Maxim GrabowAngebot · Digitaler Wegweiser Berlin

Angebot von Maxim Grabow · Technische Begleitung

Digitaler Wegweiser Berlin: geprüfte Antworten in der eigenen Sprache

Für Menschen, die neu in Berlin ankommen: anonym, per QR-Code, rund um die Uhr. Er antwortet nur aus Inhalten, die Ihr Team geprüft hat, und sagt offen, wenn er etwas nicht weiß.

Zur DemoAngebot als PDF

Für die Johannesstift Diakonie Proclusio gGmbH · Stand 11.10.2026

Versprechen

01 / 15alle Kriterien

Auf einen Blick

  • 500hPlanwert 380–440 Stunden in 3 Phasen, höchstens 500
  • 3PhasenPhase 1: 170–190 Stunden, Beta ab ca. Monat 3–4
  • 11SprachenVorab-Test: 11 Sprachen, 20 KI-Systeme
  • 100,00€ netto100,00 € netto · 119,00 € brutto (19 % USt)
Laufende Kosten
voraussichtlich ca. 100–300 € pro Monat
Leistung
persönlich, durch alle drei Phasen

Sechs Kernaussagen

  1. Geprüfte Antworten statt freier KI

    Der Wegweiser antwortet nur aus Inhalten, die Ihr Projektteam geprüft und freigegeben hat, mit Quelle und Prüfdatum. Liegt nichts Geprüftes vor, sagt er das offen und verweist an einen Menschen.

  2. Erprobte Bausteine statt Eigenbau

    Ich übernehme das Prinzip Ihrer IONOS-Prüfung und ergänze nur, was nachweislich fehlt: Redaktion ohne SQL, eine Suche, die ihre Grenzen erkennt, Audio in der EU und eine Prüfung je Sprache. Jeder Baustein ist Open Source oder austauschbar.

  3. Sprachen gemessen statt angenommen

    In einem eigenen Vorab-Test mit 11 Zielsprachen erreichen offene Modelle bei europäischen Anbietern in Ukrainisch, Arabisch, Farsi und Dari nach meiner Entscheidungsregel die Qualität der besten gemessenen Systeme. Wo sie das nicht schaffen, etwa bei Tigrinya, sehe ich eine abschaltbare Ausnahme in der EU vor, erst nach Ihrer Datenschutz-Folgenabschätzung.

  4. Datenschutz durch Technik

    Anonym und ohne Konten, Verarbeitung ausschließlich in der EU. Persönliche Angaben werden automatisch entfernt. Eine Prüfschicht ohne KI sichert Notrufnummern, Fristen und Daten ab.

  5. Ihr Team wird eigenständig

    Redaktion ohne Technikwissen, Schulungen, Videoanleitungen, Sprechstunde und ein Übergabetest. Alle Konten und Rechte liegen bei Ihnen.

  6. Ich habe den Kern schon gebaut

    Drei meiner Referenzprojekte sind KI-Systeme, die nur aus geprüftem Wissen antworten, mit messbarer Suchqualität und Übergabe an Menschen.

Versprechen

02 / 15Technisches Vorgehen35 %beantwortet§§ 8, 9, 12

Mein Verständnis der Aufgabe

Wer neu in Berlin ankommt, steht vor vielen Fragen auf einmal:

Was bedeutet dieser Brief?

Bis wann muss ich reagieren?

Wer ist zuständig, und wo bekomme ich Hilfe?

Die Wegweiserkurse geben darauf in der Herkunftssprache Orientierung. Der Digitale Wegweiser Berlin soll dieses Wissen auch zwischen den Kursterminen erreichbar machen: anonym, per QR-Code, in der eigenen Sprache und zu jeder Zeit.

Dabei geht es um Verlässlichkeit, nicht um eine möglichst kluge KI.

Eine falsche Frist oder eine falsche Zuständigkeit kann für die Nutzenden ernste Folgen haben. Deshalb verstehe ich die Aufgabe so:

  1. Eine geprüfte Wissensbasis, die Ihr Team selbst pflegt. Die KI formuliert nur, was Ihr Projektteam geprüft und freigegeben hat. Wo nichts Geprüftes vorliegt, sagt sie das und verweist an Menschen.
  2. Einfache, erprobte Technik statt Eigenbau. Managed Services und Open-Source-Komponenten, verbunden durch eine schlanke, gut dokumentierte Schicht. Jeder Baustein lässt sich austauschen, kein Anbieter wird unverzichtbar.
  3. Datenschutz und Barrierefreiheit von Anfang an. Die Zielgruppe ist besonders schutzbedürftig. Deshalb gibt es keine Konten, keine Profile, Verarbeitung nur in der EU, Unterstützung für alle Schriftrichtungen, Vorlesen und große Schrift.
  4. Ihr Team wird eigenständig. Am Ende der Laufzeit soll Ihr Team Inhalte selbst pflegen, Qualität selbst prüfen und das System bei Bedarf an einen anderen Dienstleister übergeben können.

Ich begleite das Projekt persönlich durch alle drei Phasen: von der Konzeption und Einrichtung über die Beta-Erprobung in den Unterkünften bis zur Stabilisierung und Übergabe.

Versprechen

03 / 15Technisches Vorgehen35 %beantwortet§ 6.5

So funktioniert der Wegweiser

Frage rein, geprüfte Antwort raus.

Entscheidend ist der vierte Schritt: Wenn nichts Geprüftes passt, rät der Wegweiser nicht. Diese Antwort kommt fest hinterlegt und ohne KI.

  1. Frage in der eigenen Sprache

    Per QR-Code und ohne Anmeldung. Getippt oder gesprochen, in der eigenen Schrift und Schreibrichtung.

  2. Nur geprüfte Inhalte

    Gesucht wird ausschließlich in Einträgen, die Ihr Team geprüft und freigegeben hat. Deutsch ist die Quelle.

  3. Antwort mit Quelle und Stand

    Kurz in der Sprache der Fragenden, mit dem deutschen Fachbegriff, der Quelle und dem Prüfdatum.

  4. Sonst ehrlich sagen und an einen Menschen übergeben

    „Dazu liegt keine geprüfte Information vor.“ Dazu der Kontakt zu einer Beratungsstelle.

Video 1: So funktioniert der Wegweiserca. 60 Sekunden · Untertitel · kein Autoplay
Transkript

So funktioniert der Wegweiser

60 Sekunden · Konzept und Umsetzung: Maxim Grabow · Simulation mit Beispielinhalten. Farsi-Texte im Bild sind Entwürfe und werden muttersprachlich geprüft.

0:01 Sie sind neu in Berlin. Sie suchen Beratung zu Ihrem Asylverfahren – aber wo fragen Sie?

Auf dem Bildschirm: Ein grüner Punkt wird zur Sprechblase. Darin wird von rechts nach links eine Frage auf Farsi getippt (Entwurf); darunter steht die deutsche Übersetzung: „Wo bekomme ich kostenlose Beratung zu meinem Asylverfahren?“

0:07 Mit dem Digitalen Wegweiser fragen Sie in Ihrer eigenen Sprache. Auf Farsi, Arabisch, Ukrainisch – oder Tigrinya.

Auf dem Bildschirm: Unter der Frage steht „Sie fragen in Ihrer eigenen Sprache:“. Das letzte Wort wechselt: فارسی (Farsi), العربية (Arabisch), Українська (Ukrainisch), ትግርኛ (Tigrinya).

0:15 Der Wegweiser sucht nur in Einträgen, die das Projektteam geprüft und freigegeben hat. Jeder Eintrag hat eine Quelle – und ein Prüfdatum.

Auf dem Bildschirm: Die Sprechblase gleitet nach links. Eine Linie führt zu drei Beispiel-Einträgen der Redaktion, jeweils mit „Quelle · geprüft am 01.10.2026“. Die Häkchen setzen sich nacheinander.

0:27 Die Antwort kommt kurz und verständlich, in Ihrer Sprache. Der deutsche Fachbegriff steht dabei. So können Sie ihn in der Beratung zeigen.

Auf dem Bildschirm: Die Sprechblase wird zur Antwortkarte: eine kurze Antwort auf Farsi, der deutsche Fachbegriff „Asylverfahrensberatung“, die deutsche Übersetzung und die Quelle „Redaktion Wegweiser · Stand 01.10.2026“, gekennzeichnet als Beispiel.

0:39 Und wenn es keine geprüfte Information gibt? Dann sagt der Wegweiser das ehrlich. Und verbindet Sie mit einem Menschen.

Auf dem Bildschirm: Eine zweite Frage: „Wie lange dauert mein Asylverfahren noch?“ Die Antwort lautet: „Dazu liegt keine geprüfte Information vor.“ Der Knopf „Mit einem Menschen sprechen“ wird angetippt; eine Linie führt zur Karte „Beratungsstelle in Ihrer Nähe“ mit dem Beispiel „Musterberatung (Beispiel)“.

0:50 Anonym. Ohne Anmeldung. Per QR-Code. Der Digitale Wegweiser Berlin.

Auf dem Bildschirm: Die Ansicht fährt zurück: Die Sprechblase liegt in einem Handy, wird wieder zum Punkt, ringsum eine abstrakte Stadtfläche mit wenigen grünen Punkten. Endkarte: „Digitaler Wegweiser Berlin · Konzept und Umsetzung: Maxim Grabow · Simulation mit Beispielinhalten“.

Versprechen

04 / 15Technisches Vorgehen35 %beantwortet§ 6.7

So könnte Ihr Wegweiser aussehen

Eine Simulation mit zwei festen Beispielgesprächen auf Farsi, keine echte KI. Sie läuft einmal ab. Jeden Schritt können Sie hier auch einzeln ansehen.

Immer dabei: KI-Hinweis, Schriftgröße A−/A+ und Vorlesen.

Farben und Schrift nach dem Auftritt der Johannesstift Diakonie, bewusst ohne Logo. Die Farsi-Texte sind Entwürfe und werden muttersprachlich geprüft.

