·KI
Ich habe 40 KI-Podcasts in 7 Sprachen evaluiert. Sechs Pipeline-Fixes später – das hat sich verbessert.
Ich habe ein Evaluierungs-Framework gebaut, um meine KI-Podcast-Pipeline anhand von 40 echten Episoden in 7 Sprachen zu bewerten. Der Review-Schritt machte die Skripte schlechter (3,34 → 2,91). Quellen-URLs sahen alle gefälscht aus (Score: 1,28). Chinesisch war die schwächste Sprache (2,88). Sechs Fixes, ein Tag und ein neues Modell später – hier sind die Vorher-Nachher-Zahlen und jede Änderung, die ich vorgenommen habe.