Zwei eigene Vorhaben mit zwei verschiedenen Rollen: eine Plattform live im Einsatz, eine institutionelle Plattform in Entwicklung. Was sie verbindet, ist die Arbeitsweise.
razbiram.com
Live · im Einsatz
Sprach- & Lernplattform für Studierende
Die Plattform entwickle und betreibe ich selbst. Sie zeigt meinen aktuellen Engineering-Ansatz von Architektur und Implementierung bis zum produktiven Betrieb. Teile des NLP- und Audio-Stacks sind öffentlich auf GitHub einsehbar.
Curriculum-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.
Zielbild
Zielbild ist ein Schwarm zusammenarbeitender Agenten, der das Wissen rund um das Studium über viele Knoten hinweg verwaltet. Er soll den Studienplan einer Universität dynamisch an die geführte Lernstrecke jedes Studierenden koppeln, aktuelle Forschung einbinden und mehrere didaktische Reasoning-Pfade erzeugen, Medizin als erster Anwendungsfall. Was heute läuft, ist die souveräne, auditierbare Wissens-Pipeline darunter (siehe unten). Der Weg zu einem medizinischen Reasoning-System ist von dort aus schrittweise geplant.
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 auf Souveränität und Auditierbarkeit.
Die agentische Wissens-Pipeline (läuft bereits)
01
Gap-Detection
Deterministischer Scan: was fehlt, wird aus den Dateien abgeleitet, nie aus einem Snapshot.
02
Lokale Übersetzung
aya-expanse:8b über Ollama, Temperatur 0, SQLite-Checkpoint. Keine API- oder Tokenkosten; für diesen Schritt verlässt nichts das Gerät.
03Gate
Citation-Gate
Jedes kyrillische Token muss verbatim überleben, sonst wird die Übersetzung verworfen.
04
Idempotenter Apply
Chirurgischer JSON-Patch mit JSON.parse-Guard: die Datei wird nie ungültig geschrieben.
05
Eskalation
Nur harte Fälle gehen an ein gehostetes Modell (Haiku), und durch dasselbe Gate.
06
Lint-Gates + Ledger
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.
Die Inhaltsübersetzung läuft lokal (aya-expanse:8b über Ollama, on-device). Für diesen Schritt verlassen die bulgarischen Inhalte die Maschine nicht, und es fallen keine API- oder Tokenkosten an. Gehostete Modelle sind einzeln zuschaltbar und standardmäßig aus.
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.
Dieses Buch beginnt nicht mit einem Modell, sondern mit einem Etikettendrucker, der nachts ausfällt, und der Frage, wem die Sache eigentlich gehört. Es handelt davon, wie Führung trägt, wenn Verantwortung wächst und direkte Kontrolle nicht mehr reicht.
Carnegie lehrte, wie man Menschen gewinnt. Dieses Buch fragt, was man dabei verliert: Wer ein Ergebnis herstellt, weiß hinterher weniger darüber, was ohne ihn geschehen wäre. Kein Ratgeber, sondern ein Sachbuch mit Gebrauchswert – für alle, die nicht gemocht, sondern gekannt werden wollen.