Simulation · keine echte KI

Auf dem Handy testenKamera auf den Code richten
Simulation mit festen Beispielgesprächen, keine echte KI und keine Rechtsberatung.
Beweis

05 / 15Technisches Vorgehen35 %beantwortet§ 6.1§ 6.2§ 6.5§ 6.8§ 6.9§ 7.1§ 7.2§§ 8, 9, 12

Architektur und Stack

Ziel: Neu angekommene Menschen bekommen in ihrer Sprache eine verlässliche erste Orientierung, rund um die Uhr, anonym und ohne Anmeldung. Der Wegweiser antwortet ausschließlich aus Inhalten, die Ihr Projektteam geprüft und freigegeben hat. Liegt nichts Geprüftes vor, sagt er das offen und verweist an einen Menschen.

Leitidee: Die von Ihnen geprüfte IONOS-Lösung ist eine gute Grundlage. Ich übernehme ihr Prinzip: eine verwaltete PostgreSQL-Datenbank mit Vektorsuche, ein KI-Modell über eine Standardschnittstelle und eine schlanke Weboberfläche.

Ergänzt wird nur, was für diesen Wegweiser nachweislich fehlt: eine Redaktionsoberfläche mit Freigabe, eine Suche, die ihre eigenen Grenzen erkennt, eine Prüfung je Sprache sowie Spracheingabe und Vorlesen innerhalb der EU.

Datenbank, KI und Hosting entwickle ich nicht selbst, sondern nutze bewährte Managed Services und Open-Source-Komponenten.

Eigener Code entsteht nur als schlanke Verbindungsschicht.

  1. Scannen, Sprache wählen, Frage stellen. Kein Konto, keine App-Installation, geringe Datenmengen für Prepaid-Tarife.
  2. Per QR-Code sofort nutzbar, auch auf älteren Android-Geräten. Fragen lassen sich tippen oder diktieren, Antworten vorlesen. Ein dauerhafter Hinweis zeigt, dass eine KI antwortet.

  3. Wegweiser-Diensteigene Schnittstelle (OpenAPI) · schlanke Verbindungsschicht, ca. 500 Zeilen

    1. Die Missbrauchsbremse arbeitet mit einem täglich wechselnden Einwegschlüssel statt mit IP-Adressen. Namen, Telefonnummern oder Aktenzeichen werden vor Protokoll und KI-Aufruf entfernt. Bei Krisenhinweisen erscheinen sofort feste Hilfsangebote, ohne KI.
    2. Die Frage wird ins Deutsche übertragen. Gesucht wird nur in freigegebenen Einträgen, nach Bedeutung und Wortlaut. Passt nichts, kommt ohne KI-Aufruf: „Dazu liegt keine geprüfte Information vor“, mit Beratungskontakt.
    3. Formuliert eine kurze Antwort in der Sprache der Fragenden, mit dem deutschen Fachbegriff. Welches Modell eine Sprache bedient, entscheidet die Messung. Ein Wechsel ist eine Konfiguration, kein Umbau.
    4. Gleicht Zahlen, Daten, Wochentage, Fristen und Behördennamen mit den Datenfeldern ab. Notrufnummern stammen immer aus geprüften Textbausteinen. Schlägt eine Prüfung fehl, erscheint die geprüfte deutsche Kurzfassung mit Kontakt.
  4. Deutsch ist die Quelle der Wahrheit. Fristen, Zuständigkeiten und Adressen stehen in eigenen Feldern. Die KI liest nur freigegebene, gültige Einträge über eine eigene Datenbanksicht.
Ihr Team legt Einträge an, prüft und gibt frei, ohne SQL. Wer prüft, gibt nicht selbst frei. Überfällige Einträge erscheinen als Warnung, Wissenslücken in einer Liste.
Systembild. Eine Frage kommt über den QR-Code in die Chat-Oberfläche und durchläuft im Wegweiser-Dienst Schutz, Suche, KI-Gateway und Prüfschicht. Die Antwort geht mit Quelle und Prüfdatum zurück. Ihr Team pflegt die Wissensdatenbank in der Redaktion; der Wegweiser liest nur Freigegebenes. Für eine kurze Erklärung eine Kachel überfahren, antippen oder per Tastatur fokussieren.
Leitidee und Architektur

Bausteine und warum

Baustein Lösung Warum
Datenbank Managed PostgreSQL mit pgvector, bevorzugt STACKIT (deutscher Betreiber, C5-Testat Typ 2 inkl. Datenbank), gleichwertig IONOS Standard-SQL, tägliche Sicherung mit Wiederherstellung auf einen Zeitpunkt, Umzug per Export jederzeit möglich
Redaktion Payload CMS (Open Source, MIT-Lizenz) Formulare statt SQL, Vier-Augen-Freigabe über Rollen, Versionen, Sprachfassungen inkl. Rechts-nach-links-Schrift, keine Lizenzkosten
Suche und Antwort schlanker eigener Dienst (ca. 500 Zeilen) auf Basis offener Bibliotheken nachvollziehbar, testbar, keine zusätzliche Plattform
KI-Modelle Gateway mit OpenAI-kompatibler Schnittstelle (LiteLLM, Open Source); offene Modelle bei EU-Anbietern als Standard Modellwechsel per Konfiguration, ohne Umbau
Chat-Oberfläche Web-App (PWA) mit assistant-ui (Open Source) per QR-Code sofort nutzbar, kein App-Store, läuft auch auf älteren Android-Geräten
Betrieb Container bei einem EU-Anbieter (STACKIT oder Scaleway), Konfiguration als Code keine Server- oder Kubernetes-Pflege durch Ihr Team
Video 3: Was passiert mit einer Frage?ca. 40 Sekunden · Untertitel · kein Autoplay
Transkript

Was passiert mit einer Frage?

40 Sekunden · Konzept und Umsetzung: Maxim Grabow · Simulation mit Beispielinhalten. Farsi-Texte im Bild sind Entwürfe und werden muttersprachlich geprüft.

0:00 Was passiert mit einer Frage? Sie wird anonym gesendet. Ohne Anmeldung. Persönliche Angaben werden vorher entfernt.

Auf dem Bildschirm: Ein grüner Punkt wird zur Sprechblase mit der Beispielfrage „Ich heiße Leyla. Wo bekomme ich Beratung?“ (fiktiver Name). Eine Schiene mit fünf Stationen erscheint. Station 1: „Anonym senden – ohne Anmeldung, ohne Konto“. Station 2: „Schutz – persönliche Angaben werden vorher entfernt“; der Name „Leyla“ in der Frage wird gestrichen und geschwärzt.

0:08 Gesucht wird nur in geprüften Inhalten – gespeichert in einem Rechenzentrum in Deutschland.

Auf dem Bildschirm: Station 3: „Nur geprüfte Inhalte – gespeichert in einem Rechenzentrum in Deutschland“.

0:16 Ein KI-Modell formuliert daraus die Antwort. Welches Modell, lässt sich jederzeit austauschen.

Auf dem Bildschirm: Station 4: „KI formuliert – nur aus den gefundenen Inhalten“. Die Sprechblase wird zur Karte „Antwort mit Quelle und Stand-Datum“. Das Modell wechselt von „Modell A“ zu „Modell B“.

0:25 Eine feste Prüfung ohne KI kontrolliert Zahlen, Fristen und Notrufnummern.

Auf dem Bildschirm: Station 5: „Prüfung ohne KI“. Zahlen, Fristen und Notrufnummern werden nacheinander abgehakt; die Antwortkarte erhält das Zeichen „geprüft“.

0:33 Jeder Baustein ist offen und austauschbar. Und Ihr Team behält die Kontrolle.

Auf dem Bildschirm: Jede Station bekommt ein Austausch-Zeichen: „Jeder Baustein: offen und austauschbar“. Dazu der Satz „Ihr Team behält die Kontrolle.“

Kein Anbieter-Lock-in

Komponente Wechsel
Datenbank Standard-PostgreSQL, Export und Umzug zu jedem Anbieter, auch zurück zu IONOS
KI-Modell Konfiguration im Gateway
Embedding-Modell Neuindexierung in Minuten
Redaktion KI und Schnittstelle lesen nur über die Datenbanksicht
Oberfläche dokumentierte Schnittstelle
Hosting Container und Infrastruktur als Code

Laufende Kosten

Voraussichtlich ca. 100–300 € pro Monat im Vollausbau, je nach Nutzung. Die Spanne setzt sich gerundet so zusammen:

  • Datenbank und Redaktion: 60–160 €
  • KI-Modelle: 20–110 € bei 300–2.000 Gesprächen
  • Hosting: 15–50 €

Kosten- und Störungsalarme sind von Anfang an eingerichtet.

Diese Bewerbungsseite zeigt mein Handwerk. Der Wegweiser selbst bleibt bewusst schlank (§ 7.5).
Beweis

06 / 15Technisches Vorgehen35 %beantwortet§ 6.1§ 6.6§ 6.12§ 7.3

Modelle, Sprachen und Open Source

Was ich vorschlage und warum

So findet der Wegweiser die richtige Antwort

Der Wegweiser sucht zuerst in Ihren geprüften Inhalten, und die KI formuliert nur aus dem, was diese Suche gefunden hat.

ohne KI

Schwelle

Aufgabe
antworten oder ehrlich ablehnen
Kandidat
feste Regel, kein Modell
Ersatz oder Option
–
Warum
die Ehrlichkeit hängt nicht vom Verhalten der KI ab
  • Deutsch ist die Quelle der Wahrheit. Gesucht wird nur in Einträgen, die Ihr Team auf Deutsch geprüft und freigegeben hat. Deshalb wird jede Frage zuerst ins Deutsche übertragen, wörtlich und ohne Umformulieren.
  • Zwei Suchwege. Die Bedeutungssuche findet passende Einträge, auch wenn die Frage andere Worte benutzt. Die Wortsuche findet Behördenbegriffe, Formularnamen und Tippfehler. Beide Trefferlisten werden zu einer zusammengeführt.
  • Ein zweiter Blick, wenn er sich lohnt. Ein spezialisiertes Modell kann die Treffer zusätzlich neu bewerten. Ob das die Trefferquote messbar verbessert, entscheidet die Messung in Phase 1.
  • Ehrlich ohne KI. Liegt selbst der beste Treffer unter einer festen Schwelle, antwortet der Wegweiser ohne KI: „Dazu liegt keine geprüfte Information vor“, mit dem passenden Beratungskontakt.
  • Sicherheit ohne KI. Krisenhinweise erkennen feste Stichwortlisten je Sprache. Zahlen, Daten und Fristen gleicht eine feste Prüfung ab, Notrufnummern stammen nie aus der KI. Ein KI-Schutzfilter kommt nur dazu, wenn ein Test in Phase 1 zeigt, dass er hilft, ohne harmlose Fragen zu blockieren.
  • Die Messung wählt die Modelle. Welches Modell eine Sprache versteht und beantwortet, entscheiden die Tests mit Ihren Kursleitenden. Alle Modelle hängen an einem Gateway mit Standardschnittstelle. Ein Wechsel ist eine Konfiguration, danach laufen dieselben Tests.

