← Projekte EIGENES PROJEKT · KI-SKILL · CONTENT-GENERIERUNG

Exam Creation AI Skill

Der Exam Creation AI Skill (exam-bank-builder) ist ein hochentwickelter KI-Workflow zur automatisierten Erstellung vollständiger, fachlich fundierter Fragenpools für Zertifizierungsprüfungen. Ausgehend von offiziellen Produkthandbüchern, Whitepapern, PDFs oder Word-Dokumenten analysiert der Skill den Prüfungskatalog (Blueprint) und generiert über 200 streng quellengestützte Fragen – fertig formatiert und schema-validiert für den 1-Klick-Import in die Exam Engine.

Dokumenten-Extraktion & Blueprint-Dekonstruktion

Die Pipeline beginnt mit der strukturierten Textgewinnung: Ein dediziertes Extraktionsskript (extract_docs.py) liest vielschichtige Quellen wie mehrbändige PDFs (via pypdf), Word-Dokumente (.docx inklusive Tabellen über python-docx) sowie Markdown- und Textdateien aus. Das System prüft die Zeichenanzahl, identifiziert inhaltsarme Scans und verhindert Halluzinationen durch Verifikation echter Informationsdichte. Parallel wird der offizielle Blueprint der Zertifizierung in 6 bis 10 thematische Domänen (Topic Slugs wie backup-recovery, security oder performance) zerlegt und die Zielanzahl der Fragen gewichtet.

Parallele Multi-Agenten-Generierung & 100% Quellentreue

Für die Erstellung der Fragen steuert der Skill parallele KI-Subagenten, die jeweils eine spezifische Domäne und die zugehörigen Quellendokumente bearbeiten. Dabei gilt eine kompromisslose Grounding-Regel: Jede einzelne Frage, jede Antwortoption und jede ausführliche Erklärung muss direkt im Quelltext belegt sein und zitiert das Handbuch namentlich. Triviale Fangfragen wie „Alle/Keine der genannten“ sind verboten; stattdessen werden technisch plausible, differenzierte Distraktoren formuliert. Die Fragentypen (Single-Choice, Multiple-Choice, True/False) und Schwierigkeitsgrade (Easy, Medium, Hard) werden nach exakt austarierter statistischer Verteilung erzeugt.

Phase / Komponente	Methodik & Technische Umsetzung
Dokumenten-Extraktion (extract_docs.py)	Multi-Format-Parser für PDF, DOCX (mit Tabellen) und TXT mit Zeichenzählung und Erkennung bildlastiger Scans.
Blueprint-Analyse & Topic-Mapping	Zerlegung offizieller Lehrpläne in 6–10 kebab-case Topic-Slugs mit Gewichtung nach Dokumentationsumfang.
Parallele Subagenten-Orchestrierung	Gleichzeitiger Fan-Out isolierter Topic-Agenten zur Vermeidung von Context-Überläufen bei großen Dokumentensätzen.
Strikte Quellenerdung (Grounding)	100 % überprüfbare Fakten; jede Erklärung referenziert das Handbuch; Ausschluss nicht belegbarer Vermutungen.
Taxonomie- & Distraktor-Design	Balancierung: ~50 % Single, ~30 % Multiple, ~20 % True/False; Schwierigkeit: ~35 % Easy, ~45 % Medium, ~20 % Hard.
Bank-Merge & Schema-Validierung	merge_bank.py führt Teilpools kollisionsfrei zusammen; validate_bank.py spiegelt die Regeln des PHP-BankImporters.

Nahtlose Integration in die Exam Engine

Vor der Übergabe durchläuft die erzeugte JSON-Fragenbank (banks/<certId>.json) eine strikte Vorabvalidierung: Das Prüfskript testet IDs, Fragetypen, Optionsanzahlen, Pflichtfelder und Mindestpoolgrößen exakt nach den Vorgaben der Exam Engine. Das fertige Artefakt kann über die Admin-Oberfläche („Upload a bank“) per Drag-and-Drop direkt importiert werden – ohne manuelle Nachbearbeitung, fehlerfrei und sofort einsatzbereit für Prüflinge.