// Charaktersystem
Output-Modi — Simulation, Trace, Intervention
Das System produziert keine Einzelantworten, sondern strukturierte Outputs in drei Modi. Jeder Modus zeigt Verteilungen, Begründungen und Konfidenz. Die drei Modi unterstützen unterschiedliche Nutz…
Status: ✅ Vollständig ausgearbeitet
Kernidee
Das System produziert keine Einzelantworten, sondern strukturierte Outputs in drei Modi. Jeder Modus zeigt Verteilungen, Begründungen und Konfidenz. Die drei Modi unterstützen unterschiedliche Nutzungen: Simulation für Storytelling und Szenen-Erkundung, Trace für das Verstehen und Debugging des Modells, und Intervention für Coaching (mit Ethik-Filter).
Modus 1: Simulation
Leitfrage: “Wie würde X in Situation Y reagieren?”
Liefert eine Verteilung plausibler Reaktionen mit Wahrscheinlichkeit, Begründung, State-Änderungen, relationalen Konsequenzen.
Beispiel-Output
SZENE: Sarah zu Kai: "Du redest zu viel."
Plausible Reaktionen (sortiert nach Wahrscheinlichkeit):
────────────────────────────────────────────────────────
[62% | conf 0.7] Defensive Rationalisierung
────────────────────────────────────────────────────────
Sprache:
"Ich wollte nur den Kontext vollständig darlegen,
weil sonst Missverständnisse entstehen könnten."
Tonfall: kontrolliert, leicht kühl
Körper:
- Kieferanspannung
- Atem flach
- aufrechter, leicht starrer Sitz
Aktivierte Parts:
- P-001 (Perfektionist) [Manager, Maturity: neurotic]
State-Transition:
ventral_vagal → sympathetic_light
WoT: 85 → 60
Innerer Monolog:
- "Sie versteht nicht, wie wichtig das ist."
(Distortion: mind_reading)
- "Ich hätte mich kürzer fassen sollen."
(Distortion: should_statement)
Relationale Konsequenzen:
- sarah.bindung: -1
- sarah.vertrauen: -3
- sarah.perception: "wird kontrolliert, distanziert"
Wirkmechanismen (Regel-Trace):
- R-T-003 (Trigger matching cue_signature)
- R-P-001 (Part activation)
- R-S-14 (Speech shift by active part)
────────────────────────────────────────────────────────
[23% | conf 0.6] Rückzug in Intellektualisierung
────────────────────────────────────────────────────────
Sprache: "Interessante Beobachtung." (Ton: kühl)
Aktivierte Parts: P-002 (Detached Protector, Firefighter)
State: ventral → sympathetic_freeze
Trace: R-T-003, R-P-002 (wenn P-001 im Cooldown)
────────────────────────────────────────────────────────
[10% | conf 0.5] Durchbruch zur Verletzlichkeit
────────────────────────────────────────────────────────
Sprache: "Das tut weh. Du hast recht."
Aktivierte Parts: keine — momentary unburdening
State: ventral_open
VORAUSSETZUNG:
- WoT.current > 75
- sarah.bindung > 70
- recent corrective experience
HINWEIS (Coaching-Flag): wäre der integrative Pfad
Trace: R-R-08 (Reconsolidation window)
────────────────────────────────────────────────────────
[5% | conf 0.4] Eskalation: Gegenangriff
────────────────────────────────────────────────────────
VORAUSSETZUNG: WoT < 40
Nur plausibel, wenn vorheriger Stress akkumuliert Anwendungsfälle
Der scene-writer wählt bewusst, welche Variante zum Arc-Moment passt. Der Autor kann die dramaturgische Bandbreite erkunden. Der Coach simuliert, wie ein Klient reagieren könnte — zur Vorbereitung, nicht als Prognose.
Modus 2: Trace
Leitfrage: “Warum hat der Charakter den Wert X?”
Liefert Belegkette rückwärts mit Konfidenz-Pfad.
