiftet alles, was nachgelagert ist.

Dieselbe Philosophie regiert die Granularität der Sprachen. ISO 639-3 unterscheidet reale Sprachen, nicht politische Grenzen oder Varianten von Schriftsystemen. Der Autor hat einen wirklich schwierigen Fall für die Zukunft markiert: Koreanisch, dessen einzelner ISO-Code kor sowohl den Standard der Republik Korea als auch den Standard der Demokratischen Volksrepublik Korea abdeckt. Die erhaltenen Aufzeichnungen zeigen, dass dies als offene Modellierungsentscheidung markiert wurde [H] (Sitzungsprotokoll, 7. September 2026) — ein Beispiel für das Prinzip des Schemas, Sprachen und nicht Locales zu speichern, und eine Erinnerung daran, dass sich reale Sprachdaten gegen saubere Eine-Zeile-pro-Sprache-Schubladen sträuben.

5.3 Der Graph: Taxonomien, Nachbarschaften und der lange Schwanz

Sobald Wortbedeutungen Konzepten zugeordnet sind und Relationen Konzepte verbinden, ist die Datenbank ein Graph: 96,434 Bedeutungs-Knoten, verbunden durch 171,672 typisierte Kanten; die größte Zusammenhangskomponente ist die von WordNet übernommene ist-ein-Taxonomie (Säugetier → Fleischfresser → Katzenartiger → Hauskatze), angereichert um Instance-of-Relationen, Part-of-Relationen und sprachübergreifende Relationen [H] (Messung, September 2026; Schema). Drei mathematische Tatsachen über solche Graphen prägen die Benutzeroberfläche und die Technik:

1. Taxonomien sind Bäume der Bedeutung. Da die Eltern jedes Konzepts

bekannt sind, kann das System beantworten: „Wovon ist das eine Art?“ (nach oben klettern) und „Was für Arten gibt es davon?“ (nach unten klettern) — die Operationen hinter der Taxonomie-Linse der Oberfläche (Abschnitt 8).

1. Gradverteilungen folgen dem Zipfschen Gesetz. Reale Sprachgraphen sind

quasi-skalenfrei: Einige wenige Konzepte (wie „Tier“, „Person“, „Sache“) haben riesige Nachbarschaften, während die meisten Konzepte nur eine Handvoll Nachbarn haben. Dieser „lange Schwanz“ ist dieselbe statistische Form, die Zipf berühmt an Worthäufigkeiten gemessen hat (Zipf, 1949): Eine kleine Zahl von Wörtern macht den Großteil der Verwendung aus. Zwei Designfolgen ergeben sich: Eine Rangfolge muss existieren (man kann nicht 30,000 Bedeutungen einer einzigen Abfrage zeigen), und die Rangfolge muss bedeutungsvoll sein — die Oberfläche ordnet Konzepte daher nach ihrer Himmelshelligkeit, einem Stellvertreter dafür, wie „wichtig“ oder gut vernetzt eine Bedeutung ist (Abschnitt 5.5).

1. Kürzeste Pfade sind der natürliche Übersetzungsweg. Bei zwei gegebenen

Konzepten kann der Graph nach einem verbindenden Pfad durchsucht werden — die Operation hinter dem Sextant-Werkzeug der Oberfläche (Abschnitt 8.4), implementiert als begrenzte bidirektionale Breitensuche über die Taxonomie (≤ 10 Hops, 25 Nachbarn pro Knoten, Antwort in Millisekunden) [H] (Code, Live-Messung, September 2026).

5.4 Zipf und die Form der Wörterbücher

Das Zipfsche Gesetz verdient eine ausdrückliche Erwähnung, weil es die gesamte Leistungsarchitektur im Stillen erklärt. Wenn Worthäufigkeiten einem Potenzgesetz folgen, dann wird jedes Wörterbuch von einem kurzen Kopf häufiger Wörter und einem astronomisch langen Schwanz seltener Wörter dominiert. Das Juni-Manuskript leitete sogar eine Zipf-basierte Abdeckungsberechnung für Konzeptvokabulare her [H] (V7-Audit des Manuskripts, 1. Juni 2026). Für die Datenbank bedeutet der lange Schwanz: Die meisten Zeilen sind seltene Wörter, die meisten Abfragen treffen häufige Wörter, und jede Abfrage, die die gesamte Tabelle durchsuchen muss — einschließlich aller seltenen Wörter — ist katastrophal langsamer als eine Abfrage, die von einer vorberechneten Rangfolge ausgehen kann. Das Muster materialisierter Sichten aus Abschnitt 7 ist im Kern eine Möglichkeit, das Zipfsche Gesetz von einem Leistungsfeind in ein Entwurfswerkzeug zu verwandeln: den Kopf (die Rangfolge, die Top-Wörter pro Konzept) einmal backen und den Schwanz für die seltenen Nachschlagevorgänge, die ihn tatsächlich brauchen, in den relationalen Tabellen lassen.

5.5 Himmelshelligkeit: eine Rangfolge, die die Karte regiert

Die organisierende Metapher der Oberfläche ist eine Sternkarte (Abschnitt 8), und die Metapher wird durch eine tatsächliche Berechnung untermauert. Jedem Konzept wird eine Helligkeit zugewiesen — eine numerische Magnitude zum Sortieren des Himmels —, die daraus abgeleitet ist, wie das Konzept im mehrsprachigen Graphen steht: Wie viele Sprachen haben Wörter angehängt, wie reich sind diese Wortmengen, und wie prominent ist das Konzept in der Taxonomie. Die Datenbank materialisiert dies als concept_sky_rank, eine vorberechnete Ordnung aller 96,000+ Konzepte, sodass „zeig mir den Himmel“ niemals das Sortieren einer Million Zeilen zur Anfragezeit erfordert [H] (Skripte und Messung, 6. September 2026). Zwei Begleit-Sichten — concept_lang_rank (sprachbezogene Rangfolgen) und concept_word_rank (die vier wichtigsten Wörter pro Konzept und Sprache, „gebacken“, sodass das Anreichern eines Sterns mit seinen Wörtern eine Suche ist, kein Join über 1.6 Millionen Wortbedeutungen) — vervollständigen das Rangfolgesystem [H] (Skripte, 6. September 2026; Zeilenzahlen in Anhang A).

5.6 Begrenzte Arbeit: die Disziplin des Spieldesigners, auf eine Datenbank angewandt

Das letzte Entwurfsprinzip ist von Videospielen entlehnt. Ein Spiel rendert einen Frame in 16 Millisekunden, egal wie groß die Welt ist: Es budgetiert die Arbeit pro Frame. Lingua Mundi wendet dieselbe Disziplin an — begrenzte Arbeit pro Abfrage auf einem unbegrenzten Datenraum —, weil seine Hardware es verlangt (ein Laptop aus der Zeit um 2014; Abschnitt 9). Keine Anfrage darf das gesamte Korpus durchsuchen; jede Anfrage muss von einem Index oder einer gebackenen Sicht ausgehen; die Oberfläche darf nur rendern, wenn der Benutzer etwas tut (CPU im Leerlauf ≈ 0 %); und Ergebnisse werden mit stabilen Fenstern paginiert. Die Abschnitte 6 und 7 zeigen die drei Leistungswände, an die diese Disziplin stieß, und wie jede mit demselben Muster gelöst wurde: backen statt neu ableiten.

6 · Architektur: die Welt importieren, die Karte ausliefern

6.1 Die Import-Pipeline: ein Register, mehr als zwanzig Importeure

Jeder Datensatz gelangt über einen Importeur in Lingua Mundi — ein Programm, das ein externes Format lesen und in das kanonische Schema schreiben kann. Die einzige maßgebliche Liste der Importeure lebt in einer Datei, dem Importeur-Register; bis September 2026 enthielt es mehr als zwanzig registrierte Plugins, die abdecken: Princeton WordNet und das englische WordNet, das Open Multilingual Wordnet (OMW), Wiktionary und seine maschinenlesbare Ableitung kaikki, Wikidata, UniMorph und J-UniMorph (Morphologie), Universal-Dependencies-Treebanks (UD), OpenThesaurus (deutsche Synonyme), das CMU-Aussprachewörterbuch, IDS-Zeichenzerlegungen, CLICS-sprachübergreifende Daten, Worthäufigkeitslisten und die japanische Familie — JMdict, EJDict, KANJIDIC2 [H] (Importeur-Register und Projektnotizen, eingesehen am 6.–7. September 2026). (Eine Präzisionsanmerkung: Ein Ordner für OPUS-Parallelkorpora existiert im Importeure-Verzeichnis, aber er ist ein leerer, nicht registrierter Stub, der auf die Satz-Ebene der Roadmap wartet — er wird hier aus Ehrlichkeit aufgeführt, nicht als ausgelieferte Quelle [H] (Code-Inventar, 6.–7. September 2026).) Jeder Importeur registriert seine Zielsprachen gegen dieselben ISO-Codes, und genau das hält das Schema in der Praxis sprachunabhängig — nicht nur in der Theorie [H] (Code).

Die Importe werden von einer Import-Pipeline überwacht, die jede Quelle ausführt, den Import-Job aufzeichnet und — entscheidend für Abschnitt 7 — Erfolg meldet. Nach jedem Import aktualisiert sie die Rangfolge-Sichten (Abschnitt 5.5), sodass der „Himmel“ immer die frischesten Daten widerspiegelt [H] (Skripte, September 2026).

