externes Dokument Konzeptvorstellung - stilistische Überarbeitung

01_Konzeption/02-2 Sovereign RAG Tutor – Externes Kundendokument.md

@@ -2,7 +2,7 @@
 
 ## Problem, Ziel und Lösungsvorschlag
 
-**Ein Konzept der d-opt GmbH für die mastersolution AG** **Status:** Entwurf v0.3 · **Stand:** Juli 2026
+**Ein Konzept der d-opt GmbH für die mastersolution AG** **Status:** Entwurf v0.4 · **Stand:** Juli 2026
 
 _Hinweis zur Fassung: Die enthaltenen Diagramme liegen in dieser Arbeitsfassung als Mermaid-Notation vor und werden für die finale Fassung durch gestaltete Grafiken ersetzt._
 
@@ -10,7 +10,7 @@ _Hinweis zur Fassung: Die enthaltenen Diagramme liegen in dieser Arbeitsfassung
 
 ## 1. Management Summary
 
-**Das Problem.** Der Markt für Lernplattformen und Bildungstechnologie wird derzeit durch generative Künstliche Intelligenz neu geordnet. Wettbewerber liefern KI-gestützte Suchfunktionen, automatische Fragengenerierung und Lernassistenten aus – in aller Regel auf Basis US-amerikanischer Cloud-Dienste. Für mastersolution entsteht daraus eine doppelte Herausforderung: Ohne KI-Funktionalität droht der Anschlussverlust; mit KI-Funktionalität auf Basis externer Cloud-APIs würde jedoch das Fundament des eigenen Geschäftsmodells beschädigt – das Vertrauen der Kunden in absolute Datensouveränität, vom Mittelstand über Behörden bis zu Installationen mit höchsten Sicherheitsanforderungen.
+**Das Problem.** Der Markt für Lernplattformen und Bildungstechnologie wird derzeit durch generative Künstliche Intelligenz neu geordnet. Wettbewerber liefern KI-gestützte Suchfunktionen, automatische Fragengenerierung und Lernassistenten aus – in aller Regel auf Basis US-amerikanischer Cloud-Dienste. Für mastersolution entsteht daraus eine doppelte Herausforderung: Ohne KI-Funktionalität droht der Anschlussverlust; mit KI-Funktionalität auf Basis externer Cloud-APIs würde jedoch das Fundament des eigenen Geschäftsmodells beschädigt: das Vertrauen der Kunden in absolute Datensouveränität, vom Mittelstand über Behörden bis zu Installationen mit höchsten Sicherheitsanforderungen.
 
 **Das Ziel.** mastersolution erhält eine KI-gestützte Wissens- und Lernassistenz für das eigene Produktökosystem, die vollständig souverän betrieben wird: in deutschen Rechenzentren oder On-Premise beim Endkunden, ohne Datenabfluss an externe Anbieter, ohne Training auf Kundendaten. Das System beantwortet Fragen belegt und nachvollziehbar aus dem freigegebenen Materialbestand, erkennt Kompetenzlücken auf Basis eines redaktionell geprüften Wissensmodells und begleitet Lernende adaptiv – mit dem messbaren Ziel, Onboarding- und Schulungsprozesse bei den Endkunden nachweisbar zu verkürzen.
 
@@ -38,13 +38,13 @@ flowchart TD
 
 ### 2.1 Die Position von mastersolution
 
-mastersolution hat sich über mehr als zwei Jahrzehnte ein integriertes Produktökosystem für digitales Lernen aufgebaut – vom Lernmanagement (mastersolution ONE) über Klassenraum-Management (SUITE) und IT-Asset-Management (REFLECT) bis zur Videoproduktion (FOCUS, SHOW, VMS). Das strategisch wertvollste Asset ist dabei nicht ein einzelnes Produkt, sondern eine Eigenschaft des Gesamtangebots: verlässliche Datensouveränität. Hosting in zertifizierten deutschen Rechenzentren oder vollständig On-Premise, strikte DSGVO-Konformität und die Unabhängigkeit von US-, chinesischen und russischen Technologien haben mastersolution Kundengruppen erschlossen, die anderen Anbietern verschlossen bleiben – bis hin zu Installationen mit Geheimhaltungsanforderungen.
+mastersolution hat sich über mehr als zwei Jahrzehnte ein integriertes Produktökosystem für digitales Lernen aufgebaut – vom Lernmanagement (mastersolution ONE) über Klassenraum-Management (SUITE) und IT-Asset-Management (REFLECT) bis zur Videoproduktion (FOCUS, SHOW, VMS). Das strategisch wertvollste Asset ist dabei nicht ein einzelnes Produkt, sondern eine Eigenschaft des Gesamtangebots: verlässliche Datensouveränität. Hosting in zertifizierten deutschen Rechenzentren oder vollständig On-Premise, strikte DSGVO-Konformität und die Unabhängigkeit von US-, chinesischen und russischen Technologien haben mastersolution Kundengruppen erschlossen, die anderen Anbietern verschlossen bleiben, bis hin zu Installationen mit Geheimhaltungsanforderungen.
 
