Si kontrollojmë
Një inteligjencë artificiale (IA) lidh përshkrimin tuaj me rregullat e rregullores. Orët, shkallën dhe paratë i rillogarit një program me rregulla fikse, pa IA. Rezultati mund të jetë i gabuar, prandaj në fund kontrolloni dhe vendosni ju.
Si funksionon
- Ju
Përshkruani
Ju përshkruani jetën tuaj të përditshme me fjalët tuaja.
- IA
Lidh me rregullat
IA lidh fjalitë tuaja me rregullat, me citim fjalë për fjalë.
- Programi
Llogarit
Një program me rregulla fikse llogarit sipas rregullores.
- Ju
Vendosni
Ju shikoni çdo rresht dhe vendosni çfarë të bëni me të.
Sa shpesh e ka të saktë
Më e besueshmja deri tani: raste gjyqësore të paprekura
5 nga 15
Raste gjyqësore që pas ndërtimit nuk i prekëm më: këtu kontrolluesi e caktoi shkallën saktë që në provën e parë, në rastet e tjera zakonisht më ulët se duhet.
Gjendja sot: raste ushtrimi
10 nga 14
Raste ushtrimi nga aktgjykime të publikuara, me të cilat e kemi përshtatur kontrolluesin: këtu ai e caktoi shkallën saktë që në provën e parë.
Pflegegeld-Prüfer ju ndihmon të përgatiteni. Shkallën e cakton autoriteti ose gjykata. Kërkoni këshillim.
Përgatitja
Mblodhëm 29 aktgjykime të publikuara për pagesën për kujdes (Pflegegeld). Në 13 prej këtyre rasteve, vendimi (Bescheid) nuk ishte në shkallën që gjykata caktoi në fund.
Rregullat u caktuan më parë
Para se të matnim për herë të parë, ishte caktuar çfarë llogaritet si rezultat i saktë dhe cili objektiv vlen: 12 nga 14 raste ushtrimi.
Matjet e para
Prova e parë e qëlloi në 9 nga 14. E përmirësuam një herë dhe pastaj i ngrimë rregullat dhe udhëzimet për IA-në. Prova e fundit e qëlloi në 10 nga 14, pra objektivi nuk u arrit.
Në 4 nga këto rezultate të sakta, përgjigjja e duhur nuk ishte një shkallë: personi nuk kishte të drejtë, ose ishte një fëmijë për të cilin nuk llogarit. Në rastet me shkallë të vërtetë, e qëlloi në 6 nga 9.
Prova në rastet e paprekura
Një herë, në fund, në 15 aktgjykime të tjera: 5 të sakta. Pas kësaj nuk ndryshuam më asgjë. Në rastet me shkallë të vërtetë ishin 4 nga 13.
Që atëherë
Faqja është publike. I kemi përmirësuar pyetjet shtesë dhe ndërfaqen. Më 28.09.2026 krahasuam 10 modele IA në të njëjtat raste. Gemini 3.8 Flash, modeli për tekstin tuaj, i qëlloi rastet e ushtrimit po aq shpesh sa modeli që e marrim si masë për cilësinë. Më 29.09.2026 matëm përsëri, rezultati shfaqet lart si gjendja sot.
Matim në aktgjykime të publikuara, ku shkalla e duhur dihet tashmë. Një pjesë të tyre e përdorim për ushtrim dhe përmirësim. Një pjesë tjetër nuk e prekim dhe e kontrollojmë vetëm në fund.
Çfarë llogaritet si rezultat i saktë, e caktojmë më parë dhe e shkruajmë. Ndryshimet e mëvonshme shënohen aty me datë. Çdo matje shtohet dhe asnjë nuk fshihet, edhe ato të dobëtat.
Vetë metodën e vëmë vazhdimisht në pyetje. Një kontroll automatik pa IA kryhet me çdo ndryshim. Ai rillogarit raportet, kontrollon emëruesit dhe kërkon gjurmë të rasteve të paprekura në rregulla. Ai nuk mund të matë përsëri. Çfarë gjejmë, e shkruajmë më poshtë te kufizimet.
Matur më 29.09.2026 me Gemini 3.8 Flash, modelin që lexon edhe tekstin tuaj. Me këto raste e kemi përshtatur kontrolluesin, prandaj numri ka më shumë gjasa të jetë tepër i lartë.
Matur një herë më 26.09.2026. Ky numër tregon më së shumti se si del në raste të reja.
