FKI evaluation – Germany, 2026 preliminary
Full transparency: here you can see how many points each expert model gave each sub-indicator, with what own estimate range, and what the final value is. The calculation follows version 5.2 of the measurement rules.
The other countries’ evaluations are made with the same procedure as the Hungarian one, but the experts also estimate the machine-calculated terms (E1, E1a, T1, T2). The values are preliminary.
Other countriesThe reasons, the footnote and FD Finder Expert’s written assessment are in Hungarian.
Result
With good practice, the FKI would be about 0 points lower.
The experts
Three expert models, from three different developers, do the scoring independently of each other, working from the verified evidence list and FD Finder’s professional knowledge base. Each gives an exact value and its own estimate range. The scores count with equal weight.
| Model | Version | Note |
|---|---|---|
| Anthropic Claude | Opus 5.5 | |
| Google Gemini | Gemini 4 Argon | |
| OpenAI ChatGPT | GPT-6 Astra, ChatGPT Work |
Every score in one table
The experts’ scores, with their own estimate range in brackets. The final value is the central value of the scores (the average of the median and the mean); only a reasoned decision can depart from it, between the lowest and the highest score.
| Sub-indicator | Anthropic Claude | Google Gemini | OpenAI ChatGPT | Final |
|---|---|---|---|---|
| Spread | ||||
| E1 Extent of infection | 1(0–3) | 0(0–1) | 0(0–2) | 0.2 |
| E1a Confirmed exposure | 1(0–1) | 0(0–1) | 0(0–0.4) | 0.2 |
| I Infection density | 0(0–25) | 0(0–17.5) | 15.1(0–40.1) | 2.5 |
| T9 Introduction pressure | 48(36–60) | 56(45–68) | 52(40–66) | 52 |
| T1 Leafhopper distribution | 6(4–7) | 1(1–3) | 6(5–9) | 5.2 |
| T2 Leafhopper density | 18(6–35) | 25(15–40) | 31(12–60) | 24.8 |
| T3 Lack of control in commercial vineyards | 30(18–45) | 25(15–38) | 50(43–59) | 32.5 |
| T5a Lack of control in abandoned refuges | 40(28–55) | 30(20–45) | 49(31–69) | 39.8 |
| T5b Lack of control in home-garden vines | 45(30–60) | 45(30–60) | 48(29–70) | 45.5 |
| T4 Shortfall in control quality | 58(48–70) | 22(14–32) | 36(24–51) | 37.3 |
| T7 Lack of awareness about control | 38(25–52) | 25(15–38) | 43(25–64) | 36.7 |
| T10 Lack of source removal | 8(2–25) | 10(3–20) | 8(1–29) | 8.3 |
| T11 Lack of economic capacity for control | 62(50–72) | 54(42–65) | 65(47–81) | 61.2 |
| T6 Propagating-material pathway | 38(28–52) | 35(24–48) | 32(18–51) | 35 |
| T8 Weather | – | – | – | 50 |
| Unknown foci | ||||
| G1 Unsurveyed share, commercial | 98(94–99) | 78(65–88) | 94(78–99) | 92 |
| G5a Unsurveyed share, home gardens | 96(88–99) | 85(70–95) | 81(58–95) | 86.2 |
| G5b Unsurveyed share, abandoned vineyards | 93(80–98) | 65(50–80) | 70(45–89) | 73 |
| G2 Survey unreliability | 34(22–48) | 20(12–30) | 25(13–43) | 25.7 |
| G4 Weakness of automated pre-screening | 88(78–96) | 90(80–98) | 96(80–100) | 90.7 |
| G3 Lack of lab confirmation | 18(6–40) | 15(5–28) | 18(4–43) | 17.5 |
| G6 Difficulty of notification | 46(38–56) | 35(25–48) | 45(29–59) | 43.5 |
| G8 Disincentives to notify | 80(65–90) | 45(30–60) | 91(71–100) | 76 |
| G11 Lack of economic interest in detection | 55(42–68) | 55(42–68) | 58(39–77) | 55.5 |
| Vine loss | ||||
| V1 Lack of a cure | 80(72–92) | 98(92–100) | 75(75–95) | 82.2 |
| V2 Lack of resistant varieties | 99(97–100) | 100(99–100) | 100 | 99.8 |
| V3 Lack of recovery | – | – | – | 100 |
| V4 General plant-health condition | – | – | – | 50 |
