AI-Engine: Mehr als nur Uebersetzung

Warum verwendet DevLingo nicht einfach eine Woerterbuch-API? Eine einfache API-Abfrage liefert statische, kontextlose Informationen. Die AI-Engine von DevLingo leistet drei Dinge, die ein Woerterbuch nicht kann.

1. Kontextverstaendnis

Ein Woerterbuch sagt, “deploy” bedeutet “bereitstellen”. Aber Entwickler muessen wissen:

Szenario	Bedeutung	Beispielsatz
Anwendung bereitstellen	In die Produktionsumgebung veroeffentlichen	”We deployed the new version to production.”
Ressourcen konfigurieren	Ressourcen zuweisen/aktivieren	”Deploy additional servers to handle traffic.”
Taktik (militaerisch)	Entfalten, einsetzen	”The team is deployed across different time zones.”

Die DevLingo AI weiss, dass Sie in Xcode Code lesen, und betont daher die erste Bedeutung. Wenn Sie in einer HR-Software “deploy” sehen, ist moeglicherweise die dritte Bedeutung relevanter.

{ "sourceApp": "com.apple.dt.Xcode" }
→ AI passt den Antwortstil an: technikorientiert, Code-bezogene Beispiele bevorzugt

{ "sourceApp": "com.tinyspeck.slackmacgap" }
→ AI passt den Antwortstil an: Teamkommunikation, umgangssprachlicher

:::tip Anwendungserkennung DevLingo ermittelt ueber NSWorkspace die Bundle Identifier der aktiven Anwendung und uebergibt diese an Claude. Die AI passt ihre Antwort entsprechend an. :::

2. Strukturierte Ausgabe

Ein Woerterbuch gibt einen Textblock zurueck. Die DevLingo AI liefert strukturiertes JSON:

Word-Modus

{
  "word": "idempotent",
  "ipa": "/ɪˈdɛmpətənt/",
  "pos": "adjective",
  "definition_en": "Describing an operation that, when applied multiple times, produces the same result as when applied once.",
  "meaning_de": "Idempotent; mehrfache Anwendung liefert dasselbe Ergebnis wie einmalige Anwendung",
  "examples": [
    {
      "en": "Ensure your API endpoints are idempotent to handle retry requests safely.",
      "de": "Stellen Sie sicher, dass Ihre API-Endpunkte idempotent sind, um Retry-Anfragen sicher zu behandeln.",
      "context": "API design"
    },
    {
      "en": "This function's idempotent nature makes it safe to call multiple times.",
      "de": "Die idempotente Natur dieser Funktion macht es sicher, sie mehrfach aufzurufen.",
      "context": "Function design"
    }
  ],
  "synonyms": [
    {
      "word": "repeatable",
      "difference": "Allgemeiner; bezieht sich auf jede wiederholbare Operation. 'idempotent' ist spezieller und praeziser."
    }
  ],
  "collocations": [
    "idempotent operation",
    "idempotent function",
    "idempotent API"
  ],
  "grammar_notes": "Adjektiv. Wird in technischer Dokumentation haeufig als Attribut oder Praedikat verwendet.",
  "l1_tips": {
    "de": "Im Deutschen wird 'idempotent' als mathematischer/informatischer Fachbegriff verwendet. In technischen Diskussionen ist der englische Begriff in der Regel ueblich."
  },
  "tech_pronunciation": {
    "ipa": "/ɪˈdɛmpətənt/",
    "common_mispronounce": "i-DEM-po-tent (falsch; Betonung sollte auf DEM liegen)",
    "correct_stress": "i-**DEM**-pu-tunt",
    "etymology": "Stammt aus der Mathematik, vom lateinischen 'idem' (dasselbe) und 'potent' (maechtig)"
  }
}

Jedes Feld entspricht einem anderen Bereich der Lernkarte in der Benutzeroberflaeche. Nicht ein Textblock, sondern sorgfaeltig organisiertes Lernmaterial.

Phrase-Modus

{
  "phrase": "rubber ducking",
  "type": "compound (noun phrase)",
  "register": "informal / tech culture",
  "definition_en": "A debugging method where you explain your code to a rubber duck (or any object), often revealing bugs through the act of articulation.",
  "meaning_de": "Eine Debugging-Methode, bei der man seinen Code einem Gummientchen (oder einem beliebigen Gegenstand) erklaert, wobei Fehler oft durch das Artikulieren aufgedeckt werden.",
  "stress_pattern": "RUB-ber DUCK-ing",
  "usage_patterns": [
    {
      "pattern": "[Subject] [is/uses] rubber ducking",
      "example": "I've been rubber ducking this problem for 10 minutes and just found the issue.",
      "de": "Ich habe 10 Minuten lang Rubber Ducking fuer dieses Problem betrieben und den Fehler gerade gefunden."
    }
  ],
  "alternatives": [
    {
      "phrase": "debugging by explanation",
      "note": "Formeller; hat nicht den kulturellen Charme von 'rubber ducking'"
    },
    {
      "phrase": "talk it out",
      "note": "Umgangssprachlicher; bezieht sich nicht speziell auf Debugging"
    }
  ]
}

3. Entwickler-Erweiterungen

Erkennung technischer Fachbegriffe

Wenn die Eingabe ein Entwicklungsbegriff ist, liefert die AI zusaetzliche Informationen:

Wort: latency
Standardausgabe: Definition, Beispiele, Aussprache...