Për krahasim: nëse në këto raste do të merrej thjesht shkalla nga vendimi, kjo do të ishte e saktë në 8 nga 14 raste, pra më shpesh. Pra kontrolluesi nuk e dallon me siguri nëse një vendim është i saktë.
Kur programi merr orët nga aktgjykimi, shkalla del e saktë në të gjitha 22 rastet e ushtrimit dhe rastet e trilluara. Në rastet e paprekura, në 12 nga 15. Aktgjykimet e tjera nuk japin orë për çdo detyrë kujdesi, prandaj programit i mungojnë të dhënat.
Kur gaboi, zakonisht ishte më ulët se duhet: dhjetë herë më ulët, dy herë më lart.
Çfarë do të thotë kjo për ju?
Nëse kontrolluesi tregon më shumë se vendimi juaj, ia vlen të shikoni me kujdes dhe të kërkoni këshillim.
Nëse nuk tregon më shumë, kjo nuk do të thotë se vendimi juaj është i saktë. Ka më shumë gjasa që të mos vërejë diçka, sesa të premtojë tepër.
Kufizimet
Ku mund të gabojë
- U mat në pak raste. Kjo e bën çdo numër të pasaktë.
- Rastet gjyqësore janë aktgjykime të ritreguara, jo ende përshkrime nga familje të vërteta.
- Cila shkallë është e saktë për çdo aktgjykim, e nxori një IA nga aktgjykimi. Një ekspert ligjor nuk e ka rishikuar ende këtë.
- Disa rregulla të kontrolluesit u nxorën nga raste që më vonë shërbyen si raste të paprekura. Kjo mund ta favorizojë pak rezultatin atje.
- Tekstin tuaj e lexon Gemini 3.8 Flash, i njëjti model si te gjendja sot. Në rastet e paprekura ai nuk është matur ende.
Çfarë nuk bën
- Nuk vendos për pagesën tuaj për kujdes (Pflegegeld).
- Nuk ju këshillon dhe nuk ju përfaqëson.
- IA nuk llogarit. Shpeshtësitë i merr vetëm nga fjalët tuaja.
- Nuk e ruan përshkrimin tuaj përgjithmonë.
A është e saktë shkalla juaj?
Përshkruani një ditë të zakonshme. Kontrolluesi i lidh fjalitë tuaja me rregullat dhe llogarit nëse shkalla në vendim (Bescheid) është e duhur.
Kontrolloni vendimin tuajPër specialistët
Raundi i fundit i matjes: 29.09.2026.
Të gjitha raundet e matjes
Çdo raund i vlerësuar, në të cilin IA lexon përshkrimin, sipas radhës kohore. Asgjë nuk mbishkruhet.
- 26.09.2026 · Raste ushtrimi: 9 nga 14Intervali 39 deri 84 % · Modeli Claude Opus 5.5Erster Lauf aus freiem Text, vor der einen Änderung an der Anweisung an die KI.
- 26.09.2026 · Raste ushtrimi: 10 nga 14Intervali 45 deri 88 % · Modeli Claude Opus 5.5Endlauf nach dem Einfrieren von Regeln und Anweisung. Das ist die vorher festgelegte Hauptzahl.
- 26.09.2026 · Raste të trilluara: 7 nga 7Intervali 65 deri 100 % · Modeli Claude Opus 5.5Erfundene Fälle mit Antworten auf die Rückfragen, darum eine Obergrenze.
- 26.09.2026 · Raste të paprekura: 5 nga 15Intervali 15 deri 58 % · Modeli Claude Opus 5.5Unberührte Fälle, einmal gemessen, danach nichts verändert.
- 26.09.2026 · Aktgjykime të reja, pilot: 6 nga 6Intervali 61 deri 100 % · Modeli Claude Opus 5.5Pilot mit neuen Urteilen, nicht vorher festgelegt. Fast alle Fälle ohne Anspruch, sagt über Stufen darum wenig.
- 28.09.2026 · Raste ushtrimi: 10 nga 14Intervali 45 deri 88 % · Modeli Claude Opus 5.5 · Orët ndryshojnë mesatarisht me 17,7Modellvergleich, Bezugsarm für die Qualität. Verfehlt dieselben Übungsfälle wie das Modell, das eigenen Text liest.
- 28.09.2026 · Raste të trilluara: 7 nga 7Intervali 65 deri 100 % · Modeli Claude Opus 5.5 · Orët ndryshojnë mesatarisht me 0,6Modellvergleich. Erfundene Fälle mit Antworten auf die Rückfragen, darum eine Obergrenze.