| V5 Lack of resources for community treatment and research | 58(45–70) | 30(20–42) | 66(43–84) | 54.7 |
| V6 Lack of a market for development | 65(52–75) | 60(48–70) | 67(49–82) | 64.5 |
| Epidemic burden | ||||
| J Epidemic burden | 0 | 0 | 0 | 0 |
FD Finder Expert’s summary
Németország 20%-os értéke (sáv: 20–25) előzetes, és a gépi tagokat (E1, E1a, T1, T2) itt szakértők becsülték: Claude, Gemini és ChatGPT. A 20% az igazolt FD-vel rendelkező országokra érvényes alsó határból jön: a számított érték 10,0% lenne (T 2,4, G 4,3, J nulla pont), tehát az értéket itt a szabály adja, nem a számítás. Az E1 és az E1a 0,2, a T1 5,2 pont: 2025 végén három helyen igazoltak FD-t, két faiskolában és egy 2024-ben telepített ültetvényben, alacsony gyakorisággal, felszámolás alatt (DE-009), a kabóca fertőzött területe pedig 2025-ben 726 ha-ra nőtt, 67 csapdahelyen 255 egyeddel (DE-007). A legnagyobb eltérés a térítés hiányánál (G8) volt: Gemini 45, Claude 80, ChatGPT 91 pontot adott, mert Gemini a listában nem talált adatot és az általános növényegészségügyi szabályokból indult ki, a másik kettő a hiányzó FD-térítést számolta; a védekezési szereknél (T4) Gemini 22, ChatGPT 36, Claude 58 pontot adott, mert Claude a szükségengedélyek (DE-025) évenkénti megújítását erősebben számolta. A legnagyobb bizonytalanság, hogy a kitörések tőszáma nem közölt, és országos átvizsgált hektár sincs (G1 92,0), ezért nem tudni, a kevés lelet mennyire tükrözi a kis keresést. A pontosabb értékhez minden tartományból szemlehektár, tőszám a három helyről és a faiskolai anyag nyomon követési adata kellene.
By sub-indicator
E1 — Extent of infection
MethodologyFinal value: 0.2 · central value: 0.2 (median: 0 · mean: 0.3) · Evidence: class B
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 1 | (0–3) | B | Efringen-Kirchen 263 ha / 101 965 ha = 0,26 %, a faiskolai helyeknél ültetvényzóna nem ismert; 2026-ból új lelet nem ismert; kerekítve 1.Knowledge base: orszagcsomagok-2026-10.md, 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md |
| Google Gemini | 0 | (0–1) | A | Baden-Württembergben mindössze 3 kis gócot (2 faiskola és 1 fiatal ültetvény, Wintersweiler 500 m-es fertőzött zónával) igazoltak, ami a ~103 000 ha-os német szőlőterület <0,1%-a (kerekítve 0 pont).Knowledge base: 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, 44_hatosagi_eves_jelentesek_felugyeleti_idosorok.md |
| OpenAI ChatGPT | 0 | (0–2) | C · data gap | A körülbelül 0,3%-os települési szőlőkiterjedés egész pontra kerekítve nulla, de a 2025-ös igazolt gócok miatt Németország nem FD-mentes.Knowledge base: J_termeloi_hang_kommunikacio_orszagok(6).md |
E1a — Confirmed exposure
MethodologyFinal value: 0.2 · central value: 0.2 (median: 0 · mean: 0.3) · Evidence: class C
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 1 | (0–1) | C | Egy ültetvényhely 1 km-es köre legfeljebb ~100 ha (~0,1 %); kerekítve 1.Knowledge base: orszagcsomagok-2026-10.md |
| Google Gemini | 0 | (0–1) | A | A három baden-württembergi kitörés 1 km-es környezete az országos szőlőterület ezrelékét sem éri el (kerekítve 0 pont).Knowledge base: 44_hatosagi_eves_jelentesek_felugyeleti_idosorok.md |
| OpenAI ChatGPT | 0 | (0–0.4) | C · data gap | A becsült 0,05%-os, mintegy 51 hektáros 1 km-es kitettség egész pontra nulla, a vektoros 726 hektárt nem vettem FD-kitettségnek.Knowledge base: J_termeloi_hang_kommunikacio_orszagok(6).md |
I — Infection density
MethodologyFinal value: 2.5 · central value: 2.5 (median: 0 · mean: 5) · Evidence: class C