 ### 2.2 Die Marktdynamik
 
 Der EdTech- und Corporate-Learning-Markt integriert Künstliche Intelligenz derzeit in hohem Tempo: KI-gestützte Inhaltsfilter und Risikoanalysen im Klassenraum-Management, automatisierte Kurs- und Fragengenerierung im Moodle-Ökosystem, KI-Tutoren als Plattform-Plugins, und mit Moodle 4.5 ein natives AI-Subsystem im Kern des LMS, auf dem mastersolution ONE aufbaut. Die marktüblichen Lösungen haben dabei fast durchgängig eines gemeinsam: Sie senden Daten an externe Cloud-Dienste.
 
-Genau darin liegt die Chance. Die Kundensegmente von mastersolution – Behörden, sicherheitsbewusster Mittelstand, Bildungsträger mit strengen Datenschutzpflichten – können diese Lösungen häufig gar nicht einsetzen. Ein KI-Angebot, das die volle Funktionalität moderner Sprachmodell-Technologie mit kompromissloser Souveränität verbindet, bedient einen Bedarf, den Cloud-Anbieter strukturell nicht bedienen können. Die KI-Ära ist für mastersolution damit keine Bedrohung der Marktposition, sondern die Gelegenheit, das Souveränitätsversprechen zum entscheidenden Differenzierungsmerkmal auszubauen.
+Darin liegt eine erhebliche Chance: Die Kundensegmente von mastersolution (Behörden, sicherheitsbewusster Mittelstand, Bildungsträger mit strengen Datenschutzpflichten) können diese Lösungen häufig gar nicht einsetzen. Ein KI-Angebot, das die Funktionalität moderner Sprachmodell-Technologie mit durchgängiger Souveränität verbindet, bedient einen Bedarf, den Cloud-Anbieter strukturell nicht bedienen können. Der Technologiewandel eröffnet mastersolution damit die Gelegenheit, das Souveränitätsversprechen zum entscheidenden Differenzierungsmerkmal auszubauen.
 
 ### 2.3 Anforderungen aus den gemeinsamen Gesprächen
 
@@ -57,7 +57,7 @@ Aus dem ersten gemeinsamen Termin zwischen mastersolution und d-opt sind die Lei
 5. das rollenbasierte Berechtigungswesen der Endkunden ausnahmslos respektieren,
 6. pragmatisch bleiben – Problemlösung vor Technologie, keine unnötige Komplexität.
 
-Diese sechs Anforderungen sind keine Randbedingungen des Konzepts, sondern seine Konstruktionsprinzipien – jede zentrale Entscheidung in Kapitel 5 lässt sich auf mindestens eine von ihnen zurückführen.
+Diese sechs Anforderungen bilden die Konstruktionsprinzipien des Konzepts; jede zentrale Entscheidung in Kapitel 5 lässt sich auf mindestens eine von ihnen zurückführen.
 
 Als Zielbild wurde gemeinsam die Vision eines persönlichen Lernassistenten erarbeitet: ein System, das den Nutzer und seinen Lernstand kennt, Fragen aus den Kursmaterialien (Dokumente, Quizfragen, Videos) belegt beantwortet, auf Grundlagen zurückverweist, wenn Lücken erkennbar sind, auf Anschlussmodule hinweist und Lernpfade automatisch auf Rolle, Berechtigung und Kenntnisstand zuschneidet.
 
@@ -67,15 +67,15 @@ Als Zielbild wurde gemeinsam die Vision eines persönlichen Lernassistenten erar
 
 ### 3.1 Drei Leistungsversprechen
 
-**Finden und Verstehen.** Nutzer finden über eine hybride semantische Suche und einen Frage-Antwort-Assistenten präzise, belegte Antworten aus dem freigegebenen Materialbestand – mit Quellenangabe bis auf Dokumentabschnitt und Video-Timestamp, strikt gefiltert nach Rolle und Berechtigung. Wer eine Prozessfrage im Arbeitsalltag hat, erhält die Antwort mit Beleg; wer der Quelle nachgehen will, springt mit einem Klick an die exakte Stelle im Dokument oder Video.
+**Finden und Verstehen.** Nutzer finden über eine hybride semantische Suche und einen Frage-Antwort-Assistenten präzise, belegte Antworten aus dem freigegebenen Materialbestand: mit Quellenangabe bis auf Dokumentabschnitt und Video-Timestamp, strikt gefiltert nach Rolle und Berechtigung. Wer eine Prozessfrage im Arbeitsalltag hat, erhält die Antwort mit Beleg; wer der Quelle nachgehen will, springt mit einem Klick an die exakte Stelle im Dokument oder Video.
 
 **Kompetenz statt Auswendiglernen.** Ein redaktionell geprüfter Wissensgraph verbindet Kompetenzen, Lernmaterialien und Prüfungsfragen. Ein nachvollziehbares, regelbasiertes Tracking erkennt Wissenslücken und spricht begründete Empfehlungen aus: den Verweis zurück auf ein Grundlagenmodul, wenn wiederholte Fehler auf eine fehlende Voraussetzung deuten, oder den Hinweis auf das logisch nächste Modul, wenn die Voraussetzungen erfüllt sind. Jede Empfehlung nennt ihre Begründung.
 
