KI-Lernapp "Brainfuel"
Brainfuel
Eigenständig entwickeltes Lern- und Organisationssystem, das Schülerinnen und Schüler mit einem lehrplangebundenen KI-Tutor durch ihren Schulalltag begleitet.
Brainfuel ist ein integriertes Lern- und Organisationssystem, das speziell für Schülerinnen und Schüler der Klassen 5 bis 13 aktuell von mir entwickelt wird. Es bündelt Hausaufgaben, Unterrichts- und Lernmaterialien, eigene Notizen sowie Informationen zu Prüfungsvorbereitung und schulischen Terminen in einer benutzerfreundlichen Arbeitsumgebung. Fokus der derzeitigen Entwicklungsbemühungen ist es die Anwendung zunächst für die Fächer Mathematik und Englisch zur Verfügung zu stellen.
Der Kern der Anwendung besteht in einer Knowledge Map, welche Lehrplan, Schulbücher, Unterrichtsthemen, fachliche Voraussetzungen und persönliche Materialien zu einem nachvollziehbaren Wissensnetz verbindet. So verfügt Brainfuel über fundierte Kenntnisse bezüglich der jeweiligen Position im Schuljahr, des angestrebten Lernziels und der erforderlichen, vorausgehenden Grundlagen.
Der zentrale KI-Tutor nutzt diesen Kontext, um zielgerichtete Unterstützung anzubieten. Hierbei handelt es sich bspw. um verständliche Erklärungen, gezielte Rückfragen und passende Übungen. Brainfuel begleitet den Lernweg vom aktuellen Anlass bis zum gesicherten Fortschritt und bietet somit weit mehr als nur isolierten Chatantworten wie sie in anderen ähnlich gelagerten Produkten angeboten wird.
User Stories machen den Nutzen prüfbar
Elf ausgearbeitete Szenarien übersetzen Hausaufgabenhilfe, adaptive Erklärungen, Split-Screen, Prüfungsvorbereitung und Organisation in konkrete Auslöser und erwartete Ergebnisse.
Die Idee entstand mit Schülerinnen und Schülern im Mathematikunterricht. Verständnisprobleme, unterschiedliche Erklärbedürfnisse und fehlende Verbindungen zwischen Unterricht, Buch und Übung bildeten den Ausgangspunkt.
Jede User Story beginnt konkret: Eine Aufgabe ist unklar, eine Klassenarbeit rückt näher oder Termine und Notendurchschnitte müssen langfristig im Blick behalten werden. Daraus folgen benötigter Kontext, Interaktion und erwartetes Ergebnis.
Initiale HTML/CSS-Prototypen machten visuelle und funktionale Ideen früh bewert- und testbar. Die Erkenntnisse prägen heute eine ruhigere, modular erweiterbare App-Shell.
So entsteht statt einer langen Funktionsliste ein zusammenhängender Lernweg, dessen Bausteine auf beobachtete Situationen und überprüfbaren Nutzen zurückgehen.
Die User Story Szenarien zeigen, welche Funktionen gemeinsam gedacht werden müssen: Eine passende Erklärung benötigt Vorwissen und Lernziel, eine Prüfungsvorbereitung hingegen zusätzlich Aufgaben, Materialien und einen zeitlichen Rahmen.
Daraus entsteht eine klare Reihenfolge. Zuerst werden Inhalte und Zusammenhänge auffindbar, anschließend folgen kontextbezogene Erklärungen.
Jede Ausbaustufe schließt damit einen konkreten Nutzungsmoment und erweitert zugleich die gemeinsame Grundlage für die nächste Funktion.
Finden & verstehen
Erstellen & üben
Planen & teilen
Ordnen & verbinden
Die OCR-Pipeline ist kein Selbstzweck und zunächst keine direkte Nutzerfunktion. Sie erschließt Schulbücher, damit Kapitel, zusammenhängende Themen und wiederkehrende Aufgabenstellungen als Ausgangsmaterial der zentralen Knowledge Map verfügbar werden.