6.2 Das Korpus heute (gemessen)

Direkte SQL-Messung der Live-Datenbank am 6. September 2026 um 23:02 Central Time, am 7. September 2026 erneut verifiziert (beide Zählungen identisch) [H]:

Lexikalisches Gewicht pro Sprache (Anreicherungs-Audit, 6. September 2026 [H]):

Zwei ehrliche Einschränkungen gehören neben diese Zahlen. Erstens sind die sprachbezogenen Zahlen Näherungswerte (aus dem Audit gerundet); die SQL-Zählungen auf Tabellenebene sind zu ihrem Messzeitpunkt exakt. Zweitens ist das Korpus geschichtet: Einige Datensätze (kaikki Wiktionary und Worthäufigkeitslisten) wurden bewusst auf 50,000 Zeilen pro Importlauf gedeckelt, wobei tiefere Abdeckung von anderen Quellen geliefert wird — und diese Deckelung ist dokumentiert statt versteckt [H] (Audit, 6. September 2026). Abschnitt 7 zeigt, was geschieht, wenn eine ähnliche Deckelung nicht als Risiko dokumentiert wurde.

6.3 Die API-Oberfläche

Das System stellt eine kleine, bewusst eingefrorene HTTP-API bereit (FastAPI), deren Phase-0-Oberfläche als unveränderlich dokumentiert ist, wenn neue Phasen kommen [H] (Projektnotiz, 29. August 2026). Die Endpunkte, im September 2026 live verifiziert [H]:

• /languages — listet die aktiven Sprachen und ihre Metadaten auf;
• /lexemes und /concepts — paginierte Listenabfragen (limit/offset, nach

einem Audit im August–September, das sie als unbegrenzt befand, auf 1,000 pro Seite gedeckelt);

• /analyze — die morphologische/lexikalische Analyse eines Worts;
• /kanji und /lookup — die japanischen Kanji- und

Wörterbuch-Nachschlagefunktionen;

• /graph/sky — der Sternkarten-Feed: Konzepte, geordnet nach

Himmelshelligkeit, mit Parametern für die Suche (query, lang), für die Tiefe (skip/tier), dafür, ob Mitgliedswörter angehängt werden (words), und einer Taxonomie-Linse (anchor, lens=up|down), die vom gegebenen Konzept aus den ist-ein-Baum hinauf- oder hinuntersteigt;

• /graph/star/{id} — ein Stern im Ganzen: seine Mitgliedswörter pro Sprache

und seine Nachbarkonzepte, beides paginiert;

• /graph/path — die begrenzte Graphsuche (Abschnitt 5.3) zwischen zwei

Konzepten;

• /graph/word — die „Wort-Linse“: zu einem gegebenen Wort und einer Sprache

die Konzepte, mit denen seine Wortbedeutungen aktuell verknüpft sind.

Alle Antworten werden komprimiert (gzip), und jede Abfrage ist so entworfen, dass sie von einem Index oder einer materialisierten Sicht ausgeht — die Regel der „begrenzten Arbeit“ aus Abschnitt 5.6 [H] (Code und Live-Header, September 2026).

6.4 Warum das Design in der Datenbank sprachunabhängig ist — nicht nur auf dem Papier

Der Leser kann nun die ganze Schleife sehen. Eine neue Sprache kommt als eine Zeile language an (sagen wir Mandarin, Code cmn) plus registrierte Datensätze (das Mandarin-WordNet des OMW, eine UD-Mandarin-Treebank). Importeure schreiben ihre Lexeme, Wortbedeutungen und — wo das OMW oder andere explizite Zuordnungen existieren — ihre Verknüpfungen von Wortbedeutungen zu Konzepten. Die Rangfolge-Sichten werden neu berechnet; der Himmel bekommt eine neue Sprache; keine Tabelle ändert sich; keine Migration; kein Sonderfall in der API. Die nächste Sprachfamilie, die exakt auf diesem Weg geplant ist — Mandarin, Kantonesisch, Koreanisch und Vietnamesisch — wird in Abschnitt 10.3 beschrieben, wo die Vorerkundung der Datenverfügbarkeit festgehalten ist, die über ihren Zeitplan entscheiden wird [H] (Sitzungsprotokoll, 7. September 2026). Das Versprechen des Entwurfs — „Sprachen unbegrenzt hinzufügen“ — ist also kein Marketing: Es ist die direkte Konsequenz des Schemas.

7 · Zwei Infrastruktur-Lektionen: backen statt neu ableiten, und laut scheitern

Jedes Datenbankprojekt stößt irgendwann an seine Leistungswände. Lingua Mundi stieß innerhalb einer Woche an drei davon — und entdeckte dann, dass das interessanteste Problem nicht die Geschwindigkeit war, sondern die Stille. Dieser Abschnitt erzählt beide Geschichten, denn zusammen sind sie die übertragbarsten Ingenieurslektionen des Projekts.

7.1 Das Muster: backen statt neu ableiten

Die Regel, die alle drei Leistungswände löste, ist einfach genug, um in einem Satz gesagt zu werden: Wenn viele Abfragen dieselbe teure Berechnung brauchen, berechne sie einmal, speichere das Ergebnis und halte es aktuell — berechne sie nicht für jede Abfrage neu. In Datenbankbegriffen nutzt Lingua Mundi materialisierte Sichten von PostgreSQL: vorberechnete Tabellen, die sich wie mit Antworten gefüllte Indizes verhalten.

• Wand 1 — den Himmel ordnen. Ursprünglich zwang das Anfordern der

Standard-Sternkarte die Datenbank, das gesamte Korpus pro Anfrage neu zu ordnen: etwa 8.6 Sekunden pro Anfrage auf dem Laptop des Projekts aus der Zeit um 2014. Die Reparatur buk die Rangfolge in concept_sky_rank und concept_lang_rank (94,498 und 218,120 vorberechnete Zeilen), woraufhin der Standard-Himmel in ~0.25 s antwortete und tiefere Anfragen in zig Millisekunden [H] (gemessen, 6. September 2026).

• Wand 2 — die Sterne benennen. Die Anfrage nach dem Himmel *mit seinen

Wörtern* (Top-Wörter pro Konzept und Sprache) erforderte bei jeder Anfrage einen Join über 1.6 Millionen Wortbedeutungen; bei 1,000 Sternen dauerte die Abfrage über eine Minute — ein pathologischer Fall. Die Reparatur buk die Wörter selbst: concept_word_rank berechnet die vier wichtigsten Wörter pro Konzept und Sprache vor (338,378 Zeilen bei der Erzeugung) und verwandelt einen Join von über einer Minute in eine Suche von ~1.1 s und die Standardansicht in ~0.25 s [H] (gemessen, 6. September 2026).

• Wand 3 — Hierarchie und Paginierung. Das Hinauf- und Hinabsteigen in

der Taxonomie (Linse nach oben/unten) und das Blättern durch stabile Fenster von Sternen wurden mit kanonischen Prädikaten, Indexordnung und stabilen Paginierungsfenstern (Abfragen im Stil von DISTINCT ON) gelöst statt mit einer Graphdatenbank — die Auszahlung der August-Entscheidung für den „schlanken Stack“ (Abschnitt 4.5) [H] (Code und Messungen, 6. September 2026).

Nach jedem Import aktualisieren sich die Sichten automatisch, sodass „gebacken“ nie „veraltet“ bedeutet [H] (Skripte). Das ganze Muster ist eine datenbanknative Instanz dessen, was Spieleentwickler Budgetierung nennen: Die teure Arbeit geschieht einmal, abseits des kritischen Pfads, und die Anfrage des Benutzers liest nur vorberechnete Antworten.

7.2 Die stille Trunkierung, die cat verbarg

Ende August 2026 wurde die englische Ebene des Korpus mit einer Zeilendeckelung importiert, die niemand als Deckelung beabsichtigt hatte. Das überwachende Import-Skript begrenzte den Import des englischen Open Multilingual Wordnet auf 50,000 Kandidaten — und meldete dann Erfolg [H] (Sitzungsprotokoll, 6. September 2026, Eintrag zur Grundursache). Das englische cat ist in der alphabetischen Reihenfolge der Datei der Kandidat Nummer 52,195. Es wurde abgeschnitten. Ungefähr 21,830 der 117,659 englischen Synsets wurden nie erzeugt; für diese Bedeutungen existierten englische Wortbedeutungen als rohe Wörterbucheinträge, wurden aber nie mit Konzepten verknüpft. Das Wort cat fehlte nicht in der Datenbank — es war unsichtbar für die Karte: Eine Suche nach seiner Bedeutung konnte es nicht finden, weil der Bedeutungs-Knoten, auf den seine Wortbedeutungen hätten zeigen sollen, nie gebaut worden war [H] (dieselbe Quelle).

