Berlingvo
berlingvo.de besuchen open_in_newKI-gestützte Lernplattform für Deutsch als Fremdsprache (A1–B2)
Rolle: AI Product Manager und AI-native Software Engineering – von der Produktidee über Konzept und Architektur bis zu Betrieb und Weiterentwicklung
„Entdecke Deutschland für dich und dich für Deutschland!“
Berlingvo ist eine eigenständig konzipierte und gesteuerte DaF-Plattform mit über 160.000 Zeilen Code und über 1.700 Commits. Sie schließt die Lücke zwischen starren Lehrbüchern und oberflächlichen Vokabel-Apps: LLM-Generierung mit Guardrails und eigenem MCP-Server, Spaced Repetition (SM-2), interaktive Übungen, Lehrerbereich und kontextuelles Audio (TTS).
lightbulb Über das Projekt
Berlingvo ist eine Lernplattform für Deutsch als Fremdsprache, die ich allein konzipiere, steuere und betreibe. Sie schließt die Lücke zwischen starren Lehrbüchern und oberflächlichen Vokabel-Apps: interaktive Übungen, systematische Wiederholung und Alltagsszenarien wie Wohnungssuche, Behördengänge und Berufseinstieg.
Die Zielgruppe sind Migrantinnen und Migranten, Studierende und Berufstätige auf den Niveaustufen A1 bis B2. Seit Februar 2026 in aktiver Entwicklung; Plattform und mehrsprachiges Wörterbuch sind bereits live, der Aufbau der Lerninhalte läuft.
manage_accounts Meine Rolle: von der Idee bis zum laufenden Produkt
flag Product Management
Zielgruppen und Probleme, Funktionsumfang, Priorisierung und Roadmap (in Phasen geplant und dokumentiert), Freemium-Modell mit Stripe, Rollen und Rechte für Lernende, Lehrkräfte und Moderation.
psychology KI-Produktverantwortung
Auswahl und Zuschnitt der KI-Funktionen, Qualitätssicherung der Modellausgaben, Kosten- und Missbrauchskontrolle, schrittweiser Rollout hinter Feature-Flags.
account_tree Steuerung der Entwicklung
Domänenmodell, Architekturentscheidungen, Spezifikationen und Abnahme. Die technische Umsetzung erfolgt vollständig mit KI-Assistenten.
terminal Betrieb & DevOps
Docker-Deployment, CI/CD-Pipelines mit GitHub Actions, Sicherheit und Datenschutz (DSGVO), internes Security-Audit, Projekt-Wiki und Entscheidungsdokumentation.
Entwicklungsansatz: AI-native Engineering
100% KI-generierter Code, gesteuert durch Spezifikationen und gesichert durch CI
handshake Rollenverteilung & Sparringspartner
Ich definiere Produktziele, Domänenmodell und Architektur und treffe die Entscheidungen. Die KI-Assistenten setzen um und arbeiten zugleich als Sparringspartner: Sie analysieren meine Entwürfe, kritisieren sie, zeigen Lücken auf und ergänzen Ideen. Die Verantwortung für jede Entscheidung bleibt bei mir.
description Spezifikation statt Zufall
Eine verbindliche Regeldatei für KI-Agenten legt Architektur-, Sicherheits- und Qualitätsregeln fest, verlangt Freigabe vor destruktiven Aktionen und schreibt nach jeder Änderung eine Impact-Analyse vor (FAQ, Wiki, Übersetzungen, API, Tests). Dazu kommen über 70 Planungsdokumente, in Phasen zerlegt und vor der Umsetzung gegengelesen, sowie über 150 Wiki-Seiten (Russisch und Englisch) mit lückenlosem Änderungsprotokoll.
verified Automatisierte Verifikation & Schichten-Linter
247 Testdateien (Pytest). Die CI prüft Code-Stil (Ruff), die Schichtenarchitektur (import-linter erzwingt maschinell View/API → Service → Selector → Model), Übersetzungskataloge und den CSS-Build. Zudem läuft ein blockierendes Pytest-Gate für das Wörterbuch-Modul. Vor jedem Produktions-Deployment prüft manage.py check das Image. Neue Features werden zuerst auf einer separaten Staging-Umgebung getestet.
rule Fehler werden zu Regeln
Gefundene Fehlerklassen werden dauerhaft geschlossen. Beispiel: Schrieb das Modell die Lösung in den Aufgabentext, wurde das mit Validator, Audit-Befehl für Altdaten und Tests behoben. Dokumentierte Fallstricke in der Regeldatei verhindern Wiederholungen.
visibility Transparenz
Die KI-Beteiligung ist in der Git-Historie über Co-Authored-By-Einträge jederzeit transparent ausgewiesen.