-**Begleitetes Lernen.** In Kursen führt ein Coaching-Modus durch den Lernprozess, statt Lösungen vorzusagen. Generierte Prüfungsfragen auf gestaffelten Anspruchsniveaus prüfen Verständnis statt Wiedererkennung. Automatisch erzeugte Lernpfade schneiden den Weg zum Lernziel auf Rolle, Berechtigung und Kenntnisstand zu – mit dem messbaren Effekt kürzerer Onboarding- und Schulungszeiten, nachgewiesen gegen eine zu Projektbeginn erhobene Vergleichsbasis.
+**Begleitetes Lernen.** In Kursen führt ein Coaching-Modus durch den Lernprozess, ohne Lösungen vorwegzunehmen. Generierte Prüfungsfragen auf gestaffelten Anspruchsniveaus prüfen, ob Inhalte tatsächlich verstanden wurden. Automatisch erzeugte Lernpfade schneiden den Weg zum Lernziel auf Rolle, Berechtigung und Kenntnisstand zu – mit dem messbaren Effekt kürzerer Onboarding- und Schulungszeiten, nachgewiesen gegen eine zu Projektbeginn erhobene Vergleichsbasis.
 
 ### 3.2 Grundsätze
 
-Vier Grundsätze definieren, was das System bewusst nicht tut. Sie sind keine Einschränkungen, sondern Zusagen – an mastersolution, an deren Endkunden und an deren Beschäftigte:
+Vier Grundsätze definieren, was das System bewusst nicht tut. Sie sind als verbindliche Zusagen an mastersolution, deren Endkunden und deren Beschäftigte zu verstehen:
 
 **Keine Verhaltensüberwachung.** In das Kompetenztracking fließen ausschließlich explizite Lernereignisse ein – Quizantworten und Modulabschlüsse. Verweildauern, Navigationsmuster oder andere Verhaltensdaten werden im Standard nicht erhoben.
 
@@ -83,7 +83,7 @@ Vier Grundsätze definieren, was das System bewusst nicht tut. Sie sind keine Ei
 
 **Kein Training auf Kundendaten.** Die KI-Modelle werden nicht auf Daten der Endkunden trainiert oder feinabgestimmt. Die gesamte Kundenspezifik entsteht über Index, Wissensgraph und Suche – über Daten, die beim Endkunden verbleiben. Informationen eines Kunden können damit strukturell nicht in die Modelle und darüber zu anderen Kunden gelangen.
 
-**Antworten nur aus dem eigenen Material.** Das System beantwortet Fragen ausschließlich auf Basis der freigegebenen Inhalte des Endkunden und weist explizit darauf hin, wenn das Material eine Frage nicht deckt – statt zu spekulieren. Externes, unkontrolliertes Weltwissen fließt nicht in Antworten ein.
+**Antworten nur aus dem eigenen Material.** Das System beantwortet Fragen ausschließlich auf Basis der freigegebenen Inhalte des Endkunden und weist explizit darauf hin, wenn das Material eine Frage nicht deckt. Externes, unkontrolliertes Weltwissen fließt nicht in Antworten ein.
 
 ---
 
@@ -91,21 +91,21 @@ Vier Grundsätze definieren, was das System bewusst nicht tut. Sie sind keine Ei
 
 Das System entsteht in vier Stufen. Diese Staffelung ist eine bewusste Konstruktionsentscheidung mit drei Eigenschaften:
 
-1. Jede Stufe ist eigenständig produktiv nutzbar und vermarktbar – die Endkunden von mastersolution profitieren ab Stufe 1, nicht erst am Ende.
+1. Jede Stufe ist eigenständig produktiv nutzbar und vermarktbar – die Endkunden von mastersolution profitieren bereits ab Stufe 1.
 2. Komplexität und Risiko steigen kontrolliert an – die anspruchsvollsten Bausteine setzen auf einem erprobten Fundament auf.
 3. Jede Stufe erzeugt Daten und Erkenntnisse für die nächste – die Suchanfragen aus Stufe 1 zeigen beispielsweise, wonach Nutzer tatsächlich fragen, und informieren damit die Wissensmodellierung in Stufe 3.
 
 ### Stufe 1: Souveräne Suche
 
-**Was entsteht:** Eine produktionsreife semantische Suche über den gesamten Materialbestand eines Endkunden. Die Suche kombiniert bewährte Volltexttechnologie mit semantischer Ähnlichkeitssuche – sie findet also auch dann die richtige Stelle, wenn der Nutzer andere Worte verwendet als das Dokument. Jedes Ergebnis wird vor der Anzeige gegen die Rolle und die Berechtigungen des Nutzers geprüft; jedes Ergebnis verlinkt direkt auf die Fundstelle. Videos werden über eine Transkriptions-Pipeline erschlossen (lokal betriebene Spracherkennung, keine Cloud-Dienste); Treffer verlinken auf den jeweils relevanten Abschnitt des Videos, sodass Nutzer nicht das gesamte Video durchsehen müssen. Ein Mess- und Qualitätsframework gehört zum Lieferumfang – die Suchqualität wird gegen ein kundenspezifisches Testset kontinuierlich gemessen, nicht behauptet.
+**Was entsteht:** Eine produktionsreife semantische Suche über den gesamten Materialbestand eines Endkunden. Die Suche kombiniert bewährte Volltexttechnologie mit semantischer Ähnlichkeitssuche – sie findet also auch dann die richtige Stelle, wenn der Nutzer andere Worte verwendet als das Dokument. Jedes Ergebnis wird vor der Anzeige gegen die Rolle und die Berechtigungen des Nutzers geprüft; jedes Ergebnis verlinkt direkt auf die Fundstelle. Videos werden über eine Transkriptions-Pipeline erschlossen (lokal betriebene Spracherkennung, keine Cloud-Dienste); Treffer verlinken auf den jeweils relevanten Abschnitt des Videos, sodass Nutzer nicht das gesamte Video durchsehen müssen. Ein Mess- und Qualitätsframework gehört zum Lieferumfang: Die Suchqualität wird kontinuierlich gegen ein kundenspezifisches Testset gemessen.
 
