The Reader
Sequenz + Verstehen
Für lineare Daten wie Text, Zeitreihen oder Transkripte. Fokus auf Kontext und Immersion.
Basis-Demo →Was ist GRIP?
GRIP ist ein methodisches Framework für die LLM-gestützte Entwicklung von Forschungsinterfaces. Es kodifiziert das Wissen darüber, welche Interface-Archetypen für welche Datenstrukturen und Forschungsintentionen geeignet sind.
Für Forschende
Finden Sie das optimale Interface für Ihre Daten. Beschreiben Sie Struktur und Ziel – GRIP empfiehlt den passenden Archetyp.
Für LLM-Entwickler
Nutzen Sie die Wissensbasis als System-Prompt. Ihre KI generiert dann fundierte UI-Empfehlungen für Forschungsprojekte.
Für Designer
Referenzieren Sie kognitive Prinzipien und bewährte Patterns. Jeder Archetyp basiert auf wissenschaftlicher Grundlage.
Die Entscheidungsmatrix
Klicken Sie auf eine Zelle, um den empfohlenen Archetyp zu sehen.
| Verstehen | Vergleich | Rekonstruktion | Kuratierung | |
|---|---|---|---|---|
| Sequenziell | Reader | Scope | Dialog | Workbench |
| Multidimensional | Scope | Scope | Navigator | Workbench |
| Vernetzt | Dialog | Dialog | Navigator | Workbench |
| Hierarchisch | Dialog | Scope | Navigator | Workbench |
Primär (eindeutig)
Sekundär (abgeleitet)
Dialog (Rückfrage klärt)
Die vier Archetypen
The Scope
Matrix + Vergleich
Für multidimensionale Daten. Dashboards für Mustererkennung, Trends und Korrelationen.
Basis-Demo →The Navigator
Netzwerk + Rekonstruktion
Für vernetzte Daten. Graph-Ansichten für Beziehungen, Pfade und Strukturanalyse.
Basis-Demo →The Workbench
Hierarchie + Kuratierung
Für rohe oder hierarchische Daten. Arbeitsumgebung für Bereinigung und Strukturierung.
Basis-Demo →Forschungs-Workflows
Archetypen sind Momentaufnahmen. Forschung ist ein Prozess, der mehrere Phasen durchläuft. Wählen Sie Ihren Projekttyp:
Der GRIP-Prozess
- Kontextualisierung – LLM liest die GRIP-Wissensbasis
- Datenanalyse – Topologie der Forschungsdaten wird identifiziert
- Dialog – Rückfragen klären die epistemische Intention
- Spezifikation – Archetyp-Empfehlung mit UI-Spezifikation
- Wissensrückfluss – Erkenntnisse fließen zurück ins Repository