Zum Inhalt springen
Alle Projekte
Ausgewähltes Projekt: Deep Dive

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.

Multi-Model AIEdTechWissensextraktionFull-Stack
Next.jsTypeScriptFastAPIPostgreSQLOpenAIGeminiAnthropicOCR

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.”

Screenshots
Quetzal: KI-native Lernplattform mit Wissensextraktion Screenshot 1
1 / 12

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

Diese Website kann datenschutzfreundliche Analysen nutzen, um die Qualität der Inhalte zu verbessern. Es werden keine Werbe-Cookies verwendet.

Sie können dies jederzeit auf der Datenschutzseite ändern. Weitere Informationen finden Sie in der Datenschutzerklärung.