YEPA

Gelebte Erfahrung in eine lesbare Kartierung übersetzen

Ein geführtes Interview macht aus dem, was jemand getan hat, eine Kartierung dessen, was er kann: die Kompetenzen, die man trägt, aber nicht benennen kann.

yepa.solutions ↗yepa.expert ↗

Rolle: CTO & leitender Entwickler
Umfang: Produktstrategie · UX & UI · KI-Pipeline · Backend · Infrastruktur
Gebaut mit: React 19, TypeScript, AppSync GraphQL, Python 3.12, AWS Lambda, DynamoDB, Step Functions, PyTorch, AWS CDK, OpenAI
Team: Einziger Vollzeit-Entwickler, neben zwei Pädagogikforschenden, dazu Freelancer und Studierende, die ich briefe und deren Arbeit ich prüfe
Zeitraum: Forschung ab Februar 2024, Produktentwicklung ab August 2025, CTO seit Februar 2026
Ergebnis: Ein Interview, das jede und jeder führen kann, in 15 Minuten bis einer Stunde statt 90 Minuten, mit einer Kartierung nach fünf bis sechs Minuten statt fünf bis sechs Stunden. Über drei Testrunden mit 36 Teilnehmenden bestätigten alle Befragten, dass ihnen das Interview genug Zeit zum Nachdenken liess, und ausgerechnet die Personen ohne jede Chatbot-Erfahrung sprachen die höchste Empfehlung aus. Dahinter stehen zwei Produkte aus einer Codebasis: yepa.solutions für Einzelpersonen und yepa.expert auf Einladung für Forschende, mit codegeschützten Kampagnen, anonymen Teilnehmenden und Auswertung auf Gruppenebene.

Das Problem

Das Explikationsinterview funktioniert. Die Technik bringt jemanden dazu zu schildern, was er tatsächlich getan hat, statt dessen, was er zu sagen meint. Nur brauchte es dafür eine geschulte Fachperson im Raum. Ein Interview dauerte eine bis anderthalb Stunden, und daraus eine formale Kartierung der Kompetenzen zu machen, kostete anschliessend weitere fünf bis sechs Stunden Expertenarbeit. Damit blieb die Methode genau denen verschlossen, die sie am nötigsten hatten: Menschen in beruflicher Neuorientierung, Stellensuchende und die Beratenden, die sie in grosser Zahl begleiten sollen.

Meine Rolle

Architektur, Infrastruktur, KI-Pipeline und Release-Prozess liegen bei mir, und ich schreibe weiterhin täglich Code. Meine beiden Kolleginnen und Kollegen sind Pädagogikforschende, keine Entwickler. Ein Teil der Arbeit besteht deshalb darin, ihren Bedarf in etwas zu übersetzen, das ein System leisten kann, und ihnen zu sagen, wenn das Gewünschte nicht das Gemeinte ist. Ich habe Aufgaben an Freelancer und Studierende vergeben, ihre Arbeit geprüft und jede finale Design- und Architekturentscheidung getroffen.