- 28.09.2026 · Raste kufitare: 2 nga 2Intervali 34 deri 100 % · Modeli Claude Opus 5.5 · Orët ndryshojnë mesatarisht me 0Modellvergleich, Randfälle.
- 28.09.2026 · Aktgjykime të reja, pilot: 6 nga 6Intervali 61 deri 100 % · Modeli Claude Opus 5.5 · Orët ndryshojnë mesatarisht me 5Modellvergleich. Fast alle Fälle ohne Anspruch, sagt über Stufen darum wenig.
- 28.09.2026 · Raste ushtrimi: 10 nga 14Intervali 45 deri 88 % · Modeli Claude Sonnet 5 · Orët ndryshojnë mesatarisht me 17,3Modellvergleich, bestes weiteres Modell aus der Sichtung.
- 28.09.2026 · Raste të trilluara: 6 nga 7Intervali 49 deri 97 % · Modeli Claude Sonnet 5 · Orët ndryshojnë mesatarisht me 0,7Modellvergleich. Erfundene Fälle mit Antworten auf die Rückfragen, darum eine Obergrenze.
- 28.09.2026 · Raste kufitare: 2 nga 2Intervali 34 deri 100 % · Modeli Claude Sonnet 5 · Orët ndryshojnë mesatarisht me 0Modellvergleich, Randfälle.
- 28.09.2026 · Aktgjykime të reja, pilot: 6 nga 6Intervali 61 deri 100 % · Modeli Claude Sonnet 5 · Orët ndryshojnë mesatarisht me 0,8Modellvergleich. Fast alle Fälle ohne Anspruch, sagt über Stufen darum wenig.
- 28.09.2026 · Raste ushtrimi: 10 nga 14Intervali 45 deri 88 % · Modeli Gemini 3.8 Flash · Orët ndryshojnë mesatarisht me 19,4Modellvergleich mit dem Modell, das eigenen Text liest, gleichauf mit Claude Opus. Gemessen über das lokale Abo-Gateway, nicht über den Weg der gehosteten Prüfung.
- 28.09.2026 · Raste të trilluara: 7 nga 7Intervali 65 deri 100 % · Modeli Gemini 3.8 Flash · Orët ndryshojnë mesatarisht me 0,6Modellvergleich. Erfundene Fälle mit Antworten auf die Rückfragen, darum eine Obergrenze.
- 28.09.2026 · Raste kufitare: 1 nga 2Intervali 10 deri 91 % · Modeli Gemini 3.8 Flash · Orët ndryshojnë mesatarisht me 0Modellvergleich, Randfälle. Ein Randfall blieb ohne Wertung, weil das Gateway zweimal keine Antwort lieferte; er zählt hier als nicht getroffen.
- 28.09.2026 · Aktgjykime të reja, pilot: 5 nga 6Intervali 44 deri 97 % · Modeli Gemini 3.8 Flash · Orët ndryshojnë mesatarisht me 4,2Modellvergleich. Fast alle Fälle ohne Anspruch, sagt über Stufen darum wenig.
- 29.09.2026 · Raste ushtrimi: 10 nga 14Intervali 45 deri 88 % · Modeli Gemini 3.8 Flash · Orët ndryshojnë mesatarisht me 17,8Zweite Messrunde, neu gemessen nach der Änderung der Regel zur Bindung an den Bescheid bei einer Klage (Link und Wortlaut); die Anweisung an die KI blieb gleich. Wie im Modellvergleich über das lokale Abo-Gateway gemessen, nicht über den Weg der gehosteten Prüfung.
- 29.09.2026 · Raste të trilluara: 7 nga 7Intervali 65 deri 100 % · Modeli Gemini 3.8 Flash · Orët ndryshojnë mesatarisht me 0,9Zweite Messrunde. Erfundene Fälle mit Antworten auf die Rückfragen, darum eine Obergrenze.
- 29.09.2026 · Raste kufitare: 1 nga 2Intervali 10 deri 91 % · Modeli Gemini 3.8 Flash · Orët ndryshojnë mesatarisht me 0Zweite Messrunde, Randfälle. Ein Randfall blieb ohne Wertung, weil das Gateway zweimal keine Antwort lieferte; er zählt hier als nicht getroffen.
