TextWerkstatt — Funktionen¶

TextWerkstatt deckt typische Schreib- und Überarbeitungsaufgaben des Hochschulkontextes ab. Der Funktionsumfang reicht von der Erstgenerierung formaler Dokumente aus rohem Material über iterative Detail-Edits bis zum Export in mehreren Formaten mit Herkunftsnachweis.

Anwendungsszenarien¶

Gremien- und Teamprotokolle aus Sitzungsnotizen. Sitzungsnotizen werden zu einem formalen Protokoll überführt — als Ergebnis- oder Verlaufsprotokoll, mit Beschlüssen, Abstimmungsergebnissen, namentlichen Zuordnungen und einem vollständigen formalen Kopf.
Antwortschreiben und Beschwerdebearbeitung. Reaktionen auf Anfragen Studierender und auf sensible Beschwerden werden mit hochschultypischer Tonalität entworfen; juristisch sensible Themen werden entsprechend gekennzeichnet.
Pressemeldungen und Hochschultexte. Aus Hintergrundmaterialien, Eckdaten oder Zitaten entstehen Texte für die Außendarstellung — auf Wunsch in mehreren Längenvarianten.
System- und Bildprompts. Bestehende Prompts für KI-Anwendungen werden analysiert, fehlende Dimensionen identifiziert und überarbeitete, klar strukturierte Versionen erzeugt. Bildprompts für Lehrmaterial werden nach Zielmedium und Bildstil ausformuliert.
Dokumentations- und Konzeptarbeit. Projektdokumentationen, IT-Beschreibungen, Konzepte oder eingehende Angebote werden auf Konsistenz, Vollständigkeit und Anforderungserfüllung geprüft und ggf. neu strukturiert.
Allgemeine Textarbeit mit mehreren Quelldokumenten. Mehrere hochgeladene Dateien (z.B. Notizen, Berichte, Mailverläufe, Tabellen) lassen sich zu einem konsolidierten Text zusammenführen, gegen die Quellen abgleichen und gemeinsam überarbeiten.

Auf einen Blick¶

Zwei Verarbeitungsmodi: Chat-Dialog für kürzere Texte, mehrstufige Pipeline für komplexe Aufgaben.
Zwölf Aufgabenprofile mit eigenen Qualitätskriterien, plus eine freie Aufgabe ohne Profilbindung.
Datei-Import für sieben Formate (txt, md, csv, html, docx, pdf, pptx) bis 50 MB pro Datei.
Export nach Word (.docx), Markdown (.md) und Text (.txt) — jeweils mit Herkunfts-Footer.
Zweistufiger Halluzinations-Check mit Embedding-basiertem Faktenabgleich gegen das Quellmaterial.
Versionsverwaltung mit Verzweigung; bis zu 20 zurückliegende Stände abrufbar.
Intent-basierte Folge-Iterationen mit Scope auf Gesamtdokument, Abschnitt oder Absatz.

Aufgabenprofile¶

Die Anwendung kennt zwölf vordefinierte Aufgabentypen, gegliedert in drei Kategorien.

Erstellen — Gremiensitzungs-Protokoll, Teamsitzungs-Protokoll, Antwortschreiben an Studierende, Antwort auf sensible Beschwerden, Pressemeldung, Hochschultext, Bildprompt für Lehrmaterial.

Verbessern — System-Prompt, IT-/Projektdokumentation, Angebots- und Konzeptprüfung, Stellenanzeige.

Beides — Aufbereitung komplexer Sachverhalte.

Jedes Profil enthält Domänenwissen, Tonvorgabe, ein Set an Qualitätskriterien sowie typische Rückfragen, die vor dem Start gestellt werden, sofern sie nicht aus dem Material beantwortbar sind. Eine zusätzliche Option „Freie Aufgabe" verarbeitet Inhalte ohne festes Profil.

Verarbeitungsmodi¶

Schnellmodus. Chat-basierte Erstgenerierung für kürzere Aufgaben. Die Eingabe wird mit dem profilspezifischen System-Prompt direkt durch das primäre Modell verarbeitet; Iterationen erfolgen in derselben Sitzung.

Werkstattmodus. Mehrstufige Pipeline für komplexe Aufgaben oder umfangreiches Material. Die Phasen sind: Bestandsaufnahme des Materials, Erstellung eines Arbeitsplans mit Abschnittsstruktur und Qualitätskriterien, abschnittsweise Verarbeitung, automatische Qualitätsprüfung mit optionaler Korrekturschleife sowie abschließende Homogenisierung des Gesamtdokuments. Der Werkstattmodus wird automatisch ausgewählt, wenn das Material eine konfigurierbare Schwelle überschreitet oder wenn der Aufgabentyp als grundsätzlich komplex gekennzeichnet ist; eine manuelle Auswahl ist ebenfalls möglich.

Konnektoren und Datenquellen¶

TextWerkstatt nutzt vier Backend-Dienste sowie eine Datei-Upload-Schnittstelle.