Lesen als

Das Wesentliche in zwei Minuten

Wirkung

23 Stacks · 2 Regionen

Infrastruktur

136 Lambdas · 27 Tabellen

Serverless-Backend

94%, +12 Pkt. über dem besten LLM

Kartenklassifikation

4,62 / 5, 100% Zustimmung

„Genug Zeit zum Nachdenken“

38,1, im Bereich „gut“

Net Promoter Score

Der Systementwurf

01
Das geführte Interview
Ein Chatbot führt das Explikationsinterview, für das bisher eine geschulte Fachperson nötig war, und passt seine Nachfragen an das an, was die Person tatsächlich sagt.
- Drei Interview-Engines mit zunehmender Tiefe: fünf feste Fragen, neun feste Fragen oder eine variable Schleife pro Schema
- Läuft auf Französisch, Englisch, Deutsch und Italienisch
- Auf der Forschungsseite brauchen Teilnehmende überhaupt kein Konto
02
Die bedeutungstragenden Elemente
Das Transkript wird in Fragmente zerlegt, die eine Aussage darüber tragen, was die Person weiss oder getan hat. Keine Sätze, sondern Sinneinheiten.
- Die Extraktion ist ein schemagebundener LLM-Aufruf, kein Entity-Modell: ein feinabgestimmtes NER kam auf diesen Daten auf F1 0,024 und wurde verworfen
- Jede erzeugte Aussage behält einen Verweis auf die Quellstelle
03
Die Klassifikation
Jedes Element wird den sieben Konzepten der pädagogischen MEPA-Ontologie zugeordnet, von einem Modell, das genau dafür trainiert wurde.
- OpenAIs text-embedding-3-large auf einem Feedforward-Netz, trainiert auf 14’000 ausgewogenen Beispielen
- 94% Genauigkeit auf 350 von Fachleuten annotierten Beispielen, 12 Punkte über der besten optimierten LLM-Baseline
- Ausgeliefert als TorchScript im Container, damit eine Klassifikation die Plattform nie verlässt
04
Die LX Map
Die typisierten Elemente werden zu einem Graphen zusammengesetzt, den die Person lesen, bearbeiten und durchdenken kann: Kompetenzen, Wissen, kognitive Strategien, Werkzeuge, Regeln, Personen, Medien.
- Fünf Sichten auf einen Graphen: Gesamtcanvas, nach Dimension, nach Lernsituation, hierarchisch, und die Schlüsselverbindungen zwischen den Schemata
- Auch die Kanten sind typisiert (nutzt, zielt auf, wendet an, beobachtet)
05
Die Werkzeuge darüber
Die Kartierung ist das Fundament, nicht das Produkt. Die Werkzeuge teilen sich nach Absicht: sie verstehen oder sie nutzen.
- Verstehen: Explorer, transversale Analyse, pädagogische Diagnostik, Berichte
- Nutzen: Stellenabgleich, Lernpfade, Bewerbungshilfe, Vergleich mit einem Kompetenzrahmen
- Jede erzeugte Ausgabe zeigt darunter die Quellkarten und benennt die gefundenen Lücken, statt sie zu überdecken

Plattformdienste

AppSync GraphQL
Ein typisiertes Schema für beide Produkte, mit Subscriptions für die Zusammenarbeit in Echtzeit
Lambda
136 Funktionen in Produktion. Die Last kommt in Schüben, also läuft nichts, wenn niemand ein Interview führt
DynamoDB
27 Tabellen, zuerst nach Zugriffsmustern modelliert; die Daten haben Dokumentform, keine relationale
Step Functions
Orchestriert die Zustandsmaschine des Interviews und die lang laufenden Analysen
Klassifikator-Container
Das TorchScript-Modell, bewusst ausserhalb der allgemeinen API, damit es unabhängig neu trainiert werden kann
CDK, 23 Stacks über 2 Regionen
Zürich für die Daten, us-east-1 für Zertifikat und Edge
Deploy-Sperre
Liest den Infrastruktur-Diff und bricht ab, wenn eine Änderung eine Tabelle oder einen User-Pool ersetzen würde

Zentrale Entscheidungen

Ein eigenes Modell statt eines Prompts

statt · Klassifizieren mit GPT-5 oder Claude hinter einem guten Prompt

Wir haben sie ernsthaft geprüft (GPT-5 in drei Grössen und die Claude-Familie, erweitertes Reasoning, optimierte Prompts), und sie kamen bei einer Ontologie aus sieben Konzepten nicht weiter, die ein geschulter Mensch zuverlässig anwendet. Ein spezialisierter Klassifikator erreichte 94%, zwölf Punkte Vorsprung. Das publizierte Ergebnis lautet: die Schwierigkeit lag in der begrifflichen Feinheit, nicht in der Modellgrösse. Der Preis dafür ist, dass wir jetzt eine Trainingsstrecke und ein annotiertes Korpus besitzen, statt eine API zu mieten.

