StudyWithMe
In Entwicklung · laufendCurriculum-geführter KI-Studiencoach für Universitäten
Die Referenz-Implementierung genau der Prinzipien, die ich verkaufe – Souveränität, Isolation, Evidenz und Audit-Trail – zuerst am eigenen Produktivsystem bewiesen.
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)
- 01Gap-DetectionDeterministischer Scan: was fehlt, wird aus den Dateien abgeleitet – nie aus einem Snapshot.
- 02Lokale Übersetzungaya-expanse:8b über Ollama, Temperatur 0, SQLite-Checkpoint. 0 € pro Aufruf, nichts verlässt das Gerät.
- 03Citation-GateJedes kyrillische Token muss verbatim überleben – sonst wird die Übersetzung verworfen.
- 04Idempotenter ApplyChirurgischer JSON-Patch mit JSON.parse-Guard – die Datei wird nie ungültig geschrieben, was Datenkorruption bei Systemabstürzen verhindert.
- 05EskalationNur harte Fälle gehen an ein gehostetes Modell (Haiku) – und durch dasselbe Gate.
- 06Lint-Gates + LedgerMaschinelle 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 → Beleg
Souveränität
Übersetzung läuft lokal (aya-expanse:8b über Ollama, on-device). Bulgarische Inhalte verlassen die Maschine nicht – 0 € Inferenz statt Cloud-Tokens.
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 unveränderlich (DB-Trigger) im Audit-Log.
Dieselbe Architektur – lokal-deterministisch, Audit-Trail zuerst – ist öffentlich dokumentiert in local-agent-pipeline.
Eigenes Vorhaben in Entwicklung – keine fertige Kundenreferenz. Architektur und Zahlen am eigenen Produktivsystem belegt.
Architektur-Notiz (PDF)
