breakpilot-pwa/docs/ai-content-generator.md

AI Content Generator - Dokumentation

Stand: 2025-12-30 Version: 1.0.0 Status: Produktionsbereit

---

Übersicht

Der AI Content Generator ist ein KI-gestützter Service, der automatisch H5P-Lerninhalte aus hochgeladenen Materialien generiert. Lehrer können Lernmaterialien (PDFs, Bilder, Word-Dokumente) zu einem Thema hochladen, und das System erstellt automatisch alle 8 H5P Content-Typen.

Hauptfunktionen

1. Material-Analyse: Automatische Extraktion von Text aus PDFs, Word-Dokumenten und Bildern (OCR)
2. KI-Generierung: Claude AI erstellt altersgerechte Lerninhalte basierend auf den Materialien
3. YouTube-Integration: Findet passende Videos und generiert interaktive Elemente mit Zeitstempeln
4. 8 H5P Content-Typen: Automatische Erstellung aller interaktiven Lernformate

---

Architektur

Service-Stack

┌─────────────────────────────────────────────────────────┐
│                    BreakPilot Studio                     │
│                  (Frontend/Teacher UI)                   │
└─────────────────────┬───────────────────────────────────┘
                      │
                      │ Upload Materials (PDF, DOCX, Images)
                      ↓
┌─────────────────────────────────────────────────────────┐
│           AI Content Generator Service (Port 8004)       │
│                      FastAPI                             │
├─────────────────────────────────────────────────────────┤
│  ┌─────────────────┐  ┌──────────────┐  ┌────────────┐ │
│  │ Material        │  │ Content      │  │ Job Store  │ │
│  │ Analyzer        │  │ Generator    │  │ (In-Memory)│ │
│  │                 │  │              │  │            │ │
│  │ • PDF Extract   │  │ • Quiz       │  │ • Tracking │ │
│  │ • OCR (Images)  │  │ • Flashcards │  │ • Status   │ │
│  │ • DOCX Parser   │  │ • Timeline   │  │ • Results  │ │
│  └─────────────────┘  └──────────────┘  └────────────┘ │
│                                                          │
│  ┌─────────────────┐  ┌──────────────┐                 │
│  │ Claude Service  │  │ YouTube      │                 │
│  │                 │  │ Service      │                 │
│  │ • API Client    │  │              │                 │
│  │ • Prompts       │  │ • Transcript │                 │
│  │ • JSON Parse    │  │ • Search     │                 │
│  └─────────────────┘  └──────────────┘                 │
└───────────┬──────────────────────┬──────────────────────┘
            │                      │
            │                      │ Fetch Transcripts
            ↓                      ↓
    ┌──────────────┐      ┌──────────────────┐
    │ Anthropic    │      │ YouTube          │
    │ Claude API   │      │ Transcript API   │
    │ (External)   │      │ (Public)         │
    └──────────────┘      └──────────────────┘
            │
            ↓ Generated Content
    ┌──────────────────────────┐
    │ H5P Service (Port 8003)  │
    │ Interactive Content      │
    │ Editors & Players        │
    └──────────────────────────┘

Komponenten

Komponente	Technologie	Port	Beschreibung
API Server	FastAPI	8004	REST API für Content-Generierung
Material Analyzer	PyPDF2, Tesseract, python-docx	-	Analyse von Lernmaterialien
Claude Service	Anthropic SDK	-	KI-Content-Generierung
YouTube Service	youtube-transcript-api	-	Video-Transkript-Analyse
Content Generator	Python	-	Orchestriert alle 8 Content-Typen
Job Store	In-Memory (Python)	-	Tracking von Generation-Jobs

---

Installation & Setup

Voraussetzungen

1. Docker & Docker Compose installiert
2. Anthropic API Key (für Claude AI)
   • Registrierung: https://console.anthropic.com/
   • Kostenpflichtig (Pay-per-use)

Umgebungsvariablen

Erstelle .env Datei in /ai-content-generator/:

# Kopiere Example
cp ai-content-generator/.env.example ai-content-generator/.env

# Editiere .env
nano ai-content-generator/.env

Wichtige Variablen:

# ERFORDERLICH
ANTHROPIC_API_KEY=sk-ant-api03-...

# Optional
YOUTUBE_API_KEY=        # Für erweiterte Video-Suche
SERVICE_HOST=0.0.0.0
SERVICE_PORT=8004
MAX_UPLOAD_SIZE=10485760  # 10MB
MAX_CONCURRENT_JOBS=5
JOB_TIMEOUT=300  # 5 Minuten

