Why.

Wofür das Unternehmen offenbar steht:

Der Autor beschreibt ein Produkt namens Why, das KI nutzt, um Missverständnisse von Schülern in Mathematik und Naturwissenschaften zu diagnostizieren, indem es falsche Antworten analysiert. Es behauptet, über eine einfache Korrektur hinauszugehen, indem es den Glauben hinter einem Fehler identifiziert, ihn visualisiert und den Schülern hilft, ihn dauerhaft zu beheben.

Was sich geändert hat:

Dies ist ein selbst gemeldetes Projekt, das für den OpenAI 2026 Hackathon eingereicht wurde. Der Autor gibt an, es von Anfang bis Ende mit Codex und GPT-5.6 gebaut zu haben, ohne dass externe Finanzierung oder Belege für Traction vorliegen.

Die wichtigste offene Frage:

Ist Why in der Lage, Missverständnisse von Schülern im großen Maßstab zuverlässig zu diagnostizieren, oder handelt es sich um einen Prototyp, der nur in begrenzten Kontexten funktioniert?

Die Beschreibung besagt, dass Why Fotos oder getippte Transkriptionen der Schülerarbeiten aufnimmt und sie durch die folgenden Schritte verarbeitet:

• Transkription: Nutzt GPT-5.6 Vision, um die Arbeit genau zu transkribieren.
• Diagnose: Identifiziert, wo das Denken eines Schülers von der korrekten Logik abweicht, und leitet den Glauben ab, der den Fehler verursacht hat.
• Visualisierung: Zeigt eine interaktive Visualisierung (z. B. Flächenmodell, Zahlenstrahl) basierend auf den tatsächlichen Zahlen des Schülers.
• Verifizierung: Stellt drei neue Probleme, um zu testen, ob das Missverständnis behoben wurde.
• Gedächtnis: Verwaltet eine private Karte aller Missverständnisse pro Schüler, mit verteilten Wiederholungen.

Das System wird als verallgemeinerbar über Fächer wie Geometrie, Brüche, Exponenten, Statistik, Physik und Chemie beschrieben, wobei sowohl eine kuratierte Taxonomie als auch die Live-Reasoning-Funktion von GPT-5.6 verwendet werden.

Belege:

• Der Autor beschreibt die vollständige Pipeline von der Eingabe bis zur Ausgabe.
• Es verwendet ein React/TypeScript-Frontend, ein Node/Express-Backend, SQLite und GPT-5.6.
• Das Produkt umfasst interaktive Widgets und adaptive Fragegenerierung.

Schlussfolgerung:

Dies ist ein diagnostisches Werkzeug für die Bildung, das versucht, über die Korrektur hinaus zu einem konzeptionellen Verständnis zu gelangen.

Der Autor positioniert Why als Alternative zu traditionellen KI-Hausaufgabentools, die Antworten einfach als falsch markieren. Stattdessen zielt es darauf ab:

• Den zugrunde liegenden Glauben hinter einem Fehler zu diagnostizieren.
• Diesen visuell und interaktiv zu beheben.
• Wiederholungen durch verteilte Wiederholung zu verhindern.

Belege:

• Der Slogan: „Eine KI, die falsche Antworten nicht bewertet – sie diagnostiziert den Glauben, der sie verursacht hat, und behebt ihn dann endgültig.“
• Das eigene Schreiben des Autors betont, dass es sich nicht nur darum handelt, die richtige Antwort zu zeigen, sondern zu verstehen, warum ein Schüler einen Fehler gemacht hat.
• Die Behauptung, dass „keine Menge an ‚hier ist die richtige Antwort‘ einen Glauben behebt, der noch da ist“, rahmt einen Wandel im pädagogischen Ansatz ein.

Schlussfolgerung:

Die Positionierung deutet auf einen Wandel hin zu personalisiertem, glaubensbasiertem Lernen – eine Nische im Edtech-Bereich, die sich auf konzeptionelles Beherrschen statt auf Auswendiglernen oder Übung konzentriert.

Der Autor gibt an, dass Why für Schüler konzipiert ist, die Mathematik- und Naturwissenschaftsaufgaben bearbeiten. Es richtet sich an Lernende, die systematische Fehler aufgrund von Missverständnissen machen, nicht zufällige Fehler.

Belege:

• Der Fokus liegt auf Schülern, die aufgrund eines Glaubens (z. B. „freshman’s dream“) und nicht aus Nachlässigkeit falsche Antworten schreiben.
• Das Produkt unterstützt mehrere Fächer, darunter Algebra, Geometrie, Brüche, Exponenten, Grundstatistik, Physik und Chemie.

Schlussfolgerung:

Die Zielkundschaft sind wahrscheinlich K–12-Schüler oder Studierende im frühen College-Studium in MINT-Fächern. Das ICP (Ideal Customer Profile) scheint ein Schüler zu sein, der wiederkehrende konzeptionelle Fehler macht und eine tiefgreifendere Intervention benötigt als standardmäßiges Feedback.

In der Beschreibung werden keine Informationen zu Preisen, Monetarisierung oder Geschäftsmodell angegeben.

