Themen
Was im Projekt fachlich und technisch konkreter wird – von Nutzerbedarfen und Anforderungen bis zu Prototypen, Evaluation, Governance und Diensten.
Diese Rubrik erklärt nicht nur, dass im Projekt gearbeitet wurde, sondern welche belastbaren Ergebnisse, Entscheidungen und offenen Punkte daraus entstanden sind.
Leitfragen
Ausgewählt
Redaktionell hervorgehobene Beiträge, die zentrale Fragen dieser Rubrik besonders gut erschließen.
Zum Start der geförderten Projektphase ist das öffentliche IncluLearn.AI-Portal unter inclulearn.owli-ai.com erreichbar. Es trennt Projektinformation, synthetische Demo und den späteren privaten Pilotzugang bewusst voneinander.
Aus den Bedarfshypothesen haben wir eine erste Lösungshypothese abgeleitet: fünf Kernbausteine mit hohem strategischem Wert, fünf anschließende Produktions- und Integrationsdienste sowie drei spezialisierte spätere Optionen.
Aus den recherchierten Arbeitsabläufen haben wir zwölf konkrete Bedarfshypothesen abgeleitet: von semantischer Voraufbereitung und Expert Review über Wiederverwendung und Prüfungen bis zu Provenienz, Ausgabeprofilen und inklusiver Zusammenarbeit.
Aktuell
Nach Veröffentlichung sortiert. Die fachliche Überarbeitung älterer Beiträge erfolgt schrittweise.
Zum Start der geförderten Projektphase ist das öffentliche IncluLearn.AI-Portal unter inclulearn.owli-ai.com erreichbar. Es trennt Projektinformation, synthetische Demo und den späteren privaten Pilotzugang bewusst voneinander.
Aus den Bedarfshypothesen haben wir eine erste Lösungshypothese abgeleitet: fünf Kernbausteine mit hohem strategischem Wert, fünf anschließende Produktions- und Integrationsdienste sowie drei spezialisierte spätere Optionen.
Aus den recherchierten Arbeitsabläufen haben wir zwölf konkrete Bedarfshypothesen abgeleitet: von semantischer Voraufbereitung und Expert Review über Wiederverwendung und Prüfungen bis zu Provenienz, Ausgabeprofilen und inklusiver Zusammenarbeit.
Öffentliche Prozessbeschreibungen zeigen hohe manuelle Aufwände, lange Vorlaufzeiten, fachlich komplexe Transformationen, etablierte Wiederverwendung und besondere Prüfungsanforderungen. Für IncluLearn.AI sind das konkrete Hinweise darauf, wo semantische KI-Unterstützung nützlich sein könnte.
Der TTS-Pfad ist deutlich weiter als im ersten September-Stand: Die engine-neutrale API läuft inzwischen mit Qwen3-TTS-1.7B, sechs neutralen Preset-Profilen und VoiceDesign auf der Ziel-VM und ist über die öffentliche Test-Demo erreichbar. Das ist eine reale Integration, aber noch keine Audioqualitäts- oder Produktivfreigabe.
Der öffentliche Prototyp zeigt nicht die fertige KI-Pipeline, sondern ein frühes Arbeitsmodell für Materialien, Review, Freigaben und barrierefreie Nutzung. Entscheidend sind Nutzerziele, Accessibility-first, DE/EN und eine klare Trennung zwischen Demo und bereits realer Funktion.
Öffentliche Prozessbeschreibungen von Medienzentren liefern bereits konkrete Hinweise auf Aufwand, Engpässe und Qualitätsanforderungen. IncluLearn.AI behandelt die daraus abgeleiteten Bedarfe dennoch bewusst als Hypothesen, bis sie mit Praxispartnern und Nutzenden validiert sind.
IncluLearn.AI trennt KI-Beteiligung, fachliche Prüfung und Freigabe bewusst voneinander. Human Owner, abgestufter Review, nachvollziehbare Provenienz und vorsichtige Datenklassifikation sollen KI-Unterstützung nutzbar machen, ohne Verantwortung an das System abzugeben.
Die technische Basis von IncluLearn.AI wird reproduzierbar und in klaren Verantwortungsgrenzen aufgebaut. Die öffentliche Test-Demo kann automatisiert ausgerollt werden, bleibt aber bewusst von einem späteren produktiven Betrieb mit realen Daten und strengeren Sicherheitsanforderungen getrennt.
Vor dem Projektstart wurden zentrale Regeln für Zusammenarbeit, Projektsteuerung, Barrierefreiheit und KI-Nutzung strukturiert und ein konkreter Startplan für das erste Arbeitspaket vorbereitet.