Der Kern läuft bei STACKIT in Deutschland: Datenbank, Bedeutungssuche und Antwortmodell. Weitere Dienste kommen nur dazu, wenn die Messung sie rechtfertigt. Die Kandidaten sind offene Modelle unter Apache-2.0-Lizenz oder Bausteine ganz ohne KI. Ihre Herkunft nenne ich offen.

Stufe Aufgabe Kandidat Ersatz oder Option Warum
Schutz am Eingang erkennt Krisenhinweise, Missbrauch und persönliche Angaben feste Krisen-Stichwortlisten je Sprache und Eingangsprüfung, kein Modell KI-Schutzfilter nur nach bestandenem Fehlalarm-Test: Shieldstral 1.0 (Mistral) oder Qwen3Guard (Alibaba, bei OVH), jeweils ohne die Kategorie „politisch heikel“ verlässlich und nachvollziehbar; ein Filter darf keine Fragen zu Verfolgung oder Religion blockieren
Übertragung Frage wörtlich ins Deutsche Gemma 4 31B (Google) bei STACKIT; für Hocharabisch, Farsi und Dari Mistral Large 3 (Mistral, EU-Endpunkt) weiteres offenes Modell je Sprache; proprietäre Ausnahme nur einzeln, abschaltbar, nach DSFA im Deutschen liegt das geprüfte Wissen; Modell je Sprache und Richtung aus meinem Vorab-Test
Bedeutungssuche (Embedding) findet Einträge mit ähnlicher Bedeutung Qwen3-VL-Embedding-8B (Alibaba) bei STACKIT bge-m3 (BAAI, MIT) bei IONOS; ohne chinesisches Modell: multilingual-e5-large-instruct (Microsoft, MIT) bei Berget AI, Schweden beim Kernanbieter verfügbar; sucht in der deutschen Fassung
Wortsuche (Volltext, Trigramm) findet Begriffe wörtlich und trotz Tippfehlern PostgreSQL-Volltextsuche (Deutsch) und pg_trgm, kein Modell in jeder PostgreSQL-Datenbank, auch bei IONOS „Aufenthaltsgestattung“ muss genau so gefunden werden; trägt allein weiter, wenn die Bedeutungssuche ausfällt
Rangfusion führt beide Trefferlisten zusammen Reciprocal Rank Fusion in SQL, kein Modell – einfach und nachvollziehbar, ohne Gewichte, die man pflegen müsste
Neubewertung (Reranker) ordnet die besten rund 20 Treffer neu Option, siehe unten; offen und bei einem deutschen Anbieter: Qwen3-VL-Reranker-8B (Alibaba) bei IONOS ohne Neubewertung: Rangfusion und Schwelle kommt nur dazu, wenn sie die Trefferquote messbar verbessert
Schwelle antworten oder ehrlich ablehnen feste Regel, kein Modell – die Ehrlichkeit hängt nicht vom Verhalten der KI ab
Antwortmodell formuliert aus den Treffern in der Sprache der Fragenden Gemma 4 31B (Google) bei STACKIT Mistral Large 3 oder Qwen3.5 (IONOS) je nach Messung; proprietäre Ausnahme nur einzeln, abschaltbar, nach DSFA Auswahl je Sprache per Messung mit den Kursleitenden
Prüfschicht gleicht Zahlen, Daten, Fristen und Behördennamen ab; Notrufnummern nur aus geprüften Textbausteinen eigener Code, kein Modell schlägt die Prüfung fehl: geprüfte deutsche Kurzfassung mit Kontakt fängt Fehler, die keine Modellwahl verhindert, etwa umgekehrte Fristen

Optionen und technische Details

Neubewertung: Optionen. Alle Modelle sind laut Hersteller mehrsprachig; der Wegweiser braucht nur Deutsch. In Phase 1 messe ich zuerst ohne Neubewertung und dann mit höchstens zwei Optionen.

Option Herkunft Lizenz Verarbeitung in der EU Einschätzung
ohne Neubewertung – kein Modell keine Daten an Dritte Ausgangspunkt der Messung
Qwen3-VL-Reranker-8B Alibaba (China) offen (Apache-2.0) IONOS, Deutschland offen, deutscher Anbieter; derzeit nur dort
bge-reranker-v2-m3 BAAI (China) offen (Apache-2.0) Berget AI, Schweden offen; junger Anbieter mit öffentlichem AVV
Cohere Rerank 3.5 Cohere (Kanada) proprietär AWS Bedrock, nur Region Frankfurt nicht chinesisch; US-Cloud, deshalb nur nach DSFA
Cohere Rerank 4.0 Fast Cohere (Kanada) proprietär Oracle Cloud, Frankfurt wie Rerank 3.5, neuere Version
Jina Reranker v3 Jina AI (Berlin, Teil von Elastic), auf Basis Qwen3 Gewichte nur nicht kommerziell; nutzbar über Elastic Elastic Inference Service, EU-Regionen braucht eine zusätzliche Plattform
Voyage rerank Voyage AI (MongoDB, USA) proprietär MongoDB Atlas, Region Europa Speicherung und Training vertraglich ausschließen
mxbai-rerank-v2 Mixedbread (Berlin), auf Basis Qwen2.5 offen (Apache-2.0) kein eigener Dienst, nur in der Suchplattform des Herstellers einzeln nur im Eigenbetrieb, daher nicht vorgesehen

Abschnitte und Metadaten. Kurze Einträge bleiben ganz. Lange Infotexte teile ich an Zwischenüberschriften in Abschnitte, jeweils mit dem Titel des Eintrags davor. Jeder Abschnitt trägt Eintrag, Thema, Sprache, Gültigkeit, Prüfdatum, Quellen sowie Name und Version des Embedding-Modells. Fristen und Zuständigkeiten kommen aus den Datenfeldern, nicht aus dem Text.

Nur Freigegebenes. Die Suche darf über eine eigene Datenbankrolle nur die Sicht der freigegebenen und gültigen Einträge lesen. Vektoren entstehen bei der Freigabe. Läuft ein Eintrag ab oder wird er deaktiviert, fällt er sofort aus der Sicht.

Übertragen, nicht umformulieren. In meiner Referenz 2 hat ein Umformulieren der Frage durch die KI die Trefferquote gesenkt. Die Übertragung bleibt deshalb wörtlich.

Suche. Bedeutungssuche über einen HNSW-Index in pgvector mit 1.024 statt 4.096 Werten je Vektor, weil der Index höchstens 2.000 fasst. Wortsuche mit deutscher Wortstammbildung. Startwerte: Je Suchweg gehen die besten 30 Treffer in die Rangfusion (k = 60), die besten 20 gegebenenfalls in die Neubewertung, die besten drei bis fünf an das Antwortmodell.

Neubewertung und Schwelle. Mit Neubewertung setzt die Schwelle an deren Wert an, sonst an der Bedeutungsähnlichkeit. Ich kalibriere sie in Phase 1 mit beantwortbaren und bewusst unbeantwortbaren Testfragen. Im Zweifel lieber „keine geprüfte Information“ als eine schwache Antwort. Eine Option kommt nur dazu, wenn sie die Trefferquote messbar hebt. Jeder zusätzliche Anbieter braucht einen AVV und steht in den Unterlagen für Ihre DSFA.

Messung. Recall@5: Bei wie vielen Testfragen der Kursleitenden steht der richtige Eintrag unter den ersten fünf Treffern? Dazu die Ablehnungsquote bei unbeantwortbaren Fragen und ein Erfindungstest: Wie oft enthält eine Antwort Aussagen, die in keinem Treffer stehen? Die Tests laufen nach jeder Änderung automatisch. In Referenz 2 fand eine gleich aufgebaute Suche mit anderen Modellen im eigenen Testset bei allen Testfragen den richtigen Eintrag unter den ersten fünf. Das war ein kleiner, rein deutscher Bestand, also ein Ausgangspunkt, kein Beleg für den Wegweiser.

Modellwechsel. Ein neues Embedding-Modell baut einen zweiten Index parallel auf. Umgeschaltet wird erst, wenn die Messung mindestens gleich gut ist. Bei einigen tausend Einträgen dauert das Minuten.

Herkunft. Die Kandidaten für Bedeutungssuche und Neubewertung stammen aus China und laufen nur bei EU-Anbietern. Ohne chinesisches Modell arbeiten Wortsuche und Rangfusion; als Modelle stehen multilingual-e5 bei Berget AI und Cohere Rerank in Frankfurt bereit.

Schutzfilter. Qwen3Guard kennt eine Kategorie „politisch heikle Themen“. Für Geflüchtete sind das Kernfragen, deshalb bliebe sie abgeschaltet. Vor einem Einsatz prüfe ich mit echten Fragen zu Asyl, Verfolgung und Religion, wie oft ein Filter fälschlich anschlägt.

Kosten. Bedeutungssuche und Neubewertung sind ein kleiner Teil der laufenden Kosten (Rahmen siehe Kapitel 5, Kostenbremse und Messbudget siehe Preis).

