Hauptentwurf · Plattform Oberfranken

Handlungsfeld 3 · Website-Prototyp mit dem Chatbot FrankKI. Oben geht es zum Hauptentwurf, darunter steht, wie FrankKI arbeitet und was wir dabei über Chatbots gelernt haben.

Grün: Redaktion (Grundwissen, Porträts) · Gelb: automatisch aus Partnerquellen, persönlich sortiert. Der Knopf „Konzept-Ansicht“ auf der Startseite hat zwei Ansichten: Herkunft markiert beides, misst den Anteil und nennt je Beitrag Quelle und Kanal; Personalisierung zeigt in Violett, was persönlich sortiert ist, warum ein Beitrag erscheint und was die Seite über dich weiß.

Hauptentwurf

Ein Himmel mit FrankKI

Karte und Gespräch teilen sich einen Nachthimmel. FrankKI sitzt auf dem Horizont, und von seiner Antwort führt ein Lichtstrahl zum Stern des Ortes. Darunter Wochenkalender mit Partnerlinks, Regionsporträts, „Neu veröffentlicht“ und „So entsteht diese Seite“. Von hier aus erreichst du die fünf Anliegen-Seiten (z. B. Ausflug planen) und die Regionsseiten (ausgebaut: Fichtelgebirge).

Hauptentwurf öffnen

Konzept-Ansicht (Knopf auf der Startseite): Herkunft, Personalisierung, Quellenregister und Admin mit FrankKI-Stufe und Modell.
?modell=aus nutzt die Simulation statt Gemini · ?frankki=12 zeigt Stufe 1 + 2 statt 3 · ?onboarding=neu startet die Einführung neu.

So arbeitet FrankKI

FrankKI in drei Stufen: Wortlisten, Query Routing, Query Routing mit Decomposition — **Drei Ausbaustufen:** Jede Stufe versteht mehr, die Fakten bleiben aus unseren Quellen. Stufe 3 ist Standard.

Frage im Chat, z. B. „Servus, es regnet, was mit Kindern?“
Router (LLM) ordnet ein und zerlegt: Smalltalk · Kontext · Sachfrage (Query Routing & Decomposition).
Kontext wird Suchfilter (Regen → drinnen), nie eine Behauptung.
Code sucht nur in freigegebenen Quellen (Retrieval, Quellenregister).
LLM formuliert nur aus den Treffern und nennt zu jeder Aussage die Beleg-ID.
Grounding Check im Code streicht jede Aussage ohne Beleg.
Antwort mit Quelle, Lichtstrahl zum Ort auf der Karte.

Modell: Gemini Flash-Lite über den lokalen Vorschauserver (Adapter frankki_modell.py). Ohne Server, etwa auf der veröffentlichten Seite, antwortet FrankKI für vorbereitete Fragen aus einer Simulation und sonst mit den Wortlisten aus Stufe 1.

Lernkarten: Chatbots verstehen und bauen

Sechs Karten in Lernreihenfolge, Stand 13.10.2026. Antippen öffnet die Grafik in voller Größe.

Komplexitätsstrahl mit fünf Stufen: regelbasiert, intent-basiert, Naive RAG, Advanced RAG, Agentic RAG — **1 · Komplexitätsstrahl:** So einfach wie möglich, so komplex wie nötig. FrankKI 1 ist intent-basiert, FrankKI 2 und 3 sind Advanced RAG.

RAG: Crawling, Chunking, Index; dann Frage, Suche, Prompt, Modell, Grounding Check, Antwort — **2 · RAG:** Die Suche findet, das Modell formuliert. Der Grounding Check streicht Unbelegtes.

Query Routing und Decomposition: Satz wird in Smalltalk, Kontext und Sachfrage zerlegt — **3 · Query Routing & Decomposition:** Plaudern ohne Suche, Fakten nur über die Suche.

Tool Use und Agent: Advanced RAG mit festem Weg im Vergleich zu Agentic RAG mit Schleife — **4 · Tool Use & Agent:** Das LLM entscheidet, der Code führt aus und hält die Schleife.

Benchmark: Testsatz mit Soll-Wert, Kreislauf aus messen, Fehler, ändern, neu messen — **5 · Benchmark:** Messen zeigt, wo und ob es hakt. Besser wird es erst durch die Änderung.

Bot-Auftrag in vier Phasen: Klären, Daten, Bauen und Messen, Pilot und Betrieb, jeweils mit dem, was der Auftraggeber liefert — **6 · „Bau uns mal einen Bot“:** Einfachste passende Stufe, erst Testfragen, dann bauen.

Designentwurf im Studienprojekt. Alle Meldungen, Termine und Quellen sind erfunden; Schriften sind lokal eingebunden. Die bereitgestellten Unterlagen dienten nur als Inspiration. Frühere Vergleichsentwürfe (A–G, I) liegen nur noch in der Git-Historie.