Serverless, weil die Last unvorhersehbar ist

statt · Ein Monolith auf einem Server, den wir monatlich bezahlen

Die Nutzung kommt naturgemäss in Schüben. Ein Interview findet statt oder eben nicht, und fast jede Aufgabe passt in die Laufzeit einer Lambda. Für ein Produkt ohne Traffic eine leerlaufende Maschine zu bezahlen, ergab keinen Sinn. Der Preis sind Cold Starts und eine mühsamere lokale Entwicklung.

DynamoDB statt einer relationalen Instanz

statt · Postgres oder MySQL, die das Team ohnehin kannte

Eine LX Map ist ein Dokument, kein Satz von Joins: verschachtelte Karten, typisierte Kanten, pro Person andere Formen. Die Abrechnung pro Anfrage passte zum selben schubweisen Profil wie die Rechenlast. Der Preis ist, dass jede Abfrage, die niemand vorgesehen hat, teuer wird, also mussten die Zugriffsmuster vorab feststehen.

Leitplanken, die mechanisch sind, nicht prozedural

statt · Sorgfalt, Review und eine Deployment-Checkliste

Mit einem einzigen Vollzeit-Entwickler und echten Nutzern wird eine Regel, die davon abhängt, dass sich jemand an sie erinnert, irgendwann nicht erinnert. Also liest die Deploy-Sperre den CloudFormation-Diff und stoppt, wenn eine Änderung eine Datenbanktabelle oder einen User-Pool ersetzen würde, und Golden Templates belegen, dass ein Refactoring am gemeinsamen Code die Produktion byte-identisch lässt.

Alles in der Theorie verankert, sonst geht es nicht live

statt · Alles einbauen, was ein LLM leicht macht

Das ganze Versprechen der Plattform ist, dass ihre Ergebnisse pädagogisch vertretbar sind. Eine Funktion, die plausiblen Text ohne Grundlage im MEPA-Rahmen erzeugt, würde genau das still zerstören, was verkauft wird. Erzeugte Ausgaben zeigen immer ihre Quellkarten, und die Bewerbungshilfe ist ausdrücklich so gebaut, dass sie aus der Kartierung schöpft statt zu erfinden. Es geht nicht darum, noch ein LLM-Unternehmen zu sein.

In der Praxis

Die LX Map. Die gesamte geschilderte Erfahrung einer Person als ein Graph, mit den Werkzeugen nach Absicht getrennt: verstehen oder nutzen.

Transversale Analyse: dieselbe Karte bei mehreren Personen, gezeigt mit jeder Kartierung, aus der sie stammt.

Sie schildern eine real erlebte Situation; ein KI-geführtes Explikationsinterview stellt die Nachfragen, die eine geschulte Analystin stellen würde; das Transkript wird anschliessend in einen bearbeitbaren Graphen überführt, in dem jede Karte nach einer pädagogischen Taxonomie typisiert ist (Kompetenzen, Wissen, kognitive Strategien, Werkzeuge, Regeln). Die Taxonomie ist nicht erfunden: Sie folgt der Forschungsliteratur, auf der die Plattform aufbaut.

Zwei Produkte laufen aus einer Codebasis. yepa.solutions richtet sich an Einzelpersonen, ob Umsteigende, Coaches oder Stellensuchende, mit Werkzeugen, die eine Kartierung gegen Berufsreferenzrahmen oder eine konkrete Stelle abgleichen. yepa.expert ist nur auf Einladung für Forschende: Eine Kampagne erhält einen codegeschützten öffentlichen Link, anonyme Teilnehmende durchlaufen dieselbe Interview-Engine, und die Forscherin erhält eine Gruppenauswertung über alle hinweg.

