Zwei eigene Vorhaben mit zwei verschiedenen Rollen: eine Plattform live im Einsatz, eine institutionelle Plattform in Entwicklung. Was sie verbindet, ist die Arbeitsweise.
Sprach- & Lernplattform für Studierende
Eine moderne Sprach- und Lernplattform für Studierende, von mir entwickelt und live im Netz. Gebaut mit derselben agentischen Methode wie meine regulierte KI-Arbeit: ein Multi-Agenten-Workflow aus parallelen Streams, Loops und Skills.
Gebaut mit
Der NLP- und Audio-Stack hinter der Live-Plattform, öffentlich auf GitHub: razbiram-nlp · razbiram-listen
Live ansehenCurriculum-geführter KI-Studiencoach für Universitäten
Souveränität, Isolation, Evidenz und Audit-Trail, zuerst am eigenen Produktivsystem gebaut.
Problem
Studierende – gerade in der Medizin – ertrinken in fragmentierten Curricula; Querbezüge zwischen Fächern bleiben unsichtbar, und aktuelle Forschung ist von der eigentlichen Lernstrecke abgekoppelt.
Gebaut
Ein Schwarm zusammenarbeitender Agenten verwaltet das Wissen rund um das Studium über viele Knoten hinweg: Er koppelt den Studienplan einer Universität dynamisch an die geführte Lernstrecke jedes Studierenden, bindet aktuelle Forschung ein und erzeugt mehrere didaktische Reasoning-Pfade, Medizin als Pilot. Darunter läuft bereits eine souveräne, auditierbare Wissens-Pipeline (siehe unten), schrittweise in Richtung eines medizinischen Reasoning-Systems.
Wert für einen Auftraggeber
Eine Universität koppelt ihren Studienplan lebendig an die individuelle Lernstrecke und verbindet Studium mit Forschung – erklärbar, evidenzbasiert und mit nachvollziehbaren Reasoning-Pfaden statt eines bloßen Wissensspeichers –, aufgebaut nach denselben Prinzipien von Souveränität und Auditierbarkeit wie regulierte KI.
Die agentische Wissens-Pipeline (läuft bereits)
Deterministischer Scan: was fehlt, wird aus den Dateien abgeleitet, nie aus einem Snapshot.
aya-expanse:8b über Ollama, Temperatur 0, SQLite-Checkpoint. Keine API- oder Tokenkosten, nichts verlässt das Gerät.
Jedes kyrillische Token muss verbatim überleben, sonst wird die Übersetzung verworfen.
Chirurgischer JSON-Patch mit JSON.parse-Guard: die Datei wird nie ungültig geschrieben, was Datenkorruption bei Systemabstürzen verhindert.
Nur harte Fälle gehen an ein gehostetes Modell (Haiku), und durch dasselbe Gate.
Maschinelle Gates und ein append-only Ledger pro Welle; Commit erst, wenn alles grün ist.
Lokal & deterministisch zuerst · gehostetes Modell nur für harte Fälle · Commit erst, wenn alle Gates grün sind.
Prinzip → Umsetzung
Souveränität
Übersetzung läuft lokal (aya-expanse:8b über Ollama, on-device). Bulgarische Inhalte verlassen die Maschine nicht, und es fallen keine API- oder Tokenkosten an.
Isolation
API, App und Daten getrennt (Docker); der API-Container kann das Content-Verzeichnis bewusst nicht lesen. Secrets werden per gitleaks in der CI geprüft.
Evidenz
Jeder KI-Aufruf wird geloggt (Modell, Tokens, Latenz). Wissensgraph-Kanten tragen Quelle, Confidence und Soft-Delete. KI-Kanten gelten als low-trust.
Audit-Trail
KI-Funktionen sind einzeln schaltbar, standardmäßig aus; jede Admin-Aktion und jeder Tier-Wechsel landet append-only im Audit-Log, über einen DB-Trigger abgesichert.
Dieselbe Architektur – lokal-deterministisch, Audit-Trail zuerst – ist öffentlich dokumentiert in local-agent-pipeline.
Eigenes Vorhaben in Entwicklung, keine fertige Kundenreferenz. Architektur und Zahlen stammen aus dem eigenen Produktivsystem.
Architektur-Notiz (PDF)Zwei Leistungen, ein Einstieg: ein 20-minütiges Erstgespräch. Was davon zu Ihrem Vorhaben passt, steht im Angebot.
Zum AngebotDrei Werkstücke. Drei eigene Zeiten.
Erst im Auseinandergehen wird sichtbar, was sie trägt.
Zusammengebaut verschwinden die Entscheidungen wieder im Funktionieren.