Kapitel und Unterkapitel werden zu adressierbaren Lerneinheiten. Gespeichert wird keine bloße Kopie eines Buches, sondern eine sinngemäße Beschreibung davon, wie Themen, Erklärungen und typische Aufgaben aufgebaut sind und in welchem Verhältnis sie zueinander stehen.
Die Erfassung von Konzepte, Themenfolgen, Lösungsstrategien und Voraussetzungen machen sichtbar wo ein aktuelles Thema im Gesamtkontext liegt und welche Lernschritte davor oder danach folgen. Durch die Analyse mehrerer Schulbücher gleicher Klassenstufen, lassen sich erweiterte Erkenntnisse hinsichtlich gemeinsamer Schnittmengen und Unterschieden gewinnen.
Aus den erfassten Dokumentstrukturen entstehen schließlich adressierbare Knoten für Kompetenzen, Aufgabenmuster und Lösungswege. Funktionalitäten wie der KI-Tutor erhalten dadurch den benötigten Kontext, ohne die technische Verarbeitungspipeline nach außen sichtbar zu machen.
Vokabeln direkt übernehmen
OCR kann Vokabellisten aus Lernmaterialien einlesen und daraus unmittelbar bearbeitbare Karteikarten für Training und Wiederholung vorbereiten.
- PDF Quellen registrieren und versionieren
- OCR & Layout Text, Regionen und Reihenfolge erfassen
- Struktur Kapitel und Unterkapitel materialisieren
- Knowledge Map Themenfolgen und Lernlogik modellieren
OCR ist nur der erste Schritt: Neben dem erkannten Inhalt bleiben auch strukturelle Informationen über Aufbau, Anordnung und Qualität der Seitenelemente erhalten. Dadurch lässt sich nachvollziehen, welche Informationen erkannt wurden und in welchem Kontext sie auf der ursprünglichen Seite vorlagen. Die Verwendung von Kennzahlen auf Seiten-, Block-, Abschnitts- und Kompetenzebene ermöglicht einen vergleichbaren Überblick über Umfang, Fehler und Verarbeitungsqualität.
Ein Registry-Modell verbindet die verschiedenen Ausgangs- und Zwischenstände der Verarbeitung mit ihren zugehörigen Metadaten. Dadurch bleibt die gesamte Pipeline nachvollziehbar und stellt zugleich den benötigten Kontext für diverse Funktionalitäten bereit. Abgeleitete Wissensknoten bleiben auf ihre ursprüngliche Quelle zurückführbar, während fehlerhafte Verarbeitungsschritte gezielt wiederholt werden können, ohne die gesamte Pipeline erneut ausführen zu müssen.
Aus Buchdaten werden eigenständige Lernkapitel
Die extrahierten Kapitel, Abschnitte und fachlichen Beziehungen werden nicht lediglich als digitale Buchkopie wiedergegeben. Auf ihrer Grundlage entstehen individuell gestaltete Brainfuel-Kapitel, die Inhalte neu ordnen, Zusammenhänge sichtbar machen und das Ausgangsmaterial für Tutor, Übungen und persönliche Lernwege nutzbar aufbereiten.
OCR-Pipeline
Vom Seitenbild zur strukturierten Wissensbasis
Die vier Abbildungen zeigen den Prozess der Buchseite durch zentrale Prüfschritte. Zunächst werden die Kandidaten bewusst großzügig erfasst. Anschließend werden sie räumlich verknüpft, gegeneinander bewertet und schließlich zu einer bereinigten Seitenstruktur verdichtet.
Im Verlauf des Prozesses werden verschiedene Zuständigkeiten gebildet, die anschließend in einem gemeinsamen Kontext zusammengeführt werden.
So bewahren RawLine und RawBlock erkannte Zeilen und räumliche Gruppen, bevor RawPage sie zu einer vollständigen Seitenrepräsentation verbindet. Weiter entfernt ParsedPage widersprüchliche Treffer und normalisiert die Lesereihenfolge. Anschließend überführen Sections und Competencies das Ergebnis in fachlich adressierbare Einheiten.