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 00.01% | (0–25) | C · data gap | Három hely, tőszám nem közölt (~20–100 tő becslés) / kitett ~100 ha × ~4 500 tő/ha; 2024: 66 ha szemle.Knowledge base: orszagcsomagok-2026-10.md |
| Google Gemini | 00.01% | (0–17.5) | B | A három baden-württembergi lelet (2 faiskola, 1 ültetvény) egyedi tőkéket érint, a prevalencia rendkívül alacsony.Knowledge base: 44_hatosagi_eves_jelentesek_felugyeleti_idosorok.md |
| OpenAI ChatGPT | 15.10.04% | (0–40.1) | C · data gap | Becsült 102 kijelölt tő jut 254 913 kitett tőre; a három kitörés nem tőkeszám, azonos időablakú szemlehektár nincs.Knowledge base: C_magyar_helyzet_adatok(6).md |
T9 — Introduction pressure
MethodologyFinal value: 52 · central value: 52 (median: 52 · mean: 52) · Evidence: class A
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 48 | (36–60) | A | Elzászban elszigetelt esetek és vektor, Bázelnél a kabóca terjed, Ausztria távoli, Hollandia mentes; az élénk szaporítóanyag-forgalom számít.Knowledge base: orszagcsomagok-2026-10.md |
| Google Gemini | 56 | (45–68) | A | Hollandia mentes, Ausztria gócai távol esnek, ám a délnyugati határon Svájcban (Bázel, Aargau: vektor) és Franciaországban (Elzász/Turckheim) közvetlen a nyomás, és a szaporítóanyag-import már behurcolta a kórokozót.Knowledge base: 32_nemzetkozi_helyzet_orszagkartyak.md |
| OpenAI ChatGPT | 52 | (40–66) | C · data gap | Elzász felől közeli fertőzési nyomás van, de a stájer és távolabbi svájci adatok nem igazolnak több kiterjedt német határsávos fertőzést.Knowledge base: J_termeloi_hang_kommunikacio_orszagok(6).md |
T1 — Leafhopper distribution
MethodologyFinal value: 5.2 · central value: 5.2 (median: 6 · mean: 4.3) · Evidence: class B
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 6 | (4–7) | B | Lörrach és Breisgau-Hochschwarzwald 6 410 ha / 101 965 ha; a fertőzött terület 726 ha-ra nőtt, Rajna-Pfalz hálózata fogás nélküli.Knowledge base: orszagcsomagok-2026-10.md |
| Google Gemini | 1 | (1–3) | A | A Scaphoideus titanus csak Dél-Badenben (Lörrach és Breisgau-Hochschwarzwald járás, 726 ha befallsgebiet) van jelen, Rajna-Pfalz 75 figyelőhelye mentes; a két dél-badeni járás a német szőlőterület ~1–2%-a.Knowledge base: 44_hatosagi_eves_jelentesek_felugyeleti_idosorok.md |
| OpenAI ChatGPT | 6 | (5–9) | C · data gap | Lörrach és Breisgau-Hochschwarzwald mintegy 6410 hektárja a 101 965 hektáros országos terület 6,29%-a, nem a tényleges vektoros 726 ha aránya.Knowledge base: J_termeloi_hang_kommunikacio_orszagok(6).md |
T2 — Leafhopper density
MethodologyFinal value: 24.8 · central value: 24.8 (median: 25 · mean: 24.7) · Evidence: class C
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 18 | (6–35) | C · data gap | 2025: 255 egyed 67 helyen, kezelés utáni, nem alap; kezeletlen helyi fogás nem bontott; országosan a megfigyelőhelyek zömén nincs fogás, Bad Bellingen lárvaszáma helyileg magas.Knowledge base: orszagcsomagok-2026-10.md |
| Google Gemini | 25 | (15–40) | B | Dél-Badenben 67 csapdahelyen több mint 500 sárga lapon összesen 255 egyedet fogtak 2025-ben (2024: 456), Rajna-Pfalzban 0 a fogás, így a megfigyelőhelyek túlnyomó részén alacsony vagy nulla a sűrűség.Knowledge base: 44_hatosagi_eves_jelentesek_felugyeleti_idosorok.md |
| OpenAI ChatGPT | 31 | (12–60) | C · data gap | Kezelés előtti lárvasűrűség és elkülönített kezeletlen fogás nincs; a 255 kezelt hálózati szezonfogás és a lárvastádium nem sűrűségi alap.Knowledge base: E_vedekezes_labor(6).md |
T3 — Lack of control in commercial vineyards
MethodologyFinal value: 32.5 · central value: 32.5 (median: 30 · mean: 35) · Evidence: class A