- 29.09.2026 · Aktgjykime të reja, pilot: 5 nga 6Intervali 44 deri 97 % · Modeli Gemini 3.8 Flash · Orët ndryshojnë mesatarisht me 3,3Zweite Messrunde. Fast alle Fälle ohne Anspruch, sagt über Stufen darum wenig.
Raste të paprekura
Kalimi i parë: shkalla e referencës u qëllua në 5 nga 15 raste. Nga 100 raste të ngjashme, ndoshta 15 deri 58 do të ishin të sakta.
Prej tyre me shkallë të vërtetë 4 nga 13, pa të drejtë 1 nga 1, fëmijë jashtë fushës së kontrollit 0 nga 1.
Gabim: 10. Prej tyre 7 më ulët, 2 më lart, një herë nuk u njoh një fëmijë.
I saktë në çdo provë: 3 nga 15.
Me një pyetje shtesë: 7 nga 15.
Këto raste u vlerësuan një herë në fund, dhe pas kësaj nuk u përmirësua asgjë në to. Rezultati shfaqet këtu, edhe nëse është i dobët.
Para ndërtimit, këto raste ishin përdorur tashmë në krahasime modelesh. 22 rregulla përmendin njërin prej tyre si origjinë, 10 prej tyre janë në tekstin për IA-në. Kjo ka të bëjë me X16, X19, X21, X22, X24, X25, X28, X29, X30. Vetë ID-të e rasteve nuk janë në tekstin për IA-në. Prandaj i quajmë rastet të paprekura që nga ndërtimi, jo të reja.
Marrja e shkallës nga vendimi
Raste të paprekura: në 14 rastet me shkallë reference, vendimi fillestar e qëlloi 8 herë, pra më shpesh se Pflegegeld-Prüfer.
Raste ushtrimi: në 14 rastet me shkallë reference, vendimi e qëlloi 5 herë, pra më rrallë se Pflegegeld-Prüfer.
Në të gjitha 29 aktgjykimet e mbledhura me vendim, vendimi ishte 16 herë në shkallën sipas aktgjykimit.
Nëse rezultati i tij ndryshon nga vendimi, kjo nuk provon se vendimi është i gabuar. Është një arsye për të shikuar më me kujdes dhe për të kërkuar këshillim.
A tregon më shumë kur vendimi ishte më i ulët se duhet?
Numëruar më pas, jo i caktuar më parë. Për matjen e ardhshme, këtë madhësi e caktojmë më parë.
Raste të paprekura: Kur vendimi ishte nën shkallën e referencës, tregoi më shumë se vendimi në 4 nga 6 raste. Kur vendimi ishte i saktë, tregoi përsëri më shumë në 1 nga 8 raste.
Raste ushtrimi: Kur vendimi ishte nën shkallën e referencës, tregoi më shumë se vendimi në 3 nga 3 raste. Kur vendimi ishte i saktë, tregoi përsëri më shumë në 0 nga 5 raste.
Raste ushtrimi
Kalimi i parë: shkalla e referencës u qëllua në 10 nga 14 raste. Nga 100 raste të ngjashme, ndoshta 45 deri 88 do të ishin të sakta. Objektivi i caktuar më parë: 12, nuk u arrit.
Prej tyre me shkallë të vërtetë 6 nga 9, pa të drejtë 1 nga 1, fëmijë jashtë fushës së kontrollit 3 nga 4.
I saktë në çdo provë: 10 nga 14.
I qëlluar do të thotë: shumica e 3 provave e qëllon shkallën e referencës. Përveç kësaj ka një rast të veçantë, ku vlerësohet sjellja. Ai numërohet veçmas, bashkë janë 15 raste ushtrimi.
Me një pyetje shtesë: 13 nga 15. Numërohet kur e qëlloi shkallën ose bëri pyetjen që kishte rëndësi. Objektivi i caktuar më parë: 13, u arrit.
Gabim: 4. Prej tyre 3 më ulët, asnjë më lart. Një herë nuk e njohu një rast fëmije.
Llogaritja pa IA
Me orët nga aktgjykimi, programi e qëllon 22 nga 22 raste, rastet e ushtrimit dhe rastet e trilluara bashkë. Objektivi i caktuar më parë: 22, u arrit.
Raste të paprekura: 12 nga 15. Nuk u qëlluan: X18, X25 dhe X30. Këto aktgjykime japin vetëm shkallën, jo orë për çdo detyrë kujdesi, prandaj programi nuk merr të dhëna.
