Wir verstehen, wie KI lernt,
Seit 2015 entwickeln wir Monitoring-Lösungen für Bildungsplattformen, die maschinelles Lernen einsetzen. Unsere Systeme zeigen dir nicht nur, was passiert – sie erklären dir, warum KI-Empfehlungen funktionieren oder wo adaptive Algorithmen nachgebessert werden müssen. Das ist kein generisches Analytics-Tool. Das ist Performance-Überwachung, die versteht, dass jede Lernplattform anders tickt.
Die Köpfe hinter der Technik
Zwei Perspektiven, ein Ziel: Transparenz in KI-gestützten Lernumgebungen schaffen, ohne dabei die Performance zu opfern.
Katrin Waldvogel
Leiterin Produktentwicklung
Verantwortlich für die technische Architektur unserer Monitoring-Systeme und die Integration von Echtzeit-Analysetools in bestehende Lernumgebungen. Katrins Ansatz: Keine blackbox-Metriken. Jedes Dashboard-Element muss sich erklären können, warum es existiert und was Entwickler damit anfangen sollen.
Henrik Möllendorf
Senior Performance Analyst
Spezialisiert auf die Optimierung von KI-Modellen im Bildungsbereich mit Fokus auf adaptive Lernsysteme und Nutzerverhalten. Henrik verbringt seine Zeit damit, herauszufinden, warum ein Recommendation-Algorithmus bei 83% der Nutzer gut funktioniert – und was mit den restlichen 17% los ist.
Was uns antreibt
Messbare Präzision
Keine vagen Schätzungen. Wir zeigen dir exakt, welche Latenz deine KI-Inferenzen haben und wie das die User Experience beeinflusst.
Datentransparenz
Jede Metrik kommt mit Kontext. Du siehst nicht nur Zahlen, sondern verstehst, was sie für deine spezifische Lernplattform bedeuten.
Echtzeit-Reaktion
Alerts, die Sinn machen. Wenn ein Modell anfängt, merkwürdige Empfehlungen zu geben, erfährst du es sofort – nicht erst am Monatsende.
Wie wir hierher gekommen sind
2015 haben wir angefangen, weil klassische Monitoring-Tools für Online-Kurse einfach nicht passten. Die meisten zeigen dir Servermetriken und Ladezeiten – aber nichts über die Qualität der KI-gesteuerten Inhaltsempfehlungen.
Wir wollten wissen: Führt der Adaptive-Learning-Algorithmus tatsächlich zu besseren Lernergebnissen? Oder sorgt er nur dafür, dass Nutzer länger auf der Plattform bleiben, ohne wirklich weiterzukommen?
Die ersten Projekte waren ein wildes Durcheinander aus Python-Skripten und selbstgebauten Dashboards. Aber sie haben funktioniert. Langsam haben wir ein Framework entwickelt, das Performance-Daten mit Lernfortschritt verknüpft.
Heute arbeiten wir mit Plattformen, die von 500 bis 50.000 aktive Lernende haben. Die Probleme sind unterschiedlich, aber die Frage bleibt dieselbe: Macht die KI das Lernen besser – oder nur komplizierter?