Ausgangspunkt

Ihre Projektbeschreibung nennt als Beispiel IONOS Managed PostgreSQL und den IONOS AI Model Hub. Das Prinzip übernehme ich vollständig: Datenbank mit Vektorsuche, KI-Modell über eine Standardschnittstelle, schlanke Weboberfläche. IONOS bleibt für Datenbank und KI-Modelle ein gleichwertiger Anbieter. Durch das Gateway kann jedes IONOS-Modell eingesetzt werden, sobald es den Test einer Sprache besteht.

Warum ich nicht allein auf den IONOS AI Model Hub setze

  • 1

    Sprachen

    Für die Zielgruppe zählen gerade die Sprachen, die KI-Modelle selten gut beherrschen. In meinem Vorab-Test haben zwei Modelle des Model Hub bei schweren Sprachen typische Fehler gezeigt: Llama 3.3 und Mistral Small 3.2 lieferten Text in fremder Schrift, falsche Wochentage und eine umgekehrte Frist („nach 14 Tagen“ statt „innerhalb von 14 Tagen“). Für Ukrainisch, Arabisch, Farsi und Dari erreichen dagegen offene Modelle bei anderen EU-Anbietern (Gemma 4 bei STACKIT, Mistral Large 3 über den EU-Endpunkt von Mistral) nach meiner Entscheidungsregel die Qualität der besten gemessenen proprietären Systeme.

  • 2

    Modellwechsel

    Anbieter nehmen Modelle regelmäßig vom Netz, auch IONOS. Ein Gateway mit festgelegtem Ersatzmodell je Sprache und automatischem Neutest macht das zur Routineaufgabe.

  • 3

    Sprache und Audio

    Der Model Hub enthält keine Spracherkennung und keine Sprachausgabe. Diktieren und Vorlesen brauchen einen zusätzlichen EU-Dienst.

  • 4

    Betrieb der Anwendung

    Für eine Web-Anwendung mit eigener Schnittstelle bräuchte es bei IONOS einen Kubernetes-Cluster oder eine virtuelle Maschine, also Serverpflege. STACKIT bzw. Scaleway bieten Container ohne Serverpflege.

Mein Vorschlag: Den Kern betreibe ich bei STACKIT: Datenbank, Bedeutungssuche, Antwortmodell und Container bei einem deutschen Anbieter mit C5-Testat. Zusatzdienste kommen nur dazu, wenn die Messung sie rechtfertigt, etwa Mistral Large 3 für das Verstehen einzelner Sprachen oder eine Neubewertung der Suchtreffer; jeder hat einen eigenen Auftragsverarbeitungsvertrag. IONOS ist der gleichwertige Ersatz.

Welches Modell eine Sprache bedient, entscheidet die Messung, nicht der Anbieter.

Wie Open Source eingesetzt wird

Baustein Open Source Lizenz
Datenbank PostgreSQL + pgvector (als Managed Service) PostgreSQL-Lizenz
Redaktion Payload CMS MIT
KI-Gateway LiteLLM MIT
Chat-Oberfläche assistant-ui, AI SDK MIT / Apache-2.0
Spracherkennung Voxtral (Mistral) bzw. Whisper bei einem EU-Anbieter; für schwere Sprachen Omnilingual ASR (Pilot in Phase 1) Apache-2.0 / MIT
KI-Modelle (Standard) Gemma 4 31B, Mistral Large 3 Apache-2.0

Alle Kernbausteine sind Open Source und laufen als Managed Service bei EU-Anbietern.

Ihr Team betreibt keine Server.

Der Projektcode kann auf Wunsch unter der EU-Lizenz EUPL veröffentlicht werden.

Wo Open Source heute an Grenzen stößt

Vor der Abgabe habe ich einen eigenen, reproduzierbaren Vorab-Benchmark durchgeführt:

  • FLORES-200 (devtest), 11 Zielsprachen, 20 Systeme
  • je 100 Sätze Deutsch→Zielsprache und 60 Sätze Zielsprache→Deutsch
  • chrF++ mit gepaartem Bootstrap sowie ein Fakten- und Krisennummern-Test
  • Die Auswertung habe ich mit einem zweiten, unabhängig geschriebenen Skript exakt nachgerechnet.

Ergebnis: Nach der vorab festgelegten Entscheidungsregel erreicht in 11 von 22 Sprach-Richtungs-Kombinationen ein offenes, in der EU als Managed Service verfügbares Modell die Gleichwertigkeit.

  • Statistisch abgesichert ist das für Ukrainisch, Arabisch (Levante, Irak) und Hocharabisch, jeweils in Richtung Deutsch→Zielsprache. Den Faktentest habe ich dafür offengelegt korrigiert: Zahlwort, Dual und Ordinalzahl gelten als korrekt.
  • Belegt zurück liegt das beste EU-einsetzbare offene Modell bei Tigrinya (beide Richtungen) und Sorani→Deutsch, um mehr als 5 % hinter dem besten proprietären System. Dort sehe ich eine abschaltbare proprietäre Ausnahme in einer EU-Region mit Datenschutz-Folgenabschätzung vor.
  • Nicht statistisch bewiesen: In fünf weiteren Kombinationen ergibt sich die Ausnahme nur aus der Regel, drei Kombinationen sind offen. Beide Gruppen prüfe ich in Phase 1 neu.
  • Deutsch→Zielsprache: Über alle offenen Modelle war in keiner Sprache ein proprietäres System signifikant besser. Die Lücke liegt beim EU-Hosting-Angebot, nicht bei der Qualität offener Modelle.

Krisennummern setze ich unabhängig vom Modell aus geprüften Textbausteinen. Proprietäre Ausnahmen sind an Modell und Version gebunden, abschaltbar und werden bei jedem Versionswechsel neu gemessen.

Grenzen des Tests: allgemeinsprachliche Testsätze, eine Messung je System, Messung über einen API-Vermittler statt bei den EU-Hosts. Deshalb erfolgt die Endauswahl per Messung in Phase 1, gemeinsam mit den Kursleitenden.

Welches Modell für welche Sprache, und warum?

Ich habe für jede Sprache beide Richtungen gemessen: wie gut ein Modell auf Deutsch geprüfte Antworten in die Sprache überträgt und wie gut es Fragen in der Sprache versteht. Wählen Sie eine Kachel. Sie sehen dann, welches Modell ich zum Start vorschlage, welches als Ersatz bereitsteht und wie sicher das Ergebnis ist.

  • 22Kombinationen11 Sprachen × 2 Richtungen
  • 11 offenes EU-Modell gleichwertigdavon 5 statistisch abgesichert
  • 8 proprietäre Ausnahmedavon 3 statistisch abgesichert
  • 3 offen / unentschiedenKlärung in Phase 1

So habe ich gemessen

Je Sprache habe ich 100 Sätze aus FLORES-200 (devtest) von Deutsch in die Sprache und 60 Sätze zurück übersetzen lassen und mit chrF++ gegen eine Referenzübersetzung bewertet; die Messunsicherheit schätze ich mit einem gepaarten Bootstrap. Nach der vorab festgelegten Regel E25 gilt ein offenes Modell als gleichwertig, wenn es mindestens 95 % des besten Systems erreicht und den Fakten-, Krisennummern- und Schrifttest besteht; sonst sehe ich eine begründete, abschaltbare proprietäre Ausnahme vor.

Beim Antworten (Deutsch → Sprache) war über alle offenen Modelle in keiner Sprache ein proprietäres System signifikant besser; die Lücke liegt dort beim EU-Hosting-Angebot. Beim Verstehen (Sprache → Deutsch) sind proprietäre Systeme dagegen oft messbar besser: in 7 von 11 Sprachen signifikant besser als das beste offene Modell mit geprüftem EU-Vertrag.

Grenzen des Tests

  • allgemeinsprachliche Testsätze im Lexikon-Stil, keine Behörden- oder Wegweisertexte
  • eine Messung je System, Schwankungen zwischen Läufen sind nicht erfasst
  • gemessen über einen API-Vermittler, nicht bei den EU-Anbietern selbst
  • Endauswahl per Messung in Phase 1, gemeinsam mit den Kursleitenden
Je Sprache
  • Offenes EU-Modell gleichwertig
  • Proprietäre Ausnahme
  • Offen / unentschieden
  • statistisch abgesichert (gefüllte Fläche)
  • knapp (schraffierte Fläche)

Mit den Pfeiltasten wechseln Sie zwischen den Kacheln; die Details erscheinen neben der Übersicht.

Urteil je Sprache und Richtung
SpracheAntwortDeutsch → SpracheVerstehenSprache → Deutsch
UkrainischУкраїнська
Hocharabischالعربية الفصحى
Arabisch (Levante)شامي
Arabisch (Irak)عراقي
Farsiفارسی
Dariدری
KurmandschiKurmancî
SomaliSoomaali
Paschtuپښتو
Soraniکوردی (سۆرانی)
Tigrinyaትግርኛ

Fußnoten

¹ Weder Gleichwertigkeit noch ein proprietärer Vorsprung > 5 % ist bewiesen; die Entscheidung hängt am GreenPT-Vertrag bzw. an der fehlenden Messung von Mistral Large 3.

² Nur mit offengelegter Korrektur des Faktentests (Zahlwort, Dual, Ordinalzahl gelten als korrekt). Bei strikter Ziffernprüfung erfüllt in Levante und Irak kein System E25. Betrifft Arabisch (Levante, Irak) und Hocharabisch, jeweils Deutsch → Sprache.

Wo die Modelle laufen

T1
Offene Modelle als Managed Service bei EU-Anbietern mit geprüftem Vertrag (IONOS, STACKIT, OVH, Scaleway).
T1d
Offenes Modell, das ein EU-Anbieter nur als dediziertes Angebot führt (Mistral Large 3 bei Scaleway). Das Hosting kläre ich vertraglich.
T2
Offene Modelle über den EU-Endpunkt von GreenPT. Vertrag zur Auftragsverarbeitung angefragt, noch nicht geprüft. Einsatz erst nach schriftlicher Bestätigung und Nachmessung am Endpunkt.
EU
Proprietäre Modelle in einer EU-Region (Vertex AI EU, AWS Bedrock Frankfurt). Nur als abschaltbare Ausnahme mit Datenschutz-Folgenabschätzung.
Ref.
Offene Gewichte ohne EU-Managed-Angebot. Nur zum Vergleich gemessen, keine Einsatzempfehlung.