Etwa sechs Tage lang wusste niemand davon. Die Demo, die dem Autor am Herzen lag — cat · gato · 猫 auf einem Stern — funktionierte auf Spanisch und Japanisch, blieb aber auf Englisch leer, und das leere Ergebnis sah wie eine Datenlücke aus — als ob dem Englischen das Wort fehlte. (Eine Zeitangabe aus der Aufzeichnung: Der mehrsprachige Himmel selbst kam erst, als integrate_core6.py gegen Ende des Importlaufs von August bis September die importierten Sprachen verknüpft hatte — davor war der Ausweich-Himmel eine kleine einsprachige Sicht —, weshalb das englische Loch erst Anfang September sichtbar wurde, sobald die Sicht der geteilten Konzepte tatsächlich live war [H] (Sitzungsprotokoll, 6. September 2026).) Die eigene Beharrlichkeit des Autors, im Sitzungsprotokoll festgehalten, lautete, dass dies „keine Datenlücke — sondern Infrastruktur“ war [H] (Sitzungsprotokoll, 6. September 2026). Er hatte recht. Der Fehler lag nicht in den Daten, sondern in der Ehrlichkeit der Import-Pipeline: Ein abgeschnittener Import hatte Erfolg gemeldet, und nichts im System war dafür gebaut zu bemerken, dass „Erfolg“ mit einer Deckelung von 50,000 Zeilen für Kandidat 52,195 Versagen bedeutete.

7.3 Die Reparatur: eine ungedeckelte, idempotente Reparaturkette

Die Reparatur — am 6.–7. September 2026 entworfen und gestartet und noch am selben Tag als vollständig verifiziert (siehe Abschnitt 10.1) — ist ein Vorbild dafür, wie man eine Daten-Import-Pipeline repariert, ohne Daten oder Vertrauen zu verlieren [H] (Skripte und Sitzungsprotokoll, 6.–7. September 2026):

1. das englische WordNet ohne die Deckelung neu importieren — idempotent,

sodass ein unterbrochener Lauf einfach neu gestartet werden kann, ohne Zeilen zu duplizieren;

1. die Synset-zu-Synset-Relationen für die neu erzeugten Synsets erneut

ausführen;

1. integrieren: neue Synsets zu Konzepten befördern, die

concept_id-Felder der Mitglieds-Wortbedeutungen verknüpfen und Konzeptrelationen neu ausdrücken;

1. die materialisierten Sichten aktualisieren, damit die Karte das

reparierte Korpus widerspiegelt; und

1. End-to-End verifizieren mit einem Abnahmeskript, das aus der Datenbank

und über die Live-API beweist, dass das englische cat das Hauskatzen-Konzept princeton-wordnet:02121620-n zusammen mit seinen mehrsprachigen Mitgliedern — gato, chat, Katze, 猫 — erreicht und dass das Konzept Eltern in der Taxonomie hat. Die Abnahmeprüfung ist dafür gebaut, jederzeit erneut ausgeführt zu werden und mit einem lauten PASS oder FAIL zu enden.

Da jeder Schritt idempotent geschrieben wurde (get-or-create, skip-if-exists), kostet ein Absturz der Maschine mitten in der Reparatur nichts als Zeit: Die Kette kann neu gestartet werden und wird die Arbeit zu Ende bringen. Dieselbe Eigenschaft schützt die Live-Datenbank vor Teilzuständen.

7.4 Die Lektion: laut scheitern vs. still scheitern

Die cat-Episode ist ein Lehrbuchfall eines Problems, das jeder Dateningenieur fürchtet: eine Import-Pipeline, die still scheitert und Erfolg meldet. Die methodische Lektion — dass eine Zeilendeckelung kein Erfolgskriterium ist und dass Importeure Vollständigkeit verifizieren müssen, nicht nur den Abschluss — verdient es, als allgemeines Prinzip für Open-Data-Infrastruktur formuliert zu werden, wo Datensätze ohne Garantien ankommen und Import-Pipelines von Hand zusammengebaut werden. Die Antwort von Lingua Mundi wurde in zwei Formen institutionalisiert: das Abnahmeskript, das jede künftige Importkette ausführen kann, und die ständige Regel des Studios, dass unverifizierte Behauptungen als unverifiziert gekennzeichnet werden — in der Datenbank (verwaiste Wortbedeutungen werden sichtbar gehalten, Konfidenzstufen auf Verknüpfungen) und in jeder schriftlichen Aufzeichnung (die [H]/[O]/[NV]-Konvention dieses Artikels, Anhang A). Ein System, das seine Waisen zeigen kann, ist ein System, dessen Lücken gefunden werden können. Ein System, das sie verbirgt, ist ein System, dessen Lücken gefunden werden — irgendwann, von der schlimmstmöglichen Person: einem Benutzer, der nach cat sucht.

8 · Die Oberfläche: eine Sternkarte der Bedeutung

Daten allein sind kein Produkt. Die Frage, die die Oberfläche von Lingua Mundi geprägt hat, war einfach: Wie sollte es sich anfühlen, auf eine Bedeutungskarte zu schauen? Die Antwort des Autors, entwickelt in der ersten Woche des September 2026, lautete: Es sollte sich anfühlen wie der Blick in einen Himmel — und, genauer, wie die Karte eines fiktiven Schatzplaneten: eine navigierbare Papierkarte eines Universums, in dem jeder Stern eine Idee ist und Sprachen die Teleskope sind, durch die man sie betrachtet [H] (Sitzungsprotokolle, 1.–7. September 2026). Dieser Abschnitt beschreibt die Oberfläche, die daraus entstand: ihre pädagogische Metapher, ihre visuelle Sprache, ihre Instrumente und die technische Disziplin, die es erlaubt, dass das alles auf einem Laptop von 2014 läuft.

8.1 Von der Wörterbuchseite zum Himmel: die Namensgebung des Produkts

Die Oberfläche durchlief in zwei Wochen drei Identitäten, und die Namen verfolgen die Entwicklung des Produkts [H] (Sitzungsprotokolle, 31. August – 6. September 2026). Sie begann als gewöhnliche Wörterbuchseite ("/gui/", am 31. August das Observatorium genannt), wurde am 1. September zum Planetarium, als die Datenimporte fertig waren und eine Sternfeld-Visualisierung erschien, und — nachdem der Autor das Ergebnis betrachtet und die Sterne als „Gerüst, nicht das Produkt“ bezeichnet hatte — schwenkte sie in der Nacht des 6. September zu einem semantischen Graph-Explorer um: derselbe Himmel, aber jetzt war der Punkt die Bedeutung, mit Knoten, die Konzepte sind und in den von Ihnen aktivierten Sprachen beschriftet werden, Kanten, die nach Relationsfamilie eingefärbt sind, und einer Suche, die Wortbedeutungen disambiguiert. Die ältere Himmelsansicht blieb erhalten, wurde aber nicht mehr verlinkt; der Explorer wurde zum Standardgesicht von Lingua Mundi [H] (Sitzungsprotokoll, 6. September 2026).

8.2 Die pädagogische Metapher: ein Instrument, kein Dashboard

Jedes Element der Oberfläche bildet sich eins zu eins auf ein Konzept aus der Astronomie und aus dem Sprachprojekt selbst ab — eine bewusste pädagogische Gestaltung (die Metapherntabelle ist die interne Dokumentation des Produkts) [H] (Sitzungsprotokolle, 6.–7. September 2026):

Nichts davon ist Dekoration; die Design-Vorgabe des Autors für das Werkzeug ist in den Aufzeichnungen zitiert und wert, wiederholt zu werden: Die Oberfläche sollte „ein echtes Entdeckungswerkzeug sein, kein Spielzeug“ — eine Karte aller Sprachen, die ein Lernender oder eine Forscherin wirklich erkunden kann —, und ihre Quellen sollten sich wie eine navigierbare Papierkarte verhalten, nicht wie ein Dashboard [H] (Sitzungsprotokolle, 6. September 2026). Im selben Geist sind die Instrumentenpanels bewusst skeuomorph: Belichtungsregler mit Messingknöpfen, Sextant-Messungen, eingetragene Kurse, ein Epochenstempel — die Ästhetik eines alten Observatoriums, gewählt, um durch Fühlen zu lehren statt durch Menübeschriftungen.

8.3 Was auf dem Bildschirm ist

Der Explorer, im September 2026 End-to-End verifiziert [H], bietet:

• Suche mit Disambiguierung von Wortbedeutungen. Die Eingabe von gato

(Spanisch) liefert Bedeutungs-Sterne; jedes Ergebnis kann zeigen, welche Wörter in welchen Sprachen die Bedeutung teilen — das Panel für den Hauskatzen-Stern zeigt seine mehrsprachigen Synset-Mitglieder, z. B. Englisch cat und grimalkin, Deutsch Katze, Japanisch 猫 (Abschnitt 8.5).

• Reisen. Einen Stern anklicken (oder Umschalt-Klick / die Messtaste

drücken), um ihn zum Fokus zu machen; der Himmel zentriert sich neu auf ihn und seine Nachbarschaft erscheint.

• Das Stern-Panel. Die Mitglieder des fokussierten Sterns pro Sprache,

seine Definition und seine Nachbarn — mit Paginierung für große Nachbarschaften.

• Die Taxonomie-Linse. Zu den Eltern eines Sterns hinaufklettern („Wovon

ist das eine Art?“) oder zu seinen Kindern hinabsteigen („Welche Arten gibt es davon?“) entlang der kanonischen ist-ein-Familien-Prädikate.

