Wie wir rechnen — die Bewertung, tatsächlich erklärt.

Sie ordnen die Kriterien nach Wichtigkeit. Das oberste bekommt das höchste Gewicht, das unterste das niedrigste — gleichmäßig abgestuft, zusammen immer 100 %. Verschieben Sie ein Kriterium nach oben, steigt sein Gewicht sofort sichtbar als Prozentwert an der Zeile.

Formel (linear fallende Rang-Gewichte): wᵢ = (n − i + 1) / Σ(1..n) — 1-indiziert, i = Rangplatz, n = Anzahl der Kriterien. Invariante: Σwᵢ = 1.

Nachrechenbares Beispiel — drei bewertete Kriterien (Σ(1..3) = 6, also Gewichte 3/6, 2/6, 1/6), Werte auf der Skala 1–5:

Bleiben Kriterien unbewertet, werden sie aus der Rechnung genommen und die Gewichte der bewerteten Kriterien neu auf 100 % verteilt — leere Felder verzerren das Ergebnis nicht. Sind alle Positionen gleich gewichtet, fällt die Formel auf den arithmetischen Durchschnitt zurück. Jede Endnote lässt sich als Glass-Box öffnen: genau diese Tabelle, live für Ihre Eingabe.

Heute live (Track A): die Positions-Gewichtung aus § 1, die Renormierung über bewertete Kriterien, frei ergänzbare Kriterien, die Glass-Box und die automatische Schwärzung (§ 5). Genau dieses Verhalten läuft im Einsatz (§ 4) und in den Demos auf dieser Site.

Im Code angelegt, nicht verdrahtet (Zielbild): ein mehrstufiges Gewichtsmodell (Community-Vorschlag → Systemberechnung → protokollierte Betreiber-Korrektur, jede Stufe mit Audit-Snapshot) existiert als Engine-Schicht, speist aber die Live-Berechnung noch nicht. Wir beschreiben es hier, weil es die Architektur erklärt — wir verkaufen es nicht als heutiges Verhalten.

Die Engine trennt zwei Dinge strikt: die Rechen-Engine (Gewichtung, Rechenweg, Schwärzung — für alle gleich) und die Policy — die konfigurierbare Regelschicht, die je Objekt-Typ (App, Artikel, Produkt, Person, …) festlegt, welche Kriterien zulässig sind, was gesperrt ist und was veröffentlicht werden darf.

Unsere Referenz-Policy — so setzen wir die Engine auf den ra.de-Plattformen ein:

• Keine Qualitäts- oder Erfolgs-Scores über Richter und Gerichte.
• Keine Vorhersage von Prozessausgängen (Legal Prediction).
• Keine öffentlichen Personen-Rankings.
• Personen-Bewertungen werden nur veröffentlicht, wenn die bewertete Person ausdrücklich zustimmt (Opt-in) — das gilt auch für abgeleitete Bewertungen; die Zustimmung ist jederzeit widerrufbar. Ohne Zustimmung bleibt eine Bewertung intern.
• Kein bezahlter Einfluss auf Scores (Commercial Boost gesperrt).

Diese Sperren sitzen für die kuratierten Signal-Typen in der Rechenschicht, nicht in der Oberfläche — sie lassen sich dort nicht aushebeln. Frei hinzugefügte Kriterien sind Ihre lokalen Kriterien: sie werden auf unseren Flächen weder veröffentlicht noch aggregiert, und Freitexte werden geschwärzt (§ 5). Die Sperren sind unsere bewusste Konfiguration — nicht die Grenze der Engine. Der rechtskonforme Default bleibt dabei gesetzt (Personen-Publikation nur mit Opt-in); ein Abweichen davon ist eine ausdrückliche, dokumentierte Betreiber-Entscheidung.

White-Label: Betreiber konfigurieren die für ihre Plattform geltende Policy selbst und sind als datenschutzrechtlich Verantwortliche für deren Rechtmäßigkeit verantwortlich — insbesondere bei der Bewertung von Personen. trust-on.net liefert die Engine mit rechtskonformen Voreinstellungen (Personen-Bewertungen standardmäßig nur mit Opt-in); abweichende Konfigurationen liegen im Rahmen des für den Betreiber geltenden Rechts in dessen Verantwortung. Verantwortungsabgrenzung und Freistellung werden je Projekt vertraglich vereinbart.

