Mechanarium

Was das Unternehmen offenbar ist: Mechanarium ist ein selbstberichteter interaktiver 3D-Physik-Sandbox und ein virtuelles Labor, das für AP Physics 1, AP Physics C: Mechanics und einführende universitäre Physikunterricht konzipiert ist. Es ermöglicht Nutzern, physikalische Systeme zu konstruieren, ihre Bewegung in Echtzeit zu beobachten, Messungen aufzunehmen und grundlegende Prinzipien durch Simulation zu erkunden.

Was sich geändert hat: Das Projekt entwickelte sich vom Abschlussprojekt eines einzelnen Schülers für AP Physics C: Mechanics zu dem, was der Autor als ein Physiklabor mit mehreren Themen beschreibt, das integrierte, curricula-konforme Experimente, Messinstrumente, Telemetrie und KI-gestützte Anleitung bietet. Es umfasst eine deterministische 120-Hz-Physik-Engine mit Velocity-Verlet-Integration, Unterstützung für komplexe mechanische Systeme wie zusammengesetzte Pendel und Atwood-Maschinen sowie Werkzeuge für den Datenexport.

Wichtigste offene Frage: Gibt es Belege für Traction oder Adoption über den eigenen Klassenraum des Autors hinaus? Die Beschreibung gibt an, dass keine Einnahmen, Kunden oder Nutzungsdaten verfügbar sind – es liegen nur selbstberichtete Angaben zur Wirkung in einem lokalen Bildungsumfeld vor.

Die Beschreibung gibt an, dass Mechanarium eine interaktive Mechanik-Sandbox und ein virtuelles Labor ist. Es wird mit JavaScript, React 18, Vite und Three.js entwickelt. Das Produkt bietet folgende Funktionen:

• Eine 3D-Umgebung, die von Three.js angetrieben wird
• Eine deterministische 2D-Planare-Physik-Simulations-Schleife mit 120 Hz
• Unterstützung für die Konstruktion und Analyse verschiedener mechanischer Systeme (Projektilen, Kollisionen, Pendeln, Atwood-Maschinen usw.)
• Integrierte, curricula-konforme Experimente
• Messinstrumente (Lineale, Lichtschranken)
• Telemetrie- und Datenexport-Funktionen (CSV/JSON)
• Ein KI-Agent namens Vector, der sokratische Anleitung bietet

Der Autor beschreibt die Physik-Engine als Implementierung eines Velocity-Verlet-Integrators mit symplektischer Struktur zur Energieerhaltung. Das System unterstützt gekrümmte Bahnen, die mit $C^2$-quintischen Hermite-Splines modelliert werden.

Belege: Selbstberichtet durch den Autor; keine unabhängige Verifizierung oder externe Daten vorhanden.

Der Autor positioniert Mechanarium als Werkzeug, um abstrakte physikalische Konzepte mit visueller, praktischer Experimentierung zu verbinden. Es wird als Lösung für eine grundlegende Herausforderung in der STEM-Bildung beschrieben: Schülern zu helfen, theoretische Gleichungen mit realer Bewegung in Verbindung zu bringen.

Wichtige Behauptungen umfassen:

• Das Produkt hilft Schülern, physikalische Prinzipien direkt aus Daten zu entdecken
• Es unterstützt AP-Physics-Kurse und einführende universitäre Kurse
• Es integriert KI für Problemanalyse, Weltkonstruktion und Anleitung

Die Entwicklung scheint von einem individuellen Schülerprojekt zu einem umfassenderen Bildungswerkzeug mit integrierten Experimenten, Messwerkzeugen und KI-Integration zu führen.

Belege: Selbstberichtet; keine externe Validierung oder Marktpositionierungsdaten vorhanden.

Die Beschreibung gibt an, dass Mechanarium folgende Zielgruppen anspricht:

• AP Physics 1-Schüler
• AP Physics C: Mechanics-Schüler
• Einführende universitäre Physikstudenten

Es wird als curricula-konform und für den Unterrichtseinsatz konzipiert beschrieben.

