Fallstudie · 2026 · KI · Web · Individuelle Software
Eine falsche Multiple-Choice-Antwort sagt nichts über das Denken dahinter.Ein Radar, das offene Antworten liest und der Lehrkraft sagt, welche Fehlvorstellungen den Raum beherrschen.
ClarixAI verarbeitet offene Schülerantworten auf Niederländisch, Englisch und Ungarisch mit einem sprachspezifischen Transformer-Ensemble (RobBERT-2023, RoBERTa-base, huBERT) und einem 1-vs-Rest-Sigmoid-Kopf über acht Meta-Tags für Fehlvorstellungen. HDBSCAN-Clustering auf den Encoder-Embeddings legt strukturelle Muster über Fragen hinweg offen; das Dashboard macht aus jedem Tag eine Karte mit „Was es heißt“, „Warum es passiert“ und „Was zu tun ist“. Das Studio hat die Trainings-Pipeline, den Inferenzdienst und das Lehrkräfte-Dashboard geliefert.
- Python
- PyTorch
- Transformers
- FastAPI
- React
Im Einsatz
Überblick
- 3
- Sprachen · NL EN HU
- 8
- Meta-Tags für Fehlvorstellungen
- 4-ckpt
- Ensemble · NL produktiv
- HDBSCAN
- Clustering über Fragen hinweg
ClarixAI liest offene Schülerantworten (Niederländisch, Englisch, Ungarisch) und legt die Fehlvorstellungsmuster offen, die eine Klasse beherrschen — Begriffsverwechslung, Musterabgleich an der Oberfläche, fehlende Voraussetzung und sechs weitere — mit einer konkreten pädagogischen Handlungskarte je Muster. Es benotet keine Schüler; es beurteilt das Denken der Klasse. Ein sprachspezifisches Multi-Task-Transformer-Ensemble und HDBSCAN-Clustering finden strukturelle Muster über Fragen hinweg.
Was ausgeliefert wurde
Was es tut
- Multi-Task-Klassifikator für Fehlvorstellungen · NL · EN · HU
- 8 Meta-Tags für Denkfehler · mit einer Handlung für die Lehrkraft je Tag
- HDBSCAN-Clustering für strukturelle Muster über Fragen hinweg
- Trend-Dashboard auf Jahrgangsebene
- Pädagogik-Bibliothek · was es heißt, warum es passiert, was zu tun ist
Das Problem
- Multiple Choice sagt „falsch“ · nicht, WARUM es falsch war
- Offene Antworten auf Muster hin zu lesen kostet zu viel Zeit
- „Mehr üben“ ist die Standardreaktion, wenn Lehrkräfte das Muster nicht sehen
Warum es zählt
- Die vorherrschenden Denkfehler der Klasse sind je Frage sichtbar
- Jedes Fehlermuster kommt mit einer konkreten Reaktion für die Lehrkraft
- Jahrgangstrends machen Lücken im Lehrplan offensichtlich
Wie es entstand
- 01 · BRIEF
Die Analyseeinheit festlegen: das Denken hinter der Antwort — nicht die Antwort selbst.
Die Entscheidung, auf der das Produkt ruht: Das System benotet niemals Schüler. Es legt die Fehlvorstellungen offen, die durch die Klasse laufen, damit die Lehrkraft weiß, welche Frage sie neu erklären muss — und wie.
- 02 · BUILD
Sprachspezifischer Transformer, Rezept gegen Overfitting, Ensemble für die Produktion.
RobBERT-2023 für Niederländisch, RoBERTa-base für Englisch, huBERT für Ungarisch — trainiert mit dem Anti-Overfit-Rezept v5.0 (eingefrorene untere Schichten, Focal Loss, SupCon, gewichtete Goldlabels). Niederländisch geht als Ensemble aus 4 Checkpoints (v6.2) in Produktion, mit begrenzten Schwellwerten je Tag und einer k-NN-Prototyp-Mischung; Englisch erreicht das niederländische Gold-F1 und schlägt es beim adversarialen Argmax.
- 03 · SHIP
FastAPI-Inferenz, Vite/React-Dashboard, drei Sprachen live.
Die Inferenz clustert die Antworten je Frage über HDBSCAN auf den Encoder-Embeddings, legt strukturelle Muster über Fragen hinweg und Trends je Jahrgang offen und speist die pädagogische Wissensbasis, die aus jedem Tag eine Handlungskarte für die Lehrkraft macht.
Stack
Modell
Sprachspezifisches Ensemble · 8 Fehlvorstellungs-Tags
RobBERT / RoBERTa / huBERT mit einem 1-vs-Rest-Sigmoid-Kopf — Begriffsverwechslung, Oberflächenmuster, fehlende Voraussetzung und fünf weitere.
Pipeline
Klassifizieren → clustern → Trend
Jede Antwort klassifizieren, die Encoder-Embeddings je Frage mit HDBSCAN clustern, dann die Muster über Fragen und Jahrgänge hinweg aufrollen.
Dashboard
Je Frage und Jahrgangstrend
Vite/React mit i18n (nl/hu/en) — Lehrkräfte sehen die Dichte der Fehlvorstellungen je Frage und den Trend über die Jahrgänge nebeneinander.
Pädagogik
Handlungskarte je Fehlvorstellungs-Tag
Jedes Tag verweist auf eine Karte mit „Was es heißt“, „Warum es passiert“ und „Was zu tun ist“ — das Radar legt das Muster offen, die Karte sagt der Lehrkraft, wie sie reagiert.
Fallstudie
“Unsere offenen Fragen waren früher der Teil der Prüfung, den wir überflogen haben, weil 60 Antworten auf ein Muster hin zu lesen einen ganzen Abend gekostet hat. Das Team hat ein System gebaut, das das Lesen für uns übernimmt und uns je Frage sagt, welche Fehlvorstellung den Raum beherrscht — und was dagegen zu tun ist, nicht nur, dass sie da ist. Wir verordnen nicht mehr reflexhaft „mehr üben“. Wir erklären das Richtige neu.”
Mehr Arbeiten
Nächstes Projekt
GlowUp