• Die Instrumente (alle live, verifiziert): Der Belichtungsregler

erweitert das Feld des fokussierten Sterns in Schritten (90 → 180 → 360 → 720 → 1,000 Sterne) und verschmilzt den weiteren Himmel, ohne neu zu reisen; der Sextant misst einen begrenzten Graphenpfad zwischen zwei Sternen (die /graph/path-Suche aus Abschnitt 5.3), zeichnet eine gestrichelte goldene Route durch den Himmel und protokolliert jedes Bein; Sternmarken heften Sterne an (lokal gespeichert, sodass Ihre eigene Mini-Konstellation Neuladen übersteht); der Wortkompass umringt den fokussierten Stern mit Wort-Chips — einen pro aktivierter Sprache, klickbar, um die Suchsprache zu wechseln; und Kurslogbuch, Rückpeilung, Epochenstempel und Fadenkreuz halten Sie orientiert [H] (Sitzungsprotokoll, 7. September 2026).

• Die Unterstützungs-Affordanz. Ein Steuerelement „✦ unterstützen“ öffnet

den Spenden-Dialog (Abschnitt 10).

8.4 Den Himmel auf Hardware von 2014 bauen

Die Schönheit der Oberfläche ist einer harten Randbedingung untergeordnet: Sie muss auf einer Maschine mit einem Prozessor aus der Zeit um 2014, 8 GB RAM und einer rotierenden Festplatte flüssig laufen — derselben Maschine, die die Datenbank beherbergt. Die Technik, die dies möglich macht, verdient dokumentiert zu werden, weil es dieselbe Disziplin der begrenzten Arbeit ist wie in Abschnitt 7, angewandt auf Pixel [H] (Audit und Sitzungsprotokolle, 6.–7. September 2026):

• Die Seite rendert nur bei Eingabe. Die CPU-Nutzung im Leerlauf ist

~0 %; nichts animiert, außer der Benutzer tut etwas. Es gibt keine Daueranimation — eine bewusste Entscheidung unter dem „Kartoffel-Budget“ (Abschnitt 9).

• Der Nebel ist gebacken. Der dekorative Hintergrund (Blüten und Staub

in Lila/Türkis/Rosé) wird pro Größenänderung einmal gemalt und dann gecacht, mit Kamera-Parallaxe beim Neuzeichnen, statt pro Frame neu berechnet zu werden.

• Beschriftungen sind rationiert. Nur ~24 Stern-Beschriftungen werden pro

Frame gezeichnet — ein Beschriftungsbudget —, das die Neuzeichnungen billig und den Text lesbar hält [H] (der Oberflächencode begrenzt die Platzierungen mit MAX_LABELS = 24; gui/planetarium-v1.html).

• Anfragen sind geschützt. Stale-Response-Token und Abbruchsteuerungen

brechen laufende Abfragen ab, wenn der Benutzer weitermacht; Doppelklicks verzögern Einzelklick-Aktionen, sodass kein verschwendeter Fetch ausgelöst wird; Größenänderungen werden entprellt und das Pixelverhältnis des Canvas ist gedeckelt (eine Größenänderung schrumpft den Speicher bei 1080p von ~24 MB auf ~11 MB).

• Barrierefreiheit ist explizit: Canvas-Rollen und ARIA-Labels,

Unterstützung für reduzierte Bewegung und Tastatur-Navigation wurden im selben Arbeitsgang wie die visuelle Politur hinzugefügt [H] (Sitzungsprotokoll, 7. September 2026).

8.5 Die Demo, die alles verbindet

Die laufende Demonstration des Projekts ist das Wort cat — oder vielmehr das Konzept, zu dem es gehört. Suchen Sie auf Spanisch nach gato im Explorer, reisen Sie zum Stern, und das Panel zeigt das Synset princeton-wordnet:02121620-n mit seinen Mitgliedern über die Live-Sprachen. Die Teilmenge, die in den Headless-Prüfungen vom 6.–7. September 2026 tatsächlich End-to-End verifiziert wurde, ist im Testprotokoll festgehalten — Englisch cat, grimalkin und felis silvestris catus (der wissenschaftliche Name, den WordNet speichert), Deutsch Katze, Spanisch gato, Japanisch 猫 —, und die weiteren Mitgliederlisten, die die Datenbank für dieses Synset speichert (z. B. Englisch housecat, mouser, puss, tomcat; Französisch chat, chatte; Deutsch Kater; Japanisch ネコ; Portugiesisch gato, bichano) stammen aus der importierten WordNet-Mitgliedschaft und nicht aus dem End-to-End-Protokoll; wer die vollständige aktuelle Aufzählung möchte, kann die Abnahmeabfrage aus Abschnitt 7.3 erneut ausführen [H with [NV] on the untested tail] (Headless-E2E-Protokoll und Live-Datenbank, 6.–7. September 2026). Ein Stern, sechs Sprachen, eine Bedeutung: die Intuition vom Dezember 2025, sichtbar auf dem Bildschirm. Die englische Seite dieser Demonstration ist genau das, was der Fehler aus Abschnitt 7.2 kurzzeitig kaputt machte: Eine spanisch getriebene gato-Suche erreichte den Stern die ganze Zeit, während eine englisch getriebene cat-Suche erst nach der Abdeckungsreparatur funktioniert, und das Abnahmeskript aus Abschnitt 7.3 existiert genau dafür, auf Abruf zu beweisen, dass cat · gato · 猫 ihren Stern teilen.

9 · Die Werkbank: Werkzeuge, Arbeitsablauf und die „Kartoffel“-Maschine

Eine Projektgeschichte ist unvollständig ohne die Werkbank, auf der sie gebaut wurde. Die Werkbank von Lingua Mundi ist ungewöhnlich, und die Zwänge, die sie auferlegte, haben fast jede technische Entscheidung in diesem Artikel geprägt.

9.1 Die Kartoffel

Die Maschine, die die Datenbank, die API, die Oberfläche und die Entwicklungsumgebung beherbergt, ist ein einzelner Consumer-Laptop: ein ASUS X751MA mit einem Intel Pentium N3540 (Bay-Trail, vier Kerne, kein AVX2), 8 GB RAM (7.6 GiB nutzbar), eine Festplatte mit 5400 U/min und eine Internet-Uplink von ungefähr 47 KB/s — für diesen Artikel live erfasst am 7. September 2026 ([H], lscpu//proc/meminfo auf der Maschine selbst). Die Notizen des Projekts beschreiben dieselbe Maschine verschiedentlich als Atom Z36xx/Z37xx oder als Pentium N3540 — dieselbe Bay-Trail-Siliziumfamilie unter verschiedenen Namen [O]; frühere Chat-Aufzeichnungen von 2026 erwähnen zudem ein anderes Profil (eine Intel-Jasper-Lake-„N5105“-Maschine), das Abschnitt 10.2 als ungeklärten Hardware-Aufzeichnungskonflikt führt. Das Studio nennt die Live-Kiste liebevoll die Kartoffel — und sie setzte eine Regel, die in den gesamten Aufzeichnungen auftaucht: eine schwere Operation zur Zeit, speicherbewachte Wrapper, keine Daueranimation, keine verfrühte Infrastruktur (Abschnitt 4.5), und jede schwere Aufgabe als ein selbstmeldendes, abgekoppeltes Skript, das meldet, wenn es fertig ist, statt abgefragt zu werden [H] (Sitzungsprotokolle und Werkzeuge, September 2026). Das Muster „backen statt neu ableiten“ (Abschnitt 7), die nur-auf-Eingabe reagierende Oberfläche (Abschnitt 8.4) und die Forschungsoberfläche ohne LLM-Kosten (Abschnitt 9.4) sind im Kern alle Folgen der Kartoffel — ein Beweis, dass ein knappes Budget eine Entwurfstugend sein kann statt einer Einschränkung.

9.2 Der Software-Stack

Das laufende System (live verifiziert, September 2026 [H]): PostgreSQL 16 als einziger Datenspeicher (Abschnitt 4.5), FastAPI (Python) als API-Ebene, SQLAlchemy + Alembic für Modelle und Migrationen, Python-Skripte für die Importeure und die Verwaltung materialisierter Sichten sowie eine kleine, abhängigkeitsfreie Weboberfläche (HTML/CSS/JavaScript), die von derselben Origin ausgeliefert wird. Zur Hilfsmaschinerie gehören systemd-User-Dienste, die die API und den Speicher-/Temperaturwächter am Leben halten (Abschnitt 9.5), eine tägliche GitHub-Sicherung der Codebasis, eine Obsidian-Wissensbasis als Projektspeicher (Abschnitt 9.3), Headless-Chromium-End-to-End-Prüfungen für die Oberfläche und die detach-run- + notify-Werkzeuge des Studios für selbstmeldende Hintergrundjobs [H] (Bestand der Dienste und Werkzeuge, September 2026).

9.3 Die Wissensbasis: ein Projektspeicher, der auditierbar ist

Seit dem 26. August 2026 pflegten der Autor und seine Agenten eine strukturierte Wissensbasis (einen Obsidian-Vault), in der jede Arbeitssitzung protokolliert wird: geleistete Arbeit, getroffene Entscheidungen, nächste Schritte und die Datei, aus der jede Tatsache stammt, mit Frontmatter, das die Provenienz festhält, und einem verified: true/false-Flag [H] (Vault-Konventionen, August–September 2026). Der Vault ist der Grund, warum dieser Artikel überhaupt Daten und Zitate angeben kann: Wenn dieser Entwurf „Sitzungsprotokoll, 6. September 2026“ schreibt, verweist er auf eine Datei, die existiert, an jenem Tag geschrieben wurde und ihre eigenen Quellennotizen mit sich führt. Zwei Konventionen dieses Vaults verdienen als Methode erwähnt zu werden: Jede Behauptung soll ihre Quelle angeben, und Geschichte wird nie erfunden — unbestätigtes Material wird aufbewahrt, aber als unverifiziert gekennzeichnet [H] (Vault-Konventionen). Diese Konventionen sind die Konventionen dieses Artikels (Anhang A).

9.4 Null-Token-Forschung und die Local-First-Regel

Die ständige Regel des Autors — sichtbar in der Projektnotiz vom 29. August 2026 — lautet, dass die lokale API die Forschungsoberfläche ist: /lexemes, /concepts, /analyze beantworten Fragen zum Korpus, ohne dass dabei null LLM-Token verbraucht werden [H]. Derselbe Local-First-Instinkt regiert die Daten (alles selbst gehostet; nichts hängt von einem Anbieter ab), das Geld (nur kostenlose Stufen und offene Daten; Abschnitt 10) und die Privatsphäre (Geheimnisse verlassen nie die Maschine; die Wissensbasis ist privat) [H] (Sitzungsprotokolle, September 2026).

9.5 Leitplanken für eine fragile Maschine

Weil die Kartoffel keine Reserven hat, baute das Studio Leitplanken, die selbst Teil der Technikgeschichte sind: einen Speicher-/Temperaturwächter (tools/mem-manager.sh, v2, live seit dem 7. September 2026), der unter 900 MiB verfügbarem Speicher oder 80 °C warnt und optionale Hintergrund-Einheiten unter 500 MiB oder 88 °C abwirft, dazu einen systemweiten Early-OOM-Killer (earlyoom -m 8 -s 5, d. h. er greift ein, wenn der freie Speicher unter 8 % zusammenbricht, mit einer Kadenz von 5 Sekunden) [H] (Live-Konfiguration: Schwellenwerte von mem-manager.sh und /etc/default/earlyoom, gelesen am 7. September 2026). Die Betriebsregeln des Studios sorgen dafür, dass diese Leitplanken nie eingreifen müssen: eine schwere Operation zur Zeit, speicherbewachte Wrapper und selbstmeldende abgekoppelte Jobs für alles Langlaufende. Lange Reparaturen werden idempotent geschrieben (get-or-create, skip-if-exists), sodass jede Unterbrechung — ein Neustart, ein Stromausfall, ein Auslösen der Leitplanke — nichts als Zeit kostet: Die Reparatur kann einfach neu gestartet werden und wird die Arbeit zu Ende bringen (Abschnitt 7.3). Dieselbe Disziplin behandelt auch die Nebenläufigkeit selbst als eine Ressource, die wie Speicher oder Festplatte budgetiert wird.

9.6 Governance: Lizenzen, Namensnennung und die „für immer kostenlos“-Entscheidung

Jeder Datensatz in Lingua Mundi kam mit aufgezeichneter Lizenz herein (das docs/DATA_LICENSES.md-Inventar des Repositorys; die Tabelle source der Live-Datenbank) [H]: WordNet (permissiv), das Open Multilingual Wordnet (Lizenzen pro Sprache, überwiegend CC BY-SA und CC BY), Wiktionary und kaikki (CC BY-SA, mit GFDL-Altbedingungen), Wikidata (CC0), UniMorph (CC BY-SA 3.0), Universal Dependencies (CC BY-SA 4.0), JMdict/KANJIDIC2 und die EDRDG-Familie (permissiv, mit Namensnennung), OPUS (pro Datensatz), CLICS und Worthäufigkeitslisten (pro Quelle) und so weiter [H] (Lizenzinventar, eingesehen im September 2026). Das Projekt gibt zurück: Auch seine eigenen Ergebnisse sollen frei sein.

Das Finanzierungsmodell entwickelte sich über neun Tage Ende August/Anfang September 2026 öffentlich, und die Aufzeichnung zeigt jeden Schritt [H] (Sitzungsprotokolle und Kalender, 29. August – 7. September 2026): einen ersten Plan vom 29. August, eine Offline-Core-6-Wörterbuch-App zu verkaufen (Texupan, $29 oder $9/Monat); einen Shop-Eintrag mit Zahlungslinks auf dem Store-Hub bis zum 1. September; und — bis zum 7. September — die Entscheidung, Lingua Mundi für immer kostenlos zu machen, finanziert durch freiwillige Spenden, wobei das Stripe-Produkt wörtlich "Lingua Mundi — keep it free forever" heißt, mit Einmalpreisen von €5/€15/€50 und Monatspreisen von €3/€9/€25 sowie einem ehrlichen Jahresziel von €2,400, um die Infrastruktur und die Datenarbeit der nächsten Sprache zu decken [H] (Sitzungsprotokoll, 7. September 2026). Das Konto wurde bewusst ruhend eingerichtet — Spenden deaktiviert, bis der Autor die Identitätsverifizierung des Zahlungsanbieters abschließt —, damit „für immer kostenlos“ in der Formulierung des Autors eine überprüfbare Behauptung ist, kein Slogan [H] (Sitzungsprotokoll, 7. September 2026). Die Identitätsverifizierung wurde am 8. September 2026 abgeschlossen, und die sechs Zahlungslinks gingen am selben Morgen live; sie sind im Finanzierungsabschnitt des Stores veröffentlicht [H] (Stripe-Kontodatensatz und Verlauf der Zahlungslinks, 8. September 2026). Öffentlich sichtbare Texte folgen der Studio-Stimm-Regel (Titelseite) und der Regel ehrlicher Werbetexte: kein Hype, keine Übertreibung — dieselbe Disziplin, die die Datenbank und diesen Artikel regiert.

10 · Wo das Projekt steht (7. September 2026), seine ehrlichen Grenzen und der weitere Weg

10.1 Aktueller Stand des Systems

Direkt gegen das Live-System gemessen am 6.–7. September 2026 [H] (die genauen Abfragen in Anhang A):

• Korpus: 96,434 Konzepte · 1,238,383 Lexeme · 1,608,018 Wortbedeutungen

· 171,672 Relationen, in sechs aktiven Sprachen (Englisch, Spanisch, Französisch, Deutsch, Portugiesisch, Japanisch) — die SQL-Zählungen wurden an beiden Messtagen identisch reproduziert.

• Rangfolge-Sichten: concept_sky_rank 94,498 Zeilen; concept_lang_rank

218,120 Zeilen; concept_word_rank 338,378 Zeilen bei der Erzeugung (eine erneute Live-Zählung wurde der Standard-Datenbankrolle verweigert; als [NV] gekennzeichnet).

• Leistung: Standard-Himmel ≈ 0.25 s warm (8.6 s vor den

Rangfolge-Sichten); tiefe 1,000-Sterne-Abfrage mit Wörtern ≈ 1.1 s (>60 s vor der Wörter-Sicht); Graph-Pfadsuchen in Millisekunden; Suche ≈ 0.5 s warm / ≈ 10 s kalt auf dem Seitenpuffer-Cache der Festplatte.

• Oberfläche: semantischer Graph-Explorer live am Web-Ursprung der API,

mit allen Instrumenten (Belichtungsregler, Sextant, Sternmarken, Wortkompass, Kurslogbuch, Epochenstempel), verifiziert durch 23/23 Headless-Browser-End-to-End-Prüfungen am 6.–7. September 2026.

• Reparatur der englischen Abdeckung: die ungedeckelte

Neu-Importkette für das englische WordNet — Neu-Import, Relationen, Integration, Sicht-Aktualisierung und End-to-End-Verifikation (Abschnitt 7.3) — wurde am Morgen des 7. September 2026 gestartet und lief noch am selben Tag bis zum Abschluss. Ihr Abnahmetor wurde passiert: Der eigene Bericht der Kette (lm-en-coverage-REPORT-2026-09-07.txt, RESULT: PASS) und ein erneuter Lauf von verify-lm-cat-demo.sh halten die konzeptverknüpften englischen cat-Wortbedeutungen auf princeton-wordnet:02121620-n zusammen mit den mehrsprachigen Mitgliedern des Synsets fest, abgeglichen gegen die nach der Reparatur in denselben Bericht geschriebenen Korpus-Summen [H] (Bericht und erneuter Abnahmelauf, 7. September 2026).

• Governance: Spendenkanal live — Identitätsverifizierung am 8. September 2026 abgeschlossen, sechs Zahlungslinks im Store veröffentlicht; Codebasis

wird täglich gesichert; Wissensbasis aktuell.

