carely

Im Modul Prototyping haben wir uns im Oktober 2025 als Team zu viert eine einfache Frage gestellt: Welcher Chatbot ergibt im Alltag wirklich Sinn – nicht als Spielerei, sondern als Hilfe in einem Moment, in dem man sie tatsächlich braucht? Die Antwort war ein Erste-Hilfe-Assistent für leichte Verletzungen und Erkrankungen.

Daraus ergab sich die eigentliche Herausforderung: Im Ernstfall zählt jede Sekunde, und wer unter Stress steht, hat keine Geduld für lange Eingaben oder verschachtelte Menüs. carely sollte deshalb so schnell wie möglich nutzbar sein – auch für Menschen, die zum Beispiel auf der Straße helfen wollen, aber nicht wissen, was zu tun ist.

Ideen, Nutzerwege, Logo und Oberfläche haben wir gemeinsam in Figma entwickelt und dort auch die Entscheidungen getroffen. Früh war klar, dass das Interface bewusst minimalistisch sein muss: Jedes zusätzliche Element lenkt in einer Stresssituation ab.

Technisch ist carely eine RAG-Anwendung: Statt frei aus dem allgemeinen Wissen eines Sprachmodells zu antworten, stützt sich der Chatbot auf Erste-Hilfe-Inhalte, die wir selbst ausgewählt und ihm als Wissensbasis gegeben haben. Umgesetzt haben wir das in Python mit der OpenAI API, die Chat-Oberfläche entstand mit Gradio.

Entstanden ist ein reduzierter Chatbot, der sich auf das Wesentliche konzentriert. Ein zentrales Detail: Man hinterlegt seine Daten wie Gewicht oder Vorerkrankungen einmalig zu Beginn. Im Notfall muss man sie dann nicht erst eintippen, wie es bei einem gewöhnlichen KI-Chat nötig wäre – carely kennt sie bereits und kann direkt darauf eingehen.

Den Chatbot haben wir auf Hugging Face veröffentlicht und von dort in unsere eigene Landing Page eingebettet. Die Seite stellt das Projekt unter carely.club vor, der Chatbot selbst läuft direkt unter carely.club/chat.

carely ist ein funktionierender, öffentlich erreichbarer Prototyp: Landing Page und Chatbot sind live und lassen sich direkt ausprobieren. Das Projekt zeigt, wie sich ein Sprachmodell über eine gezielt ausgewählte Wissensbasis auf ein klares Thema eingrenzen lässt.

Für mich war es die erste Arbeit mit einer RAG-Architektur – und eine Lektion darin, wie stark Gestaltung die Nützlichkeit einer KI bestimmt: Gerade in einem Notfall entscheidet nicht nur die Qualität der Antwort, sondern wie schnell man überhaupt zu ihr gelangt.