-**Der unmittelbare Nutzen:** Jede Instanz von mastersolution ONE erhält eine spürbar bessere Suche – der am schnellsten sichtbare Mehrwert für Bestandskunden. Die Suche läuft ohne Spezialhardware auf üblicher Serverinfrastruktur.
+**Der unmittelbare Nutzen:** Jede Instanz von mastersolution ONE erhält eine spürbar bessere Suche, der am schnellsten sichtbare Mehrwert für Bestandskunden. Die Suche läuft ohne Spezialhardware auf üblicher Serverinfrastruktur.
 
-**Bewusst noch nicht enthalten:** kein Sprachmodell, keine generierten Antworten. Die Suche liefert belegte Fundstellen, keine Synthese. Diese Beschränkung hält die Stufe frei von den Risiken generativer KI und von Hardware-Anforderungen – sie ist eine Entwurfsentscheidung, kein Zwischenstand.
+**Bewusst noch nicht enthalten:** kein Sprachmodell, keine generierten Antworten. Die Suche liefert belegte Fundstellen, keine Synthese. Diese Beschränkung hält die Stufe frei von den Risiken generativer KI und von besonderen Hardware-Anforderungen; sie ist eine bewusste Entwurfsentscheidung.
 
 ### Stufe 2: Nachschlage-Assistent
 
-**Was entsteht:** Ein Frage-Antwort-Assistent auf Basis eines souverän betriebenen Sprachmodells – gehostet im deutschen Rechenzentrum oder On-Premise beim Endkunden. Der Nutzer stellt eine Frage in natürlicher Sprache; das System sucht die relevanten Stellen im freigegebenen Material und formuliert daraus eine Antwort mit Quellenangaben und Video-Timestamps. Die Antwort ist strikt auf die gefundenen Inhalte begrenzt (Grounded Generation); deckt das Material eine Frage nicht, sagt das System das ausdrücklich. In dieser Stufe werden zudem die Betriebsprofile erarbeitet: definierte Hardware-Konfigurationen mit zugesicherten Antwortzeiten, damit Endkunden vor der Einführung wissen, welche Infrastruktur sie benötigen.
+**Was entsteht:** Ein Frage-Antwort-Assistent auf Basis eines souverän betriebenen Sprachmodells, gehostet im deutschen Rechenzentrum oder On-Premise beim Endkunden. Der Nutzer stellt eine Frage in natürlicher Sprache; das System sucht die relevanten Stellen im freigegebenen Material und formuliert daraus eine Antwort mit Quellenangaben und Video-Timestamps. Die Antwort ist strikt auf die gefundenen Inhalte begrenzt (Grounded Generation); deckt das Material eine Frage nicht, sagt das System das ausdrücklich. In dieser Stufe werden zudem die Betriebsprofile erarbeitet: definierte Hardware-Konfigurationen mit zugesicherten Antwortzeiten, damit Endkunden vor der Einführung wissen, welche Infrastruktur sie benötigen.
 
 **Der unmittelbare Nutzen:** Beschäftigte der Endkunden erhalten belegte Antworten auf Prozess- und Fachfragen im Arbeitsalltag – ohne langes Durchsuchen der Kurs- und Plattforminhalte, ohne Rückfragen an Kollegen, rund um die Uhr. Bestandene Schulungsinhalte werden zum nachschlagbaren Referenzmaterial.
 
@@ -115,7 +115,7 @@ Das System entsteht in vier Stufen. Diese Staffelung ist eine bewusste Konstrukt
 
 **Was entsteht:** Ein Wissensgraph, der die Kompetenzen eines Fachgebiets, ihre Voraussetzungsbeziehungen und ihre Verknüpfung zu Lernmaterialien und Prüfungsfragen strukturiert abbildet. Der Graph wird nicht manuell erstellt: Das Sprachmodell extrahiert Vorschläge aus dem vorhandenen Material, Fachexperten des Endkunden prüfen und geben frei (Kapitel 5.2). Auf dem Graphen setzt das Lernstands-Tracking auf – regelbasiert und vollständig nachvollziehbar: Erkennt das System wiederholte Fehler zu einer Kompetenz, deren Grundlage länger zurückliegt, empfiehlt es die gezielte Wiederholung und nennt die Begründung. Zum Lieferumfang der Stufe gehört die vollständige Compliance-Ausstattung (Kapitel 5.3).
 
