KI-Susi ist eine interaktive, offline-fähige Lern- und Trainings-Plattform für Neuronale Netzwerke. Sie ermöglicht es Einsteigern, Schülern und ML-Begeisterten, künstliche Intelligenz hautnah zu verstehen – komplett ohne Programmierkenntnisse, ohne Cloud-Uploads, ohne API-Keys und zu 100% lokal im eigenen Browser.

Angetrieben von TensorFlow.js und IndexedDB bietet KI-Susi eine vollständige Full-Stack-Erfahrung für maschinelles Lernen auf dem eigenen Rechner.

⚠️ ACHTUNG / DISCLAIMER:
Diese Software (KI-Susi) dient ausschließlich zu Bildungs-, Schulungs- und Demonstrationszwecken.

1. Keine geschäftskritische Nutzung: Die in dieser Sandbox trainierten Modelle sind vereinfachte, browserbasierte neuronale Netze. Sie sind nicht geeignet und nicht validiert für den Einsatz in produktiven, sicherheitskritischen, medizinischen, juristischen, militärischen oder finanziellen Systemen.
2. Keine Haftung für Fehler: Es wird keinerlei Garantie für die Richtigkeit, Genauigkeit, Zuverlässigkeit oder Funktionalität der erzeugten Vorhersagen oder trainierten Modelle übernommen.
3. Risiko beim Nutzer: Jegliche Nutzung der Software und der exportierten Modelle geschieht auf eigene Gefahr des Anwenders. Schadensersatzansprüche oder Haftungsansprüche gegen die Entwickler sind vollständig ausgeschlossen.

• Multi-Format-Unterstützung: Verwalte Datensätze für Textstimmung (NLP-Klassifikation) oder Geometrische Formen (Bild-Klassifikation).
• Bulk-Import-Wizard: Importiere Beispieldaten im Handumdrehen über CSV/TXT-Dateien, Copy-Paste oder lade mehrere Bilddateien gleichzeitig hoch.
• Massen-Daten-Generator: Erzeuge mit einem Klick bis zu 3.000 synthetische Text- oder Bilddaten, um große Trainingsabgleiche auszuprobieren.
• Datenvalidierungs-Report: Automatische Analyse der Klassenverteilung mit Warnungen bei Daten-Ungleichgewicht (Imbalance), um ein "wildes Raten" der KI zu verhindern.

• Echtzeit-Lernkurven: Verfolge live, wie der Loss-Wert sinkt und die Genauigkeit (Accuracy) steigt, während das Netz lernt.
• Anpassbare Hyperparameter: Verändere Epochen, Lernrate, Batch Size, Testdatensplit, Optimizer (Adam, SGD) sowie die Anzahl der Neuronen und versteckten Ebenen (Hidden Layers).
• Visuelle Synapsen: Beobachte die mathematischen Gewichte und die innere Struktur des neuronalen Netzes während des Lernvorgangs.

• Text-Spielplatz: Tippe beliebige Sätze ein und sieh sofort die prozentuale Wahrscheinlichkeit für jede Klasse.
• Bild-Spielplatz: Nutze die integrierte HTML5-Zeichenfläche, um Kreise, Kreuze oder Dreiecke frei Hand zu zeichnen, und lass sie von deiner KI in Echtzeit klassifizieren.

• Lokale Persistenz: Speichere unbegrenzt viele Modellversionen dauerhaft in der IndexedDB deines Browsers.
• Autonomer HTML-Export: Exportiere jedes trainierte Modell als völlig eigenständige, interaktive HTML-Anwendung. Diese enthält das gelernte Netz, die Gewichte, die Benutzeroberfläche und den Inferenz-Code in einer einzigen Datei – perfekt zum Teilen oder Hosten auf Webspace!

KI-Susi baut auf modernen Web-Technologien auf, um maximale Performance direkt im Client zu gewährleisten:

• Framework: React 18+ mit TypeScript und Vite.
• Styling: Tailwind CSS mit einem eleganten, kontrastreichen Theme.
• Machine Learning Engine: TensorFlow.js (@tensorflow/tfjs) für performantes GPU-beschleunigtes Rechnen über WebGL direkt im Browser.
• Datenbank: IndexedDB zur Speicherung von tausenden Trainingsbeispielen und Modellen, gekapselt über das moderne Dexie.js-Framework.
• Icons: Lucide-React.