Docker Start

# Content Services starten (inkl. AI Generator)
docker-compose -f docker-compose.content.yml up -d

# Nur AI Generator neu bauen
docker-compose -f docker-compose.content.yml up -d --build ai-content-generator

# Logs anzeigen
docker-compose -f docker-compose.content.yml logs -f ai-content-generator

Lokale Entwicklung

cd ai-content-generator

# Virtual Environment
python3 -m venv venv
source venv/bin/activate

# Dependencies
pip install -r requirements.txt

# Tesseract OCR installieren
# macOS:
brew install tesseract tesseract-lang

# Ubuntu/Debian:
sudo apt-get install tesseract-ocr tesseract-ocr-deu

# Server starten
uvicorn app.main:app --reload --port 8004

API-Dokumentation: http://localhost:8004/docs

---

API Endpoints

1. Health Check

GET /health

Response:

{
  "status": "healthy",
  "claude_configured": true,
  "youtube_configured": true
}

---

2. Content-Generierung starten

POST /api/generate-content
Content-Type: multipart/form-data

Form Data:

• topic (string, required): Thema (z.B. "Das Auge")
• description (string, optional): Beschreibung
• target_grade (string, required): Klassenstufe (z.B. "5-6", "7-8", "9-10")
• materials (File[], required): Lernmaterialien (PDF, DOCX, PNG, JPG)

Beispiel (cURL):

curl -X POST http://localhost:8004/api/generate-content \
  -F "topic=Das Auge" \
  -F "description=Biologie für Klasse 7" \
  -F "target_grade=7-8" \
  -F "materials=@auge_skizze.pdf" \
  -F "materials=@auge_aufbau.docx" \
  -F "materials=@diagramm.png"

Response:

{
  "job_id": "550e8400-e29b-41d4-a716-446655440000",
  "status": "pending",
  "message": "Content generation started"
}

---

3. Generation-Status prüfen

GET /api/generation-status/{job_id}

Response (Processing):

{
  "job_id": "550e8400-e29b-41d4-a716-446655440000",
  "status": "processing",
  "progress": 50,
  "current_step": "Generating Quiz questions...",
  "started_at": "2025-12-30T10:00:00Z"
}

Response (Completed):

{
  "job_id": "550e8400-e29b-41d4-a716-446655440000",
  "status": "completed",
  "progress": 100,
  "current_step": "All content generated",
  "started_at": "2025-12-30T10:00:00Z",
  "completed_at": "2025-12-30T10:05:00Z"
}

Response (Failed):

{
  "job_id": "550e8400-e29b-41d4-a716-446655440000",
  "status": "failed",
  "error_message": "API Key invalid",
  "started_at": "2025-12-30T10:00:00Z",
  "completed_at": "2025-12-30T10:00:15Z"
}

---

4. Generierte Inhalte abrufen

GET /api/generated-content/{job_id}

Response:

{
  "topic": "Das Auge",
  "description": "Biologie für Klasse 7",
  "target_grade": "7-8",
  "generated_at": "2025-12-30T10:05:00Z",
  "content_types": {
    "quiz": {
      "type": "quiz",
      "title": "Quiz: Das Auge",
      "description": "Teste dein Wissen über das Auge",
      "questions": [...]
    },
    "interactive_video": {...},
    "flashcards": {...},
    "timeline": {...},
    "drag_drop": {...},
    "fill_blanks": {...},
    "memory": {...},
    "course_presentation": {...}
  }
}

---

5. YouTube Video-Suche

POST /api/youtube-search
Content-Type: application/json

Request:

{
  "query": "Das Auge Biologie Schule",
  "max_results": 5
}

Response:

{
  "videos": [
    {
      "video_id": "EXAMPLE_ID",
      "title": "Video zum Thema: Das Auge",
      "channel": "Educational Channel",
      "url": "https://www.youtube.com/watch?v=...",
      "has_transcript": false,
      "note": "Use real YouTube Data API in production"
    }
  ]
}

---

Content-Typen

1. Quiz (Question Set)

Generierung: Claude AI erstellt 10 Multiple-Choice-Fragen basierend auf den Materialien.