Belege:

• Es gibt keine Erwähnung von Abonnementplänen, Nutzungsgebühren oder institutionellen Lizenzen.
• Es gibt keinen Hinweis darauf, ob das Produkt an Schulen, Eltern oder direkt an Schüler verkauft werden soll.
• Es gibt keinen Bezug zu Lehrer-Konten, Klassen-Dashboards oder Multi-User-Funktionalitäten über „Class view“ hinaus.

Schlussfolgerung:

Das Projekt ist derzeit ein Prototyp, der für einen Hackathon eingereicht wurde. Es gibt keine Hinweise auf eine Kommerzialisierungsstrategie.

Der Autor hat das gesamte System in einer durchgehenden Sitzung mit Codex und GPT-5.6 entwickelt. Die wichtigsten technischen Komponenten umfassen:

• Frontend: React/TypeScript
• Backend: Node/Express
• Datenbank: SQLite
• KI: GPT-5.6 für Transkription, Klassifizierung, Visualisierung und Fragegenerierung
• Verwendete Tools: Zod-Validierung, Vitest, Tailwind, Framer Motion, Vercel

Belege:

• Der Stack ist im Detail aufgeführt.
• Der Autor behauptet, Codex in allen Ebenen – UI, Logik, Tests, Schema – umfangreich eingesetzt zu haben.
• Bestimmte Entscheidungen werden erwähnt (z. B. Durchsetzung von Live-Modellaufrufen, strikte Datenisolierung).

Schlussfolgerung:

Das Produkt wurde mit starkem Schwerpunkt auf KI-Integration und schnelles Prototyping entwickelt. Es gibt jedoch keine Hinweise auf Skalierbarkeit oder produktionsreife Infrastruktur.

Es gibt keine Hinweise auf Traction, Umsatz, Kunden oder Adoption über die eigene Entwicklung des Autors hinaus.

Belege:

• Das Projekt wurde für einen Hackathon eingereicht.
• Es gibt keine Erwähnung von Nutzern, Nutzungsmetriken oder Feedback von echten Schülern oder Lehrern.
• Es gibt keinen Hinweis auf Product-Market-Fit oder Marktvalidierung.

Schlussfolgerung:

Dies ist ein Prototyp in einer frühen Phase ohne nachgewiesene Traction. Er hat noch keine Nutzerbasis erreicht und die kommerzielle Machbarkeit nicht bewiesen.

Die Beschreibung liefert keine Informationen zu Wettbewerbern oder dazu, wie Why sich im Vergleich zu bestehenden Tools im Edtech-Bereich positioniert.

Belege:

• Es gibt keine Erwähnung von konkurrierenden Plattformen, KI-Tutoring-Systemen oder Bildungssoftware.
• Es gibt keinen Bezug zu Marktgröße, Segmentanalyse oder Wettbewerbspositionierung.

Schlussfolgerung:

Ohne Kontext ist es unklar, ob Why eine Marktlücke schließt oder bestehende Angebote repliziert. Es könnte mit Tools wie Khan Academy, Photomath oder KI-gestützten Tutoring-Plattformen konkurrieren, dies ist jedoch spekulativ.

Aus der selbstberichteten Beschreibung sind mehrere Risiken und offene Fragen ersichtlich:

1. Unbewiesene KI-Zuverlässigkeit: Das System ist stark von GPT-5.6 für Diagnose und Schlussfolgern abhängig – es gibt keine Hinweise auf Genauigkeit oder Konsistenz im realen Einsatz.
2. Begrenzter Umfang: Obwohl als verallgemeinerbar beschrieben, demonstriert der Autor nur Tiefe in Algebra.
3. Keine Produktionsinfrastruktur: Entwickelt mit SQLite und einem einzelnen Entwickler; keine Erwähnung von Skalierbarkeit oder Robustheit.
4. Unverifizierte Behauptungen: Der Autor behauptet, dass „derselbe Diagnose-Engine verallgemeinert wird“ — liefert aber keine Daten, um dies zu stützen.
5. Spannung zwischen Design und Funktionalität: Der Fokus auf die Vermeidung eines „AI-Ästhetik“ könnte die Benutzerfreundlichkeit oder den wahrgenommenen Wert beeinträchtigen.

Belege:

• Der Autor gibt zu, Fehler während der Entwicklung bemerkt zu haben (z. B. gemockte Antworten, Datenlecks).
• Keine Erwähnung von Tests mit echten Schülern oder Lehrkräften.
• Keine Belege für Leistungsbenchmarks oder Genauigkeitsmetriken.

Schlussfolgerung:

Dies ist ein Prototyp, der in der Praxis nicht validiert wurde. Er könnte bei Skalierung oder in realen Umgebungen aufgrund einer übermäßigen Abhängigkeit von KI und fehlender Nutzer-Feedback-Schleifen scheitern.

1. Welche konkreten Daten oder Metriken haben Sie zur Genauigkeit Ihrer Fehlvorstellungsklassifikation?
2. Wie planen Sie, die Taxonomie über Algebra hinaus auf andere Fächer zu erweitern?
3. Haben Sie Why mit echten Schülern oder Lehrkräften getestet? Wenn ja, wie waren die Ergebnisse?
4. Gibt es einen Weg zur Monetarisierung oder institutionellen Übernahme?
5. Was sind die technischen Einschränkungen bei der Abhängigkeit von GPT-5.6 für Diagnose und Interaktion?
6. Wie stellen Sie Datenschutz und Datensicherheit für Schülerprofile sicher?