Stelle sicher, dass du Node.js (Version 18 oder höher) auf deinem System installiert hast.

Für Windows-Nutzer steht eine komfortable Ein-Klick-Lösung bereit, die alle Schritte (Schnittstellen-Check, automatische Installation aller Bibliotheken wie React, Vite & Co. sowie den eigentlichen Serverstart) vollautomatisch übernimmt:

1. Doppelklicke auf die Datei start_windows.bat im Hauptverzeichnis.
2. Das Skript prüft automatisch Ihre Node.js- und npm-Installation.
3. Fehlende Abhängigkeiten (node_modules inkl. React, Vite, TensorFlow.js) werden automatisch nachinstalliert, falls sie noch nicht vorhanden sind.
4. Wählen Sie im Terminal per Tastendruck (1 oder 2), ob Sie im Entwicklungs-Modus oder im Produktions-Modus starten möchten.
5. Die App ist anschließend im Browser unter http://localhost:3000 erreichbar.

1. Repository klonen oder entpacken.
2. Abhängigkeiten installieren:

   npm install

3. Entwicklungs-Server starten:

   npm run dev

4. App öffnen: Öffne den in der Konsole angezeigten Link (standardmäßig http://localhost:3000) in deinem Browser.

Um die Funktionsweise von KI-Susi direkt auszuprobieren, folge diesen Schritten:

1. Beispieldaten laden: Öffne die Datensatz-Zentrale und klicke unten auf "Beispiel-Szenarien laden (Reset)". Dies lädt ein fertig vorbereitetes Sentiment-Szenario ("Kundenfeedback" in Deutsch).
2. Klassen verstehen: Du siehst zwei Klassen: Positiv (z.B. "Bester Kundenservice!") und Negativ (z.B. "Die App stürzt ständig ab.").
3. Training starten: Navigiere zum Trainings-Wizard, wähle den Datensatz aus, stelle die Epochen auf 20 und klicke auf "Training starten". Beobachte, wie die Lernkurve im Echtzeit-Chart abfällt.
4. Modell testen: Gehe nach dem Training in den Modell-Spielplatz und tippe einen neuen Satz ein, den die KI noch nie gesehen hat (z.B. "Ich bin begeistert von diesem Tool!"). Die KI-Susi wird ihn sofort korrekt als Positiv klassifizieren!

Wir haben massive Verbesserungen und Erweiterungen an KI-Susi vorgenommen, um den Einsatz der lokal trainierten Modelle im praktischen Geschäftsbetrieb greifbar und simulierbar zu machen:

1. Verdopplung der Übungsszenarien & Fokus auf Business-Cases

   • 12 neue Geschäfts-Szenarien: Die Anzahl der einsatzbereiten Szenarien wurde auf über 60 aufgestockt. Die 12 neuen, detailliert konfigurierten Business-Szenarien decken wesentliche Bereiche des Büro-Alltags ab:
     • Finanzwesen / Controlling (Invoices, Tax-Audit, Risk)
     • Logistik / Supply Chain (Zoll-Verzögerung, Frachtschiff-Tracking, Blockaden)
     • Personalwesen / HR (Bewerber-Vorauswahl, Urlaubsfreigaben)
     • IT-Service & Support (IT-Helpdesk, Hardware-Triage, Netzwerksicherheit)
   • Tausende Synthetik-Vorlagen: Jedes Szenario besitzt ein komplexes logisches Muster, das über unsere lokale Offline-Generierung hunderte realistische Sätze/Belege generiert.

2. Interaktiver ROI-Rechner (Wirtschaftlichkeit)

   • Echtzeit-Finanzanalyse: Auf der neuen Registerkarte „Verwendbarkeit & Business-Einsatz“ der Modell-Bibliothek können Anwender berechnen, wie viel Zeit und Geld das aktive Modell im realen Betrieb einsparen würde.
   • Anpassbare Parameter: Schätze das monatliche Fallvolumen, die manuelle Zeiteinsparung pro Vorgang (in Minuten) sowie den internen Stundensatz der Sachbearbeiter ein. Die App kalkuliert sofort:
     • Eingesparte Arbeitsstunden pro Monat
     • Direkte monatliche Kosteneinsparung (€)
     • Prognostizierter kumulierter Jahreseffekt (€)