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 30 | (18–45) | A | Kötelező a fertőzött területen, ahol a vektor van (2 integrált, 3 öko); az ellenőrzés aránya nem közölt, máshol vektor hiányában nincs mit kezelni.Knowledge base: orszagcsomagok-2026-10.md |
| Google Gemini | 25 | (15–38) | A | Az összes kabócával vagy FD-vel érintett dél-badeni zónában általános határozat (Allgemeinverfügung) ír elő 2 (integrált), illetve 3 (öko) kötelező kezelést.Knowledge base: 34_nemzetkozi_fd_jog_es_hatosagi_intezkedesek.md |
| OpenAI ChatGPT | 50 | (43–59) | A · data gap | Kötelező kezelés a kijelölt vektorterületen van, országos kötelezettség és teljesítési arány nélkül.Knowledge base: 10_vedekezes.md |
T5a — Lack of control in abandoned refuges
MethodologyFinal value: 39.8 · central value: 39.8 (median: 40 · mean: 39.7) · Evidence: class A
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 40 | (28–55) | A | A zónákban kötelező kivágás, új tartományi parlagszabályok; a BW-i parlagnak nincs monitoringja és nevezője.Knowledge base: orszagcsomagok-2026-10.md |
| Google Gemini | 30 | (20–45) | A | Baden-Württemberg és Rajna-Pfalz is új parlagszőlő-rendeletet léptetett életbe (2 év műveletlenség után kötelező kiirtás), Lörrach járásban pedig téli prioritás a vad alanytőkék eltávolítása.Knowledge base: 34_nemzetkozi_fd_jog_es_hatosagi_intezkedesek.md, 44_hatosagi_eves_jelentesek_felugyeleti_idosorok.md |
| OpenAI ChatGPT | 49 | (31–69) | C · data gap | Jogi felszámolási eszközök és helyi vadalany-eltávolítás működnek, de országos menedékfelszámolási arány nincs.Knowledge base: E_vedekezes_labor(6).md |
T5b — Lack of control in home-garden vines
MethodologyFinal value: 45.5 · central value: 45.5 (median: 45 · mean: 46) · Evidence: class B
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 45 | (30–60) | B · data gap | A zónában februárig kivágás vagy házikerti szer, lakossági közlemények; a Trebon nem házikerti, ellenőrzés nem közölt.Knowledge base: orszagcsomagok-2026-10.md |
| Google Gemini | 45 | (30–60) | B | A lörrachi Allgemeinverfügung a házikerti tőkékre is előírja a kezelést vagy a téli kivágást és a községek (pl. Fischingen, Rümmingen) tájékoztatnak, de a fő szerek egy része (Trebon 30 EC) házikertben nem engedélyezett.Knowledge base: 34_nemzetkozi_fd_jog_es_hatosagi_intezkedesek.md |
| OpenAI ChatGPT | 48 | (29–70) | C · data gap | Az érintett nem árutermő tőkékre intézkedés vonatkozik, de a hobbi-szerhozzáférés és tényleges kezelés országos aránya ismeretlen.Knowledge base: E_vedekezes_labor(6).md |
T4 — Shortfall in control quality
MethodologyFinal value: 37.3 · central value: 37.3 (median: 36 · mean: 38.7) · Evidence: class A
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 58 | (48–70) | A | A WBI időzítése jó, de egy rendes engedély (Trebon, 2026-12-31-ig, 1 kezelés), a többi évente megújítandó Art. 53.Knowledge base: orszagcsomagok-2026-10.md |
| Google Gemini | 22 | (14–32) | A | A WBI nimfa-felmérésre épülő pontos időzítést (június 15–22.) ad, a BVL pedig az állandó szerek (Karate Zeon, Trebon 30 EC, Limocide) mellé Art. 53 szükségengedélyeket (Sivanto Prime, Piretro Verde, Raptol HP) biztosított.Knowledge base: 34_nemzetkozi_fd_jog_es_hatosagi_intezkedesek.md |
| OpenAI ChatGPT | 36 | (24–51) | A | Stádiumalapú WBI-időzítés és szezonális engedélyek vannak, de a választék és felhasználói hozzáférés korlátozott.Knowledge base: 10_vedekezes.md |
T7 — Lack of awareness about control
MethodologyFinal value: 36.7 · central value: 36.7 (median: 38 · mean: 35.3) · Evidence: class B
