01
Strukturierte Schlafdaten
Die Karten entstehen aus definierten Datenpunkten statt aus freiem Chat-Kontext.
Case Studies sleep²
Ein AI Sleep Coach für personalisierte Schlafauswertung.
sleep² ist eine App rund um Schlaf. Schlafforschung prägt Produktlogik, Glossar und Empfehlungen.
thirdmind hat dafür ein KI-System entwickelt, das strukturierte Schlafdaten in nachvollziehbare Sleep Analysis Cards übersetzt. Heute entstehen damit täglich zehntausende Schlafkarten in über 15 Sprachen.
Produktansicht Schlaf smart verstehen Sleep² zeigt Schlafqualität, Einflussfaktoren und konkrete Hinweise zur Verbesserung der nächtlichen Erholung.
Zwei sleep² App-Screens mit Schlafdauer, Schlafqualität und personalisierten Hinweisen 01 Warum KI
Warum generative KI hier sinnvoll ist.
Schlafdaten sind persönlich. Zwei Menschen können ähnliche Zahlen haben und trotzdem unterschiedliche Hinweise brauchen. Dafür eignet sich generative KI, wenn sie nicht frei textet, sondern mit Daten, Fachlogik und klarer Sprache arbeitet.
02
Mehrsprachige Ausgabe
Das System generiert Schlafkarten in über 15 Sprachen, mit derselben fachlichen Logik im Hintergrund.
03
Glossartreue
Eine zentrale Aufgabe war, dass die KI Schlafbegriffe streng so verwendet, wie sie im Produkt definiert sind.
02 System
Täglich zehntausende Schlafkarten.
Der AI Sleep Coach läuft als produktives System innerhalb der sleep² App. Aus vorhandenen Schlafdaten entstehen personalisierte Karten, die erklären, was auffällt und was naheliegt, in der Sprache der jeweiligen Nutzenden.
- 01 · Daten
Schlafdaten aus der App werden eingelesen.
Strukturierte Felder, definierte Quellen.
- 02 · Muster
Auffälligkeiten und Entwicklungen werden erkannt.
Was ist neu, was wiederholt sich, wo gibt es Drift.
- 03 · Auswertung
Aus Mustern entstehen Analyseperspektiven.
Strukturierte Bausteine für die Karte.
- 04 · Glossar
Fachbegriffe und Tonalität folgen festen Vorgaben.
Schlafvokabular, Begriffsnutzung und Formulierungsrahmen sind nicht beliebig.
- 05 · Ausgabe
Die Karte wird in der passenden Sprache erzeugt.
Personalisierte Auswertung direkt im Produkt.
Freies Texten war hier nicht das Ziel. Ziel war eine Erklärung, die aus vorhandenen Daten entsteht und auch bei hoher Menge fachlich konsistent bleibt.
03 Aufgaben
Was der AI Sleep Coach übernimmt.
Im produktiven Betrieb reicht eine einzelne gute Karte nicht. Das System muss viele Karten erzeugen, über Sprachen hinweg konsistent bleiben und sich an den fachlichen Rahmen halten.
- 01
Strukturierte Schlafdaten lesen
- 02
Muster und Auffälligkeiten erkennen
- 03
Analyseperspektiven definieren
- 04
Täglich zehntausende Sleep Analysis Cards generieren
- 05
Ausgaben in über 15 Sprachen erstellen
- 06
Glossar, Tonalität und medizinische Grenzen einhalten
Die schwierige Arbeit liegt oft in der Konsistenz. Eine einzelne gute Karte reicht nicht; das System muss auch bei hoher Menge im fachlichen Rahmen bleiben.
04 Kontrolle
Das System bleibt im Fachvokabular.
Bei Sleep2 war eine der großen Aufgaben, die Ausgabe eng an das vorgegebene Glossar zu binden. Ein Schlafcoach darf persönlich klingen, aber er darf Fachbegriffe, Empfehlungen und Produktlogik nicht beliebig formulieren.
01
Glossarbindung
Begriffe werden so verwendet, wie sie im Produkt fachlich definiert sind.
02
Schlafexpertise
Sleep2 bringt Fachwissen aus der Schlafforschung in Produktlogik, Glossar und Tonalität ein.
03
Medizinische Grenze
Die Karten erklären Schlafdaten, sie ersetzen keine Diagnose oder medizinische Beratung.
04
Produktintegration
Funktioniert innerhalb der App, nicht als loser Chatbot.
05
Mehrsprachigkeit
Über 15 Sprachen, ohne die fachliche Bedeutung zu verwässern.
06
Skalierung
Täglich zehntausende Karten, ohne manuelle Einzelformulierung.
05 Vorgehen
Vom Prototyp zur produktiven Karte.
Wir starten mit den vorhandenen Schlafdaten und einer klaren Frage: welche Karte soll am Ende entstehen, für welche Situation, in welcher Sprache und mit welcher Tonalität.
Dann bauen wir die Ausgabelogik so, dass Daten, Glossar und Empfehlungsrahmen zusammenpassen. Gerade das Glossar ist wichtig: Die KI muss die Begriffe streng so verwenden, wie Sleep2 sie vorgibt.
Wenn die Karten verlässlich entstehen, wird das System produktiv in die App integriert. Erweiterungen kommen erst, wenn die Basis bei Menge, Sprache und Fachlichkeit trägt.
06 FAQ
Fragen zur sleep² Case Study.
Was hat thirdmind für sleep² gebaut?
thirdmind hat einen AI Sleep Coach gebaut, der Schlafdaten auswertet und personalisierte Sleep Analysis Cards direkt in der App erzeugt. Das System erstellt täglich zehntausende Karten in über 15 Sprachen.
Ist der AI Sleep Coach ein medizinisches System?
Nein. Es ist ein System zur verständlichen Auswertung innerhalb einer Sleep-App. Es ersetzt keine medizinische Diagnose oder Beratung.
Warum eignet sich generative KI für Sleep Analysis Cards?
Weil Schlafdaten erklärt werden müssen. Generative KI übersetzt strukturierte Daten in verständliche, persönliche Sprache, solange Ausgabelogik, Glossar und fachliche Grenzen klar definiert sind.
Ist das System produktiv?
Ja. Der AI Sleep Coach läuft produktiv in der sleep² App und erzeugt täglich zehntausende Sleep Analysis Cards.
Welche Rolle spielt das Glossar?
Eine zentrale. Schlafforschung prägt sleep² fachlich; entsprechend wichtig ist, dass die KI Begriffe und Empfehlungen streng so verwendet, wie sie im Produkt vorgesehen sind.
Lässt sich das Prinzip übertragen?
Ja, überall dort, wo Nutzende regelmäßig Daten erzeugen und eine verständliche Auswertung brauchen: Health, Coaching, Lernen, Fitness oder erklärungsbedürftige B2B-Dashboards.
Produktdaten verständlich machen
Ihr habt Daten im Produkt, aber die Auswertung könnte verständlicher werden?
Über einen ähnlichen Prozess sprechenYuno stellt dir vier kurze Fragen zu Produkt, Daten, Zielgruppe und Risiko. Danach ist klarer, ob ein KI-System für Auswertung oder Coaching sinnvoll ist.