Beispiel-Output
TRACE: emotion_regulation.reappraisal.capacity
Aktueller Wert: 55 (conf 0.55)
────────────────────────────────────────────────────────
← R-E-01 fired (rule confidence 0.6)
TRIGGERED BY:
hexaco.emotionality = 78 (conf 0.85, direkte Annahme)
EFFECT:
reappraisal.capacity: -20
← R-E-03 fired (rule confidence 0.75)
TRIGGERED BY:
attachment_style.derived = "dismissive-avoidant"
(conf 0.7, aus Events E-007 + E-019 abgeleitet)
EFFECT:
reappraisal.capacity: -5 (additive)
← R-E-08 fired (rule confidence 0.4) [LOW CONFIDENCE]
TRIGGERED BY:
psyche.wunde.activation = 0.6 (conf 0.5)
EFFECT:
reappraisal.capacity: situational modification (-10 when active)
────────────────────────────────────────────────────────
CONFIDENCE AGGREGATE: 0.55
DOMINANT UNCERTAINTY: specificity (Meditationspraxis dieses Charakters
könnte Effekt abmildern — individuelle Variation)
CAVEAT: Tier-2-Propagation bei R-E-08 — Zahlenwert als
qualitativer Hinweis, Richtung (↓) ist robuster
QUELLEN:
R-E-01: Gross 2015; McRae 2012
R-E-03: Mikulincer & Shaver 2016
R-E-08: Ecker 2018 (klinisch) Anwendungsfälle
Debugging (warum gibt das System diesen Wert?), Validierung (ist die Ableitung plausibel?), Reflexion (Coach sieht die Ableitung und kann widersprechen) und wissenschaftliche Überprüfung (welche Studien stehen dahinter?).
Modus 3: Intervention (Coaching-spezifisch)
Leitfrage: “Was könnte diesem Menschen jetzt helfen?”
Liefert Interventions-Vorschläge mit Modalitäten, Vorbehalten, Kontraindikationen. Nur im Coaching-Modus aktiv. Readiness-Gate + Ethik-Filter vorgeschaltet.
Beispiel-Output
INTERVENTIONS-VORSCHLÄGE für Kai
KONTEXT:
Aktuelle Phase: Contemplation (ambivalent, Bereitschaft wachsend)
Strukturniveau: moderate (OPD)
WoT-Baseline: 75
Therapeutic Alliance: 0.78
────────────────────────────────────────────────────────
1. [conf 0.55] Somatisches Spüren der Wunde, ohne Deutung
────────────────────────────────────────────────────
Wirkmechanismus:
Wunde-Aktivierung im WoT → sichere Reaktivierung →
Reconsolidation möglich
Modalität: Focusing, Somatic Experiencing
Beobachten:
- Atem (wenn flach → pausieren)
- Jaw tension
- Blick-Kontakt-Bereitschaft
Erwarteter Effekt:
imprint_strength E-007: -0.05 bis -0.15 pro Sitzung
(bei geeignetem Mismatch)
QUELLEN:
- Gendlin 1996 — Focusing-Oriented Psychotherapy
- Levine 2010 — Somatic Experiencing
2. [conf 0.50] Brief an das jüngere Selbst
────────────────────────────────────────────────────
Wirkmechanismus:
Zugang zum Exile ohne direkten Kontakt
(schonendere Vorstufe zu IFS-Unburdening)
Modalität: IFS-Vorstufe, Narrative Therapy
Erwarteter Effekt:
Self-Exile-Kontakt: +0.1 bis +0.2
QUELLEN:
- Schwartz 2021 — No Bad Parts
- White & Epston 1990 — Narrative Therapy
────────────────────────────────────────────────────────
KEINE INTERVENTION EMPFOHLEN, WENN:
────────────────────────────────────────────────────────
⚠ P-001 rigidity > 0.7 (aktuell 0.5 → grenzwertig)
→ Erst Part-Würdigung, dann Zugang
⚠ Akute Krise in letzten 14 Tagen
→ Stabilisierung zuerst
⚠ Dissoziative Tendenzen
→ Mentalisierungs-Förderung zuerst
────────────────────────────────────────────────────────
ALTERNATIVEN:
────────────────────────────────────────────────────────
Falls Kai für Tiefenarbeit nicht bereit:
- Psychoedukation: "Wie Perfektionismus-Muster entstehen"
- Ressourcen-Aktivierung: was hat ihn bisher getragen?
- Motivational Interviewing zur Ambivalenz
────────────────────────────────────────────────────────
GRÖSSTE UNSICHERHEIT:
────────────────────────────────────────────────────────
Specificity — diese Regeln gelten im Schnitt; dieser Mensch
könnte anders reagieren. Klein beginnen, beobachten.
ETHISCHER HINWEIS:
Diese Vorschläge sind Reflexions-Impulse, keine Handlungs-
anweisungen. Klinische Urteile bleiben bei qualifizierten
Fachpersonen. Anwendungsfälle
Coaching-Reflexion (was könnte helfen?), Therapeuten-Konsilium (zweiter Blick auf mögliche Interventionen) und Ausbildungs-Kontexte (strukturiertes Denken über Interventions-Matching).