Struktur:

{
  "type": "quiz",
  "title": "Quiz: Das Auge",
  "description": "Teste dein Wissen über das Auge",
  "questions": [
    {
      "question": "Was ist die Funktion der Pupille?",
      "options": [
        "Lichteinfall regulieren",
        "Farben erkennen",
        "Scharfstellen",
        "Bewegungen erkennen"
      ],
      "correct_answer": 0,
      "explanation": "Die Pupille reguliert den Lichteinfall ins Auge..."
    }
  ]
}

---

2. Interactive Video

Generierung: YouTube-Video wird mit Transkript analysiert, Claude AI generiert 5 zeitbasierte Interaktionen.

Struktur:

{
  "type": "interactive-video",
  "title": "Das Auge - Aufbau und Funktion",
  "videoUrl": "https://youtube.com/watch?v=xyz",
  "description": "Interaktives Video über das Auge",
  "interactions": [
    {
      "time": "01:30",
      "seconds": 90,
      "type": "question",
      "title": "Verständnisfrage",
      "content": "Was wurde über die Netzhaut erklärt?"
    },
    {
      "time": "03:15",
      "seconds": 195,
      "type": "info",
      "title": "Wichtiger Hinweis",
      "content": "Achte auf den Unterschied zwischen Stäbchen und Zapfen."
    }
  ]
}

Interaktionstypen:

• question: Verständnisfrage (pausiert Video)
• info: Information/Hinweis
• link: Externer Link zu Zusatzmaterial

---

3. Course Presentation

Generierung: 6 Folien mit Titel, Inhalt und Hintergrundfarbe.

Struktur:

{
  "type": "course-presentation",
  "title": "Präsentation: Das Auge",
  "description": "Lerne alles über das Auge",
  "slides": [
    {
      "id": 1,
      "title": "Das Auge - Einführung",
      "content": "Das Auge ist unser wichtigstes Sinnesorgan...",
      "backgroundColor": "#ffffff"
    },
    {
      "id": 2,
      "title": "Aufbau des Auges",
      "content": "Das Auge besteht aus mehreren Teilen: Hornhaut, Linse...",
      "backgroundColor": "#f0f8ff"
    }
  ]
}

---

4. Flashcards

Generierung: 15 Lernkarten mit Begriff/Frage und Definition/Antwort.

Struktur:

{
  "type": "flashcards",
  "title": "Lernkarten: Das Auge",
  "description": "Wiederhole wichtige Begriffe",
  "cards": [
    {
      "id": 1,
      "front": "Pupille",
      "back": "Öffnung in der Iris, die den Lichteinfall reguliert"
    },
    {
      "id": 2,
      "front": "Was sind Stäbchen?",
      "back": "Rezeptoren in der Netzhaut für Hell-Dunkel-Sehen"
    }
  ]
}

---

5. Timeline

Generierung: 5-8 chronologische Ereignisse (z.B. Geschichte, Entwicklung).

Struktur:

{
  "type": "timeline",
  "title": "Zeitleiste: Augenforschung",
  "description": "Chronologie der Augenforschung",
  "events": [
    {
      "id": 1,
      "year": "1604",
      "title": "Johannes Kepler",
      "description": "Erste korrekte Erklärung der Bildentstehung im Auge"
    },
    {
      "id": 2,
      "year": "1851",
      "title": "Erfindung des Augenspiegels",
      "description": "Hermann von Helmholtz entwickelt den Augenspiegel"
    }
  ]
}

---

6. Drag and Drop

Generierung: 3-4 Kategorien (Zonen) mit 8-12 zuordenbaren Elementen.

Struktur:

{
  "type": "drag-drop",
  "title": "Zuordnung: Teile des Auges",
  "question": "Ordne die Begriffe den richtigen Kategorien zu",
  "zones": [
    {"id": 1, "name": "Lichtbrechung"},
    {"id": 2, "name": "Lichtrezeption"},
    {"id": 3, "name": "Bildverarbeitung"}
  ],
  "draggables": [
    {"id": 1, "text": "Hornhaut", "correctZoneId": 1},
    {"id": 2, "text": "Linse", "correctZoneId": 1},
    {"id": 3, "text": "Netzhaut", "correctZoneId": 2},
    {"id": 4, "text": "Sehnerv", "correctZoneId": 3}
  ]
}

---

7. Fill in the Blanks

Generierung: Text mit 10-15 Lücken (markiert mit *Wort*).

