Persönliches Projekt
Bildung / EdTech · 2026
Quetzal: KI-native Lernplattform mit Wissensextraktion
Entwickelte und startete eine KI-Lernplattform auf Einladung, die von 20 Studierenden genutzt wird: Sie verwandelt deren eigene Kursunterlagen in Tutoring, Quizze und Probeklausuren im Format früherer Prüfungen, erstellt gezielte Quizze zu in Probeklausuren erkannten Schwächen und lässt Studierende den Stil des Tutors anpassen.
Kontext
Ausgangspunkt und Rahmenbedingungen
Traditionelle Lernplattformen behandeln KI als nachträglich angeflanschtes Feature. Studierende brauchen Systeme, die ihr Lernmaterial wirklich verstehen und sich an ihre Wissenslücken anpassen.
Herausforderung
Zentrale Einschränkung, die es zu lösen galt
Aufbau einer mehrstufigen Wissensextraktions-Engine, die akademische Dokumente in atomare, bewertbare Wissenseinheiten zerlegt — mit präziser Schwierigkeitskalibrierung, Deduplizierung und Abdeckungsgarantien über verschiedenste akademische Fachbereiche hinweg.
Lösung
Konzeptions- und Umsetzungsansatz
Entwarf ein kontrolliertes Multi-Model-Orchestrierungssystem (OpenAI, Gemini, Anthropic) mit supervisor-basierter Validierung, Schutzmechanismen gegen Halluzinationen und einer an Blooms Taxonomie ausgerichteten Schwierigkeitskalibrierung. Integrierte OCR-basierte Bewertung, progressive Hinweise und sokratische Interaktionsmodi.
Ergebnis
Messbare Wirkung und erzieltes Ergebnis
Für 20 Studierende gestartet und auf Vertrauenswürdigkeit ausgelegt: A/B-Tests, regelmäßige Sicherheits-Selbstaudits, feedbackbasierte Selbstverbesserung und ein Assistent, der so gebaut ist, dass ein bösartiges Dokument ihn nicht dazu bringen kann, ohne Zustimmung der Studierenden etwas zu löschen oder zu teilen.
Wichtigste Erkenntnis
“Kein einzelnes Modell gewinnt bei jeder Aufgabe, daher lieferte ein Routing nach Stärken bessere Ergebnisse. Strikte Validierung senkte Halluzinationen deutlich, und Blooms Taxonomie machte generierte Lerninhalte nutzbar.”

Arbeiten Sie an etwas Ähnlichem? Ich übernehme ausgewählte Consulting- und Freelance-Projekte in den Bereichen Agentic AI, RAG-Systeme und LLM-Zuverlässigkeit.