MszaAI

Die Beschreibung besagt, dass MszaAI über 200 Kirch-Livestream-Quellen mithilfe lokaler Audioprüfungen überwacht, um zu erkennen, wann eine Messe wahrscheinlich beginnt. Erst dann wird die Transkription aktiviert, um unnötige Verarbeitung und API-Kosten zu reduzieren.

Nach einer Übertragung können Nutzer:

• Transkripte und strukturierte Zeitlinien lesen;
• Predigten, Ankündigungen und Zusammenfassungen finden;
• Tägliche, wöchentliche und monatliche Predigtstudien erkunden;
• Das öffentliche Archiv durchsuchen;
• Ausgewählte Kirchen folgen und Benachrichtigungen erhalten;
• Veröffentlichte Inhalte auf Abruf übersetzen;
• Einen KI-Assistenten Fragen zum gesamten Archiv stellen.

Der KI-Assistent ruft relevante Passagen aus echten Homilien und Studien ab, wobei anklickbare Zitate es Nutzern ermöglichen, die ursprüngliche Predigt zu prüfen, anstatt KI-Antworten ohne Beleg zu vertrauen.

Evidenz Die eigene Aufzeichnung des Autors beschreibt diese Funktionen im Detail. Es werden jedoch keine Belege dafür vorgelegt, dass irgendeine dieser Funktionalitäten über die Entwicklungsphase hinaus bereitgestellt oder genutzt wurde.

Das Projekt positioniert sich als Werkzeug zur Bewahrung wertvoller Homilien und Pfarreiinformationen, die andernfalls nach Ende der Livestreams verschwinden würden. Es betont die Umwandlung vorübergehender Kirchensendungen in dauerhafte, durchsuchbare und überprüfbare öffentliches Wissen.

Während der OpenAI Build Week erweiterte das Team das Produkt mit GPT-5.6 und Codex, um Folgendes zu erstellen:

• Einen öffentlichen KI-Assistenten für das vollständige Archiv;
• Quellengestützten Abruf über Predigten und Studien hinweg;
• Anklickbare Zitate, die zu den Originalpassagen führen;
• Transparente Erklärungen zu den Einschränkungen des Assistenten;
• Stärkere Datenschutz- und Kostenkontrollen;
• Eine englischsprachige Benutzeroberfläche mit teilbaren Sprachlinks;
• Übersetzung auf Abruf unter Beibehaltung des Originalinhalts der Quelle.

Evidenz Der Autor behauptet, dass diese Erweiterungen während der Build Week vorgenommen wurden. Es werden keine Belege dafür vorgelegt, dass irgendeine dieser Funktionalitäten über den Hackathon-Kontext hinaus veröffentlicht oder in der Produktion getestet wurde.

Die Beschreibung besagt, dass MszaAI Menschen anspricht, die eine Messe verpasst haben, bettlägerig sind oder eine Predigt später erneut besuchen möchten. Es wird auch erwähnt, dass es Personen hilft, die an Live-Übertragungen nicht teilnehmen können, aber dennoch auf den Inhalt zugreifen möchten.

Evidenz Der Autor beschreibt die Zielgruppe auf der Grundlage von Nutzerbedürfnissen, es werden jedoch keine Belege für tatsächliche Nutzer, Kundensegmente oder Marktgültigkeit vorgelegt.

In der Beschreibung wird weder auf Preise, Monetarisierung noch auf ein Geschäftsmodell eingegangen. Das Projekt scheint eine selbstberichtete Hackathon-Einreichung zu sein, ohne Hinweise darauf, wie es Einnahmen generieren oder den Betrieb aufrechterhalten würde.

Evidenz Nicht belegt.

Das Frontend nutzt React, TypeScript und Vite. Das Backend wurde mit Node.js und Express entwickelt und kommuniziert über HTTP und WebSockets. SQLite speichert Daten, einschließlich Kameras, Sitzungen, Transkripten, Studien, Zitaten und Nutzereinstellungen.

yt-dlp und FFmpeg verarbeiten den Livestream-Audio. Lokale Prüfungen laufen, während eine Kamera inaktiv ist, und Transkriptionsdienste werden erst aktiviert, nachdem der Zustandsautomat ein wahrscheinliches Live-Ereignis erkennt.