Ukrainisch · Українська

Antwort: Deutsch → Ukrainisch

Offenes EU-Modell gleichwertig statistisch abgesichert
Was das bedeutet

Für Antworten auf Ukrainisch genügt ein offenes Modell bei einem EU-Anbieter. Das ist statistisch abgesichert: Auch die ungünstige Grenze der Messung liegt über 95 % des besten Systems.

Empfohlenes EU-Modell
Gemma 4 31B offen · STACKIT; Scaleway nur dediziert
Ersatz
Qwen3.5-397B offen · IONOS, OVH, ScalewayoderMistral Large 3 offen · Mistral (EU-Endpunkt); Scaleway nur dediziert
  • Hinweis: Das beste gemessene System ist hier selbst ein offenes Modell (Mistral Large 3).
Qualität relativ zum besten System

chrF++ geteilt durch den besten gemessenen Wert dieser Kombination (= 100 %).

T1 · Offen · EU-Anbieter, Vertrag geprüft
  • Gemma 4 31BStart98,5 %
  • Qwen3.5-397BErsatz97,8 %
  • Llama 3.3 70B94,1 %
  • Mistral Small 3.2 24B93,3 %
  • gpt-oss-120b91,8 %
T1d · Offen · nur als dediziertes Angebot
  • Mistral Large 3Ersatz100,0 %
T2 · Offen · GreenPT, Vertrag angefragt
  • MiniMax M399,3 %
  • GLM-5.398,8 %
  • DeepSeek V4.1 Flash97,7 %
EU · Proprietär · EU-Region
  • Gemini 3.1 Flash-Lite99,9 %
  • Gemini 3.8 Flash99,1 %
  • Claude Sonnet 5.598,9 %
  • offen, EU-Anbieter
  • offen über GreenPT, Vertrag angefragt
  • proprietär, EU-Region
  • Schwelle der Regel (95 %)
  • Spanne der Messung (95-%-Intervall, Näherung)
  • Achse ab 60 %, ‹ = darunter · * = Messhinweis
Alle Ergebnisse als Tabelle
Alle Messwerte je Sprache
Sprachen Vorschlag zum Start Status
Ukrainisch, Arabisch, Farsi, Dari offenes Modell bei EU-Anbieter (Gemma 4 / Mistral Large 3) gleichwertig, teils statistisch abgesichert
Kurmandschi, Somali Ausnahme, bis ein EU-Anbieter ein gleichwertiges offenes Modell vertraglich anbietet offen, Klärung läuft
Sorani, Paschtu abschaltbare proprietäre Ausnahme in der EU, nach DSFA knapp bzw. belegt
Tigrinya proprietäre Ausnahme plus geprüfte Textbausteine, Übergabe an Menschen belegt
Deutsch, Englisch, Französisch, Russisch, Türkisch u. a. offenes Modell bei EU-Anbieter Messung in Phase 1

Wichtig für Ihre Datenschutz-Folgenabschätzung: Beim Verstehen der Frage gehen Eingaben der Nutzenden an das Modell, die besonders sensible Angaben enthalten können. Jede proprietäre Ausnahme in dieser Richtung wäge ich deshalb gesondert ab und schlage sie nur mit Ihrer Freigabe vor.

Beweis

07 / 15Technisches Vorgehen35 %beantwortet§ 6.3§ 6.4

Wissensdatenbank und Redaktion

Die Wissensdatenbank ist das Herz des Wegweisers. Ihre Qualität entscheidet über die Qualität jeder Antwort, deshalb gilt:

Deutsch ist die Quelle der Wahrheit.

Jeder Eintrag wird auf Deutsch gepflegt und fachlich von Ihrem Team verantwortet.

Kritische Informationen werden nicht als Fließtext gespeichert, sondern strukturiert.

Fristen, Zuständigkeiten, Adressen, Öffnungszeiten, Formulare und Verfahrensschritte haben eigene Felder. Das hat zwei Vorteile.

Ändert sich eine Öffnungszeit, ändert Ihr Team sie an einer einzigen Stelle.

Und die KI setzt solche Angaben nicht frei um, sondern bekommt sie wörtlich aus dem Datenfeld.

Datenmodell

Element Inhalt
Themen Ankommen, Asylverfahren, Wohnen, Gesundheit, Arbeit, Familie, Alltag (abgestimmt auf Ihre Kursinhalte)
Einträge Frage, Antwort, Kurzfassung in Einfacher Sprache, Typ (FAQ, Infotext, Verfahrensschritt, Termin)
Strukturierte Fakten Frist (Dauer, Bezug, Folgen bei Versäumnis), Zuständigkeit (Behörde, Beratungsstelle, Notdienst), Formular, Quelle mit Abrufdatum
Aktualität gültig ab / bis, nächste Prüfung fällig am, zuletzt geprüft am, verantwortliche Person
Status Entwurf → geprüft → freigegeben → deaktiviert

  • Freigabe im Vier-Augen-Prinzip

    Wer einen Eintrag prüft, gibt ihn nicht selbst frei. Die KI sieht ausschließlich freigegebene und gültige Einträge. Technisch geschieht das über eine eigene Datenbanksicht, die auch für die Schnittstelle und die spätere MCP-Anbindung der einzige Lesezugang ist. Überfällige Einträge erscheinen in der Redaktion als Warnung.

  • Wissenslücken werden sichtbar

    Fragen, auf die der Wegweiser keine geprüfte Antwort hatte, landen anonymisiert in einer Lückenliste. So sieht Ihr Team, welche Inhalte fehlen, und kann gezielt nachpflegen.

  • Bestandsinhalte

    Ich übernehme die vorhandenen Kursmaterialien und FAQ-Listen beratend in die neue Struktur. Die fachliche Prüfung bleibt bei Ihrem Team.

Video 2: Redaktion in 30 Sekundenca. 30 Sekunden · Untertitel · kein Autoplay
Transkript

Redaktion in 30 Sekunden

30 Sekunden · Konzept und Umsetzung: Maxim Grabow · Simulation mit Beispielinhalten. Farsi-Texte im Bild sind Entwürfe und werden muttersprachlich geprüft.

0:00 So pflegt Ihr Team den Wegweiser. Jeder Eintrag entsteht auf Deutsch – mit Quelle und Gültigkeitsdatum.

Auf dem Bildschirm: Ein grüner Punkt wird zum Formular „Neuer Eintrag · Deutsch“, Status „Entwurf“. Die Felder füllen sich: Titel „Asylverfahrensberatung in Berlin“, Kurztext, Quelle „berlin.de/…“ (Beispiel), gültig bis 31.03.2027.

0:08 Eine zweite Person prüft und gibt frei. Erst dann nutzt der Wegweiser den Eintrag.

Auf dem Bildschirm: „Zur Prüfung senden“ wird gedrückt, der Status wechselt zu „In Prüfung“. Ein Piktogramm „Zweite Person prüft“ erscheint, die Felder bekommen Häkchen, „Freigeben“ wird gedrückt. Status „Freigegeben“, darunter „Jetzt im Wegweiser nutzbar“.

0:16 Läuft ein Eintrag ab, erinnert die Redaktion rechtzeitig daran.

Auf dem Bildschirm: Das Feld „Gültig bis“ wird markiert; eine Linie führt zur Erinnerung „Läuft am 31.03.2027 ab.“

0:23 Und Fragen ohne Antwort landen in der Lückenliste. So wächst das Wissen mit.

Auf dem Bildschirm: Der Eintrag rückt zur Seite. Die Lückenliste „Fragen ohne geprüfte Antwort“ erscheint; oben rutscht die neue Frage „Wie lange dauert mein Asylverfahren noch?“ hinein. Daneben erscheint ein grüner Knopf „Eintrag anlegen“.

Beweis

08 / 15Technisches Vorgehen35 %beantwortet§ 6.7§ 6.10

Qualität, Datenschutz, Barrierefreiheit

06 · So findet der Wegweiser die richtige Antwort

So entsteht eine Antwort

  1. Die Frage wird ins Deutsche übertragen, denn dort liegt das geprüfte Wissen.
  2. Eine kombinierte Suche (Bedeutung über Vektoren, Wortlaut über Volltext) findet passende freigegebene Einträge. Ein zweiter Bewertungsschritt kann sie zusätzlich nach Relevanz sortieren, wenn die Messung es rechtfertigt.
  3. Liegt die Relevanz unter einer festen Schwelle, kommt eine feste Antwort ohne KI-Aufruf: „Dazu liegt keine geprüfte Information vor“, zusammen mit dem passenden Beratungskontakt. Die Ehrlichkeit des Systems hängt damit nicht vom Verhalten der KI ab.
  4. Sonst formuliert das KI-Modell eine kurze Antwort in der Sprache der Fragenden. Deutsche Behördenbegriffe wie „Aufenthaltsgestattung“ stehen mit dabei, weil sie genau so in den Briefen stehen. Jede Antwort zeigt ihre Quelle und das Prüfdatum.
  5. Eine Prüfschicht ohne KI gleicht Zahlen, Daten, Wochentage, Fristen und Behördennamen mit den Datenfeldern ab. Notrufnummern stammen immer aus geprüften Textbausteinen, nie aus der Modellausgabe. Schlägt eine Prüfung fehl, erscheint die geprüfte deutsche Kurzfassung mit Kontakt.

Suche, Antworten, Sprachen und Qualität

Krisen

Bei Hinweisen auf Gewalt, Suizidgedanken oder akute Gefahr erscheinen sofort fest hinterlegte Hilfsangebote und Notrufnummern in der jeweiligen Sprache, ohne Umweg über die KI. Die Stichwortlisten je Sprache entstehen gemeinsam mit Ihren Kursleitenden.

