f5d5d6c59c
Add three new Projekt documentation pages covering product vision (offline-first desktop app for teachers), 6-phase development roadmap, and 3-tier hardware strategy with distribution plan. Co-Authored-By: Claude Opus 4.6 <noreply@anthropic.com>
9.4 KiB
Hardware-Anforderungen & Distribution
Stand: 2026-03-23
3-Tier Hardware-Strategie
Nicht jeder Lehrer hat dieselbe Hardware. Statt "alles oder nichts" definieren wir drei klare Tiers:
Tier 1: Basis (jedes Geraet mit 4+ GB RAM)
Gedruckt-OCR + Arbeitsblaetter + Tests — funktioniert ueberall.
| Feature | Status |
|---|---|
| Tesseract OCR (gedruckt) | ~30 MB Modell, ~200 MB RAM |
| RapidOCR / PP-OCRv5 (ONNX) | ~40 MB Modell, ~300 MB RAM |
| Vokabel-Arbeitsblaetter generieren | Regelbasiert, kein ML |
| Multiple-Choice / Lueckentexte | Regelbasiert |
| Notenspiegel-Berechnung | Statistik |
| PDF-Export | Deterministische Templates |
| Rechtschreibpruefung | ~5 MB Woerterbuch |
Speicherbedarf: ~300 MB App + Modelle
Laeuft auf:
- Jeder Windows-Laptop (4+ GB RAM, beliebige CPU)
- iPad (alle Generationen inkl. Basis-iPad)
- Android-Tablet ab 4 GB RAM (Galaxy Tab A8/A9)
- Chromebook (4 GB RAM)
- MacBook (alle)
Tier 2: Erweitert (8+ GB RAM, moderne CPU)
+ Handschrift-OCR — typischer Lehrer-Laptop oder iPad Air.
| Feature | Zusaetzlich zu Tier 1 |
|---|---|
| TrOCR Handschrift-OCR (int8 quantisiert) | ~560 MB Modell, ~1.5 GB RAM |
| Text-Embeddings (MiniLM) | ~90 MB Modell, ~100 MB RAM |
| OpenCV Layout-/Grafik-Analyse | ~400 MB RAM (bei A4 300 DPI) |
| Lokale Vektorsuche | Eingebettete DB |
Speicherbedarf: ~1.0-1.3 GB App + Modelle
Mindestanforderungen:
| Spec | Minimum | Empfohlen |
|---|---|---|
| RAM | 8 GB | 16 GB |
| CPU | Intel i5 10. Gen / Apple M1 / Snapdragon 8 Gen 1 | Intel i5 12. Gen+ / Apple M2+ |
| Speicher frei | 5 GB | 10 GB |
| OS | Windows 10, macOS 12+, iPadOS 17+ | Aktuell |
Laeuft auf:
- Windows-Laptop 8 GB RAM (typischer Lehrer-Dienstlaptop, z.B. Lenovo L15 i5) — ~60-150 Sek/Seite Handschrift-OCR
- MacBook Air M1+ 8 GB — ~30-60 Sek/Seite (Neural Engine Beschleunigung)
- iPad Air M2+ (8 GB) — mit CoreML Konvertierung, ~20-40 Sek/Seite
- iPad Pro M4+ (12-16 GB) — komfortabel
- Samsung Galaxy Tab S8/S9 (8 GB) — mit NNAPI/QNN, ~30-50 Sek/Seite
Laeuft NICHT auf:
- iPad Basis (4-6 GB RAM) — iOS killt den Prozess bei TrOCR
- Budget-Android-Tablets (Galaxy Tab A8/A9, 3-4 GB RAM)
- Chromebooks mit 4 GB RAM
- Windows-Laptops mit 4 GB RAM
Tier 3: Voll (16+ GB RAM / Cloud / Schul-Server)
+ KI-Gutachten + RAG + Voice — braucht LLM.