-**Der unmittelbare Nutzen:** Aus einem Materialarchiv wird ein Kompetenzmodell. Lernende erhalten gezielte, begründete Empfehlungen statt pauschaler Kurskataloge; Trainingsverantwortliche sehen aggregiert, wo Schulungsbedarf entsteht.
+**Der unmittelbare Nutzen:** Aus einem Materialarchiv wird ein Kompetenzmodell. Lernende erhalten gezielte und begründete Empfehlungen; Trainingsverantwortliche sehen aggregiert, wo Schulungsbedarf entsteht.
 
 **Bewusst noch nicht enthalten:** keine generierten Inhalte, keine automatischen Lernpfade. Das Tracking empfiehlt; es entscheidet nicht.
 
@@ -127,11 +127,11 @@ Das System entsteht in vier Stufen. Diese Staffelung ist eine bewusste Konstrukt
 2. **Automatische Lernpfadgenerierung:** Aus Lernziel, Wissensgraph und aktuellem Kenntnisstand berechnet das System den passenden Weg durch die verfügbaren Materialien, unter strikter Beachtung der Berechtigungen.
 3. **Coaching-Modus:** In Kursen begleitet der Assistent den Lernenden mit gezielten Fragen und abgestuften Hinweisen zur eigenständigen Lösung, statt Antworten vorzugeben.
 
-**Der unmittelbare Nutzen:** Hier werden die Kennzahlen realisiert und gemessen, um die es im Kern geht – kürzere Onboarding-Zeiten, schnellere Qualifizierung, höhere Bestehensquoten, jeweils nachgewiesen gegen die zu Projektbeginn erhobene Vergleichsbasis.
+**Der unmittelbare Nutzen:** Hier werden die Kennzahlen realisiert und gemessen, um die es im Kern geht: kürzere Onboarding-Zeiten, schnellere Qualifizierung und höhere Bestehensquoten, jeweils nachgewiesen gegen die zu Projektbeginn erhobene Vergleichsbasis.
 