Sprachen: Ich messe, statt anzunehmen.

Vor der Abgabe habe ich einen eigenen Vorab-Test durchgeführt: 11 Zielsprachen, 20 KI-Systeme, je 100 Sätze Deutsch→Zielsprache und 60 Sätze Zielsprache→Deutsch, dazu ein Test auf Zahlen, Fristen und Notrufnummern.

  • Ukrainisch, Arabisch, Farsi und Dari:
    Offene Modelle, die EU-Anbieter als Managed Service betreiben, erreichen dort nach meiner Entscheidungsregel die Qualität der besten gemessenen proprietären Systeme. Diese offenen Modelle sind der Standard.
  • Tigrinya und Sorani:
    Hier liegen offene Modelle bei EU-Anbietern belegt deutlich zurück. Für diese und einige weitere Sprachen sehe ich eine abschaltbare Ausnahme mit einem proprietären Modell in einer EU-Region vor, erst nach Ihrer Datenschutz-Folgenabschätzung.
  • Nicht getestet:
    Fachtexte von Behörden. Die Testsätze waren allgemeinsprachlich, und gemessen habe ich über einen Vermittlungsdienst statt direkt bei den EU-Anbietern.
06 · Ergebnis

Deshalb fällt die Endauswahl in Phase 1

  1. Ihre muttersprachlichen Kursleitenden prüfen je Sprache 50–80 echte Fragen aus dem Kursalltag.

  2. Eine Sprache wird erst nach ihrer Freigabe eingeschaltet. Bis dahin antwortet der Wegweiser in Einfacher Sprache auf Deutsch oder Englisch und verweist an Menschen.

  3. Nach jedem Modellwechsel laufen dieselben Tests erneut, automatisiert und nachvollziehbar.

Oberfläche, Barrierefreiheit und Datenschutz

  • Zugang ohne Hürde

    • QR-Code scannen, Sprache wählen (Sprachnamen in eigener Schrift, keine Flaggen), Frage stellen.
    • Kein Konto, keine App-Installation, geringe Datenmengen für Prepaid-Tarife.
    • Eine Notfallseite mit den wichtigsten Kontakten funktioniert auch offline.
    • Ein gut sichtbarer Knopf „Mit einem Menschen sprechen“ führt jederzeit zu den Beratungsangeboten.

  • Barrierearm (Ziel: WCAG 2.2 AA)

    • Schrift stufenlos vergrößerbar (A−/A+), hohe Kontraste.
    • Vollständige Unterstützung für Schriften von rechts nach links (Arabisch, Farsi, Dari, Paschtu, Sorani) und für Ge'ez (Tigrinya).
    • Bedienbar mit Tastatur und Screenreader, getestet auch mit TalkBack auf einem einfachen Android-Gerät.

  • Sprechen und Vorlesen

    • Diktieren: Die Nutzenden sprechen ihre Frage, sehen den erkannten Text und können ihn korrigieren. Für die großen Sprachen läuft offene Spracherkennung bei einem EU-Anbieter (Voxtral von Mistral oder Whisper, Auswahl per Messung). Aufnahmen werden nicht über die Erkennung hinaus gespeichert und nicht zum Training genutzt.
    • Vorlesen: Die Antworten werden vorgelesen, mit Stimmen des Geräts oder eines EU-Dienstes. Dabei wird nur der geprüfte Antworttext verarbeitet, nie die Stimme der Nutzenden.
    • Sprachen mit wenig Trainingsdaten: Für Tigrinya, Paschtu, Sorani, Kurmandschi, Dari und Somali sind gängige Modelle deutlich schwächer. Dafür starte ich in Phase 1 einen Pilot mit der spezialisierten offenen Spracherkennung Omnilingual ASR (Apache-2.0) auf einer EU-GPU, die nur bei Nutzung läuft. Eine Sprache wird erst nach Abnahmetest freigegeben. Bis dahin bleibt die Texteingabe gleichwertig, und Kerninformationen gibt es als eingesprochene Audiodateien.

  • KI-Transparenz

    Ein dauerhaft sichtbarer Hinweis zeigt, dass eine KI antwortet und nur geprüfte Inhalte nutzt (Art. 50 EU AI Act).

Datenschutz durch Technik, nicht nur durch Erklärungen

  • Anonym: keine Konten, keine Profile, keine Cookies zur Wiedererkennung. Die Missbrauchsbremse arbeitet mit einem täglich wechselnden Einwegschlüssel statt mit IP-Adressen.
  • Datensparsam: Persönliche Angaben wie Namen, Telefonnummern, Aktenzeichen oder IBAN werden vor Protokoll und KI-Aufruf automatisch entfernt. Das anonyme Frageprotokoll für die Auswertung der Beta wird nach 90 Tagen gelöscht, danach bleiben nur Zahlen je Thema.
  • Verarbeitung in der EU mit Auftragsverarbeitungsvertrag und vertraglich ausgeschlossenem Training. Die Wissensdatenbank enthält keine personenbezogenen Daten der Nutzenden.
  • Unterlagen für Ihre Datenschutz-Folgenabschätzung (Datenflüsse, technische und organisatorische Maßnahmen, Liste der Dienstleister) liefere ich als eigenen Meilenstein vor der Beta. Maßstab ist die DSGVO bzw. das kirchliche Datenschutzrecht (DSG-EKD), soweit es für Sie gilt.
Verlässlichkeit

09 / 15Technisches Vorgehen35 %beantwortet§ 6.9§ 6.11§ 6.12§ 7.5§ 15

Vorgehen und Zeitplan

Aufwand je Phase (Obergrenze 500 Stunden)

Mein Planwert für die drei Phasen liegt bei rund 380–440 Stunden. Die Differenz zum Deckel von 500 Stunden ist ein Kontingent, das nur auf Ihren Abruf anfällt. Im Planwert enthalten sind 40–60 Stunden für Abstimmung, Stundennachweise und Zuarbeit zu Berichten. Eigene, erprobte Bausteine senken den Aufwand in Phase 1 um rund 40 Stunden gegenüber einem Neubau.

Ein Anspruch auf Ausschöpfung der 500 Stunden besteht nicht.

  1. Phase 1

    Konzeption und Einrichtung

    170–190Stunden (ca.)

    Workshop, Architektur, Datenbank, Datenmodell, Redaktion, Suche, KI-Anbindung, Oberfläche, Audio, Schutz, Testgrundlage, DSFA-Unterlagen, erste Schulung

  2. Phase 2

    Test und Optimierung

    120–140Stunden (ca.)

    Beta in Unterkünften, Freigabe je Sprache mit den Kursleitenden, Fehleranalyse, Optimierung, MCP-Schnittstelle

  3. Phase 3

    Stabilisierung und Befähigung

    90–110Stunden (ca.)

    Stabilisierung, Handbuch, Videos, Sprechstunde, Übergabe- und Exit-Test, Weiterentwicklung

  4. Kontingent

    auf Abruf

    60–120Stunden (ca.)

    Weitere Sprachen und Themen, Modellwechsel, Rechtsänderungen, Unvorhergesehenes

Summe:

höchstens500Stunden

Zeitplan (ab Beauftragung)

In Phase 1 arbeite ich mit ca. 20–30 Stunden pro Woche, danach bedarfsorientiert.

Den Start der Beta bestimmen vor allem die Freigabe Ihrer Datenschutz-Folgenabschätzung und die ersten gepflegten Inhalte; ich passe den Plan an Ihren Wunschtermin an. Abstimmung: in Phase 1 alle zwei Wochen, danach monatlich. Vor-Ort-Termine bündele ich.

  1. Monat 1Auftakt-Workshop, Architekturentscheidung, Konten auf die Proclusio gGmbH
  2. Monat 1–2Datenbank, Datenmodell und Redaktion stehen; Ihr Team beginnt mit der Pflege
  3. Monat 2–3Suche, KI-Anbindung, Chat-Oberfläche, Audio; erste Sprachen im internen Test
  4. Monat 2–3Unterlagen für die Datenschutz-Folgenabschätzung, Sicherheits- und Barrierefreiheitstests, Schulung Redaktion
  5. ab ca. Monat 3–4Beta in ausgewählten Unterkünften (nach Freigabe der DSFA), Freigabe je Sprache
  6. Monat 4–18Optimierung nach echten Fragen, weitere Sprachen, MCP-Schnittstelle, Workshops KI-Kompetenz
  7. bis 30.06.2029Stabilisierung, Dokumentation, Übergabetest, monatliche Sprechstunde

Abrechnung und Kostenkontrolle

  • Monatliche Abrechnung mit Stundennachweis je Tätigkeit und Phase.

  • Ein Stundenstand je Phase ist jederzeit einsehbar. Bei 80 % einer Phase melde ich mich, bevor weitere Stunden anfallen.

  • Kosten- und Störungsalarme für die laufenden Dienste richte ich von Anfang an ein.

  • Kostenbremse: Für die laufenden Dienste vereinbaren wir eine monatliche Obergrenze. Bei 80 % meldet ein Alarm, bevor weitere Kosten entstehen.

  • Messbudget Phase 1: Für die Messungen in Phase 1 (Modellvergleich je Sprache, Suchqualität, Test des Schutzfilters) setze ich einmalig ca. 50–100 € an Nutzungskosten der KI-Dienste an, ebenfalls über Ihre Konten. Zum Vergleich: Mein Vorab-Benchmark mit 20 Systemen und 11 Zielsprachen kostete rund 11 US-Dollar.

