'use client' import type { TrOCRStatus } from './types' interface OverviewTabProps { status: TrOCRStatus | null loading: boolean fetchStatus: () => void } export default function OverviewTab({ status, loading, fetchStatus }: OverviewTabProps) { return (
{/* Status Card */}

Systemstatus

{loading ? (
Lade Status...
) : status?.status === 'available' ? (
{status.model_name || 'trocr-base'}
Modell
{status.device || 'CPU'}
Gerät
{status.training_examples_count || 0}
Trainingsbeispiele
{status.has_lora_adapter ? 'Aktiv' : 'Keiner'}
LoRA Adapter
) : status?.status === 'not_installed' ? (

TrOCR ist nicht installiert. Führe aus:

{status.install_command}
) : (
{status?.error || 'Unbekannter Fehler'}
)}
{/* Quick Overview Cards */}
🎯

Handschrifterkennung

TrOCR erkennt automatisch handgeschriebenen Text in Klausuren. Das Modell wurde speziell für deutsche Handschriften optimiert.

🔒

Privacy by Design

Alle Daten werden lokal verarbeitet. Schülernamen werden durch QR-Codes pseudonymisiert - DSGVO-konform.

📈

Kontinuierliches Lernen

Mit LoRA Fine-Tuning passt sich das Modell an individuelle Handschriften an - ohne das Basismodell zu verändern.

{/* Workflow Overview */}

Magic Onboarding Workflow

{[ { icon: '📄', title: '1. Upload', desc: '25 Klausuren hochladen' }, { icon: '🔍', title: '2. Analyse', desc: 'Lokale OCR in 5-10 Sek' }, { icon: '✅', title: '3. Bestätigung', desc: 'Klasse, Schüler, Fach' }, { icon: '🤖', title: '4. KI-Korrektur', desc: 'Cloud mit Pseudonymisierung' }, { icon: '📊', title: '5. Integration', desc: 'Notenbuch, Zeugnisse' }, ].map((step, i, arr) => (
{step.icon}
{step.title}
{step.desc}
{i < arr.length - 1 &&
}
))}
) }