 ### Architektur im Überblick
 
-Hinter den vier Stufen steht eine Komponentenarchitektur, die konsequent auf das Berechtigungswesen ausgerichtet ist: Eine zentrale Komponente prüft Identität, Rolle und Berechtigungen gegen das LMS und ist der einzige Berührungspunkt zum bestehenden System – alle übrigen Komponenten arbeiten ausschließlich auf bereits gefilterten Daten. Suche und Assistent (Stufen 1–2) funktionieren dabei unabhängig von den Lern-Komponenten (Stufen 3–4); der schnelle Nachschlage-Pfad bleibt auch im Endausbau schlank. Die Architektur ist von Beginn an mandantenfähig als Produkt ausgelegt: Sie wird aus einer gemeinsamen Codebasis vielfach ausgerollt – als gehostete Instanz im deutschen Rechenzentrum ebenso wie als On-Premise-Installation – und hält sämtliche kundenspezifischen Daten (Materialbestand, Index, Wissensgraph, Rollen) je Endkunde strikt getrennt.
+Hinter den vier Stufen steht eine Komponentenarchitektur, die konsequent auf das Berechtigungswesen ausgerichtet ist: Eine zentrale Komponente prüft Identität, Rolle und Berechtigungen gegen das LMS und ist der einzige Berührungspunkt zum bestehenden System – alle übrigen Komponenten arbeiten ausschließlich auf bereits gefilterten Daten. Suche und Assistent (Stufen 1–2) funktionieren dabei unabhängig von den Lern-Komponenten (Stufen 3–4); der schnelle Nachschlage-Pfad bleibt auch im Endausbau schlank. Die Architektur ist von Beginn an mandantenfähig als Produkt ausgelegt: Sie wird aus einer gemeinsamen Codebasis vielfach ausgerollt (als gehostete Instanz im deutschen Rechenzentrum ebenso wie als On-Premise-Installation) und hält sämtliche kundenspezifischen Daten je Endkunde strikt getrennt: Materialbestand, Index, Wissensgraph und Rollen.
 
 ```mermaid
 flowchart LR
@@ -150,19 +150,19 @@ flowchart LR
 
 ---
 
-## 5. Konzeptentscheidungen, die den Unterschied machen
+## 5. Zentrale Konzeptentscheidungen
 
-### 5.1 Zwei Modi statt Didaktik-Zwang
+### 5.1 Zwei Interaktionsmodi: Nachschlagen und Coaching
 
-KI-Tutoren am Markt folgen häufig einem einzigen didaktischen Paradigma: Sie verweigern direkte Antworten und führen den Nutzer sokratisch zur Lösung. Das ist im Lernkontext wertvoll – und im Arbeitskontext ein Ärgernis: Ein Techniker mit einer konkreten Prozessfrage braucht die belegte Antwort, keine Gegenfrage. Das Konzept unterscheidet deshalb zwei Modi. Im **Nachschlage-Modus** liefert das System schnelle, belegte Antworten; im **Coaching-Modus** begleitet es didaktisch zur eigenständigen Lösung. Kurs-Autoren legen je Kurs fest, welche Modi verfügbar sind; innerhalb dieses Rahmens wählt der Nutzer über einen sichtbaren Schalter.
+KI-Tutoren am Markt folgen häufig einem einzigen didaktischen Paradigma: Sie verweigern direkte Antworten und führen den Nutzer sokratisch zur Lösung. Das ist im Lernkontext wertvoll, im Arbeitskontext jedoch hinderlich: Ein Techniker mit einer konkreten Prozessfrage braucht die belegte Antwort, keine Gegenfrage. Das Konzept unterscheidet deshalb zwei Modi. Im **Nachschlage-Modus** liefert das System schnelle, belegte Antworten; im **Coaching-Modus** begleitet es didaktisch zur eigenständigen Lösung. Kurs-Autoren legen je Kurs fest, welche Modi verfügbar sind; innerhalb dieses Rahmens wählt der Nutzer über einen sichtbaren Schalter.
 
-Als Standard wird eine statusabhängige Regelung vorgeschlagen: Bei erstmaliger Kursbelegung gilt der Coaching-Modus; nach bestandenem Kurs steht der Nachschlage-Modus offen. Die Regel ist unmittelbar einleuchtend, nutzt ein Datum, das das LMS ohnehin führt, und macht bestandene Schulungen zum dauerhaft nachschlagbaren Referenzmaterial – eine Doppelnutzung, die den Wert jedes Kurses erhöht. Der aktive Modus ist jederzeit sichtbar; wo Coaching verbindlich ist, sagt das System das offen, statt den Nutzer über ausbleibende Antworten rätseln zu lassen. Damit der Coaching-Modus nicht über die freie Suche umgangen werden kann, können Kurs-Autoren einzelne Materialien – etwa Musterlösungen oder Prüfungsfragen samt Antworten – als ausschließlich im Kurskontext verfügbar kennzeichnen; solche Inhalte erscheinen außerhalb des Kurses weder in der Suche noch in Antworten des Assistenten.
+Als Standard wird eine statusabhängige Regelung vorgeschlagen: Bei erstmaliger Kursbelegung gilt der Coaching-Modus; nach bestandenem Kurs steht der Nachschlage-Modus offen. Die Regel ist unmittelbar einleuchtend, nutzt ein Datum, das das LMS ohnehin führt, und macht bestandene Schulungen zum dauerhaft nachschlagbaren Referenzmaterial – eine Doppelnutzung, die den Wert jedes Kurses erhöht. Der aktive Modus ist jederzeit sichtbar; wo Coaching verbindlich ist, sagt das System das offen, sodass für den Nutzer nachvollziehbar bleibt, warum eine direkte Antwort ausbleibt. Damit der Coaching-Modus nicht über die freie Suche umgangen werden kann, können Kurs-Autoren einzelne Materialien (etwa Musterlösungen oder Prüfungsfragen samt Antworten) als ausschließlich im Kurskontext verfügbar kennzeichnen; solche Inhalte erscheinen außerhalb des Kurses weder in der Suche noch in Antworten des Assistenten.
 
