Skip to main content

​
Einführung

Das CrisisIQ Scenario Creator Backend verbindet die Frontend-Anwendung mit AI-APIs (aktuell Anthropic Claude). Das System generiert immersive Krisen-Trainings-Szenarien für KRITIS/NIS-2 Kontexte, die sowohl unterhaltsam als auch lehrreich für Trainingsprofis sind.

​
Hauptverantwortlichkeiten

Das Backend ist verantwortlich für:
  • Prompt-Formulierung: Effektive Prompts für die AI erstellen
  • API-Bereitstellung: Saubere API für das Frontend bereitstellen
  • Logik ohne AI: Kompilierung und Formatierung ohne AI-Anfragen
  • Kosten-/Qualitäts-Management: Trade-offs via Modell-Auswahl

​
Ziel-Parameter

Das System wurde für folgende Parameter konzipiert:

​
Systemkomponenten

​
1. Prompt-System

Das Prompt-System besteht aus 10 Dateien, die Prompts für verschiedene Aufgaben generieren:

​
TOC Generation (tocPrompt.js)

  • Generiert die Story-Struktur (Events, Verzweigungen, Assessments)
  • ~465 Zeilen
  • Enthält komplexe Zeitregeln und Graphenmodell-Spezifikationen

​
Event Generation

  • System Prompt (event/systemPrompt.js): ~397 Zeilen
    • Literarischer Stil-Guide
    • “Show don’t tell” Beispiele
    • Zeichenanzahl-Vorgaben (500-2.000 Zeichen, flexibel)
  • Generate Prompt (event/generatePrompt.js): ~310 Zeilen
    • Kontext-Injektion (NPC-Registry, Zeitbeschränkungen)
    • Konvergenz-Erkennung
    • Vorgänger-Inhalte

​
Regeneration (event/regeneratePrompt.js)

  • User-Feedback-gesteuerte Umschreibungen
  • ~44 Zeilen

​
Micro-Edit (event/microEditPrompt.js)

  • Chirurgische Einzelproblem-Fixes
  • ~118 Zeilen

​
Validation (validatePrompt.js)

  • Konsistenz-Prüfung
  • ~231 Zeilen
  • Severity Levels und Issue-Taxonomie

​
Model Selection (modelSelectorPrompt.js)

  • Empfiehlt Haiku/Sonnet/Opus basierend auf Komplexität
  • ~86 Zeilen

​
2. Helper-Funktionen (event/helpers.js)

  • ~331 Zeilen
  • Vorgänger-Suche
  • Zeit-Vergleiche
  • Kontextmanagement

​
Workflow

​
Typischer Szenario-Generierungs-Flow

​
Detaillierter Event-Generierungs-Flow

  1. TOC wird erstellt: Struktur mit allen Events, Verzweigungen und Zeitmarkern
  2. Events werden in Batches generiert: Typischerweise 3 Events pro API-Call
  3. Kontext wird pro Event aufgebaut:
    • TOC-Struktur
    • Vorgänger-Events (Inhalt)
    • Formular-Daten (Industrie, Szenario-Typ, etc.)
    • NPC-Registry
  4. Validierung erfolgt nach Generierung: Prüft Zeitkonsistenz, Inhaltqualität

​
Context Window Management

​
Strategie: Vollständiger Kontext

Entscheidung: Jeder API-Call erhält den vollständigen Kontext (formData, TOC, Previous Events). Rationale:
  • Event-Generierung braucht ALLE formData-Details für Konsistenz
  • Keine verlustbehaftete Komprimierung von Szenario-Anforderungen
  • Konsistenz über alle generierten Events hinweg
Verworfene Alternativen:
  • ❌ Fingerprinting: Verliert Details, die für Konsistenz benötigt werden
  • ❌ Context Sharing: Verliert custom System Prompts
Token-Nutzung für große Szenarien (150 Events): Beobachtung: Weit innerhalb von Claudes 200K Context-Limit. Keine Optimierung nötig.

​
Modell-Auswahl

​
Aktuelle Strategie

Der Model Selector Prompt versucht, das optimale Modell zu wählen. Problem: Model Selector selbst verursacht einen zusätzlichen API-Call.

​
Empfohlene Vereinfachung (P2)

Hardcodierte Modell-Auswahl basierend auf Task-Typ: Vorteil: Spart 1 API-Call pro Generierung, konsistentere Auswahl

​
Erweiterte Systeme

​
Knowledge Augmentation

Domain-Expertise (KRITIS, NIS-2, Krisenprozesse) wird durch Wissensbasen in den Prompt injiziert. Selective Loading + Prompt Caching → 90% Kosteneinsparung.

​
Scenario Persistence

MongoDB Atlas speichert Szenarien persistent. Auto-Save an Meilensteinen, CRUD API, Szenario-Bibliothek.

​
Nächste Schritte

Für detaillierte Informationen zu spezifischen Aspekten, siehe: