KAIMo Integration in LLARS - Aufwandsanalyse¶
Ausgangssituation¶
KAIMo (KI-Assistenz im Kinderschutz) ist ein Demonstrator/Lerntool zur Schulung von Fachkraften in der Kindeswohlgefahrdung. Der aktuelle Prototyp ist eine statische Next.js-Anwendung mit einer fest einprogrammierten Fallvignette (Fall "Malaika").
Ziel: KAIMo soll zu einem Lerntool fur die Aus- und Weiterbildung weiterentwickelt werden, mit der Moglichkeit weitere Fallvignetten anzulegen.
Integration: KAIMo wird als Kachel in LLARS eingebaut - analog zu den bestehenden Features wie Mail-Rating, LLM-as-Judge, RAG-Pipeline etc.
Status (2026-02)
Variante B (LLARS-Integration) ist umgesetzt. Admin- und User-Panel sind produktiv nutzbar. Die folgenden Varianten-Abschnitte bleiben als historische Aufwandseinschaetzung erhalten.
KAIMo Funktionsumfang (aktueller Prototyp)¶
Der Demonstrator besteht aus drei Hauptfunktionen:
- Fallakte/Dokumente - Anzeige von Aktenvermerken und Dokumenten zum Fall
- Hinweiszuordnung - Zuordnung von Hinweisen zu Kategorien:
- Grundversorgung des jungen Menschen
- Entwicklungssituation des jungen Menschen
- Familiensituation
- Eltern/Erziehungsberechtigte
- Fallbeurteilung - Bewertung als Risiko/Ressource/Unklar + Abschlussurteil
KI-Funktionen (im Prototyp angedacht, aber statisch): - Hinweiszusammenfassung - Folgenabschatzung - Plausibilitatsprufung
Fall 1: Manueller HTML-Workflow¶
Beschreibung¶
Dozent*innen erstellen Fallvignetten und Textinhalte (Hinweiszusammenfassung, Folgenabschatzung, Plausibilitatsprufung) manuell in einer Word-Vorlage. Diese werden dann manuell in die HTML-Datei des Demonstrators eingepflegt.
Aufgaben¶
| Aufgabe | Beschreibung | Aufwand |
|---|---|---|
| Startseiten-Erweiterung | Neue Vue-Komponente mit Fallvignetten-Auswahl als Kacheln | 4-8h |
| LLARS-Integration | Neue Route /kaimo, Navigation, Permission feature:kaimo:view |
2-4h |
| Dokumentstruktur | JSON-Schema fur Fallvignetten definieren | 2-4h |
| Statisches Hosting | JSON-Dateien pro Fall im Frontend ablegen | 1-2h |
| Fall-Loader | Komponente die JSON ladt und rendert | 4-8h |
| Styling-Anpassung | KAIMo-Design in LLARS Dark/Light Mode integrieren | 4-8h |
| Dokumentation | Word-Vorlage fur Dozent*innen erstellen | 2-4h |
Gesamtaufwand Fall 1¶
19-38 Arbeitsstunden (ca. 2.5-5 Tage)
Vorteile¶
- Schnellste Implementierung
- Keine Backend-Anderungen notig
- Funktioniert sofort
Nachteile¶
- Technisches Know-how fur HTML/JSON erforderlich
- Fehleranfallig bei manueller Pflege
- Keine zentrale Verwaltung
- Kein Versionierung der Falle
Fall 2: LLARS-basierte Fallverwaltung¶
Beschreibung¶
Dozent*innen pflegen Fallvignetten und alle Textinhalte uber eine LLARS-Oberflache (Admin-Bereich). Die Daten werden in der MariaDB gespeichert und automatisch in KAIMo angezeigt.
Aufgaben¶
| Aufgabe | Beschreibung | Aufwand |
|---|---|---|
| Backend | ||
| Datenbank-Schema | Tabellen: kaimo_cases, kaimo_documents, kaimo_hints, kaimo_categories |
4-8h |
| API-Routen | CRUD fur Falle, Dokumente, Hinweise | 8-16h |
| Permission-Integration | feature:kaimo:view, feature:kaimo:edit, admin:kaimo:manage |
2-4h |
| Frontend - Admin | ||
| Fall-Editor | Formular zum Anlegen/Bearbeiten von Fallen | 8-16h |
| Dokumenten-Editor | Rich-Text-Editor fur Aktenvermerke | 8-12h |
| Hinweis-Editor | Kategorisierung und Zuordnung von Hinweisen | 6-10h |
| KI-Text-Editor | Eingabefelder fur Zusammenfassung, Folgenabschatzung, Plausibilitat | 4-8h |
| Frontend - Anwendung | ||
| KAIMo-Startseite | Fallauswahl mit Vorschau (Vue-Komponente) | 4-8h |
| Fall-Ansicht | Dynamische Darstellung aus DB-Daten | 8-12h |
| Hinweis-Interaktion | Drag&Drop, Kategorisierung, Bewertung | 8-16h |
| Ergebnis-Speicherung | User-Bewertungen in DB speichern | 4-8h |
| Integration | ||
| LLARS-Navigation | Kachel im Home-Dashboard | 2-4h |
| Styling/Theming | Dark/Light Mode Kompatibilitat | 4-8h |
| Testing | Unit + Integration Tests | 8-12h |
Gesamtaufwand Fall 2¶
78-142 Arbeitsstunden (ca. 10-18 Tage)
Vorteile¶
- Zentrale Verwaltung aller Falle
- Keine technischen Kenntnisse fur Dozent*innen notig
- Versionierung moglich
- User-Tracking (wer hat welchen Fall bearbeitet)
- Konsistente UX mit LLARS
Nachteile¶
- Deutlich hoherer Implementierungsaufwand
- KI-Texte mussen weiterhin manuell erstellt werden
Fall 3: LLARS + KI-generierte Inhalte¶
Beschreibung¶
Wie Fall 2, aber zusatzlich werden die KI-Texte (Hinweiszusammenfassung, Folgenabschatzung, Plausibilitatsprufung) automatisch durch ein hinterlegtes LLM generiert. Optional konnen Fachkrafte diese editieren.