• anwalttools.de: unter den Apps als Feedback-Modul — Bewertungs-Objekt ist die jeweilige App.
• Love Check: der Consumer-Ableger mit frei benannten Kriterien — anwalttools.de/love-check.
• Auf sich selbst: auf dieser Site bewertet die Engine die eigene Methodik — zur Selbst-Bewertung.

Freitext-Felder (Begründungen, Hinweise) werden vor der Anzeige automatisch geschwärzt: E-Mail-Adressen, Telefonnummern und namensähnliche Angaben werden durch „[geschwärzt]“ ersetzt. Besteht ein Text nur aus solchen Angaben, wird er ganz verworfen.

Die Engine führt Signal-Gruppen wie „bestätigter Mandant“ und „fachliche Referenz“ (z. B. eine Anwältin bewertet einen Fachartikel) — angelegt als eigene, höher vertrauenswürdige Signal-Klassen. Die automatische Höher-Gewichtung solcher Stimmen im Score ist im Code angelegt, aber nicht verdrahtet — Zielbild derselben Ausbaustufe wie das Gewichtsmodell aus § 2. Rekursive Autorität (wer selbst verlässlich bewertet wird, dessen Bewertungen zählen etwas mehr) ist reines Zielbild — dafür gibt es noch keinen Code-Bestand.

Heute: die Berechnungsschicht ist deterministisch — gleiche Eingaben ergeben dasselbe Ergebnis, kein KI-Nachjustieren. Die Loop-Ableitung (§ 4, Selbst-Bewertung) ist eine einmalige, reine Rechnung: Neuberechnungs-Ketten können konstruktionsbedingt nicht entstehen. Verschiebungen der Standard-Reihenfolge sind konservativ begrenzt und werden von der Stabilitäts-Rückmeldung gedämpft. Und: auf unseren Flächen existiert kein öffentliches Bewertungs-Aggregat (§ 10) — es gibt dort schlicht nichts zu kapern.

Im Code angelegt, nicht verdrahtet (Zielbild): ein neutraler Vorwert mit festem Eigengewicht (statistisch: ein Bayesianischer Prior) für künftige Aggregate. In Alltagssprache: die ersten Stimmen ziehen den Wert nur ein Stück von der Mitte weg — erst viele echte Bewertungen verdrängen den Vorwert ganz, ein einzelner Ausreißer oder eine kleine, koordinierte Gruppe kann einen Wert dann nicht kapern. Ebenfalls als Konfigurationswert angelegt: eine Tiefengrenze für Rückkopplungs-Neuberechnungen.

Der Digital Services Act (Art. 27 DSA) und die P2B-Verordnung verlangen von Plattformen, die Hauptparameter ihrer Empfehlungs- und Ranking-Systeme offenzulegen. Wir wenden diesen Maßstab auf uns an — unabhängig davon, ob er uns formal trifft: Formel, Gewichtung, Regeln, Schutzmechanismen und Grenzen stehen auf dieser Seite offen und dauerhaft. Für uns ist das keine Auflage, sondern das Produktprinzip — eine Bewertung, deren Zustandekommen man nicht prüfen kann, ist keine Vertrauens-Basis.

Wer von einer Bewertung betroffen ist, kann sie beanstanden: Einwände erreichen uns über den Kontaktweg und werden dokumentiert geprüft. Bewertungen werden dabei nicht wegen niedriger Werte entfernt — entfernt werden ausschließlich rechtswidrige Inhalte, und jede Entfernung wird mit Grund protokolliert.

• Die Engine misst Prioritäten und Einschätzungen, keine objektive Wahrheit: die Zahl ist so gut wie die Kriterien und die Ehrlichkeit der Bewertenden — deshalb legen wir den Rechenweg offen, statt Objektivität zu behaupten.
• Die Demos auf dieser Site rechnen lokal in Ihrem Browser; es gibt hier kein serverseitiges Bewertungs-Aggregat — was Sie sehen, ist Ihre eigene Eingabe.
• White-Label heute: verfügbar ist das Widget mit konfigurierbaren Szenarien, Kriterien, Wording, Theme und Policy. Aggregations-, Speicher- und Publikations-Pfade werden je Projekt individuell umgesetzt und vereinbart.

Ihre Eingaben in den Demos auf dieser Website bleiben lokal in Ihrem Browser; nichts wird übertragen oder gespeichert. ra.de Bewertungen ist eine strukturierte Orientierungshilfe — keine verbindliche Bewertung und kein Rechtsrat.