3. In-App Debatten-Simulator (Lenkungsausschuss-Review)

   • Diskurs der Perspektiven: Um die Praxistauglichkeit und Einführung eines Modells zu debattieren, haben wir einen voll-interaktiven Lenkungsausschuss-Simulator (Steering Committee) entwickelt.
   • Vier professionelle Key-Personas:
     • Dr. Sabine Weber (CFO): Analysiert finanzielle Amortisation, Risiko-Vermeidung und IT-Betriebskosten.
     • Marcus Lang (CTO): Bewertet lokale Inferenzgeschwindigkeit (unter 10ms auf Edge), API-Schnittstellen und Modellpflege.
     • Elena Petrova (CISO / Datenschutz): Prüft DSGVO-Einhaltung, Datensparsamkeit und die Notwendigkeit von "Human-in-the-Loop"-Verfahren.
     • Thomas Müller (Operations): Fokussiert sich auf die Entlastung des Teams von monotoner Routinearbeit und praxisnahe Assistenzsysteme.
   • Wählbare Kernfragen: Schalte zwischen Themen wie Wirtschaftlichkeit, Latenz/IT-Architektur, Datenschutz/Compliance und Mitarbeiterintegration um und höre die lebendigen, kontextspezifischen Redebeiträge der Beiratsmitglieder.

4. Business-Reifegrad & Latenz-Diagnostik

   • Praxistauglichkeits-Prüfung: Das Modell bewertet seine eigene Produktionsbereitschaft basierend auf den Validierungs-Metriken (z. B. Genauigkeit > 90% für voll-autonome Automatisierung, > 80% für Teil-Autonomie mit Triage).
   • Inferenz-Latenz: Veranschaulicht die unschlagbaren Geschwindigkeitsvorteile lokaler clientseitiger Netze (unter 12ms ohne Netzwerk-Overhead).

5. Curated Dataset & Metadata Export (JSON Audit)

   • Strukturierter Datenexport: Exportiere die selbst zusammengestellten, kuratierten Beispielsätze und alle relevanten Parametereinstellungen (Datengröße, Signalrauschen, Version, ML-Details) direkt als strukturierte JSON-Auditdatei.
   • Workflow-Unterstützung: Erleichtert die lückenlose Dokumentation, Archivierung und das Einreichen der Trainingsdaten zur Freigabe oder zum Audit in täglichen Business-Workflows.

6. Szenarien-Bibliothek (Scenario Library)

   • Interaktives Vorlagen-Repository: Bietet einsatzbereite, vorkonfigurierte Templates für häufige Geschäftsfälle wie Kundenabwanderungs-Risikoanalyse (Churn), Support-Ticket-Routing (Triage), Rechnungs- & Beleg-Klassifikation, HR-Screening, IT-Helpdesk Priorisierung und Vertrags-Risiko-Scanner.
   • Optimierte ML-Blueprints: Jedes Template liefert eine schlüsselfertige Datensatzstruktur, Musterformulierungen mit Platzhaltern sowie eine mathematisch optimierte Netzwerk-Architektur (Epochen, Batch-Größe, Lernrate, verborgene Schichten, Dropout). Diese Parameter werden beim Laden vollautomatisch in den Trainings-Wizard übernommen.

In Version 1.7.0 haben wir die didaktischen Werkzeuge und den Bedienkomfort von KI-Susi auf die nächste Stufe gehoben:

1. Detaillierter Evaluierungs-Modus im Playground

   • Echte Konfusionsmatrix (Confusion Matrix): Auf einer neuen Registerkarte des Modellspielplatzes können Sie Ihr Modell mit einem separaten (sekundären) Test-Datensatz evaluieren. Die generierte, farbcodierte Kreuztabelle vergleicht tatsächliche Klassen mit Vorhersagen und deckt Verwechslungen visuell auf.
   • Präzision, Recall (Sensitivität) & F1-Score: Berechnet statistisch korrekte ML-Leistungsmetriken pro Klasse und visualisiert sie mit eleganten Status-Indikatoren.

2. Echtzeit-Trainingsvisualisierung (Charts per Epoch)

   • Dynamische Line Charts: Während des Trainings im Trainings-Wizard zeichnet die App über Recharts live die Verläufe von Verlust (Loss) und Genauigkeit (Accuracy) für jede einzelne Epoche auf.
   • Echtzeit-Diagnose: Ermöglicht das direkte Erkennen von Überanpassung (Overfitting) oder stagnierendem Lernerfolg.

