Lorem-Ipsum-Generator-Lab

Eine Markov-Kette ist der direkte mathematische Vorläufer moderner Large Language Models (LLMs). Beide arbeiten nach derselben autoregressiven Schleife zur Vorhersage des nächsten Tokens. Der Generator betrachtet die vorangegangenen N Wörter (Kontextfenster) und wählt das nächste Wort aus einer Wahrscheinlichkeitsverteilung. Während eine Markov-Kette einfach exakt passende Wortfolgen in einem kleinen Korpus nachschlägt, nutzt ein LLM Milliarden von Parametern (Attention-Schichten), um Kontext auszuwerten und Wahrscheinlichkeiten zu berechnen. Außerdem entspricht die hier eingestellte Ziel-Entropie direkt dem Parameter Temperatur in LLM-APIs: höhere Entropie erzeugt kreativen, vielfältigen Text (hohe Temperatur), niedrigere Entropie erzeugt repetitiven, vorhersagbaren Text (niedrige Temperatur).

Blindtext existiert, damit man ein Layout beurteilen kann — Abstände, Schriftgröße, Zeilenumbrüche — ohne sich vom eigentlichen Inhalt der Wörter ablenken zu lassen. Echter Text verleitet Prüfer dazu, Sätze umzuschreiben, bevor das Design überhaupt feststeht. Dieses Labor geht noch weiter: Die Kennzahlen für Entropie und Zipf zeigen, ob dein Fülltext die Worthäufigkeit echter Sprache nachahmt, sodass Absätze genauso umbrechen wie später der reale Inhalt.

„Lorem ipsum“ ist kein erfundenes Kauderwelsch — es ist durcheinandergewürfeltes Latein aus Ciceros ethischer Abhandlung De finibus bonorum et malorum von 45 v. Chr. Es beginnt sogar mitten im Wort: Lorem ist der Rest von dolorem („Schmerz“), dem die erste Silbe abgeschnitten wurde. Der Standard-Fülltext des Web ist also eine 2.000 Jahre alte Betrachtung über Lust und Schmerz, von frühen Druckern zu einem Schriftmuster verstümmelt — und im Markov-Modus kannst du neu verwürfeln, was sie einst von Hand verwürfelten.