dreamz

Minimaler Prototyp einer Lern-App im Design der Figma-Vorlage (Courier Prime, schwarz auf weiß, Pill-Buttons): Thema eingeben → drei Fragen (Warum, Zeit pro Woche, Dauer in Wochen) → Mind-Map-Ladescreen → Wissenscheck mit Video → Lernplan.

Kein Build, keine Abhängigkeiten: Frontend (index.html, style.css, app.js) und ein winziger Node-Server (server.js), der die Claude API kapselt, damit der Key nie im Browser landet.

Starten

Mit Claude (Node ≥ 18, API-Key):

# PowerShell:  $env:ANTHROPIC_API_KEY="sk-ant-..."
export ANTHROPIC_API_KEY=sk-ant-...
node server.js        # http://localhost:3000

Ohne Key startet derselbe Server im Vorlagen-Modus (Selbsteinschätzung + Standardplan). Optional: CLAUDE_MODEL, PORT, YOUTUBE_API_KEY (siehe unten).

Ablauf

1. Eingabe – nur Frage und Suchfeld (animierte Beispiele, Demo-Link „Data Science“); danach drei Einzelfragen: Warum (Beruf/Hobby/Privates Projekt), Zeit pro Woche (1–2 / 3–5 / 6+ Std.), Dauer (4 / 8 / 12 Wochen).
2. Loading – animierte Mind-Map, an jedem Arm kommen Bild-/Dokument-/Video-/Link-Knoten dazu.
3. Wissenscheck – eine Seite: Videokarte oben (YouTube lädt erst nach Klick, „Video überspringen ↓“), darunter alle Fragen als Pills und ein Feld „Weitere Präferenzen“. Mit YOUTUBE_API_KEY wird automatisch ein Einführungsvideo gefunden, mit Claude entstehen 6 themenspezifische Multiple-Choice-Fragen (leicht → schwer); ohne Keys gibt es einen YouTube-Suchlink und 5 Selbsteinschätzungsfragen. Daraus ergibt sich das Startniveau 0–3.
4. Lernplan – so viele Wochen, wie gewählt (4/8/12); mit Claude themenspezifisch aus Niveau und Schwächen erzeugt, sonst Vorlage. Mit Wochenrhythmus und Studienbezug (Spacing, Testing-Effekt, Deliberate Practice, Interleaving, Desirable Difficulties, Habit-Bildung).

Der Stand wird im localStorage gespeichert.

Videos

Setze YOUTUBE_API_KEY (YouTube Data API v3), dann sucht der Server pro Thema ein einbettbares Einführungsvideo von etwa 15 Minuten (10–20 min, nächstes an 15) und erzeugt die Testfragen passend zu Titel und Beschreibung. Eingebettet wird über youtube-nocookie.com. Ohne Key bleibt es bei einem Suchlink. Grenze: Claude sieht das Video nicht (kein Transkript), die Fragen decken die üblichen Kerninhalte ab und sind bewusst auch ohne Video beantwortbar.

Bewerbungsfunnel (Unternehmen → Plattform)

1. HR öffnet #/hr, fügt die Stellenanzeige ein (Text, .txt oder die ausklappbare Demo-Anzeige „Praktikum Data Science – Lumora Analytics“, fiktiv). Nach „Profil erstellen“ folgt ein kurzer Ladescreen. Claude erzeugt Skill-Profil (Hard/Soft, Niveau, Muss/Nice), 6 Testfragen, eine Praxisaufgabe und einen passenden 8-Wochen-Vorbereitungskurs. HR prüft, streicht Unpassendes und veröffentlicht.
2. HR bekommt einen Bewerber-Link (in die Anzeige setzen) und ein privates Dashboard.
3. Bewerber sehen offen, was erwartet wird, und wählen: Direkt bewerben (Skilltest) oder Erst vorbereiten (der von HR geprüfte Kurs der Stelle, danach „Jetzt bewerben“).
4. Nach dem Test sehen Bewerber ihr Ergebnis pro Skill (dasselbe wie HR) und bekommen für Lücken einen Lernplan – auch wenn es nicht klappt, bleibt das Lernziel.
5. Mock-Exam bei Data-Science-Stellen: Fragen → Praxisteil im Fake-Terminal (5-Minuten-Timer, Projektordner mit README.md, Notizen und einer CSV; Befehle ls, cd, cat, head, describe, corr, clean, submit) → Erklärvideo-Upload („warum bist du so vorgegangen?“, mp4/webm/mov bis 150 MB, optional überspringbar). Die Aufgabe: die Variable mit der stärksten Korrelation zum Verbrauch finden. Die Rohdaten enthalten Sensorfehler (-999), die die Korrelation verdecken, die Luftfeuchte ist ein plausibler Fehlgriff. Nur wer bereinigt, findet temperatur_c (r ≈ −0,97).
6. HR sieht Bewerber nach Ergebnis sortiert, mit Skill-Aufschlüsselung, Terminal-Ergebnis (richtig/falsch, Zeit, Befehlsverlauf), Erklärvideo-Player. Das ist Entscheidungshilfe, kein automatisches Aussortieren.

Daten und Videos liegen in data/ (nicht im Repo). Die Demo-Anzeige nutzt einen kuratierten Entwurf mit sieben fachlich geprüften Data-Science-Fragen und passendem Kurs – das funktioniert auch ohne API-Key. Bei veröffentlichten Stellen werden die Antwortoptionen gemischt. Das Dashboard ist nur über den geheimen Token-Link erreichbar.

Prototyp-Grenzen / nächste Schritte

• Datensatz und erwartete Antwort des Terminals stecken im Browsercode (exam.js); ein Bewerber, der den Quelltext liest, kann sie finden. Für Ernstfälle serverseitig auswerten oder pro Bewerber neu erzeugen. Der Terminal-Test ist außerdem nicht betrugssicher; das Erklärvideo und ein Live-Gespräch sind die Gegenprobe.
• Der Praxistest bei Nicht-Data-Science-Stellen wird von Claude bewertet und ist nicht betrugssicher (KI-Hilfe möglich); für Finalisten ein kurzes Live-Gespräch einplanen.
• Kein Rate-Limit, keine Nutzerkonten, Token-Link statt Login, Datei statt Datenbank (DSGVO: Löschfunktion fehlt) – vor einem öffentlichen Deployment ergänzen. Außerdem – vor einem öffentlichen Deployment ergänzen, sonst kann jeder deinen Key verbrauchen.
• Studienangaben im Plan stammen vom Modell und sind nicht verifiziert.
• Die Mind-Map-Knoten sind Platzhalter-Icons; später echte Bilder/Dokumente.
• Spaced-Repetition-Karten und Fortschrittstracking pro Woche.