Sechs Gewohnheiten,und die Projekte, die sie mir beigebracht haben.

YEPAs Klassifikator wird an 350 Beispielen gemessen, die die Pädagogikforschenden annotiert haben, nicht an einer Demo, die gut lief. Das Entitätsmodell, das die Extraktion ersetzen sollte, kam auf F1 0,024. Ich habe diese Zahl in den Bericht geschrieben und das Modell eingestellt, statt etwas auszuliefern, das ich nicht verteidigen kann.

Bei KOCO Predict habe ich jedes Modell mehrmals bewertet, unter anderem gegen die interpolierte Kurve und nur gegen echte Sammeltage, weil die erste Zahl vor allem die Übereinstimmung mit einer Linie misst, die ich selbst gezogen hatte. Die beiden Rangfolgen waren sich nicht einig, und genau diese Uneinigkeit war das Ergebnis.

Die bedeutungstragenden Elemente aus einem YEPA-Interview zu holen ist eine offene Aufgabe: ein schema-gebundenes LLM schlug ein feinabgestimmtes NER deutlich. Dieselben Elemente in die sieben Konzepte einer pädagogischen Ontologie einzuordnen ist geschlossen und wiederholbar: ein kleiner Klassifikator, trainiert auf 14 000 Beispielen, lag zwölf Punkte vor jedem getesteten Spitzenmodell. Gleiches Produkt, gleiche Woche, gegenteilige Antworten.

In Atelier trenne ich die Arbeit entlang derselben Linie: ffmpeg findet die Sprechpausen, weil eine Lücke zwischen zwei Wörtern Arithmetik ist, und das Modell liest nur Wörter und gibt Indizes zurück, die es nicht erfinden kann. Die teure, fehlbare Hälfte läuft nur dort, wo wirklich Urteilsvermögen gefragt ist.

FlowerCam betreibt Gesichtserkennung und Identitätsabgleich auf jedem Bild eines relayten Videostreams, und das Team im Laden soll nur die Kundschaft sehen, wie sie durch die Gänge geht. Die Strenge darunter ist der Grund, warum die Oberfläche ruhig bleiben darf. Sie ist nichts, was man ausstellt.

YEPA ruht auf einer pädagogischen Ontologie aus der Forschung, und nichts von diesem Vokabular gehört auf den Bildschirm: Die Person soll ihre eigene Erfahrung sehen, gut beschrieben. Jede generierte Ausgabe druckt trotzdem ihre Quellkarten darunter, damit die Strenge prüfbar bleibt, ohne je zur Oberfläche zu werden.

YEPAs Interview stand in drei Testrunden vor 36 Teilnehmenden, bevor irgendetwas poliert wurde. Die zweite Runde zeigte die Latenz als grösste Reibung, also wurde die dritte Version die vereinfachte, und der Wert, auf den es ankam, die Zeit zum Nachdenken, blieb durchgehend am Anschlag. Dieselben Runden setzten eine Zahl auf das schwächste Werkzeug, den Stellenabgleich: 3,75 von 5. Genau dafür ist ein Prototyp da.

Bei Dutine hat eine Umfrage mit sieben Personen und acht Fragen das ganze Produkt verschoben: 57 % rechneten damit, beide Rollen zu haben, also legt die Anmeldung eine Beziehung mit einem selbst an, statt einen Solo-Modus danebenzustellen. Sieben Antworten haben das Produkt stärker verändert als ein Monat Nachdenken.

YEPAs wichtigste Entscheidung, einen dedizierten Klassifikator zu trainieren, statt ein Spitzenmodell zu prompten, hielt, weil das Warum aufgeschrieben war: Wir haben drei GPT-5-Grössen und die Claude-Familie mit optimierten Prompts sauber getestet, und sie stagnierten. Das publizierte Ergebnis lautet, dass die Schwierigkeit konzeptuelle Nuance war, nicht Skalierung, und der Preis lag von Anfang an auf dem Tisch: Ein eigenes Modell heisst, eine Trainingspipeline und ein annotiertes Korpus zu besitzen, statt eine API zu nutzen. Zwei Pädagogikforschende tragen diesen Kompromiss mit, weil er erklärt wurde, nicht verkündet.

Bei KOCO Predict habe ich die Prognose von stündlich auf täglich umgestellt, also auf das Gegenteil des Vereinbarten. Stündlich waren 2 % der Punkte echte Messungen, täglich 26 %. Das Modell wirkte weniger beeindruckend und die Zahlen wurden brauchbar, und das ist nur dann ein guter Entscheid, wenn man ihn in Kosten und Lieferzeit erklären kann, in den Worten des Kunden.

Bei YEPA bin ich CTO und Vollzeit-Ingenieur: Jede Regel, die auf Erinnerung beruht, wird irgendwann nicht befolgt. Die Deploy-Sperre liest den Infrastruktur-Diff und hält an, wenn eine Änderung eine Datenbanktabelle oder einen User-Pool ersetzen würde. Grössenlimits je Dateityp, und ein geschriebenes Verfahren zum Auslagern eines Features ins gemeinsame Paket, leisten dasselbe im Code.

Für einen Daytrader dauert die Gegenwart Stunden, für eine Pensionskasse ein Quartal, und steckt diese Grenze in den Modellgewichten, bedeutet jeder Wechsel des Publikums neu annotieren und neu trainieren. Bei SAFE liegen die zeitlichen Schwellen deshalb in einer Konfigurationsdatei, und explizite Datumsangaben erreichen das Netz gar nie: Was „Gegenwart“ bedeutet, ist eine Zeile, kein Nachtraining.