schema Transparenz

Wie AI Radar funktioniert

AI Radar ist kein zufälliges Link-Verzeichnis. Die Plattform verbindet eine relationale Datenbasis, einen eigenen Worker für Anreicherung und Prüfung sowie einen kuratierten Admin-Workflow. Diese Seite erklärt den Aufbau, die Bewertungslogik und die Rolle der einzelnen Bereiche.

Systemaufbau

Tools

Kuratiertes Verzeichnis mit Kurzbeschreibung, Kategorie, Relevanz, Link-Status und später auch Interaktionsdaten wie Likes oder Ratings.

Modelle

Registry für relevante KI-Modelle inklusive Provider, Status, Kontextfenster, Release-Datum und technischen Kurznotizen.

Model Updates

Änderungslog für neue Modelle, Statuswechsel, Umbenennungen, Capability-Änderungen oder Deprecations.

Quellen

Watchlist für YouTube-Kanäle, Release-Notes, Blogs und Verzeichnisse, aus denen Signale oder neue Kandidaten entstehen können.

Submissions und Discovery

Eingänge aus Formularen oder Discovery-Läufen. Diese landen nicht automatisch live, sondern laufen zuerst durch einen Review-Prozess.

Vom Signal zur Seite

1

1. Erfassung

Einträge entstehen über Seeds, kuratierte Quellen, manuelle Vorschläge und perspektivisch automatisierte Discovery-Jobs.

2

2. Speicherung

Die Quelle der Wahrheit ist PostgreSQL. Dort landen Tools, Modelle, Updates, Quellen, Discovery-Kandidaten und Submissions.

3

3. Aufbereitung

Der Worker stellt die API bereit, führt Health-Checks aus, verarbeitet Model-Updates und versorgt die Frontend-Seiten mit den gefilterten Daten.

4

4. Redaktion

Im Admin-Bereich werden Einträge gesichtet, angereichert, freigegeben oder archiviert. Das ist bewusst kein bloßes DB-Frontend, sondern ein kuratiertes Review-System.

5

5. Ausspielung

Startseite, Tools, Modelle und Radar lesen dieselbe Datenbasis. So bleiben Rankings, Filter und Detailseiten konsistent.

Scoring und Bewertung

Relevanz-Score

0 bis 100

Der Relevanz-Score ordnet Tools im Listing und auf der Startseite. Er kombiniert redaktionelle Einordnung, inhaltliche Schärfe und das Signal, ob ein Eintrag wirklich in ein produktives KI-Radar gehört.

  • • Qualität und Klarheit der Kurzbeschreibung
  • • Passende Kategorie und sinnvolle Einordnung
  • • Status des Eintrags, z. B. published statt draft
  • • Redaktionelle Priorisierung für besonders relevante Tools

Link Health

technischer Status

Jeder Tool-Link kann automatisiert geprüft werden. Das Ergebnis fließt nicht direkt in den Relevanz-Score, ist aber für Vertrauen und Pflegequalität zentral.

  • • healthy: Zielseite antwortet normal
  • • redirected: URL leitet auf eine andere Zielseite weiter
  • • changed: Inhalt oder Titel hat sich relevant verändert
  • • timeout, forbidden, not_found, server_error: technische Probleme oder blockierte Aufrufe

Trend-Signale

Radar / Popularität

Im Radar können zusätzliche Signale wie Likes, Frische und Modell-Updates gewichtet werden, damit nicht nur statische Daten, sondern auch Bewegung im Markt sichtbar wird.

  • • Likes und Interaktionen
  • • Zeitpunkt der Veröffentlichung oder letzten Sichtung
  • • Provider- und Release-Note-Änderungen
  • • neue oder veränderte Modelle im Registry-Bereich

Wichtige Leitlinien

Ein Eintrag ist nicht automatisch wichtig, nur weil er neu ist. AI Radar priorisiert Relevanz, Nachvollziehbarkeit und Pflegequalität über bloße Masse.

Seeds und automatische Quellen helfen beim Start und bei der Aktualisierung, ersetzen aber keine redaktionelle Entscheidung. Gerade deshalb gibt es Status, Health-Checks, Update-Logs und Review-Flächen.

Die Plattform ist so gebaut, dass Frontend, Admin und Worker dieselbe Datenbasis nutzen. Das reduziert Widersprüche und macht Ranking, Filter und Detailseiten konsistent.