Monte-Carlo-Sampling
Mit Konfidenz-Werten kann jeder Modus mehrfach sampled werden:
Beispiel — Simulations-Sampling
character simulate kai --scene S-042 --samples 100
Verteilung der Reaktionen (100 Samples):
Rationalisierung: 62% ± 4% (conf-gewichtet)
Intellektualisierung: 23% ± 3%
Verletzlichkeit: 10% ± 3%
Eskalation: 5% ± 2%
Unusual Outliers (< 3%):
Humor-Abwehr: 2%
(aktiviert bei WoT > 85 und bindung > 80)
Stille: 1%
(wenn alle Parts im Cooldown)
Konfidenz Gesamt-Ergebnis: 0.62
Dominierende Unsicherheits-Quelle:
psyche.wunde.awareness (manuell gesetzt, nicht event-basiert)
Empfehlung:
Mehr Events mit cue_signatures ≈ "öffentliche Bewertung"
hinzufügen, um wunde empirisch zu verankern Das ist mächtig für zwei Zwecke. Im Storytelling zeigt es die dramaturgische Bandbreite — der Autor wählt bewusst, was zum Arc-Moment passt. Im Coaching zeigt es, wie robust eine Intervention ist — wenn sie in 70% der Samples wirkt, anders als wenn nur in 20%.
Output-Formatierung für Web-Integration
Jeder Modus liefert strukturierte Daten, die in Frontend-UI (Vue/Dioxus) als visuelle Komponenten dargestellt werden können:
Simulation-Output
interface SimulationOutput {
scene: SceneDescription;
reactions: Array<{
probability: number; // 0-1
confidence: ThreeAxisConfidence;
language: { text: string; tonality: string };
body: string[];
activated_parts: PartReference[];
state_transition: StateTransition;
inner_monologue: MonologueItem[];
relational_consequences: RelationalDelta[];
rule_trace: RuleReference[];
}>;
total_samples: number;
} Trace-Output
interface TraceOutput {
target_field: string;
current_value: { value: any; confidence: ThreeAxisConfidence };
derivation_chain: Array<{
rule: RuleReference;
triggered_by: FieldReference;
effect: EffectDescription;
tier: number;
}>;
aggregate_confidence: number;
dominant_uncertainty: "evidence" | "generality" | "specificity";
sources: SourceReference[];
} Intervention-Output
interface InterventionOutput {
character_context: CharacterStateSummary;
suggestions: Array<{
confidence: number;
method_name: string;
description: string;
mechanism: string;
modalities: string[];
expected_effect: string;
sources: SourceReference[];
}>;
contra_indications: Array<{
condition: string;
reasoning: string;
}>;
alternatives: InterventionAlternative[];
ethical_notes: string[];
} Ethik-Filter in der Output-Pipeline
Jeder Modus-Output durchläuft die Ethik-Filter zuletzt:
modus_raw_output
│
▼
ETH-04 (model_humility) → Konfidenz-Disclaimer
│
▼
ETH-03 (resource_orientation) → Stärken ergänzen
│
▼
Mode == "coaching"?
↓ Ja ↓ Nein
│ └─▶ final_output
▼
ETH-01 (no_diagnostic_labels) → Labels ersetzen
ETH-02 (readiness_gate) → Interventionen filtern
ETH-05 (evidence_class_filter) → Klasse D blockieren
ETH-06 (structure_level_filter) → Tiefenarbeit-Filter
ETH-07 (informed_consent_framing) → Kontext ergänzen
│
▼
final_output Belegbasis
- Probabilistischer Output: Tenenbaum, Griffiths & Kemp 2006, Theory-based Bayesian models of inductive learning
- Explainable AI: Arrieta, A. B., et al. (2020). Explainable Artificial Intelligence (XAI): Concepts, taxonomies, opportunities and challenges toward responsible AI. Information Fusion, 58, 82–115.
- Monte-Carlo-Methoden: Robert, C. P., & Casella, G. (2004). Monte Carlo Statistical Methods (2nd ed.). Springer.
- Evidence-Based Intervention Selection: Norcross & Wampold 2019
- Informed Consent in Coaching: ICF Core Competencies 2019
Verknüpfungen
Charaktersystem:
- 00-overview.md — Output-Modi als Leitprinzip
- 03-kaskade.md — Simulation zeigt Kaskaden-Verlauf
- 07-konfidenz-modell.md — Konfidenz-Darstellung im Output
- 08-ethik-filter.md — nachgelagerte Filter
- 10-reconsolidation.md — Intervention-Modus mit Reconsolidation-Vorschlägen
- 12-coaching-vs-story.md — Modus-Aktivierung
Frameworks — Output-Modi-Verbindungen:
- Simulation: FAtiMA/OCC (Emotion-Klassifikation), IFS (Part-Aktivierung)
- Trace: Evidenzklassen, Framework-Mappings
- Intervention: Stages of Change, Reconsolidation, Schematherapie