---
title: "Projekte"
date: 2026-06-01
draft: false
description: "Private Open-Source-Projekte: kaicrit (CriticMarkup für VS Code) und Kailibrate (Kalibrierungstraining für Wahrscheinlichkeitsschätzungen)."
---

Neben dem Schreiben entstehen kleine Werkzeuge, die ein konkretes Problem aus
meinem Arbeitsalltag lösen. Beide Projekte sind privat entwickelt und quelloffen
und mit Unterstützung von Anthropic-Modellen (Claude) entstanden.

---

## kaicrit – CriticMarkup für VS Code {#kaicrit}

### Problemstellung und Idee

[CriticMarkup](https://github.com/CriticMarkup/CriticMarkup-toolkit) ist ein
schlanker Klartext-Standard, um Änderungen und Kommentare in beliebigen
Textdateien festzuhalten – per einfacher Klammer-Syntax, ohne proprietäres
Format. Was im Editor bislang fehlte, war ein vollständiger Workflow dafür:
Änderungen erfassen, zwischen ihnen navigieren und sie annehmen oder verwerfen,
ohne den Editor zu verlassen. Genau diese Lücke schließt kaicrit für
Visual Studio Code – „Änderungen nachverfolgen" wie in der Textverarbeitung,
nur dateibasiert und versionierbar.

### Implementierung

kaicrit ist eine in **TypeScript** geschriebene VS-Code-Erweiterung. Sie
parst CriticMarkup, hebt Änderungen farblich hervor und spiegelt sie auf dem
Overview-Ruler. Kernfunktionen:

- **Edit** – Änderungsmarker einfügen, zwischen ihnen navigieren und Änderungen
  per Inline-Aktion *Accept · Reject* (Hover oder als CodeLens-Zeile) annehmen
  oder verwerfen. Eine eigene *Changes*-Sidebar listet alle Änderungen, die
  Statusleiste fasst sie nach Typ zusammen.
- **Track Changes** – Bearbeitungen werden live als CriticMarkup aufgezeichnet.
- **Compare** – zwei Dateien werden in ein einzelnes CriticMarkup-Dokument
  zusammengeführt.
- **Preview** – Rendering von CriticMarkup in der eingebauten Markdown-Vorschau.

Die Editor-Funktionen laufen für die konfigurierten Dateitypen und lassen sich
pro Datei über die Statusleiste umschalten. Installation über die
`kaicrit-*.vsix` von der Releases-Seite.

### Links

- Projektseite: <https://github.com/kaijen/kaicrit>
- Dokumentation: <https://kaijen.github.io/kaicrit>

---

## Kailibrate – Kalibrierungstraining für Wahrscheinlichkeitsschätzungen {#kailibrate}

### Problemstellung und Idee

„Das klappt wahrscheinlich" – aber wie wahrscheinlich ist *wahrscheinlich*?
Menschen sind bei vertrauten Themen oft zu selbstsicher und bei unbekannten zu
unsicher. Beides führt zu schlechten Entscheidungen. Kalibrierung bedeutet:
Wer 70 % sagt, sollte damit in 70 % der Fälle recht behalten – nicht öfter,
nicht seltener. Kailibrate macht diesen Lernprozess greifbar: Man formuliert
Vorhersagen, schätzt ihre Wahrscheinlichkeit, trägt die Ergebnisse ein – und die
App zeigt mit Kennzahlen und Kurven, wie gut die Schätzungen wirklich sind.

### Implementierung

Kailibrate ist eine plattformübergreifende App, entwickelt mit **Flutter/Dart**.
Der Arbeitsablauf in vier Schritten:

- **Vorhersagen erfassen** – manuell oder per Datei-Import. Jede Vorhersage
  bekommt eine Kategorie (Fakten oder Prognose), einen Typ (Wahr/Falsch,
  Ja/Nein, Intervall) sowie optional Tags und eine Deadline.
- **Schätzen** – je nach Typ mit Slider, Richtungswahl samt Konfidenz oder
  Ober-/Untergrenze; sofort beim Erfassen oder später.
- **Auflösen** – steht das Ergebnis fest, wird es eingetragen; die App berechnet
  sofort den Beitrag dieser Schätzung zum Gesamtscore.
- **Statistiken auswerten** – Brier Score, Log Loss und eine
  Kalibrierungskurve zeigen, ob man systematisch zu selbstsicher oder zu
  vorsichtig ist.

Ergänzend lassen sich **Fragenkataloge** als JSON oder YAML importieren –
mit optional versteckten Antworten, die erst nach der eigenen Schätzung sichtbar
werden – und ein **KI-Generator** erzeugt aus Thema und Anzahl per Sprachmodell
(über OpenRouter) einen fertigen Fragenkatalog.

### Links

- Projektseite: <https://github.com/kaijen/kailibrate>
- Dokumentation: <https://kaijen.github.io/kailibrate>