Projekte sind der ehrlichste Beweis.

Problem
Rezepte kommen aus Webseiten, Bildern, Notizen und anderen Quellen. Mengen passen selten genau zur gewünschten Personenzahl, interessante Gerichte gehen wieder verloren und aus einer eigentlich einfachen Alltagssituation entsteht schnell unnötige Organisation.

Idee
Statt noch eine weitere reine Rezeptsammlung zu bauen, sollte ein Werkzeug entstehen, das vorhandene Rezepte nutzbarer macht: erfassen, strukturieren, skalieren, wiederfinden und in ein persönliches Kochbuch übernehmen.

Gebaut
Daraus entstand Smart KItchen als schrittweise entwickeltes digitales Produkt mit Rezeptimport, Mengenanpassung, persönlichem Kochbuch, Favoriten, Filtern und weiteren Funktionen. Der Funktionsumfang wurde entlang konkreter Nutzung erweitert statt von Anfang an vollständig festgelegt.

Gelernt
Ein Produkt wird nicht dadurch besser, dass möglichst früh möglichst viele Funktionen eingebaut werden. Erst die Nutzung zeigt zuverlässig, was wirklich Arbeit erleichtert, was lediglich interessant klingt und wo zusätzliche Entwicklung ihren Aufwand tatsächlich rechtfertigt.

Problem
Gute Inhalte entstehen schnell, konsistente Inhalte deutlich schwerer. Gerade bei Rezepten müssen Struktur, Mengen, Zubereitung, Kategorien, Bilder und ergänzende Informationen so zusammenpassen, dass aus einzelnen Beiträgen langfristig ein nutzbarer Bestand entsteht.

Idee
OdyssAI sollte deshalb nicht nur Inhalte veröffentlichen, sondern einen wiederholbaren Standard dafür schaffen, wie Rezepte aufgebaut, gepflegt und weiterentwickelt werden können.

Gebaut
Daraus entstand eine wachsende Rezeptplattform mit einheitlicher redaktioneller Struktur, Portionslogik und wiederverwendbaren Regeln für neue Inhalte. Bestehende Rezepte können schrittweise übernommen, vereinheitlicht und innerhalb derselben Systematik weiterentwickelt werden.

Gelernt
Skalierbarkeit beginnt nicht erst bei großer Technik. Schon klare Standards reduzieren spätere Arbeit erheblich. Wenn Struktur früh mitgedacht wird, lassen sich neue Inhalte schneller ergänzen, bestehende leichter pflegen und Funktionen später sinnvoll darauf aufbauen.

Problem
Musik-Playlists wachsen über Jahre, überschneiden sich und passen selten genau zu einer bestimmten Situation. Mehrere Listen manuell zusammenzuführen, Gewichtungen zu berücksichtigen und doppelte Titel zu entfernen, ist möglich – aber unnötig umständlich.

Idee
Statt daraus sofort eine große Musikplattform zu machen, wurde die eigentliche Frage isoliert: Kann ein kleines Werkzeug mehrere Playlists nach einfachen Regeln zu einer neuen Mischung zusammenführen?

Gebaut
Daraus entstand Meta Mix als kompakter Prototyp: mehrere Playlists auswählen, ihre Gewichtung bestimmen, Überschneidungen reduzieren und daraus eine neue Zusammenstellung erzeugen. Der Fokus liegt bewusst auf einem eng begrenzten Anwendungsfall.

Gelernt
Nicht jede nützliche Idee muss ein großes Produkt werden. Manchmal liegt der Wert gerade darin, ein sehr kleines Problem sehr einfach zu lösen. Ein schneller Prototyp zeigt früh, ob dieser Nutzen ausreicht, bevor zusätzliche Funktionen oder Geschäftsmodelle überhaupt relevant werden.

Problem
Mit mehreren parallelen Projekten entstehen Informationen, Aufgaben, Leads, Entscheidungen und Kennzahlen in unterschiedlichen Werkzeugen. Alles ist irgendwo vorhanden – aber der Zusammenhang und die nächste sinnvolle Handlung werden zunehmend schwerer sichtbar.

Idee
Statt immer weitere Einzellösungen hinzuzufügen, sollte eine zentrale Arbeitsoberfläche entstehen, die relevante Zustände zusammenführt und den Weg von Idee über Projekt bis zu Lead, Angebot und Ergebnis nachvollziehbar macht.

Gebaut
Daraus entsteht der conschmitt Hub als eigene Arbeitsoberfläche für Projekte, Aufgaben, Entscheidungen, Leads und Kennzahlen. Neue Funktionen werden nicht vorsorglich ergänzt, sondern dann, wenn ein konkreter Arbeitsablauf einen nachvollziehbaren Bedarf dafür erzeugt.

Gelernt
Mehr Software bedeutet nicht automatisch mehr Übersicht. Oft entsteht der größte Fortschritt zuerst durch gemeinsame Strukturen, klare Zustände und weniger verteilte Information. Automatisierung wird erst danach interessant – dort, wo sie tatsächlich wiederkehrende Arbeit entfernt.

Problem
Künstliche Intelligenz wird gleichzeitig als Revolution, Bedrohung und Allzwecklösung beschrieben. Zwischen Erfolgsmeldungen, neuen Begriffen und immer neuen Werkzeugen wird es dadurch schwer, tatsächliche Möglichkeiten, Grenzen und Lernprozesse auseinanderzuhalten.

Idee
Statt nur fertige Ergebnisse zu präsentieren, sollte nachvollziehbar werden, wie KI praktisch eingesetzt, getestet und hinterfragt wird – einschließlich Entscheidungen, Quellen, Fehlern und Sackgassen.

Gebaut
Daraus entstand schmittAInander als offenes KI-Magazin und Labor. Beobachtungen, Experimente und Projekte werden nicht nur gezeigt, sondern in einen Kontext gestellt, der nachvollziehbar macht, wie ein Ergebnis entstanden ist und welche Fragen dabei offen geblieben sind.

Gelernt
Verständlichkeit entsteht nicht dadurch, jede Unsicherheit zu verstecken. Gerade bei neuen Technologien kann Transparenz glaubwürdiger sein als Perfektion. Gute Kommunikation darf deshalb zeigen, was funktioniert – und ebenso, was noch nicht funktioniert oder erst verstanden werden muss.