Ich habe mir einen Butler gebaut. Aus KI.

Jede Nacht exportiert eine Automation meine Spotify-Lieblingslieder in eine schlichte Datei auf dem Server. Das Dashboard sortiert sie in 15 Genre-Familien, zeichnet Jahrzehnte-Charts und eine Ähnlichkeitskarte, auf der verwandte Songs nebeneinander liegen.

Meine Lieblingsstelle ist die Weltkarte: In der Kennung jeder Aufnahme (dem ISRC-Code) steckt ein Ländercode, und so sieht man, aus welchen Ecken der Welt die eigene Musik kommt. Und wer mag, zieht seinen eigenen Spotify-Export einfach per Maus auf die Seite. Alles wird direkt im Browser neu berechnet, nichts davon verlässt den Rechner.

Selbst stöbern →

Aufnahme hochladen, Text zurückbekommen, dazu der Preis auf den Cent: Transkribiert wird per KI (Voxtral), abgerechnet pro Audiominute. Weil das Modell pro Anfrage nur rund eine halbe Stunde verträgt, zerlegt das Werkzeug ffmpeg lange Aufnahmen vorher in 15-Minuten-Stücke. Aus einem einstündigen Interview werden vier Anfragen, der Text wird danach wieder zusammengesetzt.

Die Bau-Anekdote: Der abgeschottete Container, in dem die Automation läuft, lässt aus Sicherheitsgründen nichts nachinstallieren. ffmpeg kam deshalb als fertig gegossener Block aus einem zweiten Container huckepack hinein. Die Seite selbst liegt hinter einem Login.

Bonn veröffentlicht einmal im Jahr alle Sperrmüll-Termine als Tabelle, 2.911 Straßenabschnitte. Die App setzt sie auf die Karte, mit Datumsfilter, Zu-Fuß-Radius und Kalender-Export. Man weiß ja nie, was man Tolles findet.

Die Fleißarbeit steckt im Abgleich: 2.904 davon fanden per Adresssuche ihren Punkt auf der Karte, die restlichen sieben sind Tippfehler im Amtsdeutsch. Für die echten Straßenlinien kam OpenStreetMap dazu, und da schreibt die Stadt „str.“, wo OpenStreetMap „straße“ schreibt. Erst nach dem Normalisieren saßen 99,6 Prozent der Linien. Gemapped mit dem Immobilienrichtwert 2025 färbt die zweite Datenquelle die Straßen nach Wohnlage ein: bessere Gegend, dickere Linie, besseres Loot.

Selbst suchen →

Bäume, Sirenen, öffentliche Toiletten, Grillplätze, dazu Parkverstöße als Wärmekarte: alles offene Daten der Stadt Bonn, übereinandergelegt auf einer dunklen Karte. Ein Teil aktualisiert sich nachts von selbst, der Rest wird bei Bedarf per Skript neu gebaut.

Einen Haken gab es: Der Server rückte die Daten einfach nicht raus. Erst als das Skript behauptete, Firefox zu sein, gab er nach. Seitdem surft hier ein Python-Skript unter falscher Flagge.

Selbst erkunden →

Bonn veröffentlicht laufend, was in der Stadt los ist: Konzerte, Märkte, Ausstellungen, jede Menge Kleinkram. Die App zieht diese Termine, lässt sich nach Kategorie und Zeitraum filtern und schickt den Fund per Kalender-Export direkt ins eigene Telefon.

Ein Wackelkontakt kam aus Bonn selbst: Die städtische Quelle lieferte gelegentlich ein kaputtes, mittendrin abgeschnittenes JSON, samt PHP-Fehlermeldung. Die Automation schluckte den Fehler zunächst still und schrieb eine leere Liste, die App wirkte dann tot. Jetzt wirft sie stattdessen einen Fehler und behält die letzte gute Liste, bis Bonn sich wieder fängt.

Selbst durchblättern →

Der Bundestag beschließt ständig etwas, kaum jemand liest die Vorlagen selbst. Die App zieht die aktuellen Gesetzesvorhaben aus der offiziellen DIP-Datenbank, fasst sie nüchtern zusammen und zeigt danach, wie jede Fraktion gestimmt hat, dazu eine handverlesene Beobachtungsliste von 29 Abgeordneten.

Zwei offene Quellen mussten zueinander passen: die DIP-API für die Vorlagen, deren Schlüssel von Zeit zu Zeit von Hand erneuert werden muss, und abgeordnetenwatch für die Abstimmungen selbst. Dort kehrt sich, je nach Abstimmungstyp, die Polarität von Ja und Nein einfach um. Beim ersten Testlauf standen deshalb ein paar Balken auf dem Kopf.

Selbst nachlesen →

Ein kleines Arcade-Spiel, in dem Francis Tabletts durch meine Wohnung balanciert. Gejagt wird Francis von meinen Katzen Oskar und Marzipan. Mittlerweile ist „Die Tafel“ mit Bestenliste global. Der Server merkt sich den Rekord in Postgres.

Seit dem Start haben die drei Charaktere immer wieder neue Animationen bekommen, und die Ideenliste für den Feinschliff ist länger als die Zeit.

Selbst servieren →

RezeptEval ist mein Benchmark für Küchenkompetenz: Jedes Modell bekommt dieselben 78 Aufgaben, vom Kochauftrag über Lebensmittelsicherheit bis zum Zeitplan für vier Gänge aus einem Ofen. Ein Python-Skript prüft alles, was sich nachrechnen lässt; was Ermessenssache ist, benotet ein festgepinntes Richter-Modell nach fester Rubrik. Am Ende steht ein Punktwert mit offenen Gewichten.

Die ehrliche Grenze steht direkt auf der Seite: Niemand hat diese Gerichte gekocht. Gemessen wird, ob ein Modell präzise und regelkonform schreibt, nicht, ob es schmeckt. Und damit kein Modell die Aufgaben auswendig lernen kann, bleiben sie unter Verschluss, die Chemie-Zutaten sind gleich ganz erfunden.

Selbst vergleichen →

Was bei mir gut geklappt hat, schicke ich Francis per Telegram: als Text, als Link oder als Foto einer Kochbuchseite. Er zerlegt das Rezept in Zutaten und Schritte, ordnet es nach Kategorie, Küche, Allergenen und Saison ein und rechnet die Nährwerte aus einem Zutatenlexikon, Gramm für Gramm. Eigene Rezepte stehen mit Zutaten und Zubereitung auf der Seite, fremde nur mit dem Verweis auf ihre Quelle.

Die ehrliche Grenze: Francis liest und schätzt, gerechnet wird aus dem Lexikon, und eine unbekannte Zutat lässt ein Rezept lieber „nicht bestimmt“ als falsch dastehen. Fotos gibt es keine, die Rezepte kommen ohne. An ihrer Stelle bekommt jedes Gericht ein kleines Pixelbild.

Selbst nachkochen →