Aufgaben (zusatzlich zu Fall 2)¶
| Aufgabe | Beschreibung | Aufwand |
|---|---|---|
| KI-Integration | ||
| Prompt Engineering | Prompts fur Zusammenfassung, Folgenabschatzung, Plausibilitat | 8-16h |
| LLM-Service | Integration mit LiteLLM/Mistral (existiert bereits in LLARS) | 4-8h |
| Generierungs-API | Endpoint /api/kaimo/generate/{type} |
4-8h |
| Streaming-Support | Live-Ausgabe der LLM-Antworten via Socket.IO | 4-8h |
| Frontend - KI | ||
| Generierungs-UI | "KI generieren" Button mit Ladeanimation | 4-6h |
| Streaming-Anzeige | Live-Text-Rendering im Editor | 4-6h |
| Edit-Workflow | Generierte Texte uberarbeiten und speichern | 4-8h |
| Regenerate-Funktion | Texte neu generieren lassen | 2-4h |
| Qualitat | ||
| Prompt-Optimierung | Iteratives Verbessern der Prompts | 8-16h |
| Validierung | Fachliche Prufung der generierten Texte | Extern |
| Fallback-Handling | Was passiert bei LLM-Fehlern? | 2-4h |
Gesamtaufwand Fall 3¶
Fall 2 + 44-84 Stunden = 122-226 Arbeitsstunden (ca. 15-28 Tage)
Vorteile¶
- Maximale Automatisierung
- Konsistente Textqualitat
- Schnelle Erstellung neuer Falle
- Nutzung der bestehenden LLARS LLM-Infrastruktur
Nachteile¶
- Hochster Implementierungsaufwand
- Qualitat der KI-Texte muss validiert werden
- Abhangigkeit von LLM-Verfugbarkeit
- Ethische Uberlegungen bei KI im Kinderschutz-Kontext
LLARS-Architektur fur KAIMo (Stand 2026-02)¶
Aktuelle Einbindung¶
LLARS Home Dashboard
└── KAIMo
├── /kaimo - Hub / Einstieg
├── /kaimo/panel - Fallubersicht
├── /kaimo/new - Neuer Fall (Admin)
├── /kaimo/edit/:id - Fall bearbeiten (Admin)
└── /kaimo/:id - Fallbearbeitung (Evaluator)
Technische Integration (aktuell)¶
Backend (Flask):
app/routes/kaimo/
├── kaimo_admin_routes.py # Admin-API
├── kaimo_user_routes.py # User-API
└── __init__.py
app/services/kaimo/
├── kaimo_case_service.py
├── kaimo_document_service.py
├── kaimo_hint_service.py
├── kaimo_category_service.py
└── kaimo_export_service.py
Frontend (Vue 3):
llars-frontend/src/components/Kaimo/
├── KaimoHub.vue
├── KaimoPanel.vue
├── KaimoNewCase.vue
├── KaimoCaseEditor.vue
├── KaimoCase.vue
├── KaimoAssessmentView.vue
└── KaimoDocumentsView.vue
Datenbank (MariaDB):
kaimo_cases
kaimo_documents
kaimo_hints
kaimo_categories
kaimo_subcategories
kaimo_case_categories
kaimo_user_assessments
kaimo_hint_assignments
kaimo_case_shares
kaimo_ai_content
Permissions:
feature:kaimo:view -- Fall ansehen
feature:kaimo:edit -- Bewertungen abgeben
admin:kaimo:manage -- Falle anlegen/bearbeiten
admin:kaimo:results -- Ergebnisse einsehen
Empfehlung¶
| Szenario | Empfohlener Fall | Begrundung |
|---|---|---|
| Schneller Prototyp | Fall 1 | Minimaler Aufwand, schnelle Demo |
| Produktiver Einsatz | Fall 2 | Gute Balance Aufwand/Nutzen |
| Langfristige Vision | Fall 3 | Maximale Automatisierung |
Vorgeschlagene Vorgehensweise: 1. Mit Fall 1 starten fur schnelle Demo 2. Parallel Fall 2 Backend entwickeln 3. Spater Fall 3 als Erweiterung
Zusammenfassung Aufwande¶
| Fall | Aufwand (Stunden) | Aufwand (Tage) | Komplexitat |
|---|---|---|---|
| Fall 1 | 19-38h | 2.5-5 Tage | Niedrig |
| Fall 2 | 78-142h | 10-18 Tage | Mittel |
| Fall 3 | 122-226h | 15-28 Tage | Hoch |
Hinweis: Aufwande basieren auf einem erfahrenen Entwickler. Testing, Reviews und Deployment-Zeit sind teilweise inkludiert.
Erstellt: 25. November 2025 Autor: Claude Code Projekt: LLARS v2.2