legasthenie.me — AI Error Analysis for Dyslexia Training

Das Unternehmen scheint ein Einzelprojekts (Mario Engel) zu sein, das ein KI-gestütztes Fehleranalyse-Tool für das Legasthenietraining in deutschsprachigen Regionen entwickelt. Der Autor gibt an, dass das Tool GPT-5.6 verwendet, um echte Rechtschreibfehler zu analysieren und personalisierte 20-seitige Arbeitshefte auf Basis der AFS-Methode zu erstellen, wobei 123 bestehende Arbeitsblattgeneratoren genutzt werden. Es wird beschrieben, dass es während eines Hackathons in Produktion gegangen ist, keine Kontenerstellung erfordert und Daten clientseitig verarbeitet werden, mit Ausnahme anonymer Fehlerlisten, die an das Modell gesendet werden.

• Die Beschreibung gibt an, dass legasthenie.me ein KI-gestütztes Fehleranalyse-Tool für das Legasthenietraining ist.
• Es akzeptiert echte Rechtschreibfehler von Nutzern (z. B. "Blid -> Bild") und verwendet GPT-5.6, um sie in AFS-Symptomkategorien zu klassifizieren.
• Das System erstellt dann ein personalisiertes 20-seitiges A4-Arbeitsheft, das aus bestehenden Arbeitsblattgeneratoren zusammengestellt wird.
• Das Tool wird als in Produktion laufend beschrieben, nutzt strukturierte Ausgaben über die Responses API und umfasst eine serverseitige Validierung der Modellantworten.
• Es wurde mit PHP, GPT-5.6, Apache, Cloudflare, MySQL und anderen Technologien entwickelt.

Schlussfolgerung Das Produkt scheint eine KI-gestützte regelbasierte Bildungsengine zu sein, die vorgefertigte Inhalte (123 Generatoren, 37.058 Arbeitsblätter) und ein KI-Modell nutzt, um Benutzereingaben mit geeigneten Trainingsmaterialien abzugleichen.

• Der Autor positioniert das Tool als Möglichkeit, "die Lücke zwischen 'hier sind großartige Materialien' und 'hier ist genau das, was IHR Kind heute braucht' zu schließen".
• Es wird als diagnostische Frontend-Schicht für eine bestehende Plattform beschrieben, die bereits 123 kostenlose Generatoren, 95 Lernspiele und 37.058 Arbeitsblätter hostet.
• Das Tool wird als Lösung für eine Lücke im Legasthenietraining dargestellt: Eltern oder Trainer können nun eine Analyse auf Expertenstufe aus Fehlern erhalten, ohne spezialisiertes Wissen zu benötigen.
• Es wird als kostenlos, ohne Kontenerfordernis beschrieben, und der Name des Kindes verlässt niemals den Browser.

Schlussfolgerung Die Positionierung deutet darauf hin, dass es sich um eine Erweiterung einer bestehenden Plattform handelt, nicht um ein eigenständiges Produkt. Die KI-Komponente ist so positioniert, dass sie Benutzereingaben mit vorgefertigten Inhalten verknüpft.

• Die Zielgruppe sind Eltern oder Trainer von Kindern mit Legasthenie oder Dyskalkulie in deutschsprachigen Regionen (Deutschland, Österreich, Schweiz).
• Das Tool wird als Dienst für die deutschsprachige Legasthenie-Community beschrieben, und die Benutzeroberfläche ist auf Deutsch.
• Der Autor gibt an, dass 15 % aller Kinder an Legasthenie oder Dyskalkulie leiden und dass Fachkräfte, die in der AFS-Methode geschult sind, diese Muster interpretieren, während Eltern dies in der Regel nicht können.

Schlussfolgerung Die ICP scheint Eltern oder Erzieher zu sein, die mit Kindern mit Legasthenie arbeiten, insbesondere in deutschsprachigen Regionen. Das Tool wird als diagnostisches Werkzeug für Eltern positioniert.

• Die Beschreibung besagt, dass die Plattform bereits 123 kostenlose Arbeitsblattgeneratoren, 95 Lernspiele und 37.058 handgemachte Arbeitsblätter anbietet.
• Es wird als kostenlos nutzbar beschrieben, ohne dass ein Konto erforderlich ist.
• In der Beschreibung wird kein Preismodell oder keine Monetarisierungsstrategie erwähnt.