Raste të trilluara
Matja përdor 7 raste të trilluara. IA lexon përshkrimin, programi llogarit: 7 nga 7 me shkallën e pritur. Objektivi i caktuar më parë: 6, u arrit. 5 prej tyre mund t’i provoni vetë në faqen e kontrollit.
Treguar ndryshe: shkalla ndryshoi në asnjë nga 35 riformulimet. Kjo matje nuk ishte caktuar më parë.
Modeli i kontrollit tuaj
Kontrolli juaj me tekstin tuaj përdor Gemini 3.8 Flash. Gjendja sot vjen nga ky model. Hollësitë për rastet e ushtrimit dhe rastet e paprekura në këtë pjesë vijnë nga prova me Claude Opus 5.5.
Një provë e parë e veçantë me Gemini 3.8 Flash më 26.09.2026 e qëlloi 11 nga 14 raste ushtrimi. Nga 100 raste të ngjashme, ndoshta 52 deri 92 do të ishin të sakta. Ky model nuk është matur ende në rastet e paprekura.
Krahasimi i modeleve
Më 28.09.2026 krahasuam 10 modele IA në të njëjtat raste: raste ushtrimi, raste të trilluara, raste kufitare dhe raste shtesë. Rastet e paprekura nuk ishin përfshirë. Në rastet e ushtrimit, Gemini 3.8 Flash e qëlloi 10 nga 14, Claude Opus 5.5 10 nga 14, secili sipas shumicës së provave.
Të dy gabuan në të njëjtat raste: X5, X6, X12 dhe X15. Pra mungesa qëndron më shumë te rregullat dhe procesi sesa te modeli. Prandaj Gemini 3.8 Flash mbetet modeli për tekstin tuaj. Claude Opus 5.5 kontrollon rastet që nuk u qëlluan si mendim i dytë, dhe çdo përmirësim e matim përsëri me Gemini 3.8 Flash në të njëjtat raste.
Këto janë pak raste, dhe me rastet e ushtrimit e kemi përshtatur kontrolluesin. Prandaj një ndryshim mes modeleve nuk është provuar, në asnjë drejtim.
Nga vjen shkalla e referencës
Rastet gjyqësore vijnë nga aktgjykime të publikuara të gjykatave austriake.
Agjentë IA i kërkuan, i lexuan dhe i ritreguan këto aktgjykime. Nga çdo aktgjykim u nxor cila shkallë përshtatet sipas rregullave. Kjo shkallë këtu quhet shkalla e referencës.
Në disa raste ajo ndryshon nga shkalla në aktgjykim, për shembull kur një fëmijë është jashtë fushës së kontrollit.
Pyetjet e diskutueshme i vendosi drejtuesi i faqes, çdo herë ashtu si e rekomanduan agjentët. Një ekspert ligjor nuk i ka kontrolluar ende shkallët e referencës.
Si mbetemi të ndershëm
- Rastet e ushtrimit dhe rastet e paprekura mbeten të ndara. Në rastet e paprekura nuk përmirësohet asgjë.
- Çfarë llogaritet si rezultat i saktë, caktohet më parë. Ndryshimet shtohen si shtojca me datë.
- Çdo matje shtohet, asnjë nuk mbishkruhet. Secila mban një gjurmë gishti të rregullave dhe të udhëzimeve për IA-në.
- Provat e matjes nuk kushtojnë para për çdo thirrje, prandaj mund të matim aq shpesh sa duhet.
- Çfarë kemi numëruar më pas, shënohet si e tillë.
- Një kontroll pa IA kryhet me çdo ndryshim. Ai rillogarit raportet dhe emëruesit, kërkon gjurmë të rasteve të paprekura në rregulla dhe përshkrime dhe krahason rastet e ushtrimit me rastet e paprekura. Ai nuk mat përsëri.
Fjalë teknike
- Raste ushtrimi
- kalibrim
- Raste të paprekura
- holdout, parë tashmë para ndërtimit
- Caktuar më parë
- regjistrim paraprak
- Intervali
- intervali 95 % sipas Wilson
Rast pas rasti
Rastet e ushtrimit një nga një. Prekni një rast për të parë hollësitë.
Rastet e paprekura një nga një.
Kjo nuk është këshillim ligjor. Arbeiterkammer (AK, Dhoma e Punës) dhe shoqatat e personave me aftësi të kufizuara i këshillojnë anëtarët e tyre për vendimin (Bescheid) dhe për padinë (Klage).