Trainingsdaten sind kein Wissen

Viele Erklärungen beginnen mit dem Satz, ein System habe „aus Daten gelernt“. Das Wort lernen legt nahe, jemand habe etwas verstanden und könne es nun begründen. Bei Trainingsmaterial ist der Vorgang enger. Eine Menge von Beispielen wird so benutzt, dass eine Rechenvorschrift bestimmte Fortsetzungen bevorzugt. Die Menge selbst bleibt eine Auswahl von Zeichen. Sie ist nicht dasselbe wie eine geprüfte Aussage über die Welt.

Diese Notiz bleibt bei diesem Schnitt. Sie zählt keine Produkte auf und sie sagt nicht, welche Menge „die richtige“ sei. Sie fragt, was eine Menge leisten kann und was sie nicht wird, nur weil sie groß ist.

Eine Menge ist eine Auswahl

Jedes Trainingsmaterial hat einen Rand. Jemand oder ein Verfahren hat entschieden, welche Texte, Bilder oder Tabellen hineinfallen und welche draußen bleiben. Der Rand ist selten auf der Ausgabe abgedruckt. Wer nur den flüssigen Satz sieht, sieht die Auswahl nicht. Er sieht eine Fortsetzung, die so klingt, als käme sie aus einem vollständigen Bestand.

Der Rand hat Folgen. Was oft in der Menge vorkommt, wird leichter fortgesetzt. Was selten vorkommt, wird unsicherer oder durch einen häufigeren Nachbarn ersetzt. Was gar nicht vorkommt, kann trotzdem einen Satz erhalten, weil die Vorschrift Lücken mit plausiblen Mustern füllt. Die Füllung ist keine nachgetragene Quelle. Sie ist eine Fortsetzung ohne Beleg.

Häufigkeit ist keine Prüfung

Ein Satz kann in sehr vielen Texten stehen und trotzdem falsch, veraltet oder nur in einem engen Fenster gültig sein. Häufigkeit misst, wie oft eine Formulierung neben einer anderen lag. Sie misst nicht, ob eine Person die Formulierung geprüft hat. Wer Häufigkeit als Wissen liest, macht aus einem Zählwert eine Autorität. Der Zählwert bleibt ein Zählwert.

Beschriftung ist eine zweite Lesart

Manche Mengen tragen Beschriftungen: eine Kategorie, eine Note, ein kurzes Urteil. Die Beschriftung ist selbst ein Text. Sie kann von Menschen stammen, von einer früheren Vorschrift oder von einer Mischung. Sie kann eine Aufgabe vereinfachen, indem sie Vieldeutiges auf ein Wort reduziert. Diese Reduktion hilft dem Training und verdeckt zugleich, was die Beschriftung nicht sagt.

Zwei Beschriftungen können denselben Fall verschieden nennen, weil die Anweisung an die Beschriftenden verschieden war. Die Ausgabe, die später entsteht, trägt diese Vorgeschichte nicht im Satz. Sie sagt „ja“ oder sie erklärt, ohne das Fenster der Beschriftung zu nennen. Für das Lesen heißt das: eine Kategorie in einer Ausgabe ist eine Lesart, keine Herkunft.

• Die Menge hat einen Rand, auch wenn der Satz keinen Rand nennt.
• Häufigkeit zeigt Nachbarschaft von Formulierungen, nicht ihre Prüfung.
• Eine Beschriftung ist eine weitere Auswahl, kein neutraler Stempel.

Lücken bleiben Lücken

Wenn eine Angabe in der Menge fehlt, fehlt sie. Ein längerer Absatz macht sie nicht vorhanden. Er kann die Stelle umschreiben, ein Beispiel erfinden, das wie ein Beleg aussieht, oder auf eine allgemeinere Regel ausweichen. Alle drei Wege sind lesbar. Nur der letzte Weg gibt zu, dass die besondere Angabe nicht dasteht. Die beiden ersten Wege sehen oft überzeugender aus, weil sie die Lücke schließen.

Eine Bildungsnotiz sollte die Lücke stehen lassen. „Nicht genannt“ ist dann kein Mangel der Sprache, sondern die genaue Beschreibung. Wer die Lücke mit einer Vermutung füllt und die Vermutung als Datum ausgibt, hat die Menge überschritten. Diese Website erfindet keine Beispielmengen und keine Größen, um den Absatz runder zu machen.

Was das für einen einzelnen Satz bedeutet

Ein Satz aus einer Ausgabe darf zitiert werden als das, was er ist: ein Wortlaut. Er darf nicht stillschweigend zur Quelle werden. Die Quelle wäre das Material, aus dem die Neigung entstand, und dieses Material ist in der Ausgabe meist nicht aufgeführt. Steht keine Herkunft neben dem Satz, bleibt er eine Behauptung der Fortsetzung.

Das gilt auch dann, wenn der Satz einen bekannten Zusammenhang trifft und sich später als brauchbar erweist. Brauchbarkeit in einem Fall ist kein Nachweis, dass die Menge vollständig war. Sie ist ein Treffer in einem Fenster. Ein anderes Fenster kann danebenliegen. Der Unterschied der Fenster ist der Gegenstand, nicht ein Rat, wie oft man nachfragen soll.

Wiederholung verändert das Bild

Dieselbe Formulierung kann in der Menge mehrfach stehen, weil ein Text kopiert, zitiert oder in eine andere Sprache zurückübersetzt wurde. Die Vorschrift sieht dann Nachbarschaften, die häufiger wirken, als es unabhängige Quellen wären. Ein Leser, der nur die Ausgabe sieht, kann die Wiederholung nicht zählen. Er sieht einen Satz, der selbstsicher klingt, weil das Muster oft genug vorgekommen ist, um die Fortsetzung leicht zu machen.

Unabhängigkeit wäre eine eigene Angabe: verschiedene Herkünfte, verschiedene Zeitpunkte, verschiedene Fenster. Fehlt sie, darf man die Leichtigkeit der Fortsetzung nicht als Breite der Menge lesen. Breite und Wiederholung sehen in der Ausgabe gleich aus. Nur ein Bericht über die Menge könnte sie trennen, und auch der Bericht wäre wieder ein Text mit einem Rand, nicht die Menge selbst.

Schluss

Trainingsdaten prägen, welche Fortsetzungen leichtfallen. Sie sind eine Auswahl mit einem Rand, oft mit einer zweiten Auswahl durch Beschriftungen. Wissen im engen Sinn wäre eine Aussage, deren Herkunft und Fenster sich nennen lassen. Eine Menge leistet das nicht von allein. Wer beides gleichsetzt, liest einen Zählwert als Akte.

Eine Frage zu einem Satz, der diese Grenze überspringt, bleibt eine Frage zum Wortlaut. Sie wird hier nicht zur Beratung.