EduCreator — KI-Autorentool für Bildungsmaterialien
Ein selbst entwickeltes SaaS-Autorentool für Lehrkräfte: KI-generierte Arbeitsblätter, Präsentationen, Prüfungen, Escape Games und ganze Kurse erstellen — inklusive Klassen-Dashboard, Live-Sessions für Schüler:innen und einem Marktplatz-Bereich zum Teilen der Materialien.
Zielgruppe
Lehrkräfte und Bildungseinrichtungen (Schulen, Hochschulen, Unternehmen)
Lernziel
Lehrkräften ermöglichen, hochwertige, differenzierte Lernmaterialien in einem Bruchteil der bisherigen Zeit zu erstellen — von Arbeitsblatt bis Prüfung.
Meine Rolle
Konzept, Produktdesign, Full-Stack-Entwicklung (Next.js, mehrere KI-Integrationen)
Ergebnis
Generatoren für über zehn Materialtypen (Arbeitsblätter, Präsentationen, Prüfungen, Escape Games, interaktive Videos, Lernspiele u. a.), Live-Sessions für Klassen, ein Lehrer-Dashboard mit Klassen-, Noten- und Analytics-Verwaltung sowie ein Marktplatz-Bereich zum Teilen und Verkaufen von Materialien.
Eingesetzte Tools
Mein Denkprozess
Wie ich von der ersten Idee zur fertigen Lösung gekommen bin — Entscheidungen, Stolpersteine und was am Ende dabei herausgekommen ist.
Schritt 01
Herausforderung
Lehrkräfte erstellen Materialien für viele verschiedene Formate — Arbeitsblatt, Präsentation, Prüfung, Lernspiel — meist in ebenso vielen unterschiedlichen Tools, ohne durchgängigen Weg vom ersten Entwurf bis zum fertigen Klasseneinsatz.
- Zielgruppe: Lehrkräfte und Bildungseinrichtungen (Schulen, Hochschulen, Unternehmen)
- Anforderung: viele Materialtypen aus einer einzigen Oberfläche
- Anforderung: von KI-Entwurf bis zu Live-Einsatz und Teilen im Klassenzimmer
Schritt 02
Analyse
Zielgruppe analysiert
Lehrkräfte investieren enorm viel unbezahlte Zeit in die Erstellung von Materialien.
Produktziel definiert
Nicht nur Text generieren, sondern fertige, einsatzbereite Formate über den ganzen Workflow.
Didaktik gewählt
Differenzierung (Schwierigkeitsgrad, Sprache, Barrierefreiheit) als Kernfunktion statt Nachgedanke.
Technik bewertet
Mehrere KI-Anbieter (OpenAI & Groq) für unterschiedliche Kosten-/Geschwindigkeits-Anforderungen je Materialtyp.
Schritt 03
Konzept
Vorlagen-Baukasten
Materialtyp wählen → KI-Entwurf → anpassen — als gemeinsames Muster für alle Formate.
Klassen-Workflow
Kurs erstellen → Aufgabe zuweisen → Live-Session → Auswertung.
Lehrer-Dashboard
Klassen, Noten, Anwesenheit und KI-Insights auf einen Blick.
Marktplatz-Konzept
Materialien mit anderen Lehrkräften teilen und Lizenzmodelle dafür skizziert.
Schritt 04
Umsetzung
Next.js
Eine Codebasis für Dutzende Editor- und Live-Session-Typen.
Supabase
Auth, Datenbank und Dateiablage ohne eigenes Backend.
AI SDK (OpenAI & Groq)
KI-Anbindung je nach Materialtyp und Kosten/Tempo austauschbar.
Radix UI
Konsistente, zugängliche Komponenten über ein sehr großes Interface hinweg.
Schritt 05
Herausforderungen & Lösungen
Problem
So viele Materialtypen führen leicht zu Interface-Wildwuchs.
Lösung
Ein gemeinsames Vorlagen-Muster (Editor → Vorschau → Export/Teilen) für alle Content-Typen.
Problem
Ein einzelner KI-Anbieter ist bei diesem Umfang riskant (Kosten, Ausfälle, Tempo).
Lösung
AI SDK abstrahiert OpenAI und Groq hinter einer Schnittstelle, je nach Aufgabe austauschbar.
Problem
Live-Sessions (Prüfung, Quiz, Escape Game) brauchen echten Gleichzeitigkeits-Zustand, nicht nur eine Anzeige.
Lösung
Eigene Session-Modelle je Format statt eines einzelnen generischen Viewers.
Schritt 06
Ergebnis
Durchgängiger Workflow von KI-Entwurf bis Klasseneinsatz für über zehn Materialtypen, inklusive Lehrer-Dashboard und Live-Sessions.
Gelernt
Der Flaschenhals bei KI-Content ist selten die Generierung selbst, sondern der Weg vom Entwurf zum wirklich einsatzbereiten, differenzierten Material.
Heute anders
Ich würde von Anfang an einen einzigen Vorlagen-Baukasten für alle Content-Typen bauen, statt jeden Typ zunächst einzeln zu entwickeln.
Selbst ausprobieren
Am besten spricht das Ergebnis für sich — wirf einen Blick in die Demo.
Feature-Demo: Aufgaben-Generator