Kann KI Beratung? — Setup & Deployment¶

Wie die Studie als Comparison-Szenario in LLARS aufgesetzt und live gestellt wurde. Folgt dem Playbook, Schritte 1–2 und 7.

Evaluationstyp & Eval-Config¶

Typ: communication_comparison (paarweiser A/B-Vergleich mit Konversations-Kontext). Im API-Serializer erscheint teils evaluation_type:"rating" — das ist eine Serializer-Eigenheit; mountet wird die Comparison-UI.
Bewertungsfrage: „Welche Antwort würden Sie am ehesten verwenden?"
Kein Unentschieden: allow_tie:false.
Verblindung: show_source:false — die Quelle (Mensch / trainierte KI / Standard-KI) ist für Rater:innen nicht sichtbar (Dev-Quellenanzeige nur in lokalen Builds).
Item-Aufbau: Konversations-Kontext + zwei Kandidaten-Antworten als Features. 100 Paare, mail-first geordnet (erste Items = Mailberatung), ergänzt um Chat- und Transkript-/Sprechstunden-Formate.
Aufgabentexte: Startseiten-Briefing (welcome_markdown) und Pro-Fall- Aufgabe (task_description_markdown) zweisprachig (DE/EN). Wortlaut siehe Annotations-Audit.

Quelle der Konfiguration: data/human_study/v15/eval_config.json (EMNLP2026).

Nach je 5 abgeschlossenen Fällen erscheint ein Auswertungs-Popup mit den bisherigen Präferenz-Anteilen (Mensch vs. KI, trainierte vs. Standard-KI) und schaltet 5 weitere Fälle frei.
Config: gamification_first_milestone:5, gamification_recurring_milestone:5, progressive_reveal:true.
LLARS-Implementierung: siehe Annotations-Audit (Abschnitt „Pro-5-Auswertungs-Popup").

Live-Host: https://llars.e-beratungsinstitut.de, API …/api/v1 (System-Admin-API-Key im X-API-Key-Header).
Szenario-Historie: 489 → 490 → 491 → 492. Bei jeder Text-/Konfig- Änderung wurde das Szenario neu angelegt (die eval_config ist nicht patchbar); der Referral-Slug zeigt automatisch auf das neue Szenario, sodass die Join-URLs stabil bleiben. Re-Deploy-Muster: erst neues Szenario anlegen, dann altes löschen.
Standard-Join-Flow: anonym — collect_email=false, collect_display_name=false → Benutzername + Passwort; E-Mail optional; Consent beim Join.

Vollständiger Ablauf (Build → Payload → Push → Referral-Links → Verifikation): docs/HUMAN_STUDY_DEPLOY_RUNBOOK.md (EMNLP2026).