 ### 5.2 Der Wissensgraph entsteht beim Endkunden – teilautomatisiert
 
-Das Kompetenzmodell ist das Fundament der Stufen 3 und 4 – und seine Erstellung wäre manuell unwirtschaftlich. Das Konzept setzt deshalb auf einen teilautomatisierten Redaktionsprozess: Das Sprachmodell analysiert das vorhandene Lernmaterial und schlägt Kompetenzen samt Beziehungen vor, wobei jeder Vorschlag mit der konkreten Fundstelle im Material belegt sein muss – Vorschläge ohne Beleg werden verworfen, bevor ein Mensch sie sieht. Fachexperten des Endkunden prüfen die Vorschläge in einer dafür gestalteten Oberfläche, nehmen an, ändern oder verwerfen. Ändert sich später Material, erzeugt das System gezielte Änderungsvorschläge statt einer erneuten Gesamtprüfung.
+Das Kompetenzmodell ist das Fundament der Stufen 3 und 4, und seine Erstellung wäre manuell unwirtschaftlich. Das Konzept setzt deshalb auf einen teilautomatisierten Redaktionsprozess: Das Sprachmodell analysiert das vorhandene Lernmaterial und schlägt Kompetenzen samt Beziehungen vor, wobei jeder Vorschlag mit der konkreten Fundstelle im Material belegt sein muss – Vorschläge ohne Beleg werden verworfen, bevor ein Mensch sie sieht. Fachexperten des Endkunden prüfen die Vorschläge in einer dafür gestalteten Oberfläche, nehmen an, ändern oder verwerfen. Ändert sich später Material, erzeugt das System gezielte Änderungsvorschläge statt einer erneuten Gesamtprüfung.
 
-Die Arbeitsteilung ist bewusst gewählt: Die Fachhoheit über das Kompetenzmodell liegt beim Endkunden – dort sitzt die Expertise über Prozesse und Maschinen; die Werkzeuge, die Automatisierung und die methodische Begleitung liefern mastersolution und d-opt. Zur realistischen Erwartung gehört: Teilautomatisiert bedeutet nicht aufwandsfrei. Die Automatisierung reduziert den Erstellungsaufwand um eine Größenordnung, pro Kurs verbleibt jedoch eine fachliche Prüfsitzung im Stundenbereich. Diese menschliche Prüfung ist zugleich ein regulatorischer Baustein: Sie ist ein wesentlicher Teil der menschlichen Aufsicht, die der EU AI Act für Systeme dieser Art vorsieht.
+Die Arbeitsteilung ist bewusst gewählt: Die Fachhoheit über das Kompetenzmodell liegt beim Endkunden, denn dort sitzt die Expertise über Prozesse und Maschinen. Die Werkzeuge, die Automatisierung und die methodische Begleitung liefern mastersolution und d-opt. Zur realistischen Erwartung gehört: Teilautomatisiert bedeutet nicht aufwandsfrei. Die Automatisierung reduziert den Erstellungsaufwand um eine Größenordnung, pro Kurs verbleibt jedoch eine fachliche Prüfsitzung im Stundenbereich. Diese menschliche Prüfung ist zugleich ein regulatorischer Baustein: Sie ist ein wesentlicher Teil der menschlichen Aufsicht, die der EU AI Act für Systeme dieser Art vorsieht.
 
 ### 5.3 Rechtssicherheit als Produktbestandteil
 
@@ -172,14 +172,14 @@ Ein System, das Lernstände von Beschäftigten bewertet, berührt drei Regelungs
 2. die betriebliche Mitbestimmung,
 3. die DSGVO-Regeln zu automatisierten Einzelentscheidungen.
 
-Das Konzept behandelt diese Anforderungen nicht als nachgelagerte Prüfung, sondern als Konstruktionsprinzipien:
+Das Konzept verankert diese Anforderungen von Beginn an im Entwurf:
 
 1. Das System empfiehlt, statt zu entscheiden.
 2. Das Tracking ist regelbasiert und jede Empfehlung begründbar – dieselbe Eigenschaft erfüllt die Transparenzpflicht des AI Act und die Nachvollziehbarkeits-Anforderung von mastersolution.
 3. Die Datenerhebung ist minimiert.
 4. Vorgesetzten-Sichten sind standardmäßig aggregiert.
 
-Daraus entsteht ein Verkaufsargument: Die Endkunden von mastersolution sind Betreiber im Sinne des AI Act – und die wenigsten Mittelständler können die Betreiberpflichten allein stemmen. Das Produkt wird deshalb mit einer Compliance-Ausstattung ausgeliefert:
+Daraus entsteht ein Verkaufsargument: Die Endkunden von mastersolution sind Betreiber im Sinne des AI Act, und die wenigsten Mittelständler können die Betreiberpflichten allein stemmen. Das Produkt wird deshalb mit einer Compliance-Ausstattung ausgeliefert:
 
 1. technische Dokumentation,
 2. Logging-Konzept,
@@ -190,7 +190,7 @@ Die Botschaft an die Endkunden lautet damit nicht nur, dass ihre Daten bei ihnen
 
 ### 5.4 Souveränität bis ins Update
 
-Datensouveränität endet nicht bei der Frage, wo Daten liegen – sie umfasst den gesamten Lebenszyklus. Drei Festlegungen sichern das ab:
+Datensouveränität endet nicht bei der Frage, wo Daten liegen; sie umfasst den gesamten Lebenszyklus des Systems. Drei Festlegungen sichern das ab:
 
 1. Die KI-Modelle werden nicht auf Kundendaten trainiert; die gesamte Kundenspezifik liegt in Index und Wissensgraph beim Endkunden.
 2. Modell-Updates ändern bei KI-Systemen das Verhalten, nicht nur Funktionen – ein neues Modell kann im Durchschnitt besser sein und trotzdem für die Fachbegriffe eines bestimmten Kunden schlechter. Jedes Update durchläuft deshalb ein Qualitäts-Gate: Es wird erst aktiviert, nachdem es auf der Instanz des Kunden gegen dessen eigenes Testset geprüft wurde und keine Verschlechterung zeigt; das vorherige Modell bleibt als Rückfalloption erhalten.