3. Massen-Löschen (Bulk Delete) für Datensätze und Modelle

   • Effizientes Daten-Management: In der Datensatz-Zentrale (DatasetManager) und der Modell-Bibliothek (ModelLibrary) wurden Kontrollkästchen zur Mehrfachauswahl und praktische Aktionsleisten hinzugefügt, mit denen ungenutzte Datensätze oder trainierte Iterationen gesammelt mit einem Klick gelöscht werden können.

4. Windows-Startskript (start.bat)

   • Bequemer Ein-Klick-Start: Erstellung einer automatischen start.bat-Launcher-Datei im Hauptverzeichnis. Sie prüft, ob Node.js installiert ist, installiert bei Bedarf alle React- und Projektabhängigkeiten nach und startet den Server mit einem Klick auf Port 3000.

In Version 2.0.0 führen wir das ultimative Upgrade für Entwickler, Studierende und Machine-Learning-Enthusiasten ein. Wir verankern tiefe mathematische Konzepte und Diagnosehilfen im Entwickler-Portal und machen KI-Susi damit zu einer vollkommenen Brücken-Plattform für den Übergang in die professionelle Python-Entwicklung:

1. Mathematische Inferenz-Theorie:

   • Ein neuer Theorie-Block im Entwickler-Portal veranschaulicht die zugrundeliegenden mathematischen Gleichungen neuronaler Netze. Schritt für Schritt werden die lineare Kombination ($z = \Sigma x_i w_i + b$), nichtlineare Aktivierungen via ReLU ($max(0, z)$) und die Softmax-Normalisierung zur Konfidenzberechnung detailliert erläutert.

2. Inferenz-Checkliste & Fehlerdiagnose:

   • Ein interaktiver Leitfaden hilft bei der Fehlerdiagnose, falls die Vorhersagen lokal ausgeführter Python-Skripte von den Ergebnissen im Browser-Spielplatz abweichen (u.a. durch Erklärungen zu Vokabular-Indexierungen, bilinearer Bildskalierung und 32-bit Float-Präzision).

3. Umfangreichere Python-Inferenz-Skripte:

   • NLP Text-Klassifikator (NumPy-Only): Das Python-Skript wurde um einen automatischen Gewichtsdateien-Parser und ein lauffähiges Beispiel mit simulierten Fallback-Gewichten erweitert.
   • CNN Bild-Klassifikator (TensorFlow/Keras): Ein vollständiges Integrationsbeispiel zeigt, wie man die importierten Gewichte direkt in TensorFlow/Keras-Architekturen anbindet und lokale Bilder vorverarbeitet.

4. Lokales Installations-Handbuch:

   • Eine detaillierte Schritt-für-Schritt-Anleitung zeigt, wie man auf seinem Computer eine saubere virtuelle Umgebung (venv) anlegt und alle notwendigen ML-Bibliotheken (numpy, pillow, tensorflow) installiert.

In Version 1.9.0 erweitern wir KI-Susi um ein professionelles Entwickler-Portal, das den nahtlosen Brückenschlag zwischen spielerischem Lernen im Browser und der echten Programmier-Praxis in Python schafft:

1. Neuer Sidebar-Bereich „Katalog & Integration“:

   • Eine reichhaltige Wissens- und Code-Datenbank, die direkt im Web-Interface aufgerufen werden kann. Sie bietet theoretischen Tiefgang zur Modell-Architektur (Bag-of-Words für NLP, 64x64 Faltungsnetzwerke für CNN) und beantwortet die häufigsten Integrationsfragen (FAQ).

2. Plain-CSV-Downloads zur korrekten Datensatz-Befüllung:

   • Direkt über das Entwickler-Portal können vorgefertigte Datensatz-Musterdateien im reinen CSV-Format (Plain CSV) heruntergeladen werden. Dadurch erkennen Lernende sofort, wie Spaltenüberschriften und Beschriftungen (Labels) formatiert sein müssen, um reibungslos importiert zu werden.

