StudyAI adressiert das Problem halluzinierender oder ungenauer KI-Lernhilfen bei universitärem Lehrmaterial. Das Tool setzt auf einen Local-First-Ansatz: Sämtliche Vorlesungsfolien (PPTX) und Lernstände verbleiben im Browser des Nutzers. Zur Extraktion gehören nicht nur Fließtexte, sondern auch SmartArt, Tabellen, Vortragsnotizen und mathematische Gleichungen via LaTeX/KaTeX.
Didaktische Funktionen und Verifikation
Die Plattform bietet FSRS-gestützte Spaced-Repetition-Karteikarten sowie Übungsprüfungen. Bei Prüfungsfragen analysiert das System den Vorlesungsstil (z. B. mathematische Beweise, Pseudocode oder Angriffsszenarien) und passt Fragetypen entsprechend an. Generierte KI-Antworten werden clientseitig validiert: Zitate werden direkt auf den echten Folien überprüft, und Inhalte außerhalb des Skripts werden explizit als solche deklariert.
Technische Umsetzung und Reifegrad
Das Projekt ist in TypeScript implementiert und unter der MIT-Lizenz veröffentlicht. Neben der Browser-App existieren ein CLI-Tool und Skills für Claude Code (lecture-pack). Die optionale Anbindung an Google Gemini lässt sich über Cloudflare-Worker betreiben. Mit über 200 Sternen auf GitHub, aktiven CI- und CodeQL-Pipelines sowie detaillierter Dokumentation wirkt das Repository bereits strukturiert und nutzbar, wenngleich es sich typischerweise an technikaffine Studierende und Entwickler richtet, die eigene API-Keys und Deployment-Schritte verwalten können.
Einschränkungen bestehen vor allem bei nicht extrahierbaren Bildinhalten, die manuell nachgepflegt werden müssen, sowie der Beschränkung des automatischen Imports auf PowerPoint-Dateien.