| Feature | Zusaetzlich zu Tier 2 |
|---|---|
| KI-Gutachten-Generierung | LLM (llama3.2 ~4 GB oder Cloud) |
| RAG / EH-Suche | Qdrant + Embedding-Service |
| Voice-Assistent | Whisper + LLM |
| KI-Worksheet-Modifikation | Vision-LLM |
Optionen:
| Variante | Hardware | Kosten |
|---|---|---|
| Schul-Server | Mac Mini oder vergleichbar (Specs noch zu ermitteln) | Noch zu ermitteln |
| Cloud | BreakPilot Cloud-Service (gehostet) | Monatlich |
| Lehrer-PC 16+ GB | Lokales Ollama mit kleinen LLMs | 0 (eigene Hardware) |
!!! note "Server-Anforderungen noch offen" Die genauen Hardware-Anforderungen fuer einen Schul-Server (RAM, CPU, Speicher) muessen im Projektverlauf durch Benchmarks ermittelt werden. Unsere Entwicklungsmaschine ist ein Mac Mini M4 Pro mit 64 GB RAM (~3.200 EUR) — das ist aber die Obergrenze, nicht die Empfehlung. Moeglicherweise reicht fuer den Schulbetrieb deutlich weniger.
Typische Lehrer-Hardware in Deutschland (2024-2026)
Digitalpakt-Kontext
- Digitalpakt 1.0 (2019-2024): 6,5 Mrd. EUR, 97% der Mittel abgerufen
- Digitalpakt 2.0 (2025-2030): 5 Mrd. EUR, Fokus Infrastruktur + Geraete
- Beschafft werden: Tablets, Laptops, interaktive Whiteboards, WLAN
Was Schulen kaufen
| Geraet | Typische Specs | Preis | Verbreitung |
|---|---|---|---|
| iPad (Basis) | A16 Chip, 6 GB RAM, 64-128 GB | ~350-400 EUR | Sehr hoch |
| iPad Air | M2/M3 Chip, 8 GB RAM, 128-512 GB | ~520-650 EUR | Hoch |
| Lehrer-Laptop | Intel i5 10. Gen, 8 GB RAM, 256 GB SSD | ~400-600 EUR | Standard |
| Samsung Galaxy Tab A | 3-4 GB RAM, 32-128 GB | ~230-280 EUR | Gering |
| Chromebook | 4 GB RAM | ~250-350 EUR | Minimal (in DE) |
!!! info "iPad dominiert" iPads sind an fast allen Schulen in Deutschland der Standard. Die meisten Schulen beschaffen iPad (Basis) oder iPad Air ueber MDM-Loesungen wie JAMF.
Modell-Groessen und RAM-Bedarf
| Modell | Float32 | Int8 (quantisiert) | RAM |
|---|---|---|---|
| TrOCR-large Handschrift | 2.23 GB | ~560 MB | 3-4 GB / 1-1.5 GB |
| RapidOCR / PP-OCRv5 | ~40-90 MB | — | 200-500 MB |
| Tesseract (DE+EN) | ~30-50 MB | — | 200-300 MB |
| MiniLM Embeddings | ~90 MB | ~43 MB | 50-110 MB |
| pyspellchecker | ~5 MB | — | <10 MB |
| OpenCV (A4 300 DPI) | — | — | 200-400 MB |
| Gesamt Offline-Kern | ~2.6-3.0 GB | ~1.0-1.3 GB | 5-7 GB / 3-4.5 GB |
!!! warning "TrOCR ist der Flaschenhals" TrOCR-large (2.23 GB float32) muss als int8 ONNX quantisiert werden fuer 8 GB Geraete. Ohne Quantisierung laeuft es nur auf 16+ GB Hardware. Alternativ: TrOCR-base (~1.3 GB float32, ~330 MB int8) mit moderatem Qualitaetsverlust.
ONNX Runtime: Plattform-Support
| Plattform | ONNX Runtime | Hardware-Beschleunigung |
|---|---|---|
| Windows | Ja (nativ) | CPU, DirectML, OpenVINO |
| macOS | Ja (nativ) | CPU, CoreML (Neural Engine, 3.5x schneller) |
| iOS | Ja (ORT Mobile) | CoreML EP, XNNPACK |
| Android | Ja (ORT Mobile) | NNAPI EP, QNN EP, XNNPACK |
| ChromeOS (Crostini) | Ja (Linux-Binary) | Nur CPU |
| Browser (WASM) | Ja, aber 15-17x langsamer als nativ | WebGPU (5x langsamer als nativ GPU) |
!!! note "Apple-Geraete am besten" Durch CoreML + Neural Engine sind Apple-Geraete (M1+ Mac, iPad Air/Pro) die beste Consumer-Hardware fuer unsere Modelle. ~3.5x schneller als reines CPU-Inference.
