Im Kleinen ausprobieren, im Großen bestehen.

Frage und Versuch. In diesem Projekt entwickelt Playersjourney einen Prototyp einer Webanwendung, die die Verwaltung und Prüfung von Rechnungsprozessen in Bauprojekten intelligent unterstützt. Ziel ist es, Transparenz, Nachvollziehbarkeit und Effizienz im Umgang mit komplexen Rechnungsstrukturen zu erhöhen.

Hintergrund. Die Anwendung erlaubt das Anlegen von Bauprojekten, das Zuordnen von Lieferanten und Angeboten sowie das chronologische Verwalten eingehender Rechnungen. Über einen einfachen Drag-and-Drop-Upload werden PDF-Dokumente eingelesen, analysiert und automatisch in eine strukturierte Datenbank überführt. Dahinter steht eine KI-gestützte Architektur, die Text- und Layoutinformationen aus komplexen, teilweise über 100 Seiten großen Rechnungen extrahiert, Positionen, Mengen und Preise erkennt und in eine einheitliche Datenstruktur mappt. Unsicherheiten werden transparent dargestellt, sodass Nutzer:innen die Interpretation der KI prüfen und korrigieren können. Diese Korrekturen fließen in zukünftige Analysen ein – das System lernt mit.

Ergebnis. Die Webapp vergleicht automatisch alle Positionen über Rechnungen hinweg, markiert Abweichungen, Preisänderungen und Auffälligkeiten und verknüpft diese direkt mit der Originalquelle (inkl. Seiten- und Koordinatenangabe). Dadurch bleiben alle Ergebnisse überprüfbar und nachvollziehbar. Am Ende können Nutzer:innen visuelle Prüfvermerke (Haken, Kreuze, Anmerkungen) direkt im PDF setzen und automatisch Prüfberichte generieren. So entsteht eine transparente, kontrollierbare und KI-gestützte Arbeitsumgebung, die menschliche Expertise nicht ersetzt, sondern gezielt stärkt. Der Prototyp bildet den Kern einer zukunftsfähigen Responsible-AI-Lösung für Rechnungsmanagement und Bauprojektkontrolle – modular, erklärbar und praxisnah.

Frage und Versuch. Wie lässt sich das Thema Kindeswohl so erfahrbar machen, dass Fachkräfte komplexe häusliche Situationen nicht nur analysieren, sondern unmittelbar erleben können? Dieses Projekt, entwickelt von Playersjourney in Kooperation mit dem KJSH – Verein für Kinder-, Jugend- und Soziale Hilfen e. V., gibt darauf eine innovative Antwort: ein virtuelles 3D-Modell einer realen, kindeswohlproblematischen Wohnung, das mit modernster VR-Technologie erlebbar wird.

Hintergrund. Aus hunderten hochauflösender Fotografien wurde die Wohnung mittels Gaussian Splatting fotorealistisch rekonstruiert – ein Verfahren, das nicht auf klassischen Polygonnetzen basiert, sondern Millionen kleiner Gaußscher Punkte nutzt, um Licht, Tiefe und Atmosphäre nahezu realitätsgetreu wiederzugeben. Das Ergebnis: ein immersives, detailreiches Abbild eines realen Lebensraums, in dem Fachkräfte frei navigieren und Situationen räumlich-kontextuell einschätzen können.

Ergebnis. Im Prototypen wurden bereits erste interaktive Funktionen integriert – Objekte, die sich durch Berührung aktivieren lassen, und so mögliche Trainings- oder Beobachtungsmechanismen erproben. Perspektivisch können Annotationen, Risiko-Markierungen oder Fallanalysen ergänzt werden. Das System ist modular aufgebaut und wurde mit der Unreal Engine realisiert. Es bildet die Grundlage für zukünftige didaktische Trainings, Forschungssimulationen und die Kombination mit KI-gestützten Analysetools. So entsteht ein neues Werkzeug an der Schnittstelle von Technologie, Sozialpädagogik und Forschung: ein virtueller Raum, der nicht distanziert beobachtet, sondern Empathie, Sensibilität und professionelles Handeln in realitätsnahen Kontexten fördert – ein Meilenstein für Ausbildung und Prävention im Kinderschutz.

Frage und Versuch. Wie kann Künstliche Intelligenz Fachkräfte im Kinderschutz unterstützen, ohne ihre Verantwortung zu ersetzen? Dieses Projekt, entwickelt von Playersjourney für den KJSH – Verein für Kinder-, Jugend- und Soziale Hilfen e. V., erprobt genau das: ein KI-gestütztes System auf Basis von Ragflow (Retrieval-Augmented Generation Flow) zur Unterstützung bei Kindeswohleinschätzungen.

Hintergrund. Der Prototyp verbindet eine strukturierte Wissensbasis aus Fachliteratur, Fallbeispielen und institutionellen Leitlinien mit einem mehrstufigen RAG-Prozess. Dabei werden relevante Informationen automatisch abgerufen, semantisch verknüpft und kontextgerecht aufbereitet. Die KI generiert daraus nachvollziehbare, quellenbasierte Einschätzungen, die Fachkräfte in ihrer Analyse und Dokumentation unterstützen. Zwei spezialisierte Chatbots – ein Literatur-Bot und ein Fallanalyse-Bot – ermöglichen unterschiedliche Zugänge: vom theoretischen Grundlagenwissen bis zur fallbasierten Einschätzung. Die Ergebnisse bleiben jederzeit prüfbar und mit ihren Quellen verlinkt, wodurch Transparenz, Nachvollziehbarkeit und Qualitätssicherung gewährleistet sind. Das System ist modular, datenschutzkonform und flexibel erweiterbar. Neue Fallakten, Richtlinien oder Workshop-Ergebnisse können integriert werden. Durch die offene Architektur ist sowohl der Betrieb auf eigenen Servern als auch über zertifizierte externe Anbieter möglich.

Ergebnis. Die Evaluation zeigte: Der KI-Prototyp steigert Effizienz und Konsistenz in der fachlichen Arbeit, eröffnet neue Wege zur Standardisierung und Qualitätssicherung und bietet ein großes Potenzial für zukünftige Anwendungen – von automatisierter Berichterstellung bis hin zu lernenden Dokumentationssystemen. Der Ragflow-Prototyp steht damit exemplarisch für eine verantwortungsvolle, nachvollziehbare und praxisnahe KI im Sozialwesen – entwickelt, um Fachkräfte zu stärken, nicht zu ersetzen.