Iris

Iris ist eine persönliche Wissensplattform, die Weltnachrichten, neue Technologien und praktisches Lernen verbindet. Sie existiert, weil Informiertbleiben und tatsächlich etwas bauen normalerweise zwei getrennte Tätigkeiten sind, und ich wollte einen Weg: verstehen, was passiert, herausfinden, warum es zählt, und dann lernen, wie man es anwendet.

• My Briefing. Nachrichten nach Themen, mit Schwerpunkt auf Deutschland, Europa, Weltgeschehen und Guatemala.
• Tech Observatory. Entwicklungen, die für AI Engineers, Data Scientists und Technologieberatung relevant sind: Modelle und Entwicklerwerkzeuge, aber auch Hardware, Robotik und der ökologische Preis des Rechnens.
• Builder's Lab. Lernpfade mit Dokumentation, Kursen, Übungen und verglichenen Ressourcen, damit Neugier in einer Fähigkeit endet und nicht in einem Lesezeichen.

• Eine interaktive Oberfläche mit hellem und dunklem Design und Navigation nach Themen.
• Einsteiger-Lernpfade für AI Engineering und visuelle Erklärungen von Agenten-Workflows.
• Nachrichtenausgaben mit Quellenangaben, gesammelt über einen separaten geplanten Workflow.

• Die Nachrichtenausgaben sind noch nicht mit der Oberfläche verbunden. Das ist der nächste Schritt.
• Die Agenten-Workflows laufen derzeit als didaktische Simulationen, nicht als produktives Backend.
• Das geplante Backend soll Recherche, Analyse, Verifikation und redaktionelle Arbeit koordinieren und den Prozess hinter jedem Briefing sichtbar machen, statt ihn hinter einem fertigen Artikel zu verstecken.
• Die öffentliche Bereitstellung steht noch aus.

Berlin Family Scout

Was machen wir heute mit einem Kleinkind? Ich habe diese Frage immer wieder schlecht beantwortet, samstags um neun, mit dem Handy in der einen und einem Kind an der anderen Hand. Also habe ich die App entworfen, die ich eigentlich wollte: ein Knopf, der berücksichtigt, wo wir sind, wie spät es ist, wie das Wetter wird und welche Kinder dabei sind, und der einen Vorschlag und zwei Alternativen zurückgibt, vorgelesen, mit einem Ort zum Essen danach.

• Orte vor Veranstaltungen. Spielplätze, Bibliotheken, Höfe und Indoor-Spielbereiche gibt es jeden Tag. Veranstaltungen sind die fragilen, teuren Daten. Mit Orten anzufangen heißt, dass die App in der ersten Woche nützlich ist und günstig am Leben bleibt.
• Offene Daten statt Scraping. OpenStreetMap, das Berliner Open-Data-Portal, kulturdaten.berlin, der Deutsche Wetterdienst über Bright Sky und BVG-Fahrzeiten. Die kommerziellen Portale dienen dazu, Orte zu entdecken, werden nie kopiert und immer verlinkt.
• Herkunft bei jedem Fakt. Wickeltisch, Zugang mit Kinderwagen, wie viel bei Regen überdacht ist: Jeder Wert speichert, woher er stammt, wann er zuletzt geprüft wurde, und unbekannt bleibt unbekannt. Das Modell darf eine Lücke nie mit einer plausiblen Vermutung füllen.
• Bewertung im Code, Sprache im Modell. Entfernungen, Öffnungszeiten, Altersgruppen und die Wetterregeln sind deterministisch und testbar. Die KI übernimmt das unordentliche Lesen der Veranstalterseiten und schreibt den einen Satz, der die Empfehlung erklärt.
• Ein Evaluationsset von Tag eins an. Dreißig Orte, die ich auswendig kenne, von Hand geprüft, bei jeder Prompt-Änderung automatisch getestet, damit eine Verschlechterung auffällt, bevor sie live geht.
• Gebaut, um gefragt zu werden, nicht geöffnet. Sprache rein und raus, freitagabends ein Plan für das Wochenende, und ein MCP-Server, damit ich über Claude auf dem Handy fragen kann, statt überhaupt eine App zu öffnen.