KI im Produkt
Google Gemini, Guardrails, Budgetkontrolle, eigener MCP-Server und TTS
auto_awesome Generierung per LLM (Google Gemini)
Kartensätze, Lektionen und Trainingsaufgaben werden als asynchrone Jobs über Celery erzeugt. Eine Provider-Abstraktion hält das Modell austauschbar.
security Guardrails statt blindem Vertrauen
Generierte Trainingsaufgaben werden vor dem Speichern validiert, für Lektionen prüfen Validatoren und Lint-Regeln die Antwortformen. Abgelehnt werden Aufgaben, die die Lösung verraten, nicht eindeutig lösbare Antwortkombinationen oder Quizfragen ohne Optionen.
payments Kosten- & Missbrauchskontrolle
Tagesbudgets und Kontingente pro Funktion und Nutzerrolle, Burst-Limits, aggregierte Limits pro IP und Gerät, ein globales Projektbudget, Kostenerfassung pro Aufruf und Alerting. Schutzstufen sind per Feature-Flag schaltbar.
hub Eigene MCP-Schnittstelle
Ein selbst gebauter MCP-Server stellt Tools zum Anlegen, Validieren und Verwalten von Lerninhalten bereit, inklusive didaktischer Linting-Regeln, Protokollierung und Rollback.
toggle_on Kontrollierter Rollout
Neue KI-Funktionen wie die Deck- und Trainingsgenerierung sind hinter Feature-Flags geschaltet und standardmäßig deaktiviert, bis die Qualitätskriterien erfüllt sind.
record_voice_over Sprachsynthese (TTS)
Nomen werden immer gemeinsam mit Artikel gesprochen („der Tisch“), um das grammatikalische Geschlecht intuitiv einzuprägen. Audio wird serverseitig gecacht und lässt sich bei Bedarf neu erzeugen.
Was die Plattform heute kann
Bereits live: Wörterbuch, Decks, SM-2 Spaced Repetition, Übungen & Lehrerbereich
translate Wörterbuch & persönliche Decks (live)
Wörterbuch deutscher Lemmata mit Artikel, Beispielsätzen, Audio und Übersetzungen ins Russische, Ukrainische, Polnische, Türkische, Arabische und Englische. Nutzerinnen und Nutzer füllen eigene Kartensätze mit Wörtern samt Übersetzung in ihrer Sprache.
history_edu Spaced Repetition (SM-2)
Intervall und Ease-Faktor pro Karte. Fehler landen in einer separaten Liste und verlassen sie erst nach drei aufeinanderfolgenden richtigen Antworten.
extension Vielfältige Übungsformate
Lückentexte (Eingabe und Drag & Drop), Satzbau, Wortbau, Zuordnungspaare, Einzel- und Mehrfachauswahl sowie gezielte Schreibübungen.
groups Bereich für Lehrkräfte
Lerngruppen, integrierter Test-Konstruktor und Test-Runner, detaillierte Fortschrittsauswertungen auf Gruppen- und Einzelebene.
military_tech Gamification ohne Dark Patterns
XP, Tagesziele, Streaks und Level – motivierend und bewusst ohne erzwungene Benachrichtigungen oder künstlichen Zeitdruck. Benutzeroberfläche dreisprachig verfügbar auf Russisch, Englisch und Deutsch.
Architektur und Betrieb
14 Django-Apps, Django Ninja REST, 247 Testdateien und DSGVO-Compliance
view_in_ar Modularer Monolith
14 Django-Apps mit klarer Schichtung (View/API → Service → Selector → Model). Serverseitiges Rendering mit Django-Templates und Tailwind CSS, Vanilla JavaScript statt eines schweren Frontend-Frameworks.
sync_alt Asynchrone Verarbeitung
KI-Generierung, E-Mail-Versand und statistische Auswertungen laufen über Celery und Redis vollständig entkoppelt im Hintergrund.
api API-Schicht & Mobile Readiness
REST-API mit Django Ninja und Pydantic-Schemas. Eine eigenständige Mobile-App (Flutter) ist konzipiert und in 23 Teilpläne zerlegt. Ein Organisations-Modell ist als Grundlage für spätere Mandantenfähigkeit angelegt.
shield Datenschutz & Sicherheit (DSGVO)
DSGVO-orientiert ausgelegt (Datenexport, Löschung und Anonymisierung, Cookie-Consent). Internes Security-Audit mit Behebung aller Findings und eine rate-limitierte Registrierung mit Bot-Schutz.
Lerninhalte & Nächste Schritte
Curriculum nach GER (A1–B2), Qualitätsprüfung und Roadmap
assignment Lerninhalte (im Aufbau)
Das Curriculum von A1 bis B2 orientiert sich am Gemeinsamen Europäischen Referenzrahmen (GER). Die Lektionen entstehen KI-gestützt, laufen durch die Pre-Save-Validierung und einen Prüfdurchlauf gegen einen eigenen Qualitätskatalog und werden von mir redaktionell freigegeben und schrittweise veröffentlicht.
Materialien mit Erklärungen in den Erstsprachen der Lernenden (Russisch, Ukrainisch, Polnisch, Türkisch, Arabisch, Englisch) sind fest geplant, um sprachliche Hürden von Beginn an abzubauen.
alt_route Nächste Schritte & Roadmap
- ▹ Ausbau der Lektionen: Kontinuierliche Erweiterung über alle GER-Niveaustufen (A1–B2) und Erstsprachen.
- ▹ Mobile-App: Umsetzung der konzipierten nativen Mobile-App für iOS und Android auf Flutter-Basis (in 23 Teilpläne zerlegt).
- ▹ Mandantenfähigkeit: Ausbau des Organisations-Modells für Sprachschulen und Institutionen.