Update README.md

README.md

@@ -1,31 +1,37 @@
 # nc_ner_bert_model
 
-This model is a fine-tuned version of bert-base-german-cased on the german-ler dataset.  
-It achieves the following results on the evaluation set:
 
-Loss: 0.008934569545090199
-F1: 0.9751895889897949
-Precision: 0.9712793733681462
-Recall: 0.979131415679639
+Dieses Modell ist eine feinjustierte Variante von `bert-base-german-cased` und wurde auf dem `german-ler`-Datensatz mit **zusammengefassten (coarse) juristischen Entitäten** trainiert.  
+Die ursprünglichen 19 Labels wurden auf 7 Oberkategorien reduziert, um eine robuste, generalisierbare NER-Leistung im juristischen Kontext zu ermöglichen.
 
-## Model description
-More information needed
+## Evaluationsergebnisse
 
-## Intended uses & limitations
-More information needed
+- **F1-Score**: 0.9752  
+- **Precision**: 0.9713  
+- **Recall**: 0.9791  
+- **Loss**: 0.0089  
 
-## Training and evaluation data
-More information needed
+## Zusammengeführte Entitäten
 
-## Training procedure
+- **Personen**: `PER`, `RR`, `AN` → **PER**  
+- **Orte**: `LD`, `ST`, `STR`, `LDS` → **LOC**  
+- **Organisationen**: `ORG`, `UN`, `INN`, `GRT`, `MRK` → **ORG**  
+- **Rechtsnormen**: `GS`, `VO`, `EUN` → **NRM**  
+- **Regelwerke & Verträge**: `VS`, `VT` → **REG**  
+- **Gerichtsentscheidungen**: `RS`  
+- **Literatur**: `LIT`  
 
-### Training hyperparameters
-The following hyperparameters were used during training:
+## Trainingskonfiguration
 
-- learning_rate: 4.523255542817897e-05
-- train_batch_size: (16,)
-- eval_batch_size: (16,)
-- num_epochs: 7
+- **Modell**: `bert-base-german-cased`  
+- **Datensatz**: `german-ler` (BIO-annotiert)  
+- **Trainingsepochen**: 7  
+- **Batchgröße**: 16  
+- **Lernrate**: ~4.52e-5  
+
+## Nutzung
+
+Das Modell eignet sich für juristische NER-Anwendungen, bei denen eine robuste Extraktion relevanter Entitäten aus deutschsprachigen Rechtstexten erforderlich ist – z. B. in Schriftsatzanalyse, Vertragsprüfung oder juristischem Wissensmanagement.
 
 ### Training results