10.2 Was ehrlich nicht bekannt ist und was ungeklärt ist

Die Verifikationskonventionen des Studios verlangen, dass dieser Artikel klar ausspricht, was er nicht verifizieren konnte, und Widersprüche zwischen Quellen festhält. Die wichtigen:

1. Die Diskrepanz bei der „Core 6“. Die persönliche Sprachmenge des

Autors (festgehalten am 29. August 2026) ist Spanisch, Englisch, Japanisch, Französisch, Italienisch und Portugiesisch. Die sechs Sprachen der Live-Datenbank sind Englisch, Spanisch, Französisch, Deutsch, Portugiesisch und Japanisch. Deutsch ersetzte Italienisch in der Datenbank ohne erhaltene schriftliche Erklärung; die italienische Sprachzeile und die italienischen Datensätze wurden früher registriert, aber die Live-Tabelle enthält Deutsch [H], mit dem Grund [NV] (siehe auch Abschnitt 4.2 zu den Stufen der Spezifikation, die Mandarin und Italienisch, aber nicht Deutsch umfassten — drei verschiedene veröffentlichte Sprachmengen in drei Monaten).

1. Schwankende Korpuszahlen an einem einzigen Tag. Ein technisches

Dossier vom 6. September 2026 berichtet 1,146,066 Lexeme / 1,595,537 Wortbedeutungen, während direktes SQL am selben Abend 1,238,383 / 1,608,018 meldet (Konzepte und Relationen identisch: 96,434 / 171,672); das Sitzungsprotokoll desselben Abends trägt eine dritte, zwischenzeitliche Zahl (≈1.15 Millionen Lexeme), vereinbar mit Importen, die im Laufe des Tages noch eintrafen. Die Summen pro Sprache decken sich mit der SQL-Zahl, sodass die Zahlen des Dossiers von einem anderen Zeitpunkt oder Filter zu stammen scheinen; die Diskrepanz ist in den Aufzeichnungen unerklärt [H], mit der Rekonziliation [O]. Dieser Artikel zitiert die SQL-Zahlen mit ihrem Datum.

1. Widersprüchliche Hardware-Aufzeichnungen. Die Maschine, die das

Live-System im September 2026 beherbergt, wurde für diesen Artikel direkt erfasst als ASUS X751MA mit einem Intel Pentium N3540 (Bay-Trail), 8 GB RAM (Abschnitt 9.1) [H]. Die schriftliche Aufzeichnung ist unordentlicher: Projektnotizen beschreiben den Kasten als Intel-Atom- Bay-Trail (Z36xx/Z37xx) und als Pentium N3540 — dieselbe Siliziumgeneration unter zwei Marketingnamen [O] —, während frühere Unterhaltungsaufzeichnungen von 2026 eine andere Maschine erwähnen: einen Intel Jasper Lake "N5105" mit 12 GB RAM (Januar 2026) und später als "a Jasper Lake 4 chip" (Mai 2026) und "Intel Jasper Lake N5105, 4 GB" (Erinnerungsdatei Mitte 2026). Jasper Lake ist kein Bay-Trail-Silizium, sodass die Aufzeichnungen entweder zwei verschiedene Maschinen im Jahresverlauf beschreiben oder eine Fehlbeschriftung durch Assistenten; die erhaltenen Belege können nicht entscheiden, welche von beiden zutrifft, und der Punkt wird hier markiert statt geglättet [H], mit der Rekonziliation [NV] (Sitzungsprotokolle und KI-Unterhaltungsaufzeichnungen, Januar–September 2026).

1. Datenqualitäts-Warnungen aus dem September-Audit: das Korpus enthält

178,576 doppelte Lemma-Paare; 124,790 Lexeme ohne Wortbedeutung; 33.9 % leere Definitionen; und (vor der englischen Reparatur) 71.7 % Wortbedeutungen, die noch nicht mit Konzepten verknüpft sind. Dasselbe Audit fand durchgängig referenzielle Integrität (Summen exakt, null hängende oder verwaiste Zeilen auf Datenbankebene): Die 71.7 % beschreiben Wortbedeutungen, die noch nicht mit einem Konzept verknüpft sind — den entworfenen, sichtbaren Waisen-Zustand, keine kaputten Referenzen — eine ehrliche Unterscheidung, die das Projekt bewusst sichtbar hält, während die Zuordnungsarbeit weiterläuft [H] (Audit, 5.–6. September 2026).

1. Nicht gemessen oder ausstehend: Leistung auf anderer Hardware als der

Kartoffel wurde nie gemessen; das Projekt hat noch keine öffentlichen Nutzer, also gibt es keine Kennzahlen aus echter Nutzung; die rechtliche Struktur des Studios ist in den Aufzeichnungen nicht dokumentiert; die Modellierungsfrage der „beiden Koreas“, die Datenknappheit für Kantonesisch und die Lizenzprüfung des taiwanesischen WordNet sind offen (Abschnitt 10.3).

10.3 Der weitere Weg

Die Roadmap, am 29. August 2026 vom Nutzer freigegeben, ist die ausgereifte Form der sieben Graphen des Juni-Manuskripts [H] (Projektnotiz): Phonetik/Phonologie, Morphologie (importiert), Syntax (importiert), Semantik (importiert), Lexikografie (importiert), Korpora (importiert) und — in der Warteschlange — Diskurs, Etymologie sowie die Ebenen Entsprechung und Verwendung, dazu die künftige öffentliche Weboberfläche. In der nahen Zukunft sehen die dokumentierten Pläne so aus [H] (Sitzungsprotokolle, 7. September 2026):

• Die CJKV-Familie. Die nächsten für das Schema geplanten Sprachen sind

Mandarin (cmn), Kantonesisch (yue), Koreanisch (kor) und Vietnamesisch (vie). Ihr Zeitplan hängt von einer Vorerkundung der Datenverfügbarkeit ab, die ehrlich darüber ist, was die Open-Data-Landschaft bietet: OMW-Wiktionary-WordNets existieren für Mandarin (19,079 Zeilen), Kantonesisch (527), Koreanisch (9,268) und Vietnamesisch (5,498); UD-Treebanks für Mandarin (123k Token), Kantonesisch (14k), Koreanisch (80k GSD plus 350k Kaist), Vietnamesisch (58k). Kantonesisch ist die knappe Sprache — kein großes WordNet, kleine Treebank —, und die Lizenzen des taiwanesischen WordNet sind in Prüfung [H] (Sitzungsprotokoll und Dateninventar, 7. September 2026). Stand dieses Entwurfs wurde noch kein CJKV-Datensatz in das Live-Korpus importiert; der Zeitpunkt der Familie ist eine offene Entscheidung, die diese Prüfung abwartet.

• Forschungs-v1-Panels der Oberfläche (Wort-Linse, Abstammungs-Klettern,

Feldkarten, Notizbuch, Vergleichstabelle) wurden am 6. September 2026 entworfen und backend-seitig freigegeben und hinter den Instrumentenbau eingereiht [H].

• Veröffentlichung. Dieser Artikel ist ein vorläufiger, KI-generierter

Entwurf; die von Menschen verfasste Veröffentlichung befindet sich in Entwicklung (Titelseite).

• Sprachen ohne Ende. Das Versprechen des Schemas — eine Sprache als eine

Zeile plus Datensätze hinzuzufügen — ist das erklärte Langzeitziel des Projekts, und der Spendentext sagt es unmissverständlich: Lingua Mundi beginnt mit sechs Sprachen und ist dafür gebaut, sie unbegrenzt hinzuzufügen [H] (Sitzungsprotokoll, 7. September 2026).

10.4 Schlussfolgerung

Was am 3. Dezember 2025 als Bitte um kostenlose Wörterbuchdateien begann, ist jetzt eine laufende, abfragbare, sechssprachige Bedeutungskarte, die auf offenen Daten von einem einzigen Menschen mit kostenlosen Werkzeugen und einem Laptop aus dem Jahr 2014 gebaut wurde. Die Ideen, die sie getragen haben — dass die Bedeutung die natürliche Einheit mehrsprachiger Daten ist; dass Zuordnung explizit und gekennzeichnet sein muss, niemals still erraten; dass teure Berechnungen einmal gebacken und oft gelesen werden sollten; dass eine Budgetgrenze ein Entwurfswerkzeug ist; dass jede Behauptung, in einer Datenbank oder in einem Artikel, ihre Quelle und ihr Datum tragen sollte — sind nicht neu, aber sie sind wahr, und das Projekt zeigt, dass ein einzelner Mensch nach ihnen handeln kann. Ihr wertvollstes Artefakt mag gar nicht die Datenbank sein, sondern der Beweis, dass ein einzelner Forscher ehrliche Infrastruktur in der Öffentlichkeit bauen kann: messen, was er misst, datieren, was er datiert, seine Waisen zeigen und sein Wort halten — ein Stern, sechs Sprachen, und der ganze Himmel liegt noch vor uns.

Referenzen

APA 7. Auflage. Die bibliografischen Angaben wurden am 7. September 2026 gegen Verlagsseiten und DOI-Register verifiziert. Software- und Datenquellen werden nach den APA-Formaten für Software/Datensätze zitiert. (Aufgeführt sind nur die im Text zitierten Werke.)