Struktur:

{
  "type": "fill-blanks",
  "title": "Lückentext: Das Auge",
  "text": "Das Licht tritt durch die *Hornhaut* ins Auge ein. Die *Pupille* reguliert den Lichteinfall. Die *Linse* bricht das Licht und projiziert es auf die *Netzhaut*.",
  "hints": "Achte auf die richtige Reihenfolge des Lichteinfalls."
}

Hinweis: Lücken werden mit * markiert. Der H5P Player extrahiert die Wörter automatisch.

---

8. Memory Game

Generierung: 8 Paare von zusammengehörigen Begriffen/Konzepten.

Struktur:

{
  "type": "memory",
  "title": "Memory: Das Auge",
  "description": "Finde die passenden Paare",
  "pairs": [
    {
      "id": 1,
      "card1": "Pupille",
      "card2": "Lichteinfall regulieren"
    },
    {
      "id": 2,
      "card1": "Linse",
      "card2": "Licht bündeln"
    },
    {
      "id": 3,
      "card1": "Netzhaut",
      "card2": "Lichtsignale empfangen"
    }
  ]
}

---

Material-Analyse

Unterstützte Dateitypen

Dateityp	Library	Funktion
PDF	PyPDF2	Textextraktion aus mehrseitigen PDFs
PNG/JPG	Pillow + Tesseract OCR	Optische Zeichenerkennung (deutsch)
DOCX	python-docx / mammoth	Word-Dokument Parsing
TXT	Python stdlib	Plain-Text Dateien

Beispiel: PDF-Analyse

# Automatisch ausgeführt bei Upload
pdf_result = {
    "filename": "auge_skizze.pdf",
    "type": "pdf",
    "num_pages": 3,
    "content": "--- Seite 1 ---\nDas Auge ist...\n--- Seite 2 ---\n...",
    "success": True
}

Beispiel: Image-Analyse (OCR)

# Tesseract OCR wird automatisch ausgeführt
image_result = {
    "filename": "diagramm.png",
    "type": "image",
    "width": 1920,
    "height": 1080,
    "mode": "RGB",
    "content": "Hornhaut\nLinse\nNetzhaut\nSehnerv",  # OCR-Text
    "success": True
}

Voraussetzung: Tesseract OCR muss installiert sein.

---

Workflow

Typischer Ablauf

sequenceDiagram
    participant Teacher as Lehrer (Browser)
    participant API as AI Generator API
    participant Analyzer as Material Analyzer
    participant Claude as Claude AI
    participant YouTube as YouTube API
    participant H5P as H5P Service

    Teacher->>API: POST /api/generate-content (PDF, DOCX, Images)
    API->>API: Create Job ID
    API-->>Teacher: job_id + status: pending

    API->>Analyzer: Analyze materials
    Analyzer->>Analyzer: Extract text from PDF
    Analyzer->>Analyzer: OCR on images
    Analyzer->>Analyzer: Parse DOCX
    Analyzer-->>API: Analyzed content

    API->>Claude: Generate Quiz (materials + topic)
    Claude-->>API: 10 questions

    API->>Claude: Generate Flashcards
    Claude-->>API: 15 cards

    API->>YouTube: Search videos (topic)
    YouTube-->>API: Video URLs

    API->>YouTube: Get transcript (video_id)
    YouTube-->>API: Transcript with timestamps

    API->>Claude: Generate interactions (transcript + topic)
    Claude-->>API: 5 interactions with times

    API->>Claude: Generate remaining types
    Claude-->>API: Timeline, Drag&Drop, Fill-Blanks, Memory, Presentation

    API->>API: Update job status: completed

    Teacher->>API: GET /api/generation-status/{job_id}
    API-->>Teacher: status: completed

    Teacher->>API: GET /api/generated-content/{job_id}
    API-->>Teacher: All 8 content types

    Teacher->>H5P: Use generated content in editors
    H5P-->>Teacher: Interactive content ready

Schritte im Detail

1. Upload & Job Creation (5s)

   • Lehrer lädt Materialien hoch
   • System erstellt Job-ID
   • Status: pending

2. Material-Analyse (10-30s)

   • PDF: Textextraktion pro Seite
   • Images: Tesseract OCR
   • DOCX: Dokument-Parsing
   • Status: processing (10% progress)

3. Quiz-Generierung (15-30s)

   • Claude API Call mit Materials + Thema
   • 10 Multiple-Choice-Fragen
   • Status: processing (25% progress)

4. Flashcards-Generierung (10-20s)

   • 15 Lernkarten
   • Status: processing (40% progress)