@@ -198,7 +198,7 @@ Datensouveränität endet nicht bei der Frage, wo Daten liegen – sie umfasst d
 
 ### 5.5 Nutzen wird gemessen, nicht behauptet
 
-Die Verkürzung von Lernprozessen ist eine Vergleichsaussage – sie braucht einen Vergleichsmaßstab. Deshalb gehört zur Mandanten-Einführung bei jedem Endkunden die Erhebung einer Vergleichsbasis: heutige Onboarding-Dauern, Schulungsdurchlaufzeiten, Bestehensquoten. Gegen diese Basis werden die Wirkungen des Systems gemessen. Ergänzend misst das Qualitätsframework kontinuierlich die Systemqualität selbst: die Treffergüte der Suche gegen ein kundenspezifisches Testset, die Belegtreue der generierten Antworten – einschließlich der Frage, ob das System zuverlässig auf fehlende Materialdeckung hinweist, statt zu spekulieren – und ab Stufe 3 die Treffsicherheit der Kompetenzeinschätzungen. Sämtliche Wirkungskennzahlen werden aggregiert erhoben; sie dienen dem Nachweis des Produktnutzens, nicht der Bewertung einzelner Beschäftigter.
+Die Verkürzung von Lernprozessen ist eine Vergleichsaussage und braucht einen Vergleichsmaßstab. Deshalb gehört zur Mandanten-Einführung bei jedem Endkunden die Erhebung einer Vergleichsbasis: heutige Onboarding-Dauern, Schulungsdurchlaufzeiten, Bestehensquoten. Gegen diese Basis werden die Wirkungen des Systems gemessen. Ergänzend misst das Qualitätsframework kontinuierlich die Systemqualität selbst: die Treffergüte der Suche gegen ein kundenspezifisches Testset, die Belegtreue der generierten Antworten – einschließlich der Frage, ob das System zuverlässig auf fehlende Materialdeckung hinweist, statt zu spekulieren – und ab Stufe 3 die Treffsicherheit der Kompetenzeinschätzungen. Sämtliche Wirkungskennzahlen werden aggregiert erhoben; sie dienen dem Nachweis des Produktnutzens, nicht der Bewertung einzelner Beschäftigter.
 
 ---
 
@@ -206,7 +206,7 @@ Die Verkürzung von Lernprozessen ist eine Vergleichsaussage – sie braucht ein
 
 ### 6.1 Ablauf
 
-Die vier Stufen werden sequenziell umgesetzt und einzeln abgenommen. Zwei Arbeitspakete sind bewusst vorgezogen: Gegen Ende von Stufe 2 startet ein Pilot des Wissensgraphen mit einem Referenzkurs – seine Erkenntnisse zu Detailtiefe und Prüfaufwand fließen in die Planung von Stufe 3 ein, bevor diese festgelegt wird. Parallel beginnt die juristische Begleitung, sodass die regulatorische Ausstattung vorliegt, bevor Stufe 3 produktiv geht. Die Video-Erschließung läuft bereits in Stufe 1 als paralleler Strang: Die Suche geht mit Textmaterial produktiv, Videos folgen fortlaufend.
+Die vier Stufen werden sequenziell umgesetzt und einzeln abgenommen. Zwei Arbeitspakete sind bewusst vorgezogen: Gegen Ende von Stufe 2 startet ein Pilot des Wissensgraphen mit einem Referenzkurs; seine Erkenntnisse zu Detailtiefe und Prüfaufwand fließen in die Planung von Stufe 3 ein, bevor diese festgelegt wird. Parallel beginnt die juristische Begleitung, sodass die regulatorische Ausstattung vorliegt, bevor Stufe 3 produktiv geht. Die Video-Erschließung läuft bereits in Stufe 1 als paralleler Strang: Die Suche geht mit Textmaterial produktiv, Videos folgen fortlaufend.
 
 Zur Mandanten-Einführung bei jedem Endkunden gehört ein standardisierter Ablauf:
 
@@ -217,7 +217,7 @@ Zur Mandanten-Einführung bei jedem Endkunden gehört ein standardisierter Ablau
 
 ### 6.2 Qualitative Aufwandseinordnung
 
-Die Quantifizierung der Aufwände erfolgt mit dem Projektplan als nächster Etappe; das Konzept liefert die qualitative Einordnung vorab. **Stufe 1** ist der kompakteste Block – sie setzt auf einem vorhandenen, erprobten Suchverfahren von d-opt auf; die wesentlichen Aufwände liegen in der Produktionsreife und der Video-Pipeline. **Stufe 2** liegt darüber; prägend ist weniger die Funktionalität als die sorgfältige Erprobung des Sprachmodells und die Ableitung der Betriebsprofile. **Stufe 3** ist der gewichtigste Block – hier entstehen Wissensgraph, Redaktionswerkzeug, Tracking und Compliance-Ausstattung gemeinsam; der vorgezogene Pilot reduziert die Planungsunsicherheit dieser Stufe erheblich. **Stufe 4** ist in Summe mit Stufe 3 vergleichbar, verteilt sich jedoch auf drei getrennt einführbare Pakete, die einzeln beauftragt werden können.
+Die Quantifizierung der Aufwände erfolgt mit dem Projektplan als nächster Etappe; das Konzept liefert die qualitative Einordnung vorab. **Stufe 1** ist der kompakteste Block: Sie setzt auf einem vorhandenen, erprobten Suchverfahren von d-opt auf; die wesentlichen Aufwände liegen in der Produktionsreife und der Video-Pipeline. **Stufe 2** liegt darüber; prägend ist weniger die Funktionalität als die sorgfältige Erprobung des Sprachmodells und die Ableitung der Betriebsprofile. **Stufe 3** ist der gewichtigste Block: Hier entstehen Wissensgraph, Redaktionswerkzeug, Tracking und Compliance-Ausstattung gemeinsam; der vorgezogene Pilot reduziert die Planungsunsicherheit dieser Stufe erheblich. **Stufe 4** ist in Summe mit Stufe 3 vergleichbar, verteilt sich jedoch auf drei getrennt einführbare Pakete, die einzeln beauftragt werden können.
 
 ### 6.3 Was mastersolution einbringt