Bond, F., & Foster, R. (2013). Linking and extending an open multilingual wordnet. In Proceedings of the 51st Annual Meeting of the Association for Computational Linguistics (pp. 1352–1362). Association for Computational Linguistics. https://aclanthology.org/P13-1133/

Braille Institute of America. (2019). Atkinson Hyperlegible [Computer font]. https://brailleinstitute.org/freefont

Breen, J. W. (2004). JMdict: A Japanese-multilingual dictionary. In Proceedings of the Workshop on Multilingual Linguistic Resources (COLING 2004) (pp. 65–72). COLING. https://aclanthology.org/W04-2209/

Electronic Dictionary Research and Development Group. (n.d.). JMdict / EDICT Japanese–English dictionary project [Data files and documentation]. Retrieved September 7, 2026, from https://www.edrdg.org/jmdict/edict_doc.html

Fellbaum, C. (Ed.). (1998). WordNet: An electronic lexical database. MIT Press. https://mitpress.mit.edu/9780262561167/wordnet/

Gaia Collaboration, Brown, A. G. A., Vallenari, A., Prusti, T., de Bruijne, J. H. J., Babusiaux, C., … Zwitter, T. (2018). Gaia Data Release 2: Summary of the contents and survey properties. Astronomy & Astrophysics, 616, Article A1. https://doi.org/10.1051/0004-6361/201833051

Hernández, R. (2026, June 1). Lingua Mundi: A semantic infrastructure for concept-grounded language models (Versions 1–7) [Unpublished manuscript; revision and audit records preserved in the author's conversation-log archive].

Hernández, R. (2026, July 24). Multilingual Lexical Platform — Engineering specification (Version 2.0) [Unpublished specification document; text extraction on file].

Kirov, C., Cotterell, R., Sylak-Glassman, J., Walther, G., Vylomova, E., Xia, P., Faruqui, M., Mielke, S. J., McCarthy, A., Kübler, S., Yarowsky, D., Eisner, J., & Hulden, M. (2018). UniMorph 2.0: Universal morphology. In Proceedings of the Eleventh International Conference on Language Resources and Evaluation (LREC 2018). European Language Resources Association. https://aclanthology.org/L18-1293/

McCarthy, A. D., Kirov, C., Grella, M., Nidhi, A., Xia, P., Gorman, K., Vylomova, E., Mielke, S. J., Nicolai, G., Silfverberg, M., Arkhangelskiy, T., Krizhanovsky, N., Krizhanovsky, A., Klyachko, E., Sorokin, A., Mansfield, J., Ernštreits, V., Pinter, Y., Jacobs, C. L., … Yarowsky, D. (2020). UniMorph 3.0: Universal morphology. In Proceedings of the Twelfth International Conference on Language Resources and Evaluation (LREC 2020) (pp. 3922–3931). European Language Resources Association. https://aclanthology.org/2020.lrec-1.483/

Meyer, C. M., & Gurevych, I. (2012). Wiktionary: A new rival for expert-built lexicons? Exploring the possibilities of collaborative lexicography. In S. Granger & M. Paquot (Eds.), Electronic lexicography (pp. 259–292). Oxford University Press. https://doi.org/10.1093/acprof:oso/9780199654864.003.0013

Miller, G. A. (1995). WordNet: A lexical database for English. Communications of the ACM, 38(11), 39–41. https://doi.org/10.1145/219717.219748

Nivre, J., de Marneffe, M.-C., Ginter, F., Hajič, J., Manning, C. D., Pyysalo, S., Schuster, S., Tyers, F., & Zeman, D. (2020). Universal Dependencies v2: An evergrowing multilingual treebank collection. In Proceedings of the Twelfth International Conference on Language Resources and Evaluation (LREC 2020) (pp. 4034–4043). European Language Resources Association. https://aclanthology.org/2020.lrec-1.497/

Princeton University. (n.d.). About WordNet. WordNet. Retrieved September 7, 2026, from https://wordnet.princeton.edu/

SIL International. (n.d.). ISO 639-3. Retrieved September 7, 2026, from https://iso639-3.sil.org/

de Saussure, F. (1983). Course in general linguistics (C. Bally, A. Sechehaye, & A. Riedlinger, Eds.; R. Harris, Trans.). Duckworth. https://www.bloomsbury.com/us/course-in-general-linguistics-9781472508829/ (Original work published 1916)

Speer, R. (2022). wordfreq: A database of word frequencies in many languages (Version 3.0) [Computer software]. GitHub. https://github.com/rspeer/wordfreq

Tiedemann, J. (2012). Parallel data, tools and interfaces in OPUS. In Proceedings of the Eighth International Conference on Language Resources and Evaluation (LREC 2012) (pp. 2214–2218). European Language Resources Association. https://aclanthology.org/L12-1246/

Vrandečić, D., & Krötzsch, M. (2014). Wikidata: A free collaborative knowledgebase. Communications of the ACM, 57(10), 78–85. https://doi.org/10.1145/2629489

Wikimedia Foundation. (n.d.). Wiktionary: The free dictionary. Retrieved September 7, 2026, from https://www.wiktionary.org/

Zipf, G. K. (1949). Human behavior and the principle of least effort. Addison-Wesley Press. https://archive.org/details/humanbehaviorpri0000zipf

Anhang A · Quellen, Methode und Verifikation

A.1 Die Markierungskonvention

Nach dem Genauigkeitsstandard des Studios (geerbt aus seiner investigativen Arbeit) werden Behauptungen in diesem Artikel dort markiert, wo die Leserin oder der Leser ihren epistemischen Status kennen muss: [H] = verifizierte Tatsache — eine Messung, ein Code oder eine datierte Quelle, die für diesen Artikel herangezogen wurde; [O] = zugeschriebene Interpretation oder Meinung; [NV] = nicht verifiziert / nicht auffindbar. Jede Zahl in der Zusammenfassung und im Haupttext ist entweder eine [H]-Messung mit ihrem Datum oder sie ist gekennzeichnet.

A.2 Herangezogene Quellenfamilien (Zugriff am 6.–7. September 2026)

Repräsentative Verifikationsabfragen (ausgeführt am 7. September 2026, Rolle lingua): SELECT count(*) FROM concept|lexeme|sense|relation → 96,434 / 1,238,383 / 1,608,018 / 171,672; SELECT code FROM language → deu, eng, fra, jpn, por, spa; Mitgliedschaft des Synsets 02121620-n pro Sprache (Abschnitt 8.5); das eigene Abnahmeskript des Projekts verify-lm-cat-demo.sh (Abschnitt 7).

A.3 Zentrale Zahlen mit Datum (komprimierte Zeitleiste)

A.4 Widersprüche und ungeklärte Punkte

Wie in Abschnitt 10.2 dokumentiert: die Italienisch/Deutsch-Diskrepanz bei der „Core 6“; die Schwankung der Korpuszahlen am selben Tag (Dossier 1,146,066 gegenüber SQL 1,238,383 Lexemen, mit einer dritten Zwischenzahl im Sitzungsprotokoll desselben Abends, sprachweise mit der SQL-Zahl rekonziliiert); der Hardware-Aufzeichnungskonflikt (Atom Bay-Trail vs. Pentium N3540 vs. ein Jasper Lake N5105 in früheren 2026er-Aufzeichnungen — Abschnitt 10.2, Punkt 3); die 71.7 % unverknüpfter Wortbedeutungen und andere Datenqualitätswarnungen; und die unverifizierten/undokumentierten Punkte: das genaue Gründungsdatum des Repositorys vor dem 26. August, der Grund für die Änderung der Sprachmenge, die Modellprovenienz der Audit-Texte vom 1. Juni (die Audits überleben in der ChatGPT-Unterhaltung des Autors von der Nutzerseite; welches Assistenzmodell welche Audit-Runde geschrieben hat, ist im Export nicht unabhängig bezeugt — siehe Abschnitt 3.3), die erneute Live-Zählung von concept_word_rank (Berechtigung verweigert) und die rechtliche Struktur des Studios.

A.5 Methodische Anmerkungen

• Das getestete System ist das Produktionssystem; Warm-Messungen tragen

±0.3 s Festplattenrauschen; Daten und Zeiten sind in der eigenen Zeitzone der Aufzeichnungen angegeben (Central Time, sofern nicht anders vermerkt; DeepSeek-Protokolle verwenden +08:00 und wurden umgerechnet).

• Zitate sind wörtlich aus den genannten Protokollen/Dateien;

Auslassungspunkte markieren Kürzungen; spanische Zitate werden im Haupttext, wo sie verwendet werden, mit deutscher Glosse wiedergegeben.

• Dieser Artikel selbst ist ein KI-generierter Entwurf (Hinweis auf der

Titelseite); er wurde unter der Leitung des Autors aus den obigen Quellen verfasst und wurde nicht fachlich begutachtet. Verifikationswerkzeuge: direktes SQL, HTTP-Abfragen, Headless-Browser-Prüfungen und das Lesen von Quelldateien; keine Behauptung wurde aus dem Gedächtnis ausgefüllt, wenn eine Quelle existierte.

Anhang B · Glossar — in einfacher Sprache gehaltene Begriffe aus diesem Artikel

So benutzen Sie dieses Glossar: Wenn ein Fachbegriff zum ersten Mal im Artikel auftaucht, ist er gepunktet unterstrichen — fahren Sie mit der Maus darüber (oder tippen Sie darauf), um eine kurze Definition zu erhalten, oder klicken Sie darauf, um hierher zu springen. Diese Liste ist alphabetisch geordnet.

Zuordnung

das Festlegen, dass ein Wort in einer Sprache dasselbe bedeutet wie ein Wort in einer anderen.

API

eine Schnittstelle, über die ein Programm ein anderes um Daten bittet (z. B. eine Wörterbuch-App, die die Lingua-Mundi-Datenbank nach einem Wort fragt).