Distributions-Strategie
Desktop (Primaer: Lehrer-Laptops)
| Plattform | Methode | Anmerkung |
|---|---|---|
| Windows | .exe/.msi Installer von Website | Code-Signing-Zertifikat empfohlen (~300 EUR/Jahr) |
| macOS | .dmg von Website | Apple Notarization erforderlich (99 EUR/Jahr Developer Account) |
| Linux | AppImage oder .deb | Keine Signierung noetig |
1-2 GB Installer ist fuer Desktop voellig normal (VSCode, Slack, etc. sind aehnlich gross).
Tablets (Sekundaer: iPads, Android)
| Plattform | Methode | Anmerkung |
|---|---|---|
| iOS/iPadOS | Apple Custom Apps via Apple Business Manager + MDM | Nicht im oeffentlichen App Store, nur fuer Schulen via JAMF/Mosyle |
| Android | Managed Google Play (private Channel) | Fuer Schulen mit Google Workspace for Education |
Strategie: Kleine App (~50-100 MB Initial-Download), Modelle werden beim ersten Start nachgeladen mit Fortschrittsanzeige.
App Store Limits
| Store | Max. Download | On-Demand Assets |
|---|---|---|
| Apple App Store | 4 GB | Bis 20 GB (On-Demand Resources) |
| Google Play | 200 MB (AAB) | Bis 2 GB+ (Play Asset Delivery) |
| Microsoft Store | 10 GB | — |
!!! info "1-2 GB App-Groesse kein Problem" Games sind routinemaessig 2-5 GB. Fuer B2B-Education-Apps via MDM ist die Groesse kein Hindernis, da IT-Admins die Verteilung steuern.
Warum KEIN PWA?
Progressive Web Apps sind nicht geeignet fuer unseren Offline-KI-Anwendungsfall:
- iOS Safari begrenzt Storage auf ~1 GB pro Origin und kann Daten jederzeit loeschen
- WebAssembly ONNX Runtime ist 15-17x langsamer als native Ausfuehrung
- Kein zuverlaessiger persistenter Speicher fuer 1+ GB Modelldaten
- PWA waere akzeptabel als leichtgewichtiger Companion (Dashboard, Ergebnisse ansehen), aber nicht fuer OCR/ML-Workloads
Framework-Empfehlung
| Plattform | Framework | Vorteil |
|---|---|---|
| Desktop | Tauri (Rust + Web-Frontend) | 5-10 MB Basis (vs. 200 MB Electron), beste ML-Integration via Rust |
| Desktop (Alternative) | Electron | Schnellste Entwicklung wenn Team Web-fokussiert |
| Mobile | Flutter | Single Codebase iOS+Android, gute FFI fuer native ML-Libs |
| Mobile (Alternative) | React Native | Wenn Frontend-Team bereits React-erfahren |
!!! warning "Desktop und Mobile nicht in einer Codebase" Die UX-Anforderungen sind zu unterschiedlich. Desktop = volle OCR-Pipeline + Korrektur-Workspace. Mobile = Scannen, Ergebnisse ansehen, Lernunits bearbeiten.
Empfohlene Hardware fuer Schulen
Minimum (Tier 2 — Handschrift-OCR offline)
Lehrer-Laptop: Intel i5 (10. Gen+) oder Apple M1+, 8 GB RAM, 256 GB SSD, Windows 10/11 oder macOS 12+
Oder iPad Air M2+ mit 128 GB Speicher
Optimal (Tier 3 — alle Features offline)
Schul-Server: Hardware-Anforderungen noch zu ermitteln.
Muss LLMs lokal ausfuehren (Ollama) und als RAG-Server fuer die Schule dienen. Lehrer verbinden sich ueber WLAN und nutzen Tier-3-Features ueber den Server.
Referenz: Unsere Entwicklungsmaschine (Mac Mini M4 Pro, 64 GB RAM, ~3.200 EUR) laeuft komfortabel. Ob ein guenstigeres Modell (z.B. 32 GB RAM, ~1.500-2.000 EUR) ausreicht, wird im Projektverlauf durch Benchmarks geklaert.
Oder: BreakPilot Cloud
Schulen ohne eigenen Server koennen Tier-3-Features ueber den BreakPilot Cloud-Service nutzen. Tier 1 + 2 funktionieren immer offline auf dem Endgeraet.