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 38 | (25–52) | B | A 11 településen célzott és többcsatornás, országosan általános; lefedettségi adat nincs.Knowledge base: orszagcsomagok-2026-10.md |
| Google Gemini | 25 | (15–38) | A | A borászati intézetek (WBI, DLR) warndienst-hírlevelei és a járási/községi közlemények célzottan elérik a termelőket és az érintett települések ingatlantulajdonosait.Knowledge base: 34_nemzetkozi_fd_jog_es_hatosagi_intezkedesek.md |
| OpenAI ChatGPT | 43 | (25–64) | C · data gap | A szakmai WBI-közlemények célzottak, de a házikerteseket is tartalmazó országos időbeni elérési arány ismeretlen.Knowledge base: E_vedekezes_labor(6).md |
T10 — Lack of source removal
MethodologyFinal value: 8.3 · central value: 8.3 (median: 8 · mean: 8.7) · Evidence: class B
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 8 | (2–25) | B | Azonnali kivágás előírva, faiskolai tételek megsemmisítve vagy kezelve; három hely, elmaradásról nincs közlés.Knowledge base: orszagcsomagok-2026-10.md |
| Google Gemini | 10 | (3–20) | A | Az igazolt FD-tőkéket haladéktalanul gyökerestül ki kell vágni (3 igazolt tőke és >20% tünet felett a teljes táblát), és mindhárom 2025 végi góc hivatalos felszámolás alatt áll.Knowledge base: 34_nemzetkozi_fd_jog_es_hatosagi_intezkedesek.md |
| OpenAI ChatGPT | 8 | (1–29) | C · data gap | Az azonnali eltávolítási rend és kevés góc alacsony elmaradást valószínűsít, de a rendelkezés önmagában nem igazolja a teljes végrehajtást.Knowledge base: D_jog_bejelentes_kartalanitas(6).md |
T11 — Lack of economic capacity for control
MethodologyFinal value: 61.2 · central value: 61.2 (median: 62 · mean: 60.3) · Evidence: class B
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 62 | (50–72) | B | Üzemi nyereség −18,6 %, negatív tőkeváltozás, kivágási prémiumok; egy rendes szerengedély 2026 végén lejár, de a teher helyi.Knowledge base: orszagcsomagok-2026-10.md |
| Google Gemini | 54 | (42–65) | B | A borpiaci nehézségek miatt Rajna-Pfalzban (5000 EUR/ha végleges) és Baden-Württembergben (2500 EUR/ha ideiglenes) is kivágási prémium indul, ugyanakkor a kis kabócazónában a védekezés finanszírozható és a szerengedélyezés aktív.Knowledge base: 28j_orszag_de.md |
| OpenAI ChatGPT | 65 | (47–81) | C · data gap | A területcsökkentési kezdeményezések és visszaeső termelés gyenge teherbírást jeleznek, de a védekezési költségfedezet országos aránya hiányzik.Knowledge base: 25_gazdasag_karok_kartalanitas_biztositas.md |
T6 — Propagating-material pathway
MethodologyFinal value: 35 · central value: 35 (median: 35 · mean: 35) · Evidence: class A
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 38 | (28–52) | A · data gap | Tanúsított arány ~91 %, zónából csak forróvíz, de két faiskolai lelet kiindulási anyagból; importlabor nincs, a nem kereskedelmi útról nincs adat.Knowledge base: orszagcsomagok-2026-10.md |
| Google Gemini | 35 | (24–48) | A · data gap | Szigorú szaporítóanyag-szabályok és melegvizes előírások léptek életbe Lörrachban, de a 2025 végi három baden-württembergi leletből kettő faiskolában történt fertőzött kiindulási anyagból, a magáncseréről pedig nincs adat.Knowledge base: 34_nemzetkozi_fd_jog_es_hatosagi_intezkedesek.md |
| OpenAI ChatGPT | 32 | (18–51) | C · data gap | Erős szabályozott ellenőrzés mellett szaporítóanyaghoz köthető behurcolások történtek, az informális forgalom és hőkezelési lefedettség ismeretlen.Knowledge base: 10_vedekezes.md |
T8 — Weather
MethodologyFinal value: 50 · Evidence: class A
Value calculated from official data with a fixed script.
