Das Projekt barknosia.de befindet sich noch in der Entwicklung!
Das Problem: Für eine möglichst umfassende Bearbeitung des verteilten Stoffs (Pflichtliteratur und vorallem vertiefende Literatur aus unzähligen Dokumenten) ist die Verwendung generativer KI nützlich, bspw. zur Übersetzung von Englisch auf Deutsch. Die wissenschaftlichen Quellen sind jedoch sehr unstrukturiert. Die Extrahierung, Übersetzung und ggfls. Zusammenfassung braucht Zeit. Wenn man sich auf das Ergebnis einer LLM verlässt, würde man ggfls. zu spät feststellen, dass wichtige Dinge fehlen. Aus diesem Grund habe ich meine Barknosia-Pipeline geschrieben.
Von der PDF zur fertigen Lernunterlage
Eine Kommandozeilen-Pipeline, die wissenschaftliche PDF-Quellen automatisiert in strukturierte, deutschsprachige Lernunterlagen verwandelt — Übersetzung, Zusammenfassung, Quiz-Prüfung und Übungsfragen-Relevanzabgleich in einem Werkzeug.
01 Kernpipeline: PDF → Lernunterlage
Der Standardlauf: aus einer Quell-PDF wird eine vollständig gegliederte, übersetzte und zusammengefasste Word-Lernunterlage.
- Strukturerkennung
- Liest die Kapitelgliederung direkt aus dem Quelldokument, inklusive automatischer Nummerierung bei unnummerierten oder wiederkehrenden Überschriften.
- Übersetzung
- Erkennt die Quellsprache und übersetzt automatisch ins Deutsche; über
--target-language,--source-languageund--no-translatevollständig steuerbar. - Zusammenfassung
- Erzeugt pro Abschnitt eine Zusammenfassung; der wörtliche Originaltext bleibt als ausblendbarer Text erhalten.
- Einbettung
- Setzt extrahierten Inhalt gezielt in eine bestehende Gliederung ein
(
--parent-chapter,--title-as-parent). - Teilextraktion
- Grenzt auf einzelne Kapitel oder Unterkapitel ein
(
--chapter,--from,--to). - Medien & Filter
- Übernimmt Abbildungen und Tabellen, filtert Deko-Grafiken heraus und überspringt Literaturverzeichnis sowie Front-Matter standardmäßig.
02 Quiz-Prüfungsmodus
Eigener Modus über --quiz-docx: prüft ein bestehendes
Leitfragen-Quiz gegen den zugehörigen Kapiteltext derselben Lernunterlage.
- Bild-Erkennung
- Liest Quizfragen, die als Screenshot in die Lernunterlage eingebettet sind.
- Auto-Beantwortung
- Beantwortet jede Frage anhand des Dokumenttexts und bewertet den Abdeckungsgrad.
- Quellenmarkierung
- Setzt Kommentar-Marker direkt an den Quellkapiteln, an denen die Antwort belegt ist.
- Mehrfachlauf
- Mehrere Quizzes lassen sich per wiederholtem
--quiz-chapterin einem Lauf und einer Ausgabedatei prüfen.
03 Fremdmodul-Relevanzprüfung
Eigener Modus über --mm4-check: prüft Übungsfragen eines fremden
Moduls gegen die eigene Studienunterlage — „kommt das bei mir dran?“
- Robuste Extraktion
- Liest beliebig viele Übungsfragen-PDFs per multimodalem PDF-Input direkt — unempfindlich gegenüber wechselnden Formaten.
- Semantische Duplikaterkennung
- Gruppiert inhaltlich identische Fragen über mehrere Jahrgänge der Übungsfragen hinweg per LLM und vergibt einen sprechenden Themen-Titel je Frage.
- Fundstellen-Nachweis
- Liefert pro Treffer den vollständigen Überschriften-Pfad (Kurseinheit → Kapitel → Unterkapitel) samt wörtlichem Zitat.
- Nummerierte Vorkommen
- Zählt jedes Vorkommen mit Quellen-Label und Fragenummer, z. B.
WiSe 25/26 Nr. 12. - Getrennte Berichte
- Schreibt je ein Ergebnisdokument pro Zielmodul, direkt einfügbar in die jeweilige Lernunterlage.
04 Technische Basis
Was alle Modi trägt, unabhängig vom gewählten Kommando.
- Resume & Cache
- Jeder Zwischenschritt wird dateibasiert gecacht; ein abgebrochener Lauf setzt beim nächsten Aufruf genau dort fort.
- Fehlertoleranz
- Automatischer Retry bei Netzwerk- und API-Fehlern gegenüber der Gemini-API.
- Testabdeckung
- Unittests für die Kernlogik: Kapitelerkennung, Gliederung, Deduplizierung.