6. Mai 2026 · Bundesweiter Bildungswettbewerb KI · Microsoft & PwC
Faktencheck-KI
Bei Fakten Check habe ich erstmals ein fünfköpfiges Team durch ein vollständiges Entwicklungsprojekt geführt, von der Fragestellung bis zum Pitch in Berlin. Zugleich verantwortete ich die technische Umsetzung einer Plattform, auf der vier KI-Modelle Behauptungen unabhängig analysieren und ihre Ergebnisse gegenseitig prüfen. In Berlin präsentierte ich sie einer Jury aus Vorstandsmitgliedern von Microsoft und PwC sowie Bundestagsabgeordneten. Unser Team gewann damit den bundesweiten Wettbewerb ZukunftsMacher KI.
- Rolle
- Projektleitung, Lead Developer & Design
- Team
- 5 Personen
- Modelle
- Gemini 2.5 Flash, GPT-4o, Mistral Large, DeepSeek Chat
- Ergebnis
- Bundessieg
Eine Frage mit gesellschaftlicher Tragweite
Eine Behauptung verbreitet sich im Chat oft schneller, als ihre Quelle geprüft werden kann. Wer sie selbst einordnen will, muss Aussagen vergleichen und Belege bewerten. Dafür wollten wir eine niedrigschwellige Hilfe schaffen: schnell genug für den Alltag und transparent genug, um ein Urteil kritisch hinterfragen zu können.
Vor der Entwicklung ließ ich im Team untersuchen, wie Menschen in unserem Umfeld mit zweifelhaften Inhalten umgehen. Daraus leiteten wir vier Anforderungen ab: keine Registrierung, kurze Wartezeiten, verständliche Sprache und offen gelegte Begründungen. Diese Nutzerperspektive bestimmte das Produkt von Anfang an.
Warum ein einzelnes Modell nicht genügt
Sprachmodelle können falsche Antworten überzeugend formulieren und Quellen unzutreffend wiedergeben. Deshalb entwarf ich ein Verfahren, das mehrere Modelle unabhängig arbeiten lässt und ihre Analysen anschließend wechselseitig bewertet. Dieses Peer-Review kann Schwächen sichtbar machen und Ergebnisse besser einordnen. Es ersetzt keine redaktionelle Verifikation. Gerade deshalb zeigen wir Quellen, Bewertung und Unsicherheit offen an.
Das KI-Karussell
Hinter jeder Prüfung läuft dasselbe Verfahren in vier Schritten ab:
- Parallele Analyse. Die Eingabe geht gleichzeitig an alle aktiven Modelle. Keines weiß, was die anderen antworten. Fällt ein Anbieter aus, läuft die Prüfung mit den übrigen weiter.
- Feste Struktur. Jedes Modell bekommt denselben, unveränderlichen Prompt und muss in einem exakten Format antworten: ein Wahrheitswert von 0 bis 100, ein Urteil, eine Zusammenfassung, eine gegliederte Analyse und Quellen. Unter 45 heißt das Urteil FALSCH, ab 75 WAHR, alles dazwischen UNKLAR. Bei unklarer Quellenlage ist UNKLAR Pflicht.
- Peer-Review. Jedes Modell bewertet die Antworten aller anderen auf einer Skala von 1 bis 10, nie die eigene. Gewichtet werden faktische Genauigkeit mit 40 %, Quellenqualität mit 30 %, Vollständigkeit mit 20 % und Klarheit mit 10 %.
- Die beste Analyse gewinnt. Aus allen Fremdbewertungen entsteht ein Durchschnitt pro Modell. Die Analyse mit dem höchsten Wert wird angezeigt, inklusive Glaubwürdigkeitsindex, Quellen und der vollständigen Bewertungsmatrix, damit jeder sieht, wie das Ergebnis zustande kam.
Technik mit klaren Zuständigkeiten
Ich entwickelte die Oberfläche mit HTML, CSS und JavaScript ohne Framework. Sie bleibt dadurch auch auf älteren Smartphones schlank. Die Auslieferung erfolgt über Netlify; die Anfragen an die KI-Anbieter laufen über getrennte Supabase Edge Functions.
Die Schlüssel der vier Anbieter bleiben serverseitig. Eine eigene Funktion pro Modell nimmt Anfragen entgegen und liefert die Antwort zurück; eine weitere meldet, welche Modelle verfügbar sind. Fällt ein Anbieter aus, kann die Oberfläche mit den übrigen weiterarbeiten. Diese Architektur habe ich ebenso verantwortet wie die Verbindung zwischen Analyse, Bewertung und Darstellung.
Nutzende können Text, Links und Bilder eingeben, etwa einen Screenshot mit einem angeblichen Zitat. Für das Bildverständnis wird ein geeignetes Modell eingesetzt. Die Anwendung benötigt keine Konten und verzichtet auf Cookies und Tracking.