Beleg: Selbstauskunft; keine Angaben zur tatsächlichen Kundenbasis, zur Adoptionsrate oder zu spezifischen institutionellen Nutzern vorhanden.

In der Beschreibung gibt es keine Hinweise auf ein Geschäftsmodell oder eine Preisstruktur. Der Autor erwähnt keine Monetarisierungsstrategie, Abonnementpläne, Lizenzgebühren oder Vertriebskanäle.

Beleg: Nicht belegt.

Das Produkt wird mit folgenden Technologien erstellt:

• JavaScript
• React 18
• Vite
• Three.js
• Node.js
• OpenAI API (für den Vector AI Agent)
• GitHub für die Versionskontrolle
• Webpack-ähnliches Build-System über Vite

Zu den technischen Details gehören:

• Physik-Engine mit festem Zeitschritt bei 120 Hz
• Velocity Verlet-Integrationsmethode
• Unterstützung für $C^2$-Hermite-Splines
• Integration von LLMs (GPT-5.6 Luna, Gemini, Claude) in den Entwicklungsworkflow
• Lokaler Fallback für den KI-Agenten, wenn der Remote-LLM nicht verfügbar ist

Der Autor beschreibt auch Fehlerbehebungsprobleme im Zusammenhang mit Physikfehlern und KI-Halluzinationen.

Beleg: Selbstauskunft; keine externe Validierung oder Leistungskennzahlen zur Auslieferung vorhanden.

Es gibt keine Hinweise auf Traction, Umsatz, Kundenadoption oder Nutzungsstatistiken. Die Beschreibung erwähnt:

• Eine lokale Auswirkung im Klassenzimmer
• Interesse von Lehrkräften am Werkzeug
• Persönliche Erfolge durch die sofortige Erkennbarkeit der Eignung für den Lernprozess

Diese Angaben sind jedoch weder quantifiziert noch verifiziert.

Beleg: Nicht belegt.

Die Beschreibung enthält keine Informationen über Wettbewerber oder den Marktkontext. Es gibt keine Erwähnung bestehender Physiksimulatoren, Bildungsplattformen oder ähnlicher Werkzeuge.

Beleg: Nicht belegt.

• Keine Hinweise auf Traction oder Umsatz: Das Produkt existiert nur in Form von Selbstauskünften ohne verifizierte Adoption.
• Ein-Personen-Team: Nur ein Mitglied aufgeführt (Dani Vasquez), was Fragen zur Skalierbarkeit und langfristigen Wartung aufwirft.
• Unverifizierte Aussagen: Alle Behauptungen sind Selbstauskünfte ohne Bestätigung durch Dritte.
• Begrenzter Kommerzialisierungsweg: Keine Hinweise darauf, wie das Produkt monetarisiert oder über ein Klassenzimmer hinaus skaliert werden könnte.
• KI-Abhängigkeit: Die Abhängigkeit von LLMs für Kernfunktionen birgt potenzielle Instabilitäts- und Halluzinationsrisiken.

Beleg: Aus dem Fehlen externer Daten, der Teamgröße und dem Charakter der Selbstauskunft abgeleitet.

1. Welches spezifisches Feedback haben Sie von Lehrkräften oder Schülern erhalten, die dieses Werkzeug außerhalb Ihres eigenen Klassenzimmers nutzen?
2. Wie planen Sie, über die Kapazitäten eines einzelnen Entwicklers hinaus zu skalieren?
3. Gibt es Pläne zur Monetarisierung oder zu kommerziellen Partnerschaften?
4. Haben Sie institutionelle Nutzer oder Pilotprogramme identifiziert?
5. Welche technischen Einschränkungen hat die aktuelle Physik-Engine, die breitere Anwendungsfälle verhindern könnten?
6. Wie schneidet der KI-Agent (Vector) unter verschiedenen Bedingungen ab und wie zuverlässig ist er in realen Szenarien?

Beleg: Aus dem Fehlen von Informationen in der Beschreibung abgeleitet.