Zusaetzliche Ausgabe (nur bei Fachbegriffen):
• Zugehoerige Metriken: Millisekunden (ms) / Mikrosekunden (μs)
• Verwandte Konzepte: throughput, bandwidth
• Praxisszenarien: Was bedeutet "P99 latency < 100ms"?
• Branchen-Benchmarks: Typische Netzwerklatenz 50ms, schlecht ist 500ms+

Szenariobezogene Beispielsaetze

Keine “Die Katze sitzt auf der Matte”-Saetze, sondern:

Wort: concurrent
Beispielsaetze (aus realer Entwicklung):
1. "This function is not concurrent-safe; you need to add locking."
   → Code-Review-Szenario
2. "We redesigned the system to handle concurrent requests efficiently."
   → Architekturdesign-Szenario
3. "Make sure your HTTP client supports concurrent connections."
   → Performance-Optimierung-Szenario

L1-Interferenz-Hinweise (Mutterspracheinterferenz)

Basierend auf der Muttersprache des Benutzers weist die AI proaktiv auf haeufige Fallstricke hin:

Benutzer: Deutscher Muttersprachler
Wort: article / the / a

AI-Hinweis:
"Deutsche Muttersprachler machen haeufig Fehler bei Artikeln im Englischen.
Obwohl das Deutsche ein aehnliches Artikelsystem hat, unterscheiden sich
die Regeln: z.B. 'I like music' (ohne Artikel), nicht 'I like the music'
(wenn allgemein gemeint)."

:::note L1-Interferenz Dies ist ein Alleinstellungsmerkmal von DevLingo. Standardwoerterbuecher sagen Ihnen nicht, “warum Sie dieses Wort moeglicherweise falsch verwenden, basierend auf Ihrem muttersprachlichen Hintergrund”. :::

AI-Modell: Claude von Anthropic

Warum DevLingo Claude gewaehlt hat:

1. Starke strukturierte Ausgabe: Claude erzeugt zuverlaessig formatiertes JSON
2. Tiefes Kontextverstaendnis: Claude versteht Anwendungskontexte, Code-Kontexte und L1-Interferenz
3. Entwicklerfreundlich: Claudes Verstaendnis von Fachbegriffen, Code und Entwicklungsworkflows uebertrifft allgemeine LLMs
4. Steuerbarkeit: Durch Prompt Engineering kann DevLingo Ausgabeformat und Qualitaet praezise steuern

Prompt Engineering

Der Claude-Aufruf von DevLingo enthaelt ein sorgfaeltig gestaltetes Prompt-Template:

You are an English learning assistant for developers.
The user selected: "{selectedText}"
Mode: {mode}
User's native language: {userLanguage}
Current application: {sourceApp}
Surrounding context: "{context}"

Respond with JSON in the following structure:
{
  "mode": "word|phrase|sentence|paragraph|express",
  ... [detailed schema]
}

Important:
1. Examples must be from software development context
2. Provide 2-3 examples per item
3. For native speakers of {userLanguage}, highlight common interference patterns
4. If applicable, note pronunciation and stress patterns
5. Keep definitions concise (< 20 words)

Dieses Prompt stellt sicher:

• Konsistentes Ausgabeformat
• Beispielsaetze aus dem Entwicklungskontext
• L1-Interferenz wird beruecksichtigt
• Ergebnisse sind lernzielorientiert

Vergleich: Woerterbuch vs. DevLingo AI

Funktion	Woerterbuch-API	DevLingo AI
Basisdefinition	✓	✓
Mehrere Beispielsaetze	✓ (meist unspezifisch)	✓ (alle aus technischen Szenarien)
Kontextbewusstsein	✗	✓ (kennt Ihre aktive Anwendung)
L1-Interferenz-Hinweise	✗	✓
Strukturierte Ausgabe	✗ (nur Text)	✓ (JSON, UI-freundlich)
Technische Fachbegriff-Bonus	✗	✓ (Etymologie, Branchen-Benchmarks usw.)
Synonymanalyse	✗ (listet Synonyme auf)	✓ (erklaert Unterschiede)
Aussprache und IPA	✓ (teilweise)	✓ (vollstaendig + 4 Akzente)

Balance zwischen Kosten und Leistung

:::note Warum nicht immer AI verwenden? Das mehrstufige Abfragesystem von DevLingo stellt sicher:

• Gaengige Vokabeln (Treffer in lokaler Datenbank): 0ms AI, 100% schnell
• Cache-Treffer (zuvor abgefragt): 0ms AI, 100% schnell
• Seltene Vokabeln (AI-Aufruf): <2s, immer noch schnell

So benoetigen 95% der Benutzerabfragen keinen API-Aufruf, was sowohl Kosten senkt als auch das Erlebnis verbessert. :::

Die AI-Engine von DevLingo ist nicht fuer “Uebersetzung” konzipiert, sondern fuer “Verstaendnis und Unterricht”. Sie weiss, was Sie tun, kennt Ihren Sprachhintergrund und weiss, wie sie Sie am effektivsten unterrichten kann.