3. Umfangreiche Python-Schnittstellencodes (mit Kommentaren):

   • NLP Text-Inferenz in reinem NumPy: Ein lauffähiger, vollständig offline-fähiger Python-Code, der die Bag-of-Words-Vorverarbeitung und den gesamten Forward-Pass des Netzes berechnet. Keine Installation von schweren ML-Bibliotheken notwendig!
   • CNN Bild-Inferenz: Eine Vorlage zur Integration der Faltungs-Gewichte über die offizielle Keras/TensorFlow API in Python.

4. Kopfzeilen-Ignorierung im Bulk-Import:

   • Der Daten-Importeur wurde so gehärtet, dass er typische CSV-Überschriften (wie Satz;Klasse oder text;sentiment) selbstständig erkennt und beim Parsen überspringt, anstatt sie fälschlicherweise als Trainingsdaten einzulesen.

In Version 1.8.0 führen wir drei bahnbrechende interaktive Erweiterungen ein, die tiefe Einblicke in die Blackbox neuronaler Netze ermöglichen und die Robustheit im wirtschaftlichen Praxiseinsatz maximieren:

1. Interaktiver Echtzeit-Gewichts- & Bias-Explorer (Modell-Bibliothek)

   • Deep-Dive in die Synapsen: Durch Klicken auf eine beliebige Schicht (Layer) im Netzwerk-Schema öffnet sich ein interaktiver Explorer. Anwender können die exakte mathematische Gewichts-Matrix ($W$) und den Bias-Vektor ($b$) dieses Layers in Echtzeit auslesen.
   • Farbcodierte Wärme-Matrix: Positive und negative Synapsengewichte werden visuell über Farbintensitäten (Cyan-Blau für positiv, Rosé-Rot für negativ) dargestellt, um direkt zu zeigen, welche Pfade im Netzwerk am stärksten feuern.

2. Entscheidungs-Schwellenwert-Simulator (Playground)

   • Sicherheitsschranke für Fehlprognosen (Confidence Threshold): Ein neuer interaktiver Slider im Modellspielplatz ermöglicht die dynamische Anpassung der Mindestwahrscheinlichkeit für automatische Klassifizierungen.
   • Automatische Ablehnung (Fallback Triage): Liegt das prognostizierte Konfidenzniveau unter dem eingestellten Schwellenwert (z.B. 75%), wird die Inferenz visuell durchgestrichen und als „⚠️ ABGELEHNT (Sicherheit zu gering)“ markiert – simuliert exakt den realen Absicherungs-Prozess in produktiven IT-Systemen.

3. Interaktiver Trainingsdaten-Augmentierungs-Simulator (Datensatz-Zentrale)

   • Künstliche Datenvermehrung gegen Overfitting: Ein neuer interaktiver Simulator veranschaulicht live das concept der Data Augmentation.
   • Echtzeit-Störungs-Cloning: Wähle einen echten Trainings-Datenpunkt aus und simuliere verschiedene Störfaktoren per Klick:
     • Für Sätze: Tippfehler-Rauschen (synthetische Zeichen-Verdopplung), Wort-Vertauschung (Shuffling) und Wort-Löschung (Deletion).
     • Für Bilder: Leichte Rotationen, horizontale Spiegelungen (Flip) oder Kamera-Unschärfe (Blur).
   • Didaktischer Lerneffekt: Zeigt intuitiv, wie die KI lernt, semantische Konzepte unabhängig von Schreibfehlern oder Sensorstörungen zu generalisieren.

Die Anwendung KI-Susi befindet sich mit der Version 2.0.0 in einem vorläufig finalen Zustand. Die Kernfeatures zur didaktischen Vermittlung von maschinellem Lernen für Laien – vom Daten-Sourcing über das Training bis hin zum praktischen Modell-Einsatz – sind vollständig und offline lauffähig implementiert.

Dieses Projekt wurde konzipiert und umgesetzt von Johannes Wobus.

Falls Sie Fragen zum Projekt haben, Feedback teilen möchten oder Unterstützung bei der Konzeption und Durchführung von KI-Trainings für Laien bzw. Teams in Ihrem Unternehmen benötigen, können Sie mich gerne kontaktieren:

• E-Mail: blende_32@protonmail.com
• Leistungen: Fachliche Beratung, Workshops und methodische Begleitung bei der Einführung von maschinellem Lernen und KI-Anwendungen für Nicht-Entwickler.

Entwickelt für eine sichere, datenschutzkonforme und praxisnahe KI-Bildung. Alle Berechnungen verbleiben auf deinem Gerät.