5. YouTube-Integration (20-40s)

   • Video-Suche
   • Transkript-Abruf
   • Claude generiert Interaktionen
   • Status: processing (60% progress)

6. Restliche Content-Typen (30-60s)

   • Timeline (5-8 Events)
   • Drag & Drop (3-4 Kategorien)
   • Fill in the Blanks (10-15 Lücken)
   • Memory (8 Paare)
   • Course Presentation (6 Folien)
   • Status: processing (80-100% progress)

7. Fertigstellung (<5s)

   • Status: completed
   • Content bereit zum Abruf

Gesamtdauer: Ca. 2-5 Minuten (abhängig von Claude API Latenz)

---

Claude AI Prompts

Beispiel: Quiz-Generierung

prompt = f"""Erstelle {num_questions} Multiple-Choice-Fragen zum Thema "{topic}" für Klassenstufe {target_grade}.

Materialien:
{material_text}

Erstelle Fragen die:
1. Das Verständnis testen
2. Auf den Materialien basieren
3. Altersgerecht sind
4. 4 Antwortmöglichkeiten haben (1 richtig, 3 falsch)

Formatiere die Ausgabe als JSON-Array:
[
  {{
    "question": "Frage text?",
    "options": ["Option A", "Option B", "Option C", "Option D"],
    "correct_answer": 0,
    "explanation": "Erklärung warum die Antwort richtig ist"
  }}
]

Nur das JSON-Array zurückgeben, keine zusätzlichen Texte."""

system_prompt = "Du bist ein pädagogischer Experte der Quizfragen erstellt."

Beispiel: Interactive Video Interactions

prompt = f"""Analysiere dieses Video-Transkript zum Thema "{topic}" und identifiziere {num_interactions} wichtige Momente für interaktive Elemente.

Transkript:
{transcript_text[:8000]}

Für jeden Moment, erstelle:
1. Einen Zeitstempel (in Sekunden)
2. Einen Interaktionstyp (question, info, oder link)
3. Einen Titel
4. Den Inhalt (Frage, Information, oder URL)

Formatiere als JSON-Array:
[
  {{
    "seconds": 45,
    "type": "question",
    "title": "Verständnisfrage",
    "content": "Was ist die Hauptfunktion...?"
  }},
  {{
    "seconds": 120,
    "type": "info",
    "title": "Wichtiger Hinweis",
    "content": "Beachte dass..."
  }}
]

Wähle Momente die:
- Wichtige Konzepte einführen
- Verständnis testen
- Zusatzinformationen bieten

Nur JSON zurückgeben."""

system_prompt = "Du bist ein Experte für interaktive Video-Didaktik."

---

Kosten & Limits

Anthropic Claude API

Modell	Input	Output	Verwendung
Claude Sonnet 4.5	$3/MTok	$15/MTok	Alle Content-Typen

Geschätzte Kosten pro Generation:

• Materials: ~500 Tokens Input
• 8 Content-Typen: ~8 API Calls
• Total Input: ~4,000 Tokens ($0.012)
• Total Output: ~8,000 Tokens ($0.120)
• Pro Generation: ~$0.13

Bei 100 Generierungen/Monat: ~$13/Monat

YouTube API (Optional)

API	Kosten	Quota
YouTube Data API v3	Kostenlos	10,000 Einheiten/Tag
YouTube Transcript API	Kostenlos	Unbegrenzt (Public API)

Hinweis: Transcript API funktioniert ohne API Key. Data API nur für erweiterte Video-Suche.

---

Troubleshooting

Problem: "Claude API not configured"

Lösung:

# Prüfe ob API Key gesetzt ist
docker-compose -f docker-compose.content.yml exec ai-content-generator env | grep ANTHROPIC

# Setze API Key in .env
echo "ANTHROPIC_API_KEY=sk-ant-api03-..." >> ai-content-generator/.env

# Service neu starten
docker-compose -f docker-compose.content.yml restart ai-content-generator

---

Problem: OCR funktioniert nicht (Images)

Lösung:

Docker (automatisch installiert):

# Dockerfile enthält bereits:
RUN apt-get install -y tesseract-ocr tesseract-ocr-deu

Lokal:

# macOS
brew install tesseract tesseract-lang

# Ubuntu/Debian
sudo apt-get install tesseract-ocr tesseract-ocr-deu

# Testen
tesseract --version

---

Problem: Job bleibt bei "processing" hängen

Lösung:

