Häufige Fragen
Was ist HORST?
Ein KI-Modell, das deutsche Texte korrigiert: Rechtschreibung, Groß- und Kleinschreibung, Kommas und einfache Grammatik. Technisch ist es ein Encoder-Decoder-Transformer mit 209 Millionen Parametern, komplett selbst trainiert.
Was heißt „von Grund auf trainiert“?
HORST baut auf keinem fremden Modell auf. Es gibt kein Fine-Tuning und keinen fremden Tokenizer: Alle Gewichte starten zufällig und lernen nur aus den Daten, die auf der Seite Daten beschrieben sind.
Wie gut ist HORST?
Auf der unabhängigen Benchmark HORST-Hard erreicht Stufe 2 einen Makro-F0,5 von 0,83. Sehr stark ist HORST bei Rechtschreibung, Groß- und Kleinschreibung und Kommas, schwächer bei echten Lernertexten (0,64) und echten Wikipedia-Korrekturen (0,26). Alle Werte
Ist HORST besser als LanguageTool?
Auf HORST-Hard ja: in allen zehn Kategorien, in denen beide gemessen wurden, und mit 0,83 zu 0,38 im Mittel. Aber es ist eine eigene Benchmark mit eigenem Scorer. LanguageTool ist ein ausgereiftes Werkzeug mit Erklärungen, Stilhinweisen und vielen Sprachen – HORST ist ein Forschungsmodell.
Kostet HORST etwas?
Nein. Die Demo im Browser ist kostenlos, hat aber ein knappes Tageskontingent auf einer geteilten Grafikkarte. Gewichte und Code kann jeder herunterladen. Die Lizenz ist allerdings noch vorläufig.
Was ist der Testraum?
Hier lässt du einen eigenen Text live von HORST korrigieren. Im Fehlerlabor kannst du saubere Sätze erst mit Fehlern versehen und sie dann reparieren lassen. Die Demo nutzt die zuletzt veröffentlichten Gewichte – die können älter sein als die auf der Benchmark-Seite gemessene Stufe 2. Zum Testraum
Läuft HORST auch ohne Internet?
Ja. Einmal heruntergeladen, läuft HORST lokal – auf einer Grafikkarte schnell, auf dem Prozessor langsamer, aber zuverlässig. So geht’s
Was passiert mit meinem Text?
Diese Website setzt keine Cookies, speichert nichts auf einem Server und lädt beim Aufruf keine Inhalte von Dritten. Nur der Testraum spricht mit Hugging Face: Sobald du dort ins Textfeld gehst, fragt er ab, ob die Demo läuft, und dein Text geht erst an die HORST-Demo, wenn du auf „Korrigieren“ oder im Fehlerlabor auf „An HORST schicken“ klickst. Dort gelten die Bedingungen von Hugging Face. Spiele wie das Korrektur-Duell laufen komplett im Browser, der Bestwert liegt nur lokal in deinem Browser. Für vertrauliche Texte lass HORST lieber lokal laufen: So geht’s
Wie lang darf ein Text sein?
In der Demo bis zu 500 Wörter auf einmal. Lokal gibt es keine feste Grenze: Längere Texte werden in Gruppen von Sätzen geteilt, die jeweils ins Modell passen.
Warum ändert HORST manchmal richtige Stellen?
Das ist HORSTs bekannteste Schwäche: Nur 88 % der fehlerfreien Sätze bleiben unverändert. Besonders Eigennamen, Fachwörter, Dialekt und Anglizismen werden gern „verbessert“. In Stufe 3 sollen gezielte Fallen-Sätze im Training das beheben.
Erklärt HORST seine Korrekturen?
Nein. HORST schreibt nur den korrigierten Satz. Die Markierungen entstehen durch einen Vergleich von Eingabe und Ausgabe.
Welche Sprachen kann HORST?
Nur Deutsch. Andere Sprachen und Programmcode behandelt HORST nicht zuverlässig.
Wie kann ich helfen?
Am meisten helfen Beispiele, bei denen HORST danebenliegt. Melde sie im Diskussionsbereich des Modells auf Hugging Face.
Glossar A–Z
- Attention
- Der Mechanismus, mit dem jedes Wortstück entscheidet, welche anderen gerade wichtig sind. Self-Attention schaut im selben Satz, Cross-Attention vom Decoder in den Eingabesatz.
- Beam Search
- Statt nur der wahrscheinlichsten Fortsetzung werden mehrere Kandidaten parallel verfolgt und am Ende der beste gewählt. HORST nutzt 1, 3 oder 5.
- Checkpoint
- Ein gespeicherter Zwischenstand des Modells während des Trainings. Mehrere gute Checkpoints lassen sich mitteln.
- Decoder
- Der Teil des Modells, der den korrigierten Satz Wortstück für Wortstück schreibt.
- Dekontamination
- Das Entfernen aller Trainingsdaten, die Benchmark-Sätzen gleichen oder ähneln – damit die Messung ehrlich bleibt.
- Edit
- Eine einzelne Änderung, etwa „weis → weiß“. Die Benchmark zählt auf Edit-Ebene.
- Edit-Dropout
- Trainingstrick: Aus einem echten Fehlerpaar wird nur ein Teil der Fehler übernommen, das Ziel bleibt korrekt.
- Encoder
- Der Teil des Modells, der den Eingabesatz liest und für jedes Wortstück eine Bedeutung im Satzzusammenhang berechnet.
- F0,5
- Kennzahl aus Precision und Recall, bei der Precision doppelt zählt. 1,0 ist perfekt.
- Fehlerlabor
- Teil des Testraums, der saubere Sätze gezielt mit Fehlern versieht – im Kleinen das, was der Rauschgenerator im Training macht (Training).
- Fine-Tuning
- Das Nachtrainieren eines fremden, fertigen Modells. HORST verzichtet bewusst darauf.
- fp16
- Zahlen mit halber Genauigkeit. Spart Speicher und Rechenzeit, die Gewichte sind so 418 MB groß.
- GEC
- Grammatical Error Correction – der Fachbegriff für automatische Grammatik- und Rechtschreibkorrektur.
- KV-Cache
- Zwischenspeicher im Decoder, der bereits Berechnetes aufhebt. Macht lange Texte um ein Vielfaches schneller.
- Parameter
- Die gelernten Zahlen im Modell. HORST hat 209 Millionen davon.
- Precision
- Anteil der Änderungen, die richtig waren. Hohe Precision heißt: wenig falsche Korrekturen.
- Recall
- Anteil der vorhandenen Fehler, die gefunden wurden.
- Rückübersetzung
- Ein zweites Modell macht aus richtigen Sätzen fehlerhafte und erzeugt so neue Trainingspaare.
- SentencePiece
- Verfahren, das Text in Wortstücke zerlegt. HORSTs Vokabular hat 32.000 davon und ist selbst trainiert.
- Token
- Ein Wortstück – die Einheit, in der das Modell liest und schreibt.
- Transformer
- Die Netzwerkarchitektur hinter fast allen modernen Sprachmodellen, aufgebaut aus Attention- und Feed-Forward-Blöcken.
- Überanpassung
- Das Modell lernt Trainingsbeispiele auswendig, statt zu verallgemeinern. Auf neuen Texten wird es dann schlechter.
- ZeroGPU
- Geteilte Grafikkarten bei Hugging Face, auf denen die Demo läuft. Kostenlos, aber mit Warteschlange und Tageskontingent.