Die farbigen Rahmen auf zuvor ausgewählten Debug-Buchseiten machen jede Entscheidung sichtbar und führen Fehler bis zu der Phase zurück, in der eine Region erzeugt, verworfen oder falsch zugeordnet wurde.
- RawLine
- RawBlock
- RawPage
- ParsedPage
- Sections
- Competencies
Kandidaten finden
Mehrere Rotationen erfassen Textzeilen, Formeln, Abbildungen und mögliche Inhaltsregionen zunächst bewusst großzügig.
Beziehungen bilden
Räumliche Enthalten-Beziehungen ordnen einzelne OCR-Treffer den passenden Absätzen, Aufgaben und Abbildungen zu.
Kandidaten auflösen
Bewertungen wählen pro Seitenbereich die plausibelste Interpretation; widersprüchliche und schwächere Treffer entfallen.
Layoutblöcke montieren
Bereinigte Regionen werden zu zusammenhängenden Inhaltsblöcken für Lesereihenfolge, Kapitelstruktur und Folgeanalyse verdichtet.
Nach dem Einstieg präsentiert Brainfuel die aktuellen Hausaufgaben, Termine, Notenstände und die Position des Unterrichtsthemas im Lernplan. Quickstart-Presets ermöglichen den direkten Zugriff auf die entsprechenden Arbeitskontexte, wie beispielsweise die Klassenarbeitsvorbereitung, Bucharbeit oder Präsentation.
Im Rahmen der früheren Teilimplementierung wurden verschiedene Funktionen getestet, darunter eine Buchbibliothek, Schnellhefter, ein Split-Screen, Notizen, Textdokumente und Karteikarten. Die aktuelle App-Shell überführt diese Produktlogik in eine reduzierte, aufgeräumte Oberfläche.
Der globale KI-Chat bietet nicht nur aktive Unterstützung während des Selbststudiums, sondern steht den Nutzer*innen auch über alle Anwendungsansichten zur Verfügung. Er erklärt Inhalte, begleitet Übungen und kann zugleich bei der Navigation helfen.
Split-Screen
Buchabschnitt und eigene Notiz bleiben sichtbar und direkt miteinander verbunden.
Werkzeuge direkt starten
Presets öffnen Bibliothek, Split-Screen und Lernwerkzeuge direkt im passenden Kontext. So bleibt der Einstieg fokussiert.
Vom Buch zur interaktiven Wissensquelle
Fach, Verlag, Klassenstufe und Schulart erschließen die Bibliothek. Kapitel und Themenbezüge verbinden Quellen mit Workspace und Knowledge Map, damit Erklärungen und Aufgaben zum Lernstand passen, ohne den roten Faden des Lehrplans zu verlassen.
Die Bibliothek erschließt Quellen, während der Split-Screen einen Buchabschnitt unmittelbar mit Notizen oder eigenen Dokumenten verbindet. Schnellhefter und Workspaces ermöglichen die kontinuierliche Arbeit an einer Aufgabe. Karteikarten und Übungsansichten fassen ausgewählte, für die Wiederholung relevante Inhalte kompakt zusammen. Ein Wechsel der Oberfläche bedeutet daher nicht zwangsläufig einen Themenwechsel.
Auch Ansichten, die hier nicht abgebildet sind, folgen diesem Prinzip. Hausaufgaben, Kalender, Noten, Klassenräume und gemeinschaftlich genutzte Materialien ergänzen den fachlichen Kontext durch Aspekte der Planung und Zusammenarbeit. Der KI-Tutor greift auf diese Zusammenhänge zurück, um Erklärungen, Nachfragen oder Vorschläge für Übungen zu geben, ohne dabei den aktuellen Lernweg zu unterbrechen. Dadurch wird eine Sammlung isolierter Werkzeuge vermieden und eine durchgängige Arbeitsumgebung geschaffen: Inhalte werden an einer Stelle gefunden, in einer anderen bearbeitet und bleiben anschließend für spätere Aufgaben, Prüfungsvorbereitung und den persönlichen Wissensaufbau verfügbar.