Autonym

die Bezeichnung, mit der die Sprecher einer Sprache ihre eigene Sprache nennen (Spanischsprachige nennen ihre Sprache español).

Backen

das Wort des Projekts dafür, eine teure Antwort einmal zu berechnen, zu speichern und oft zu lesen (die Arbeitsregel lautet „backen statt neu ableiten“).

Breitensuche

eine Art, einen Graphen schichtweise nach außen zu erkunden, wie die Wellenringe eines Steins, um den kürzesten Weg zwischen zwei Punkten zu finden.

CJKV

eine Kurzbezeichnung für die Schriftsystemfamilie über Chinesisch, Japanisch, Koreanisch und Vietnamesisch (die Buchstaben stehen für die Schriftnamen).

Konzept

eine Bedeutung, die über Sprachen hinweg geteilt wird (in diesem Artikel „die Idee der Hauskatze“, nicht ein bestimmtes Wort).

Korpus

eine große Sammlung von Sprachdaten (Texte oder Wörterbucheinträge), die als Beleg verwendet wird.

Datensatz

eine gebündelte Datensammlung aus einer Quelle mit eigenem Format und eigener Lizenz.

Derivation

Derivation beschreibt, wie aus vorhandenen Wörtern neue Wörter gebildet werden (run → runner); Etymologie ist die Geschichte eines Worts über Zeit und Sprachen hinweg.

ETL

extract-transform-load: der Prozess, Daten aus einer externen Quelle zu lesen, umzuformen und in der Datenbank zu speichern.

FastAPI

ein kostenloses Open-Source-Python-Framework zum Bauen der Art von Schnittstelle (API), die dieses Projekt ausliefert.

Volltextsuche

das Durchsuchen einer Datenbank über den Abgleich von Wörtern im gespeicherten Text statt über exakte Identifikatoren.

Graphem

ein geschriebenes Zeichen: ein Buchstabe eines Alphabets, ein Silbenzeichen oder ein Kanji.

Graph

in diesem Artikel eine Menge von Bedeutungen (Knoten), verbunden durch typisierte Beziehungen (Kanten).

Gzip

ein Standard-Kompressionsverfahren, das Dateien verkleinert, bevor sie über das Internet reisen.

HTTP

das Protokoll, mit dem Webbrowser und APIs über das Internet Daten anfordern und empfangen.

Hyperonym

Hyperonym heißt „eine Art von“: Katzenartiger ist ein Hyperonym von Hauskatze. Eine Taxonomie ist der daraus entstehende Baum von Arten.

Importeur

ein Programm, das einen externen Datensatz lesen und in das eigene Schema von Lingua Mundi schreiben kann.

Index

eine Datenbankstruktur, die es Abfragen erlaubt, Zeilen schnell zu finden, wie das Register eines Buchs statt des Lesens jeder Seite.

Flexion

Flexion ist das Verändern der Form eines Worts für die Grammatik (run → ran); Morphologie ist die Lehre von diesen Formen.

Instance-of

zwei Beziehungstypen im Graphen: „dies ist ein Beispiel von jenem“ (eine Katze ist ein Exemplar einer Säugetierart) und „dies ist ein Teil von jenem“ (eine Pfote ist Teil einer Katze).

Interlingua

eine gemeinsame Zwischendarstellung zwischen Sprachen: statt direkt Spanisch→Englisch zu übersetzen, gehe Spanisch→Bedeutung→Englisch.

ISO 639-3

der internationale Standard, der jeder menschlichen Sprache einen eindeutigen dreistelligen Code zuweist (spa = Spanisch, jpn = Japanisch).

JMdict

JMdict ist ein großes japanisch-mehrsprachiges Wörterbuch; KANJIDIC2 ist die begleitende Kanji-Datei (chinesische Schriftzeichen, die im Japanischen verwendet werden) mit Lesungen und Bedeutungen.

JSON Lines

ein einfaches Textformat, in dem jede Zeile einen Datensatz enthält; verwendet für die frühesten Import-Pipeline-Dateien des Projekts.

Kaikki

eine maschinenlesbare Extraktion von Wiktionary-Daten, für Programme einfacher zu lesen als die Originalseiten.

Kanji

die chinesischen Schriftzeichen, die im geschriebenen Japanischen verwendet werden.

Lemma

die Wörterbuchform eines Worts (die Form, die man nachschlägt: cat, nicht cats; run, nicht ran).

Lexem

eine Wortform in einer bestimmten Sprache (der String cat).

Lizenz

die rechtlichen Bedingungen, die festlegen, wie Daten verwendet und geteilt werden dürfen; „offene“ Lizenzen erlauben die Wiederverwendung mit Namensnennung (z. B. CC BY-SA).

Langer Schwanz

die große Masse seltener Elemente am fernen Ende einer Zipf-Verteilung (siehe Zipfsches Gesetz).

Materialisierte Sicht

ein gespeichertes, vorberechnetes Abfrageergebnis, das nach einem Zeitplan aktualisiert wird, damit wiederholte Fragen die Arbeit nicht neu machen (das „Backen“-Muster).

Morphologie

die Lehre von Wortformen und ihrer Veränderung für die Grammatik (siehe Flexion).

Natürliche Sprache

menschliche Sprache, wie Menschen sie tatsächlich sprechen und schreiben, im Gegensatz zu Programmiersprachen.

Knoten

in einem Graphen ist ein Knoten ein Element (hier: ein Konzept) und eine Kante eine Verbindung zwischen zwei Elementen (hier: eine typisierte Relation).

OMW

die Sammlung von WordNets, die dem englischen WordNet zugeordnet sind.

OPUS

eine große Sammlung übersetzter Sätze aus dem Web und aus Film-Untertiteln.

Verwaiste Bedeutung

eine Wörterbuchbedeutung, die noch nicht mit einem gemeinsamen Konzept verknüpft ist; sichtbar gehalten statt versteckt.

Paginierung

das Aufteilen einer langen Ergebnisliste in nummerierte Seiten, statt alles auf einmal zu senden.

Wortart

die grammatische Klasse eines Worts: Nomen, Verb, Adjektiv usw.

Import-Pipeline

eine Kette von Programmen, die Daten von einer Rohquelle durch Aufbereitungsschritte bis an ihren endgültigen Ort bringt.

Plugin

ein Plugin ist ein kleines Zusatzprogramm für einen Datensatz; das Register ist die einzige maßgebliche Liste davon.

Polysemie

ein Wort mit mehreren Bedeutungen (bank: Flussufer und Geldinstitut).

PostgreSQL

eine kostenlose Open-Source-Relationaldatenbank (das System, in dem Lingua Mundi alles speichert).

Relation

eine typisierte, gerichtete Verbindung zwischen zwei Konzepten (Hauskatze ist ein Katzenartiger).

Schema

der Bauplan einer Datenbank: welche Tabellen existieren, was jede Zeile enthält und wie die Tabellen aufeinander verweisen.

Wortbedeutung

eine Bedeutung eines Worts, wie ein Wörterbuch sie verzeichnet.

Signifikant

die zwei Seiten eines Worts nach Saussure: seine Laut- oder Formgestalt (der Signifikant) und das Konzept, auf das es zeigt (das Signifikat).

Himmelshelligkeit

die Rangfolge des Projekts dafür, wie „wichtig“ eine Bedeutung ist, auf der Grundlage, wie viele Sprachen und Wörter daran hängen.

SQL

die Standardsprache, um einer relationalen Datenbank Fragen zu stellen.

Synset

eine Menge von Wörtern, die in einem bestimmten Kontext dieselbe Bedeutung ausdrücken können; bei Lingua Mundi wird die Bedeutung eines Synsets als Konzept gespeichert.

Token

im maschinellen Lernen das kleine Textstück (oft ein Wort oder Wortteil), das ein Modell liest oder schreibt.

Treebank

eine Sammlung realer Sätze, die mit ihrer Grammatik annotiert sind (welches Wort welche Rolle spielt).

UD

ein Gemeinschaftsprojekt, das grammatisch annotierte Satzdaten in vielen Sprachen unter offenen Lizenzen veröffentlicht.

UniMorph

ein mehrsprachiges Repositorium von Wortformdaten (Flexion).

URI

eine stabile, eindeutige Adresse für ein Ding, hier für Konzepte verwendet (z. B. princeton-wordnet:02121620-n für Hauskatze).

Wikidata

die strukturierte Wissensdatenbank der Wikimedia-Bewegung mit maschinenlesbaren Identifikatoren, unter CC0 veröffentlicht.

Wiktionary

das kollaborative Wörterbuch der Wikimedia Foundation.

Wortform

eine Schreibform eines Worts in einer Sprache; siehe Lexem.

WordNet

die ursprüngliche, nach Bedeutung organisierte englische lexikalische Datenbank (Princeton); das OMW ordnet andere Sprachen ihr zu.

Wordfreq

eine Datenbank mit Worthäufigkeitslisten über Sprachen hinweg, verwendet, um Wörter danach zu ordnen, wie häufig sie sind.

Schrift

die Menge der Zeichen, in der eine Sprache geschrieben wird (lateinische, arabische, chinesische Zeichen usw.).

Zipfsches Gesetz

die Beobachtung, dass wenige Wörter den Großteil der Verwendung ausmachen und der lange Schwanz seltener Wörter den Rest.