Meine Rolle: Leitung und technische Umsetzung
Ich koordinierte Aufgaben, Zeitplan und Zusammenarbeit im Team. Technisch entwickelte ich die Website, Infrastruktur, Modellanbindungen sowie die Prompts für Analyse und Peer-Review; außerdem verfasste ich den Abschlussbericht. Wenkai Huang gestaltete mehrere Bereiche visuell mit. Sandro Schönfeld und Ben Tiebing erforschten die Bedürfnisse der Zielgruppe, Julian Zinkernagel plante und wertete die Tests aus. Der Bundessieg war das Ergebnis dieser gemeinsamen Arbeit mit klar verteilten Verantwortlichkeiten.
Aus Tests wurden Produktentscheidungen
Unser Team testete belegte Fakten, bekannte Falschmeldungen, Aussagen ohne entscheidenden Kontext, Links und manipulierte Screenshots. Die Ergebnisse führten zu konkreten Änderungen: Ein abgestufter Glaubwürdigkeitswert macht Nuancen sichtbar; „UNKLAR“ verhindert ein erzwungenes Urteil bei schwacher Beleglage. Weil die meisten Testpersonen das Smartphone nutzten, rückte die mobile Darstellung in den Mittelpunkt.
In unseren Tests mit bekannten Falschmeldungen schnitt der Modellvergleich konsistent besser ab als ein einzelnes Modell. Die Prüfungen dauerten etwa fünf bis fünfzehn Sekunden. Eine Fortschrittsanzeige machte diese Wartezeit für die Testpersonen nachvollziehbar.
6 May 2026 · National AI Education Competition · Microsoft & PwC
Fact-Checking AI
With Fakten Check, I led a five-person team through a complete development project for the first time, from the initial question to our pitch in Berlin. I also took responsibility for the technical implementation: a platform where four AI models assess claims independently and review one another's results. In Berlin, I presented it to a jury of board members from Microsoft and PwC and members of the German Bundestag. Our team won the national ZukunftsMacher KI competition.
- Role
- Project lead, lead developer & design
- Team
- 5 people
- Models
- Gemini 2.5 Flash, GPT-4o, Mistral Large, DeepSeek Chat
- Result
- National winner
A question with wider consequences
A claim can spread through a group chat faster than anyone can check its source. Assessing it takes comparison, context and judgment about the evidence. We wanted to make that work more accessible: fast enough for everyday use and transparent enough for people to challenge the result.
Before development began, I had the team investigate how people around us deal with doubtful information. Four requirements emerged: no sign-up, short waits, plain language and visible reasoning. They shaped the product from the outset.
Why one model is not enough
Language models can state an error confidently or misrepresent a source. I therefore designed a process in which several models work independently before assessing one another's analyses. This peer review can expose weaknesses and help readers interpret the result. It does not replace editorial verification, which is why the sources, ratings and uncertainty remain visible.
The AI carousel
Every check runs through the same four steps:
- Parallel analysis. The input goes to all active models at once. None of them knows what the others answer. If a provider fails, the check continues with the rest.
- Fixed structure. Every model receives the same, unchangeable prompt and must answer in an exact format: a truth score from 0 to 100, a verdict, a summary, a structured analysis and sources. Below 45 the verdict is FALSE, from 75 it is TRUE, everything in between is UNCLEAR. When the evidence is thin, UNCLEAR is mandatory.
- Peer review. Each model rates the answers of all the others from 1 to 10, never its own. Factual accuracy weighs 40 %, source quality 30 %, completeness 20 % and clarity 10 %.
- The best analysis wins. All peer ratings are averaged per model. The analysis with the highest score is shown, together with the credibility index, the sources and the full rating matrix, so anyone can see how the result came about.
Technology with clear responsibilities
I built the interface in HTML, CSS and JavaScript without a framework, keeping it lean on older phones. Netlify serves the site, while separate Supabase Edge Functions handle requests to the AI providers.
Provider keys stay on the server. Each model has its own function, and another reports which models are available. If one provider fails, the interface can continue with the others. I was responsible for this architecture and for the flow from initial analysis through peer review to the displayed result.
People can submit text, links and images, such as a screenshot of an alleged quote. A suitable model handles image understanding. The application needs no accounts and uses neither cookies nor tracking.
My role: leadership and engineering
I coordinated the team's work, schedule and collaboration. On the engineering side, I developed the website, infrastructure, model integrations and prompts for analysis and peer review; I also wrote the final report. Wenkai Huang helped shape the visual design of several sections. Sandro Schönfeld and Ben Tiebing researched user needs, while Julian Zinkernagel planned and evaluated testing. Our national win reflected that shared effort and clear division of responsibility.
Testing shaped the product
Our team tested established facts, known false claims, statements lacking crucial context, links and manipulated screenshots. The findings led to specific changes: a graduated credibility score makes nuance visible, while UNCLEAR avoids forcing a verdict when evidence is weak. Most testers used their phones, so the mobile experience became central.
In our tests with known false claims, comparing models consistently performed better than relying on one alone. Checks took about five to fifteen seconds; progress feedback made that wait understandable to testers.
Aus der Produktentwicklung