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 brauche ich B1-Deutsch für den Arbeitsalltag. 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