Community-Kompass erklaert

Was ein Topic-Weight ist

Jede Kategorie auf HYPEXIO (AI, Biotech, Fusion, Longevity, Quantum, Climate, Space, Society) hat in jedem Moment ein Topic-Weight zwischen 0 und 100. Die Summe ueber alle Kategorien betraegt exakt 100. Das Weight beantwortet eine Frage: wie viel Prozent der aktuellen Community-Aufmerksamkeit liegt auf diesem Thema?

Anders als bei klassischen Trend-Listen ist das Weight relativ. Wenn AI von 28 auf 32 steigt, bedeutet das nicht "30 % mehr Aufmerksamkeit absolut", sondern "AI hat 4 Prozentpunkte aus anderen Kategorien herausgezogen". Die Trade-Offs sind sichtbar. Ein Donut-Diagramm visualisiert genau das, weil Donuts Anteile zeigen, keine Absolutwerte.

Der Vergleich zur Vorwoche stuetzt sich auf dieselbe Berechnung mit 30 Tagen Baseline. Wenn die letzte Woche bei 32 lag und die Baseline bei 24, schaltet der Trend-Indikator auf "UP". Sinkt das Weight von 32 auf 19 (Baseline 24), schaltet er auf "DOWN". Innerhalb von +/-20 % bleibt der Trend "STABLE".

Warum Aktivitaet, nicht Views

Die meisten Plattformen messen Aufmerksamkeit ueber View-Counts oder Watch-Time. Das ist messtechnisch einfach — aber lugthaft. Ein Bot-Farm-Run kann 10.000 Views erzeugen, ohne dass ein einziger Mensch wirklich liest. Eine Headline kann viral gehen, weil sie polarisiert, und nicht weil das Feld interessant ist. View-Counts mischen Engagement, Algorithmen-Push und reine Neugier.

HYPEXIO definiert Aktivitaet schmaler und mit Gewicht: activity = 1 · votes + 3 · predictions + 5 · articles. Votes zaehlen weniger, weil sie billig sind. Predictions zaehlen mehr, weil der User sich festlegt. Articles zaehlen am meisten, weil ein neuer Artikel ein vollstaendiges Editorial-Commitment bedeutet.

Das ist nicht perfekt, aber robust gegen die ueblichen Manipulations-Hebel. Ein Bot kann tausend Votes abgeben — das verschiebt einen Topic-Weight um vielleicht 0,4 Punkte und ist via Reputation-Gewichtung sowieso geringer skaliert. Massenhaft Predictions abzugeben kostet Score-Punkte beim spaeteren Brier-Resolve, falls die Predictions falsch waren. Articles zu manipulieren wuerde Editorial-Approval verlangen — das ist nicht algorithmisch ausnutzbar.

Die sum-to-100-Normalisierung

Jeder taegliche Recompute laeuft so: erst pro Kategorie Aktivitaet ueber die letzten 7 Tage messen. Dann durch die Summe aller Kategorie-Aktivitaeten teilen. Dann mal 100. Dann auf integer runden. Die Rundungs-Reste werden auf die letzte Kategorie verteilt, damit die Summe exakt 100 bleibt — der "Konservierungssatz der Aufmerksamkeit".

Das hat zwei interessante Folgen. Erstens: wenn AI explodiert, muss zwangslaeufig etwas anderes sinken. Die Plattform belohnt nicht jeden viralen Wellenkamm — sie zeigt, wo Aufmerksamkeit verlagert wird. Zweitens: das System ist gegen absolute Aktivitaets-Niveaus invariant. Ob in einer Woche 100 Votes oder 100.000 abgegeben wurden, der Donut sieht aehnlich aus.

Daraus folgt: in einer leeren Anfangsphase (wenig Votes, wenig Predictions, wenig Articles) sind die Weights instabil. Drei zusaetzliche Votes koennen einen Topic um 5 Punkte verschieben. Erst ab ein paar hundert Aktivitaets-Punkten pro Woche stabilisiert sich der Kompass.

Wie man den Donut liest

Der Kompass-Donut hat acht Segmente, eines pro Kategorie. Jedes Segment ist proportional zu seinem aktuellen Topic-Weight. Hover (oder Tap auf Mobile) zeigt den exakten Wert plus den Vergleich zur 30-Tage-Baseline. Cyan-Hervorhebung markiert die Top-3-Kategorien dieser Woche.

Wer auf das Segment klickt, landet auf der Kategorie-Seite mit allen aktuellen Beitraegen. Direkt darunter zeigt der Kompass die Leader-Cards: pro Top-Kategorie ein konkretes Beitragsdetail mit Reality- und Hype-Score, plus eine kurze Begruendung, warum das Weight gerade steht ("EAST-Tokamak-Story sammelte 412 Votes in 7 Tagen").

Die Trend-Pfeile (UP/DOWN/STABLE) zeigen die Bewegung gegen die 30-Tage-Baseline. UP heisst: Aktivitaet 7d / Baseline 30d >= 1,2. DOWN heisst: das Verhaeltnis <= 0,8. Alles dazwischen ist STABLE. Wer Trend-Pfeile ueber mehrere Wochen verfolgt, sieht die langfristige Verschiebung der Community-Interessen.

Warum das ehrlicher ist als View-Counts

View-Counts mischen drei Dinge: aktiver Lesewille, algorithmische Empfehlung, und Zufall. Wer das Gesamtsignal als "Interesse" interpretiert, ueberschaetzt dauerhaft, was algorithmische Push-Mechanik tut. Das ist nicht bosshaft — es ist nur lugthaft.

Aktivitaets-Weighting verlangt eine bewusste Handlung: jemand klickt Vote, jemand committet auf eine Prediction, jemand schreibt einen Artikel. Jede Aktion hat einen kleinen, aber realen Kostensatz fuer den User. Das filtert passive Wische heraus.

Die Kehrseite: in der Anfangsphase ist der Kompass volatil. Wer keine Lust hat, Wochen-zu-Wochen-Spruenge auszuhalten, sollte stattdessen die 30-Tage-Baseline als Lese-Wert verwenden. Die Plattform zeigt beides nebeneinander.

Wer mehr Tiefe will: die Methodik-Seite hat die Formel komplett, inklusive Edge-Cases (was passiert bei 0 Aktivitaet in einer Kategorie, wie wird die Baseline berechnet, wie alt darf ein Beitrag sein, um zu zaehlen).

Wann der Kompass neu rechnet

Der Recompute-Job laeuft jeden Tag um 04:00 UTC, vor dem 08:00-UTC-Newsletter. Eine Transaktion, kein LLM, Cost-Cap nahe null. Aktivieren laesst er sich ueber das ENV-Flag COMMUNITY_COMPASS_ENABLED=true in /opt/hypexio/.env; das Cron-Pattern haengt an COMPASS_RECOMPUTE_CRON (Default 04:00 UTC).

Jeder Run schreibt einen Snapshot pro Sprache in community_compass_snapshots. Daraus speist sich die Donut-Visualisierung, die Leader-Cards, die Stats und die Trend-Pfeile. Snapshots werden 90 Tage gehalten — danach reichen die historischen Topic-Weights ohne Snapshot-Body.

Der Job ist bewusst LLM-frei. Wer Community-Daten ueber LLMs interpretieren wollte, kam meist mit eingebauten Biases zurueck. Eine direkte SQL-Aggregation ist nachvollziehbar, reproduzierbar und kostenneutral.