TextWerkstatt¶

TextWerkstatt ist eine webbasierte Anwendung für die Erstellung, Überarbeitung und Strukturierung von Texten im Hochschulkontext. Sie bündelt agentische Verarbeitung, eine zweistufige Qualitätsprüfung mit Embedding-basiertem Faktenabgleich und domänenspezifische Aufgabenprofile in einer einheitlichen Oberfläche. Aufgaben unterschiedlichen Umfangs werden über zwei Modi abgedeckt — einen Chat-Dialog für überschaubare Texte und eine mehrstufige Pipeline für längere Dokumente und komplexe Vorhaben.

Auf einen Blick¶

Sitzungsnotizen in formale Gremien- oder Teamprotokolle überführen — wahlweise als Ergebnis- oder Verlaufsprotokoll, mit korrekt übernommenen Beschlüssen und Abstimmungsergebnissen.
Antwortschreiben an Studierende und Reaktionen auf sensible Beschwerden formulieren — mit hochschultypischer Tonalität und juristisch sensiblen Standardformulierungen.
Pressemeldungen, Hochschultexte und Stellenanzeigen entwerfen oder bestehende Texte gezielt überarbeiten.
IT- und Projektdokumentationen, Konzepte oder Angebote prüfen und konsistent strukturieren.
System-Prompts und Bildprompts für KI-Anwendungen analysieren und schärfen.
Mehrere Quelldokumente zu einem konsolidierten Text zusammenführen und gegenüber den Quellen abgleichen.
Erstellte Texte iterativ überarbeiten — kürzen, im Ton anpassen, einzelne Abschnitte austauschen oder durch Material ergänzen — und bei Bedarf zu früheren Versionen zurückspringen.

Highlights¶

Im Vergleich zu einem direkten LLM-Prompt oder einem einfachen Skript wird die Verarbeitung in mehrere Phasen aufgespalten, durch domänenspezifische Profile gesteuert und gegen das Quellmaterial abgesichert. Das wirkt sich auf Vollständigkeit, faktische Treue und Konsistenz der Ergebnisse aus.

Agentische Pipeline für komplexe Aufgaben. Längere Texte werden in Analyse, Arbeitsplan, abschnittsweise Verarbeitung, Qualitätsprüfung und Homogenisierung zerlegt. Die Phasen laufen mit getrennten Prompts und unterschiedlichen Modellen, sodass Planung, Verarbeitung und Prüfung jeweils eigene Verantwortlichkeiten erhalten.
Domänenwissen pro Aufgabentyp. Zwölf vordefinierte Aufgabenprofile (Gremien- und Teamprotokoll, Pressemeldung, Antwortschreiben, Beschwerdeantwort, Hochschultext, Bildprompt, System-Prompt, Projektdokumentation, Angebots- und Konzeptprüfung, Stellenanzeige, komplexe Sachverhalte) bringen jeweils eigene Qualitätskriterien, Tonvorgaben und Rückfragelogik mit.
Zweistufiger Halluzinations-Check. Erste Stufe ist eine Selbstprüfung des Modells gegen das Rohmaterial, zweite Stufe ein semantischer Embedding-Abgleich extrahierter Aussagen (Zahlen, Daten, Namen, Zitate) gegen ein Inventar der Quelltexte. Aussagen ohne hinreichende Entsprechung im Material werden als verdächtig markiert.
Dual-LLM-Strategie. Qualitätskritische Schritte (Analyse, Planung, Prüfung) nutzen ein stärkeres Primärmodell, Abschnittsverarbeitung und kleine Edits ein schnelleres Sekundärmodell. Beide Modelle sind unabhängig konfigurierbar; familienspezifische Reasoning-Schalter werden automatisch passend gesetzt.
Intent-Router für Folge-Iterationen. Nach der Erstgenerierung werden weitere Eingaben klassifiziert (z.B. „kürzer", „formaler", „Abschnitt 3 anders", „Beschluss-Wortlaut korrigieren"). Eindeutige Anweisungen führen direkt zur passenden Operation; mehrdeutige Anweisungen lösen eine Rückfrage aus.
Scope-Modell für gezielte Eingriffe. Änderungen lassen sich auf das Gesamtdokument, einen Abschnitt oder einen einzelnen Absatz beschränken. Bei großen Dokumenten werden chirurgische Edits ausgeführt, sodass nur die betroffene Stelle neu erzeugt wird.
Versionierung mit Verzweigung. Jede inhaltliche Änderung erzeugt einen Versionseintrag mit Zeitstempel und Beschreibung. Vorherige Stände sind jederzeit aufrufbar; ein Rücksprung mit anschließender Weiterbearbeitung markiert übersprungene Versionen als abgezweigt, ohne sie zu löschen.
Briefing-Dialog vor langen Läufen. Vor Pipeline-Durchläufen werden offene Profilfragen identifiziert; im Klärungsdialog erscheinen nur diejenigen, die sich nicht bereits aus dem hochgeladenen Material ableiten lassen.
Anbindung an interne Dienste. Anbindung an vier Backend-Dienste: ein primäres LLM für qualitätskritische Schritte, ein optionales schnelles LLM für Abschnitte und Edits, einen Embedder für Inventar- und Aussagen-Vektoren sowie einen Reranker für die Nachsortierung von Retrieval-Ergebnissen.
Export mit Herkunftsnachweis. Word-, Markdown- und Text-Export enthalten einen Footer mit Zeitstempel, Aufgabentyp, verwendeten Modellen und Token-Verbrauch. Damit ist nachvollziehbar, womit ein Text erzeugt wurde.