Der KI-Assistent arbeitet über einen schreibgeschützten öffentlichen Korpus. Die Abfrage identifiziert relevante Transkript- und Studientextstellen, während die Antwortebene die Quellmetadaten beibehält, damit jeder gestützte Anspruch auf seinen Beleg zurückverfolgt werden kann.

GPT-5.6 und Codex wurden verwendet für:

• Das Verfolgen von Daten durch Frontend, Backend, Abfrageschicht und Speicher;
• Die Implementierung des öffentlichen Assistenten und des Zitationsflusses;
• Die Verbesserung der zweisprachigen Benutzeroberfläche;
• Die Identifizierung von Datenschutz- und Kostenrisiken;
• Das Testen von Grenzfällen;
• Die Sicherstellung der Übereinstimmung der Dokumentation mit der Implementierung.

Evidenz Der Autor liefert eine detaillierte technische Aufschlüsselung, wie das System gebaut wurde. Es werden jedoch keine Belege dafür vorgelegt, dass es über den Hackathon hinaus in realen Bedingungen eingesetzt oder getestet wurde.

Es gibt keine Belege für Traction, Einnahmen, Kunden oder Adoption über die selbstberichtete Entwicklungsarbeit hinaus. Das Projekt wird als vor dem Einreichungszeitraum existierend und während der Build Week erweitert beschrieben, es gibt jedoch keine Angaben zu Nutzungsmetriken, Nutzerengagement oder Produktreife.

Evidenz Nicht belegt.

Es werden keine Informationen zu Wettbewerbern oder Marktpositionierung bereitgestellt. Der Autor verweist nicht auf ähnliche Tools oder Plattformen im Bereich des Archivierens von Kirchen-Livestreams oder der KI-gestützten Predigtanalyse.

Evidenz Nicht belegt.

• Ungeprüfte Behauptungen: Alle Funktionen und Funktionalitäten sind selbstberichtet und ohne unabhängige Verifizierung.
• Kein Traction oder Einnahmen: Keine Belege für tatsächliche Nutzer, Kunden oder Monetarisierung.
• Begrenzter Umfang: Das Projekt scheint eine Hackathon-Einreichung zu sein, ohne Hinweise auf langfristige Tragfähigkeit oder Skalierbarkeit.
• Abhängigkeit von externen Tools: Die starke Abhängigkeit von GPT-5.6 und Codex kann Risiken bergen, falls diese Dienste sich ändern oder nicht mehr verfügbar sind.
• Mangelnde Klarheit bei der Datenverwaltung: Es wird nicht erwähnt, wie Nutzerdaten verarbeitet, gespeichert oder geschützt werden.

Evidenz Dies sind Schlussfolgerungen, die aus dem Fehlen von Belegen für wichtige Geschäftssignale und dem spekulativen Charakter der Behauptungen gezogen werden.

1. Was ist die tatsächliche Quelle der überwachten Livestreams? Sind sie öffentlich zugänglich?
2. Wie viele Kirchen oder Livestream-Quellen werden aktiv überwacht und wie oft gehen sie live?
3. Wurde das System in realen Bedingungen über den Hackathon hinaus getestet?
4. Wie ist der aktuelle Status des AI-Assistenten – wurde er bereits an Nutzer freigegeben?
5. Gibt es Pläne zur Monetarisierung oder Skalierung über den aktuellen Umfang hinaus?
6. Wie werden Zitate generiert und verifiziert? Sind sie manuell kuratiert oder automatisiert?
7. Welche technischen Einschränkungen hat das lokale Audio-Erkennungssystem?
8. Hat das Team die Datenschutzimplikationen berücksichtigt, insbesondere im Hinblick auf Transkription und KI-generierte Inhalte?

Evidenz Diese Fragen ergeben sich aus dem Fehlen von Belegen für den Einsatz in der Praxis, Nutzerfeedback und operative Details.