Rule applied: gépi számítás (0. lépés)
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | – | not given | A | A prompt szerint ősszel 50.Knowledge base: orszagcsomagok-2026-10.md |
| Google Gemini | – | not given | A | Őszi futás lezárt szezonban, így a T8 pontszáma 50.Knowledge base: 45_kabocaterjedes_es_vedekezes_helyzetkep.md |
| OpenAI ChatGPT | – | not given | C | A feladat őszre rögzített semleges értéke. |
G1 — Unsurveyed share, commercial
MethodologyFinal value: 92 · central value: 92 (median: 94 · mean: 90) · Evidence: class C
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 98 | (94–99) | C · data gap | BW 2024: 66 ha (0,06 %), 2025–26: sűrített szemle, hektár ismeretlen; a zónában tulajdonosi szemle aug.–szept. dokumentálatlan; más tartomány ismeretlen.Knowledge base: orszagcsomagok-2026-10.md |
| Google Gemini | 78 | (65–88) | B · data gap | Dél-Badenben szüret utáni mintavételes ellenőrzések (~190 terület bonitálva 2025-ben) és célzott monitoring zajlik, de az országos ~103 000 ha-os szőlőterület átvizsgált hányada nem közölt.Knowledge base: 44_hatosagi_eves_jelentesek_felugyeleti_idosorok.md |
| OpenAI ChatGPT | 94 | (78–99) | C · data gap | A kockázatalapú felderítés mellett a megfelelő időablak 2026-os országos tüneti szemlehektárja nincs megadva.Knowledge base: 12_felderites_monitoring_mi.md, J_termeloi_hang_kommunikacio_orszagok(6).md |
G5a — Unsurveyed share, home gardens
MethodologyFinal value: 86.2 · central value: 86.2 (median: 85 · mean: 87.3) · Evidence: class C
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 96 | (88–99) | C · data gap | Számadat nincs, a zónában a kerti tő kivágandó.Knowledge base: orszagcsomagok-2026-10.md |
| Google Gemini | 85 | (70–95) | C · data gap | A házikertek tünetszemléjéről nincs nyilvános adat.Knowledge base: 44_hatosagi_eves_jelentesek_felugyeleti_idosorok.md |
| OpenAI ChatGPT | 81 | (58–95) | C · data gap | A góckörnyéki szabályozás mellett a házikerti szőlők országos száma és szemlézett hányada ismeretlen.Knowledge base: D_jog_bejelentes_kartalanitas(6).md |
G5b — Unsurveyed share, abandoned vineyards
MethodologyFinal value: 73 · central value: 73 (median: 70 · mean: 76) · Evidence: class C
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 93 | (80–98) | C · data gap | Parlagszemle száma nincs, nevező sincs.Knowledge base: orszagcsomagok-2026-10.md |
| Google Gemini | 65 | (50–80) | B | Lörrach járásban kiemelt feladat az elhagyott területeken és rézsűkön élő alanyvadulatok felkutatása, országos felmérési arány azonban nincs.Knowledge base: 34_nemzetkozi_fd_jog_es_hatosagi_intezkedesek.md |
| OpenAI ChatGPT | 70 | (45–89) | C · data gap | Helyi felkutatás és eltávolítás dokumentált, de az összes felhagyott szőlő országos átvizsgáltsága nem.Knowledge base: D_jog_bejelentes_kartalanitas(6).md |
G2 — Survey unreliability
MethodologyFinal value: 25.7 · central value: 25.7 (median: 25 · mean: 26.3) · Evidence: class B
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 34 | (22–48) | B | Kevés, képzett hatósági szemléző, 2026-tól nemzeti Leitlinie; a tulajdonosi szemle képzettsége és a bois noir zavar.Knowledge base: orszagcsomagok-2026-10.md |
| Google Gemini | 20 | (12–30) | A | A JKI 2026 májusában országos vészhelyzeti tervet és irányelvet (Notfallplan und Leitlinie) adott ki, a szemléket a WBI és a tartományi szolgálatok képzett szakemberei végzik.Knowledge base: 44_hatosagi_eves_jelentesek_felugyeleti_idosorok.md |
| OpenAI ChatGPT | 25 | (13–43) | C · data gap | Erős hatósági és kutatóintézeti szakmai háttér van, de az összes termelői szemle képzettsége és időzítése nem auditált.Knowledge base: 03_tunettan_reszletes.md, 12_felderites_monitoring_mi.md |
G4 — Weakness of automated pre-screening
MethodologyFinal value: 90.7 · central value: 90.7 (median: 90 · mean: 91.3) · Evidence: class C
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 88 | (78–96) | C | PhytoMo és VectoScreen kutatás 2024-ben lezárva, üzemi gépi szemle nincs.Knowledge base: orszagcsomagok-2026-10.md |
| Google Gemini | 90 | (80–98) | C | A PhytoMo és PhenoTruckAI projektek kutatási fázisban vannak, üzemi szintű hatósági gépi előszűrés nem működik.Knowledge base: 24_taverzekeles_kepfelismeres_mi.md |
| OpenAI ChatGPT | 96 | (80–100) | C · data gap | Országos üzemi, validált FD-tüneti gépi előszűrés nincs dokumentálva, kisebb kutatási alkalmazás nem zárható ki.Knowledge base: F_felderites_mi_gepi_eloszures(6).md |
G3 — Lack of lab confirmation
MethodologyFinal value: 17.5 · central value: 17.5 (median: 18 · mean: 17) · Evidence: class C
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 18 | (6–40) | C · data gap | Kis mintaszám, két lépcsős labor (LTZ, JKI), 2024: 392 minta; átfutási idő nem közölt, mintázatlan gyanú aránya nem ismert.Knowledge base: orszagcsomagok-2026-10.md |