# Prüfe Logs
docker-compose -f docker-compose.content.yml logs -f ai-content-generator

# Häufige Ursachen:
# 1. Claude API Rate Limit → Warte 1 Minute
# 2. Timeout (5 Min) → Materialien zu groß? Reduziere Upload-Größe
# 3. Network Error → Prüfe Internetverbindung

# Job Store zurücksetzen (nur Development)
docker-compose -f docker-compose.content.yml restart ai-content-generator

---

Problem: YouTube Video hat kein Transkript

Lösung:

Das System generiert dann generische Interaktionen:

{
  "type": "interactive-video",
  "videoUrl": "https://youtube.com/watch?v=xyz",
  "interactions": [
    {
      "time": "01:00",
      "type": "question",
      "content": "Was ist das Hauptthema dieses Videos über {topic}?"
    }
  ],
  "note": "Generische Interaktionen - Video hat kein Transkript"
}

Alternative: Lehrer kann manuell Video-URL mit Transkript eingeben.

---

Sicherheit & Datenschutz

Datenspeicherung

• Uploads: Temporär in /app/uploads/ (Docker Volume)
• Jobs: In-Memory (verloren bei Neustart)
• TODO: Redis Backend für Persistenz

Datenfluss

Teacher Upload → AI Generator (temp storage) → Claude API (external) → Results → Deleted

Wichtig:

• Hochgeladene Materialien werden NICHT dauerhaft gespeichert
• Claude API (Anthropic) verarbeitet Materialien gemäß ihrer Commercial Terms
• Keine Speicherung in Cloud nach Generation (außer Lehrer speichert in H5P Service)

DSGVO-Compliance

• ✅ Keine dauerhafte Speicherung von Schülerdaten
• ✅ Materialien werden nach Generation gelöscht
• ✅ Claude API: EU-Data Processing Agreement verfügbar
• ⚠️ YouTube Transcript API: Public API (keine Authentifizierung)

Empfehlung: Keine personenbezogenen Daten in Materialien hochladen.

---

Deployment

Production Checklist

• Anthropic API Key gesetzt (ANTHROPIC_API_KEY)
• Optional: YouTube API Key für erweiterte Suche
• Tesseract OCR installiert (im Dockerfile: ✅)
• H5P Service läuft (Port 8003)
• Content Service läuft (Port 8002)
• Docker Volumes erstellt
• Health Check: curl http://localhost:8004/health
• Logs monitoring: docker-compose logs -f ai-content-generator

Monitoring

# Health Check
curl http://localhost:8004/health

# API Docs
open http://localhost:8004/docs

# Logs
docker-compose -f docker-compose.content.yml logs -f ai-content-generator

# Container Status
docker-compose -f docker-compose.content.yml ps

---

Roadmap / TODO

Phase 1 (Aktuell) ✅

• Material-Analyse (PDF, DOCX, Images)
• Claude AI Integration
• Alle 8 H5P Content-Typen
• YouTube Transcript Integration
• Docker Integration
• API Endpoints

Phase 2 (Geplant)

• Redis Backend für Job Store (Persistenz)
• Celery für Background Tasks (async)
• Webhook Notifications (Lehrer wird benachrichtigt)
• Batch Processing (mehrere Themen gleichzeitig)
• Content Quality Validation (automatische Prüfung)

Phase 3 (Future)

• Multi-Language Support (nicht nur Deutsch)
• Custom Prompts (Lehrer kann Prompts anpassen)
• A/B Testing für Prompts
• Analytics (welche Content-Typen werden am meisten genutzt)
• Rate Limiting & Quota Management
• API Authentication (JWT)

---

Support & Kontakt

Dokumentation

• Haupt-Docs: /docs/ai-content-generator.md
• Service README: /ai-content-generator/README.md
• API Spec: http://localhost:8004/docs (Swagger UI)

Issues

• GitHub Issues: https://github.com/breakpilot/breakpilot-pwa/issues

Team

• E-Mail: dev@breakpilot.app
• Slack: #ai-content-generator

---

Änderungsprotokoll

Datum	Version	Änderung
2025-12-30	1.0.0	Initiale Implementierung
2025-12-30	1.0.0	Alle 8 H5P Content-Typen implementiert
2025-12-30	1.0.0	Docker Integration abgeschlossen
2025-12-30	1.0.0	Dokumentation erstellt

---

Status: Produktionsbereit Nächste Schritte: Redis Backend + Celery Background Tasks