Risiken und Gegenmaßnahmen

Risiko Gegenmaßnahme
Veraltete Fakten Prüfdatum und Gültigkeit je Eintrag, Warnungen, nur gültige Inhalte im Wegweiser
Falsche Antwort in einer Sprache Freigabe je Sprache durch Kursleitende, Prüfschicht ohne KI, „keine geprüfte Information“ statt Raten
Anbieter stellt ein Modell ein Gateway, Neutest per Knopfdruck, Ersatzmodell je Sprache festgelegt
Missbrauch des offenen Zugangs Missbrauchsbremse, Schutz vor Manipulationsversuchen, Kostenobergrenze, Not-Aus
Abhängigkeit von mir als Person Dokumentation, Runbooks, Übergabetest. Ziel: Eine fremde Fachkraft setzt das System in unter zwei Stunden aus dem Repository neu auf
Verlässlichkeit

10 / 15Befähigung und Nachhaltigkeit20 %beantwortet§ 6.13§ 7.4§§ 8, 9, 12§ 15

Befähigung und Nachhaltigkeit

Ziel: Ihr Projektteam pflegt den Wegweiser nach der Einführung selbstständig. Es versteht, was die KI kann und was nicht, und ist nicht von mir abhängig.

Redaktion ohne Technikwissen

  • Inhalte anlegen, ändern, prüfen, freigeben und deaktivieren erfolgt über Formulare, nicht über SQL.

  • Pflichtfelder für Quelle, Prüfdatum und verantwortliche Person verhindern unvollständige Einträge.

  • Ein Testbereich zeigt vor der Freigabe, wie der Wegweiser mit einem neuen Eintrag antwortet.

  • Die Lückenliste zeigt, welche Fragen noch unbeantwortet sind.

Schulung und Begleitung

Angebot Umfang Zeitpunkt
Einführungsworkshop Redaktion ca. 3 h, praktisch an echten Inhalten Ende Phase 1
Workshops KI-Kompetenz (Art. 4 EU AI Act): Was kann die KI, wo sind die Grenzen, wie erkenne ich Fehler 2 × 2 h mit Teilnahmenachweis Phase 2
Einweisung der Kursleitenden in die Sprachprüfung ca. 1,5 h + Vorlagen vor der Beta
Monatliche Sprechstunde (Video) ca. 1 h über die gesamte Laufzeit

Dokumentation, die gelesen wird

  • Redaktionshandbuch mit Bildschirmfotos, in einfacher Sprache.

  • 6–8 kurze Videoanleitungen (je 3–5 Minuten) zu den häufigsten Aufgaben.

  • Runbooks nach Symptom („Der Wegweiser antwortet nicht“, „Eine Antwort ist falsch“), jeweils mit klaren Schritten und Ansprechpartnern.

  • Architektur- und Betriebsdokumentation für eine spätere IT-Fachkraft oder einen anderen Dienstleister.

Nachhaltigkeit über die Laufzeit hinaus

  • Alles gehört Ihnen: Konten, Daten und Code liegen bei der Proclusio gGmbH, mit Zwei-Faktor-Anmeldung. Projektspezifische Entwicklungen gehen vollständig an Sie, an eingebrachten Bausteinen erhalten Sie ein dauerhaftes, übertragbares Nutzungsrecht.

  • Übergabetest: Vor dem Ende von Phase 3 setzt eine fremde Fachkraft das System nur mit der Dokumentation aus dem Repository neu auf. Ziel sind unter zwei Stunden. Was dabei hakt, wird dokumentiert und behoben.

  • Offene Standards: PostgreSQL, OpenAPI und MCP sowie eine OpenAI-kompatible Schnittstelle halten die Weiterentwicklung offen. Neue Kanäle oder Anwendungen können an dieselbe Wissensbasis anschließen.

  • Qualität bleibt messbar: Die Testsets der Kursleitenden und die automatischen Prüfungen bleiben im System. Nach jeder Inhalts- oder Modelländerung lassen sie sich erneut ausführen.

Übergabetest

Eine fremde Fachkraft setzt das System in unter zwei Stunden neu auf.

Vor dem Ende von Phase 3, nur mit der Dokumentation aus dem Repository. Was dabei hakt, dokumentiere und behebe ich.

Verlässlichkeit

11 / 15Qualifikation und Referenzen30 %beantwortet§§ 8, 9, 12

Referenzen

Gefordert sind mindestens zwei einschlägige Referenzen, davon mindestens eine mit Bezug zu RAG, LLM-Integration oder Wissensdatenbanken. Die folgenden vier Projekte habe ich jeweils maßgeblich selbst konzipiert und umgesetzt.

Drei davon betreffen genau den Kern des Wegweisers: eine KI, die nur aus geprüftem Wissen antwortet.

  1. Referenz 1

    KI-Assistent mit Redaktionsbereich für die Website von Gutachten.org

    Kontext
    Gutachten.org ist die Marke, unter der die Evalion GmbH (Berlin) Immobiliengutachten anbietet. Für die Website habe ich einen KI-Assistenten gebaut, der Fragen von Kundinnen und Kunden beantwortet. Umgesetzt im Rahmen meiner Tätigkeit als Head of AI der Evalion GmbH.
    Meine Rolle
    Konzeption, Architektur, Umsetzung und Datenschutzkonzept (technische und organisatorische Maßnahmen, Kette der Auftragsverarbeitung)
    Status
    live in Produktion

    KI-Assistent: Antwort mit Quellen (Demo-Daten)

    Umgesetzt

    • KI-Chat ohne Anmeldung, der ausschließlich aus einer redaktionell gepflegten Wissensbasis antwortet (RAG mit PostgreSQL und pgvector).
    • Redaktionsoberfläche mit Prüfdatum, Gültigkeit, verantwortlicher Person, Versionen und einer Liste offener Fragen.
    • Feste Schutzprüfungen vor dem KI-Modell, unter anderem gegen Manipulationsversuche, dazu ein satzweiser Ausgabefilter.
    • Automatische Schwärzung personenbezogener Angaben, Löschung nach 90 Tagen, Not-Aus.
    • Kennzeichnung als KI nach Art. 50 EU AI Act.

    Bezug zum Wegweiser

    Redaktion als Haftungsgrenze, Datenschutz durch Technik, KI-Transparenz

    • Offene Fragen ohne Antwort (Demo-Daten)
    • Wissensliste mit Status und Prüfdatum (Demo-Daten)
    • Redaktionseditor: Prüfdatum, Gültig bis, Verlauf (Demo-Daten)

  2. Referenz 2

    Interner Workspace mit Wissensdatenbank und semantischer Suche

    Kontext
    Der Workspace ist die interne Arbeitsumgebung der Evalion GmbH, des Unternehmens hinter Gutachten.org, für ein Team von rund zehn Personen. Er enthält eine Wissensdatenbank mit KI-Assistent für die Mitarbeitenden, dazu Marketing-Dashboards und Analysen, E-Learning und weitere Module. Diese Referenz beschreibt die Wissensdatenbank. Entstanden im Rahmen meiner Tätigkeit dort.
    Meine Rolle
    Architektur, Umsetzung, Betrieb und Qualitätsmessung
    Status
    live, intern produktiv im Einsatz

    MCP-Werkzeuge der Wissensdatenbank, Auszug (eigene Darstellung aus dem Code)

    Umgesetzt

    • Hybride Suche aus Vektorsuche (pgvector) und deutscher Volltextsuche mit anschließender Neubewertung. Im eigenen Testset fand sie bei 100 % der Testfragen den richtigen Eintrag unter den ersten fünf Treffern (Recall@5).
    • Relevanz-Untergrenze: Findet die Suche nichts Passendes, kommt eine feste Antwort ohne KI-Aufruf.
    • Dokumentierte REST-Schnittstelle für Importe, MCP-Server mit rund 20 Werkzeugen, API-Schlüssel, Protokoll und Missbrauchsbremse.
    • Diktat und Vorlesen.
    • Messskripte für Modellvergleiche, darunter ein Test, wie oft ein Modell Behauptungen erfindet, die nicht in den Quellen stehen.

    Bezug zum Wegweiser

    semantische Suche, messbare Qualität, Schnittstelle und MCP (§ 6.8, § 6.9), Audio

    • Interner Assistent: Antwort mit Quellen (Demo-Daten)

  3. Referenz 3

    Website-Baukasten mit KI-Assistent und Redaktionsworkflow

    Kontext
    mandantenfähiger Website-Baukasten für Dienstleister in einem sensiblen Beratungsbereich: Websites, Livechat, Anfrageverwaltung und KI-Assistent aus einer Hand. Kundenprojekt (anonymisiert; Bildschirmfotos mit neutralen Demo-Inhalten)
    Meine Rolle
    alleinige Konzeption, Entwicklung und technischer Betrieb
    Status
    live beim Kunden

    Chat-Widget, anonymisiert: Das Team übernimmt (Demo-Daten)

    Umgesetzt

    • KI-Chat, der nur aus gepflegtem Wissen antwortet, in drei Stufen: belegte Antwort, ehrlich benannte Lücke, direkte Übergabe an einen Menschen.
    • Serverseitige Prüfung, ob die genannten Quellen wirklich existieren.
    • Redaktion für Laien mit den Bereichen Wissen, Zur Prüfung, Dokumente, Lücken und Testen, dazu eine wöchentliche Zusammenfassung offener Lücken an das Team.
    • Anonyme Nutzung ohne Login mit festen Aufbewahrungsfristen, Störungsalarm mit Not-Aus.
    • Strikte Mandantentrennung, Vorlagen für Auftragsverarbeitung und technische und organisatorische Maßnahmen, rund 700 automatische Tests.

    Bezug zum Wegweiser

    Redaktion durch Nicht-Techniker:innen, Übergabe an Menschen, Datenschutz in einem Umfeld mit besonders sensiblen Daten, verlässlicher Betrieb

    • Chat-Widget, anonymisiert: Übergabe an das Team (Demo-Daten)
    • Wissenseditor, anonymisiert: Lücken (Demo-Daten)
    • Wissenseditor, anonymisiert: Zur Prüfung (Demo-Daten)

  4. Referenz 4

    Sicherheitsprüfung, Härtung und Modernisierung eines Webportals

    Kontext
    bundesweites Vergleichs- und Vermittlungsportal für Bestattungen mit Kunden- und Partnerbereich. Kundenprojekt (anonymisiert)
    Meine Rolle
    Sicherheitsprüfung, Koordination der Gegenmaßnahmen, Härtung, Anleitungen für Nicht-Techniker:innen
    Status
    laufendes Projekt

    Umgesetzt

    • Systematische Sicherheitsprüfung mit priorisierten Befunden.
    • Koordinierte Gegenmaßnahmen und Einführung der Zwei-Faktor-Anmeldung.
    • Verständliche Anleitungen für Nutzende auf Deutsch und Englisch.
    • Modernisierungsplan für den weiteren Betrieb.