Primäres LLM (intern). Internes, OpenAI-kompatibles Modell für qualitätskritische Schritte: Analyse, Planung, Qualitätsprüfung, Korrektur und Homogenisierung.
Schnelles LLM (intern, optional). Internes, OpenAI-kompatibles Modell für die abschnittsweise Verarbeitung und kleine, schnelle Edits. Fällt automatisch auf das primäre LLM zurück, wenn nicht konfiguriert.
Embedder (intern). Interner Dienst für Vektor-Embeddings. Wird sowohl für die Inventarisierung von Quellmaterial als auch für den semantischen Halluzinations-Check eingesetzt. Unterstützt mehrere OpenAI- und HuggingFace-kompatible Endpoint-Varianten und erkennt das passende Schema selbsttätig.
Reranker (intern). Interner Dienst zur Nachsortierung von Retrieval-Kandidaten. Verfeinert die Reihenfolge der vom Embedder vorgeschlagenen Einträge, bevor sie an die Pipeline übergeben werden.

Datei-Import¶

Hochgeladene Dateien werden vor der Verarbeitung in einen einheitlichen Markdown-Text überführt. Unterstützt sind Klartext (.txt), Markdown (.md), CSV-Tabellen (.csv), HTML (.html mit Skript- und Stil-Filterung), Word-Dokumente (.docx mit Erhalt von Überschriften, Listen, Tabellen, Blockzitaten und Inline-Formatierung), PDF (.pdf via Text-Extraktion) sowie PowerPoint-Präsentationen (.pptx im Best-Effort-Verfahren). Eine Whitelist auf zulässige Dateiendungen und eine Größenbegrenzung schirmen den Import gegen unzulässige Inhalte ab.

Export-Formate¶

Word (.docx). Strukturierter Word-Export mit Überschriftenebenen, Listen, Tabellen, Code-Blöcken, Blockzitaten und Inline-Formatierung. Schriftart, Seitenränder und Abstände sind voreingestellt.
Markdown (.md). Markdown-Export mit Herkunfts-Footer als Block am Dokumentende.
Text (.txt). Plaintext-Export mit entfernter Markdown-Auszeichnung und Herkunfts-Footer als ASCII-Block.

Jeder Export enthält einen Herkunfts-Footer mit Erstellungszeitpunkt, Aufgabentyp, verwendeten Modellnamen sowie kumulierten Eingabe- und Ausgabe-Tokens.

Qualitätssicherung¶

Domänenspezifische Qualitätskriterien. Jedes Aufgabenprofil bringt einen Satz an Kriterien mit (z.B. wörtliche Beschluss-Übernahme bei Protokollen, Vollständigkeit der formalen Kopfdaten, Anforderungserfüllung bei Konzeptprüfungen). Diese Kriterien werden in der automatischen Qualitätsprüfung gegen das erzeugte Dokument geprüft.
Halluzinations-Check über das Modell. Die Qualitätsprüfung umfasst einen expliziten Abgleich des Dokuments gegen das Rohmaterial. Namen, Zahlen, Daten und Sachverhalte, die im Material nicht belegt sind, werden als Mangel der Art „halluziniert" gemeldet.
Semantischer Faktenabgleich. Sofern ein Inventar des Quellmaterials existiert, wird zusätzlich ein Embedding-basierter Zweit-Check ausgeführt. Aussagen wie Zahlen mit Einheiten, Datumsangaben, Personennamen und wörtliche Zitate werden extrahiert, embeddet und gegen das Inventar verglichen. Aussagen ohne hinreichende Ähnlichkeit zu einem Inventareintrag werden als verdächtig markiert.
Korrekturschleife. Werden Mängel gemeldet, läuft eine Korrektur durch das primäre Modell mit anschließender Re-Prüfung; die Anzahl Durchläufe ist beschränkt, um die Verarbeitungszeit kontrollierbar zu halten.
Briefing vor dem Start. Profile mit eingerichtetem Briefing prüfen, welche der typischen Rückfragen bereits durch das hochgeladene Material beantwortet sind, und stellen nur die offenen Fragen.
Sichtbarer Arbeitsplan. Vor der Verarbeitung wird der erzeugte Arbeitsplan inklusive Abschnittsstruktur, Schlüsselelementen, erkannten Lücken und globaler Qualitätskriterien angezeigt.
Versionsverwaltung. Inhaltsänderungen erzeugen Versionseinträge. Vorherige Stände bleiben aufrufbar; eine Bearbeitung nach einem Rücksprung markiert übersprungene Versionen als abgezweigt, statt sie zu verwerfen.
Herkunfts-Footer. Jeder Export trägt Zeitstempel, Aufgabentyp, Modellnamen und Token-Verbrauch — eine Grundlage für Nachvollziehbarkeit und Wiederholbarkeit.

Iterative Bearbeitung¶

Nach der Erstgenerierung werden Folge-Eingaben durch einen Intent-Router klassifiziert. Eindeutige Anweisungen wie „kürzer", „formaler" oder „Abschnitt 3 streichen" werden ohne Rückfrage ausgeführt; mehrdeutige Eingaben lösen eine gezielte Rückfrage aus. Ein Scope-Manager begrenzt die Operation auf das Gesamtdokument, einen Abschnitt oder einen einzelnen Absatz, sodass Edits an großen Dokumenten gezielt erfolgen.