| Google Gemini | 15 | (5–28) | B · data gap | A kevés gyanús mintát a WBI és a JKI referencialaborja gyorsan kivizsgálja és megerősíti, bár 30 napos átfutási statisztika nincs közölve.Knowledge base: 44_hatosagi_eves_jelentesek_felugyeleti_idosorok.md |
| OpenAI ChatGPT | 18 | (4–43) | C · data gap | A kevés góchoz működő megerősítő laborhálózat társul, de az összes gyanús tő mintázási és 30 napos átfutási aránya hiányzik.Knowledge base: 11_labordiagnosztika.md |
G6 — Difficulty of notification
MethodologyFinal value: 43.5 · central value: 43.5 (median: 45 · mean: 42) · Evidence: class A
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 46 | (38–56) | A | E-mail a WBI-nek vagy a tanácsadásnak, online űrlap nincs, követés nem közölt.Knowledge base: orszagcsomagok-2026-10.md |
| Google Gemini | 35 | (25–48) | A | A gyanús eseteket közvetlen diagnosztikai e-mail-címre (Diagnostik@wbi.bwl.de) és a tartományi növényvédelmi szolgálatoknak lehet jelenteni.Knowledge base: 44_hatosagi_eves_jelentesek_felugyeleti_idosorok.md |
| OpenAI ChatGPT | 45 | (29–59) | C · data gap | Közvetlen hatósági és e-mailes jelzés rendelkezésre áll, de egységes fényképes ügykövetés és válaszidő nincs igazolva.Knowledge base: 09_bejelentes_es_teendok.md |
G8 — Disincentives to notify
MethodologyFinal value: 76 · central value: 76 (median: 80 · mean: 72) · Evidence: class C
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 80 | (65–90) | C · data gap | FD-kártalanítási szabály nem található, a tőkék térítés nélkül kerülnek ki; a szakmai szövetség kártalanítást kér.Knowledge base: orszagcsomagok-2026-10.md |
| Google Gemini | 45 | (30–60) | C · data gap | Specifikus FD-kártalanítási alapról nincs adat a listában; a hatósági megsemmisítés általános növényegészségügyi szabályok szerint zajlik.Knowledge base: 34_nemzetkozi_fd_jog_es_hatosagi_intezkedesek.md |
| OpenAI ChatGPT | 91 | (71–100) | C · data gap | FD-specifikus, értékarányos és határidős térítési rendszer nem igazolt; az általános kivágási programok nem ilyen kártalanítások.Knowledge base: 25_gazdasag_karok_kartalanitas_biztositas.md, J_termeloi_hang_kommunikacio_orszagok(6).md |
G11 — Lack of economic interest in detection
MethodologyFinal value: 55.5 · central value: 55.5 (median: 55 · mean: 56) · Evidence: class B
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 55 | (42–68) | B | Veszteséges üzemek és FD-független kivágási prémiumok (RLP 5 000, BW 2 500 EUR/ha) segítik a kilépést; a kabócás térségben a termelők együttműködőek.Knowledge base: orszagcsomagok-2026-10.md |
| Google Gemini | 55 | (42–68) | B | Baden-Württembergben 3%-kal csökkent a szőlőterület és ugartartási prémium (2500 EUR/ha) indult, Rajna-Pfalzban pedig végleges kivágási prémiumot (5000 EUR/ha) hirdettek meg a gyenge jövedelmezőség miatt.Knowledge base: 28j_orszag_de.md |
| OpenAI ChatGPT | 58 | (39–77) | C · data gap | A kilépési és területcsökkentési nyomás gyengítheti a felderítési érdeket, de FD miatti tömeges küszöbvárás nem bizonyított.Knowledge base: 20_termeloi_tapasztalatok_es_velemenyek.md |
V1 — Lack of a cure
MethodologyFinal value: 82.2 · central value: 82.2 (median: 80 · mean: 84.3) · Evidence: class C
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 80 | (72–92) | C | Nemzetközi állapot; hazai gyógymód-eredmény nincs.Knowledge base: orszagcsomagok-2026-10.md, 47_gyogymod_fajtak_piac_noveny_allapot_kiterjedes_helyzetkep.md |
| Google Gemini | 98 | (92–100) | C | Nincs engedélyezett gyógymód a fertőzött tőkére.Knowledge base: 47_gyogymod_fajtak_piac_noveny_allapot_kiterjedes_helyzetkep.md |
| OpenAI ChatGPT | 75 | (75–95) | C | Nemzetközi laboratóriumi jelöltek vannak, de engedélyezett vagy igazolt szabadföldi FD-gyógymód nincs.Knowledge base: I_nemzetkozi_tortenet_gazdasag(6).md |
V2 — Lack of resistant varieties
MethodologyFinal value: 99.8 · central value: 99.8 (median: 100 · mean: 99.7) · Evidence: class C
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 99 | (97–100) | C | A PIWI-fajták gombaellenállók, FD-ellenállás nincs.Knowledge base: orszagcsomagok-2026-10.md |
| Google Gemini | 100 | (99–100) | C | A német gombarezisztens (PIWI) fajták nem ellenállók az FD-vel szemben, valódi rezisztens fajta nincs.Knowledge base: 02_korokozo_biologia_genotipusok.md |
| OpenAI ChatGPT | 100 | not given | C | A német PIWI-nemesítés nem igazol FD-rezisztenciát, ezért igazoltan ellenálló telepített terület nincs.Knowledge base: I_nemzetkozi_tortenet_gazdasag(6).md |
V3 — Lack of recovery
MethodologyFinal value: 100
It has no effect in the formula under mandatory grubbing up, so it is not scored.
