Technische Fallstudie
GermanGuess
GermanGuess ist ein persönliches Sprachlernsystem, das hybride Validierung nutzt: Regeln prüfen Grammatik, LLMs variieren Übungen. Live unter germanguess.com — der erste Schritt meiner KI-Reise von Unternehmensprogrammführung zu praktischem KI-Bau.
Hintergrund
Als Programmleiter in Deutschland nutze ich Deutsch im Arbeitsalltag (B2 Hören). Bestehende Apps decken nicht meinen Lernpfad ab. Ich baute GermanGuess, um zu verstehen, wo LLMs bei strukturierter Validierung helfen — und wo nicht.
Problem
Berufstätige, die Deutsch lernen, brauchen verlässliche, konsistente Übung — dieselbe Qualitätsanforderung gilt, wenn Übungen skaliert werden sollen, ohne aufwändige manuelle Prüfung.
Ziele
- Grammatikübungen mit sofortigem, verlässlichem Feedback
- Hybride Validierung: Regeln + LLM-Variation
- Messbare Lernkurve über Sessions hinweg
- Verstehen, wo LLMs in Lernprodukten scheitern
Architektur
Aktuelle Implementierung — basierend auf dem, was heute gebaut ist.
Technologie-Stack
React · TypeScript · Python · LLM APIs · PostgreSQL
Technische Herausforderungen
- Grammatikalisch korrekte Übungen zuverlässig erzeugen
- Halluzinationen und falsche Korrekturen abfangen
- Lernfortschritt sinnvoll in PostgreSQL modellieren
- Feedback-Schleifen schneller als klassische Lern-Apps halten
Abwägungen
- LLM-Variation vs. verlässliche Regelprüfung — hybride Validierung nötig
- Feature-Umfang bewusst begrenzt zugunsten von Übungsqualität
- Einzelnutzer-Fokus — keine Multi-Tenant-Architektur
Erkenntnisse
- KI eignet sich gut für Variation, weniger für verlässliche Regelprüfung ohne Zusatzlogik
- Feedback-Schleifen müssen schneller sein als in klassischen Lern-Apps
- Persönliche Projekte zeigen Grenzen von LLMs am deutlichsten
Aktueller Status
Live für Nutzer. Feedback sammeln. Zusätzliche Lernmodi entwickeln.
Zukünftige Verbesserungen
- Erweiterte Grammatikmodule (Konjunktiv, Passiv)
- Bessere Halluzinations-Erkennung bei LLM-Feedback
- Lernfortschritt visualisieren und Schwachstellen gezielt wiederholen
Geschätzte Meilensteine
- Q2 2026 — Konjunktiv-Modul mit Regelvalidierung
- Q3 2026 — Halluzinations-Guardrails für Korrektur-Feedback
- Q4 2026 — Schwachstellen-Dashboard