Schlussfolgerung Das Geschäftsmodell scheint freemium- oder spendenbasiert zu sein, wobei der vorhandene Inhalt kostenlos ist. Es gibt keine Hinweise auf kostenpflichtige Funktionen, Abonnements oder Einnahmequellen.

• Das Tool nutzt GPT-5.6 über die Responses API mit strukturierten Ausgaben.
• Es basiert auf einem framework-freien PHP-Code, einschließlich serverseitiger Validierung und Rate Limiting.
• Das System umfasst Offline-Tests mit gemockten Modellantworten.
• Der Autor gibt an, dass die Funktion während eines Hackathons, innerhalb weniger Tage, in Produktion geschaltet wurde.

Schlussfolgerung Die technische Implementierung ist leichtgewichtig und auf schnelle Bereitstellung ausgelegt und nutzt vorhandene Infrastruktur. Es ist nicht klar, ob es sich um ein neues Produkt oder eine Erweiterung einer bestehenden Plattform handelt.

• Das Projekt wurde in einem Hackathon-Umfeld (OpenAI 2026) entwickelt und bereitgestellt.
• Es wird beschrieben, dass es während der Build Week in Produktion geschaltet wurde, ohne dass Nutzerfeedback oder Nutzungsdaten erwähnt werden.
• Die Plattform beherbergt bereits 37.058 Arbeitsblätter, die von 2.681 Trainern beigesteuert wurden, und verfügt über 123 kostenlose Generatoren und 95 Lernspiele.

Schlussfolgerung Es gibt keine Hinweise auf Traction über die eigene Beschreibung des Autors hinaus. Es werden keine Daten zur Nutzerbindung, Adoption oder Einnahmen bereitgestellt.

• Die Plattform wird als Teil eines größeren Ökosystems beschrieben, das bereits Folgendes umfasst:
  • 123 kostenlose Arbeitsblattgeneratoren
  • 95 Lernspiele
  • 37.058 handgemachte Arbeitsblätter
  • 17.000 zertifizierte Trainer seit 1997
• Der Autor erwähnt die AFS-Methode, einen bekannten Ansatz im Legasthenietraining.
• In der Beschreibung werden keine direkten Wettbewerber genannt.

Schlussfolgerung Die Wettbewerbslandschaft ist nicht klar definiert. Es scheint Teil eines bestehenden Ökosystems zu sein, das bereits erheblichen Inhalt bietet, aber es gibt keine Hinweise darauf, wie sich dieses KI-Tool von anderen Tools in diesem Bereich abhebt oder mit ihnen konkurriert.

• Das Projekt ist selbstgemeldet und nicht verifiziert.
• Es gibt keine Hinweise auf Einnahmen, Kunden oder Nutzungsdaten.
• Das Tool wird als Einzelprojekt beschrieben, ohne dass ein Team oder eine Finanzierung erwähnt wird.
• Das KI-Modell (GPT-5.6) wird in einem Modus mit strukturierten Ausgaben verwendet, aber der Autor merkt an, dass Modellausgaben manchmal repariert werden müssen, anstatt verworfen zu werden – dies könnte auf Zuverlässigkeitsbedenken hindeuten.
• Das Tool ist auf deutschsprachige Regionen beschränkt, was die Skalierbarkeit einschränken könnte.

Schlussfolgerung Es gibt keine klaren Anzeichen für Traction oder kommerzielle Tragfähigkeit. Das Projekt scheint ein Proof-of-Concept oder Prototyp zu sein, kein ausgereiftes Produkt mit einer Kundenbasis.

1. Wie hoch ist die tatsächliche Nutzerbasis oder die Adoptionsrate für die bestehende Plattform (123 Generatoren, 95 Spiele, 37.058 Arbeitsblätter)?
2. Wie viele Nutzer nutzen die Funktion zur KI-Fehleranalyse aktiv?
3. Gibt es Rückmeldungen von Trainern oder Eltern zur Genauigkeit der KI-Klassifizierungen?
4. Wie lautet der Plan zur Monetarisierung über die aktuellen kostenlosen Angebote hinaus?
5. Wie variiert die Leistung des KI-Modells bei verschiedenen Arten von Rechtschreibfehlern oder Sprachen?
6. Gibt es Pläne, sich über deutschsprachige Regionen hinaus zu expandieren?