    Bezug zum Wegweiser

    Betrieb und Sicherheit eines öffentlich erreichbaren Systems, Befähigung von Laien

Sicherheit aus der Praxis

Ein öffentlich erreichbarer, anonymer Dienst unter dem Namen der Diakonie muss Angriffen standhalten.

Diese Erfahrung bringe ich aus meinen Projekten mit (projektübergreifend und anonymisiert):

  • Ernstfall:

    Nach der Kompromittierung eines Servers bei einem Kunden habe ich die Reaktion geleitet: Eindämmung, Beweissicherung, sauberer Neuaufbau, Erneuerung aller Zugangsdaten und Pflicht zur Zwei-Faktor-Anmeldung, in rund sieben Tagen.

  • Sicherheitsprüfungen:

    Vier Prüfungen von Code und laufenden Systemen mit über 40 bestätigten Befunden, nach Schwere geordnet. Die Prüfungen waren KI-gestützt; jeder Befund wurde unabhängig gegengeprüft, bevor er behoben wurde.

  • Sichere Anmeldung:

    Zwei-Faktor-Anmeldung und Passkeys, die gegen Phishing schützen, Wiederherstellungscodes, Abgleich mit bekannten geleakten Passwörtern sowie Anleitungen auf Deutsch und Englisch für Nicht-Techniker:innen.

  • Zero-Trust-Zugang:

    Verwaltungszugänge nur über NetBird bzw. Cloudflare Access mit Mehrfaktor-Anmeldung; öffentlich erreichbare Fernwartung (SSH) geschlossen.

  • Spam, Bots und Missbrauch:

    Formularschutz mit unsichtbarem Fangfeld (Honeypot) und Zeitfalle, Bot-Prüfung (Turnstile, reCAPTCHA), Web Application Firewall, Ratenbegrenzung und eine Kostenbremse für KI-Aufrufe.

  • E-Mail-Sicherheit:

    SPF, DKIM und DMARC geprüft und schrittweise verschärft.

  • Überwachung und Wiederherstellung:

    stündliche Integritätsprüfung mit Alarm, tägliches Lebenszeichen, nächtliche Datensicherung außerhalb des Anbieters und eine getestete Wiederherstellung (71 von 71 Zugriffsregeln).

  • Anwendungssicherheit:

    in der Datenbank erzwungene Mandantentrennung mit automatischen Tests (rund 50 Lücken zwischen Mandanten geschlossen), strikte Content-Security-Policy und Schutzschranken für KI-Chats gegen Manipulationsversuche, mit Ausgabefilter und Schwärzung personenbezogener Daten.

Bildschirmfotos der Referenzsysteme zeigen ausschließlich Demo-Daten.

Verlässlichkeit

12 / 15Qualifikation und Referenzen30 %beantwortet§§ 8, 9, 12

Zur Person

Maxim Grabow, freiberuflicher Entwickler für KI-Anwendungen und Web, Berlin maxximgrabow@gmail.com · 0173 8241820 · maximgrabow.de · LinkedIn

Ich entwickle KI-gestützte Wissens- und Informationssysteme, die ausschließlich aus geprüften Inhalten antworten.

Dazu gehören:

  • Wissensdatenbanken auf PostgreSQL/pgvector

  • hybride semantische Suche

  • LLM-Anbindung über offene Schnittstellen

  • Redaktionsoberflächen für nicht-technische Teams

Mein Schwerpunkt: bestehende Managed Services und Open-Source-Komponenten zu einer sicheren, datenschutzgerechten und wartbaren Lösung verbinden und deren Qualität messbar machen.

Ich arbeite persönlich und transparent, mit Blick auf die Übergabe: Teams sollen ihre Systeme selbst pflegen können.

Neben meiner freiberuflichen Tätigkeit verantworte ich als Head of AI bei der Evalion GmbH KI-Anwendungen und Wissenssysteme.

Das Angebot erbringe ich persönlich und im eigenen Namen.

Expertise

  • KI-Wissenssysteme (RAG)

    Antworten nur aus geprüftem Wissen, Relevanz-Schwellen, Quellenprüfung, Übergabe an Menschen; Qualitätsmessung (Recall, Erfindungstest)

  • Datenbanken

    PostgreSQL, pgvector (HNSW), hybride Suche mit Volltext und Rangfusion, Zeilen-Sicherheit, Migrationen, Sicherung mit Zeitpunkt-Wiederherstellung

  • KI-Integration

    OpenAI-kompatible Schnittstellen, Modellketten mit Ersatzmodellen, Schutzprüfungen, eigene Modell-Benchmarks

  • Web und Schnittstellen

    TypeScript, React, Next.js, Node.js, REST/OpenAPI, MCP (Model Context Protocol), Progressive Web Apps

  • Audio

    Spracheingabe (Whisper) und Vorlesen, auch mehrsprachig

  • Cloud und Betrieb

    Managed Services, Container, Monitoring, Kosten- und Störungsalarme, Sicherheitsprüfungen und Härtung

  • Datenschutz und KI-Regulierung

    technische und organisatorische Maßnahmen, Ketten der Auftragsverarbeitung, Löschkonzepte, Schwärzung personenbezogener Daten, Kennzeichnung nach EU AI Act

  • Barrierefreiheit und Mehrsprachigkeit

    WCAG-orientierte Umsetzung, Rechts-nach-links-Schriften, mehrsprachige Oberflächen mit muttersprachlicher Prüfung

  • Befähigung

    Anleitungen und Runbooks für Laien, Schulungen zu KI-Werkzeugen und Prompting (eigene Kursinhalte)

  • Gestaltung und Vermittlung

    Webdesign und Motion Design: Diese Bewerbungsseite und ihre Erklärvideos habe ich selbst konzipiert und mit modernen, auch KI-gestützten Werkzeugen umgesetzt

Stationen

Rolle Organisation Schwerpunkt
Freiberuflicher Entwickler (KI-Anwendungen, Web) selbstständig KI-Anwendungen, Web, Gestaltung
Head of AI Evalion GmbH KI-Assistenten, interner Workspace mit Wissensdatenbank

Sprachen: Deutsch, Englisch

Technik und Gestaltung aus einer Hand

Seit zehn Jahren verbinde ich Web- und Softwareentwicklung mit Grafikdesign, Motion Design und Videoschnitt.

In den letzten Jahren ist die Integration von KI und Sprachmodellen zu meinem Schwerpunkt geworden. Für Ihr Projekt heißt das: Ich baue die Technik und mache sie zugleich verständlich, in der Oberfläche, in Schulungsvideos und in Anleitungen.

Technik:

  • Webentwicklung,
  • Softwareentwicklung,
  • KI-Integration,
  • Sprachmodelle (LLM)

Gestaltung:

  • Grafikdesign,
  • Motion Design,
  • Videoschnitt

Werkzeuge (Auswahl): TypeScript, Next.js, Cursor, Remotion, After Effects, Premiere Pro, DaVinci Resolve, Photoshop, Illustrator, Figma

Weitere Projekte (Auswahl, eigene Projekte)

Projekt Was es zeigt Stand
KI-Assistent auf maximgrabow.de Schutzprüfungen, Modellkette, Prüfset mit 29 von 29 bestandenen Fällen, Spracherkennung Deutsch/Englisch Testumgebung
KI-Fitness-App pgvector-Suche, Audio rein und raus, Kosten-Kontingente, Monitoring vor dem Start
App mit Gastzugang per QR- bzw. Raumcode Zugang ohne Konto, 5 Sprachen mit muttersprachlicher Prüfung, Screenreader-Optimierung eigenes Projekt
Kurse zu KI-Werkzeugen und Prompting Befähigung von Nicht-Techniker:innen, passend zur KI-Kompetenz nach Art. 4 AI Act eigenes Projekt

→ Die vier Referenzprojekte mit meiner Rolle stehen im Abschnitt Referenzen.

Finale

13 / 15Preis15 %beantwortet§§ 8, 9, 12§ 15

Preis

Stundensatz: ein fester Satz für die gesamte Laufzeit.

Stundensatz

Netto je Stunde
100,00 €
Umsatzsteuer (19 %)
19,00 €
Brutto je Stunde
119,00 €

  • Der Satz ist fest für die gesamte Laufzeit und umfasst sämtliche Aufwendungen, auch Fahrtzeiten in Berlin, Arbeitsmittel und Software.

  • Abgerechnet werden nur tatsächlich geleistete, nachgewiesene Stunden mit Tätigkeitsbeschreibung, passend für die Nachweise gegenüber dem Fördermittelgeber.

Die laufenden Betriebskosten (Hosting, KI-Dienste, Domain) laufen über Konten der Proclusio gGmbH und sind nicht Teil des Stundensatzes. Ich schätze sie im Vollausbau auf ca. 100–300 € im Monat.

Kostenbremse und Messbudget09 · Abrechnung und Kostenkontrolle

Finale

14 / 15alle Kriterien

Anforderungs-Navigator

Ihre Anforderungen, meine Antworten

Diese Übersicht ordnet jede Anforderung Ihrer Leistungsbeschreibung meiner Antwort zu und verweist auf den Abschnitt, in dem sie ausführlich steht.

§ 6 Leistungsumfang

§Ihre AnforderungMeine Antwort in einem SatzAbschnitt

§ 7 Grundsätze

§Ihr GrundsatzMeine AntwortAbschnitt

§§ 8, 9, 12 Person, Referenzen, Angebotsinhalte

AnforderungWo im AngebotAbschnitt

§ 15 Vertragliche Punkte, die ich vorschlage

ThemaMein VorschlagAbschnitt