Der Karten-Klassifikator ist meiner, und es gibt ihn, weil der naheliegende Weg nicht funktionierte. Einen Satz einem der sieben Konzepte der pädagogischen MEPA-Ontologie zuzuordnen sieht nach Arbeit für ein Allzweckmodell aus. Also haben wir mehrere ernsthaft geprüft: GPT-5 in drei Grössen und die Claude-Familie, alle mit erweitertem Reasoning und optimierten Prompts, gemessen an 350 von Fachleuten annotierten Beispielen. Sie kamen nicht weiter. Ein spezialisierter Klassifikator schon: OpenAIs text-embedding-3-large auf einem Feedforward-Netz, trainiert auf 14’000 ausgewogenen Beispielen. Er erreicht 94%, zwölf Punkte über dem besten LLM. Ausgeliefert wird er als TorchScript im Container, und er bedient jede Klassifikation des Produkts.

Worauf ich am meisten stolz bin, ist unspektakulär: eine Deploy-Sperre, die Infrastruktur-Diffs prüft und abbricht, wenn eine Änderung eine Datenbanktabelle oder einen User-Pool ersetzen würde, dazu Golden Templates, die belegen, dass Refactorings am gemeinsamen Code die Produktion byte-identisch lassen. Mit einem Ingenieur und echten Nutzern müssen die Leitplanken mechanisch sein.

Was ich gelernt habe

Das Konzept im Kern eines Projekts trägt, alles darum herum ändert sich ständig. Die Explikations-Engine beruht seit der ersten Version auf demselben Konzept, und wir haben es bewusst weiterentwickelt, statt es einzufrieren, während sich fast jedes Werkzeug, jede Regel und jede Oberfläche darum herum verändert hat. Die Mitte baut man also sorgfältig, den Rand günstig.
Was eine Fachperson versteht und was eine Nutzerin gebrauchen kann, sind zwei verschiedene Spezifikationen. Die Pädagogik muss darunter streng bleiben, während die Oberfläche intuitiv bleibt, und zwischen beidem zu übersetzen ist der grösste Teil der eigentlichen Arbeit.
Grosse Modelle sind bemerkenswert, und sie sind nicht die Antwort auf alles. Die interessante Ingenieursfrage lautet nicht mehr „kann ein LLM das“, sondern „hat ein LLM dafür die richtige Form“. Für eine Ontologie mit sieben Klassen und einem annotierten Korpus dahinter lautete die Antwort nein.
Ein annotiertes Korpus ist der Teil, den kein Prompt herbeiruft. Es ist langsam, undankbar, und es ist der Grund, warum das spezialisierte Modell überhaupt möglich war.
Was den Chatbot zum Funktionieren brachte, war nicht das Modell, sondern die Abwesenheit eines Gegenübers. Neunzig Prozent der Befragten sagten, er habe sie entspannt sein lassen, und beschrieben damit das Wegfallen des sozialen Drucks: kein Urteil, keine Angst, jemanden aufzuhalten, Nachdenken in dem Moment, der ihnen passte. Das ist eine Eigenschaft des Designs, keine Fähigkeit des Modells.

Was es nicht leistet

Der Klassifikator ist darauf trainiert, die Lesart der Fachleute zu treffen. Das ist das richtige Ziel und zugleich die Obergrenze: In der Pädagogik sind sich selbst Fachleute bei den feinsten Unterscheidungen uneinig. Die 94% messen also Übereinstimmung mit Experten, keine objektive Wahrheit.
Die Extraktion der bedeutungstragenden Elemente ist an einem kleinen Korpus evaluiert. Innerhalb dieses Rahmens ist sie verlässlich: Ihre Ergebnisse bleiben über einzelne Gespräche und über aufeinanderfolgende Generierungen der LX Map hinweg stabil.
Die Akzeptanzstudie stützt sich auf 36 Teilnehmende in drei Runden. Genug, um die Gestaltung zu leiten, zu wenig für allgemeine Schlüsse.
Die Abdeckung endet bei vier Sprachen: Das Interview läuft auf Französisch, Englisch, Deutsch und Italienisch, und alles Nachgelagerte ebenso.