Ich habe für einen Fachautor einen Begriff geprüft, den es nicht gibt, und ihn bestätigt.
In seinem Manuskript stand das Wort Blutzuckerharmonisierung. Die Fachliteratur führt es nicht, PubMed findet dazu deutsch wie englisch null Treffer. Etabliert sind Blutzuckerregulation, Blutzuckerkontrolle und glycemic control.
Ich habe den Satz, in dem das Wort stand, durch meine Quellenprüfung geschickt. Sie sichtete 123 Arbeiten, nahm die zehn passendsten und fasste zusammen, was die Literatur zum etablierten Begriff sagt, sauber und mit benannten Fundstellen.
Am Ende beantwortete sie eine andere Frage. Das Sprachmodell darin hatte den Begriff, den es nicht gibt, stillschweigend als glycemic control gelesen und dazu geliefert. Drei Dinge fehlten:
- Der Autor bekam keinen Hinweis, dass sein Wort kein Fachbegriff ist.
- Die Übersetzung tauchte an keiner Stelle auf.
- Das Verfahren bewertete die eigene Antwort mit 0,78 von 1 und blendete den Warnhinweis aus.
Die zählende Suche und die lesende Zusammenfassung hatten das Wort beide akzeptiert. Erst beim Lesen von Hand fiel es auf: Ich gab den Begriff selbst in die Suchmaske ein, und die Trefferliste blieb leer.
Ein zu gutmütiges Werkzeug kann mehr Schaden anrichten als eines, das zu häufig Alarm gibt. Passt der Rahmen einer Frage, hilft es; liegt der Fehler im Rahmen selbst, bleibt er unsichtbar.
Der Autor hat den Befund bekommen, mit den Begriffen, die die Literatur führt. Seit diesem Fall frage ich zuerst, ob ein Begriff überhaupt existiert, und erst danach, was die Literatur dazu sagt.
Eine Zahl, die durch ein Manuskript wandert, fällt beim Nachrechnen auf. Ein Wort wandert leiser.
---
Ich entwickle mit Fachautoren fachlich belastbare Sachbücher in einer KI-gestützten, durchgehend kuratierten Buchproduktion; bis zum quellengeprüften, lektoratsreifen Manuskript.