Rule applied: kötelező kivágás alatt nem pontozandó (5.2): a legutóbbi érték marad
V4 — General plant-health condition
MethodologyFinal value: 50
It has no effect in the formula under mandatory grubbing up, so it is not scored.
Rule applied: kötelező kivágás alatt nem pontozandó (5.2): a legutóbbi érték marad
V5 — Lack of resources for community treatment and research
MethodologyFinal value: 54.7 · central value: 54.7 (median: 58 · mean: 51.3) · Evidence: class C
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 58 | (45–70) | C | Intézeti alapfinanszírozás, a BLE-projektek 2024-ben lezárultak, új FD-projekt és közösségi kezelési program nem található.Knowledge base: orszagcsomagok-2026-10.md |
| Google Gemini | 30 | (20–42) | B | Szövetségi (JKI) és tartományi (WBI, DLR) kutatási és monitoring-finanszírozás biztosított.Knowledge base: 31_kutatasi_front_konferenciak_projektek.md |
| OpenAI ChatGPT | 66 | (43–84) | C · data gap | Általános kutatási háttér van, de dedikált FD-gyógymód-, fajtakutatási és közösségi újratelepítési forrás nem igazolt.Knowledge base: I_nemzetkozi_tortenet_gazdasag(6).md, J_termeloi_hang_kommunikacio_orszagok(6).md |
V6 — Lack of a market for development
MethodologyFinal value: 64.5 · central value: 64.5 (median: 65 · mean: 64) · Evidence: class B
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 65 | (52–75) | B | Zsugorodó terület és kivágási prémiumok, a nemesítés főleg közpénzes (JKI); a megoldás piaca nemzetközi.Knowledge base: orszagcsomagok-2026-10.md |
| Google Gemini | 60 | (48–70) | B | A német borpiac zsugorodik, a 2026-os termés (7,7–8,0 millió hl) 4–10%-kal elmarad a sokéves átlagtól, és több tartomány kivágási/ugartartási támogatással csökkenti a termőterületet.Knowledge base: 28j_orszag_de.md |
| OpenAI ChatGPT | 67 | (49–82) | C · data gap | A zsugorodó hazai termelési bázis gyengíti az FD-fejlesztések keresletét, de a nemzetközi piac és kutatókapacitás fennmarad.Knowledge base: 25_gazdasag_karok_kartalanitas_biztositas.md |
J — Epidemic burden
MethodologyFinal value: 0 · central value: 0 (median: 0 · mean: 0) · Evidence: class C
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 00% | not given | C · data gap | ~20–100 tő (becslés, faiskolai tétel nélkül) / ~510 M tő (101 965 ha × ~5 000).Knowledge base: orszagcsomagok-2026-10.md |
| Google Gemini | 00% | not given | A | Mindössze három kis baden-württembergi lelet ismert, ami az országos tőkeállományban elhanyagolható (~0,0001%).Knowledge base: 44_hatosagi_eves_jelentesek_felugyeleti_idosorok.md |
| OpenAI ChatGPT | 00% | not given | C · data gap | A 12 havi kijelölt számláló becsült 102 tő, a nevező 101 965 ha × feltételezett 5000 tő/ha, azaz 509 825 000 tő.Knowledge base: C_magyar_helyzet_adatok(6).md |
Expert estimate, not official data.