Dieses Projekt entstand nicht aus einem großen Plan. Es kam von etwas Kleinem und Echtem. Ich beobachtete, wie ein Verwandter C-Programmierung lernte – ich saß bei seinen Kursen dabei, sah mir seine Hausaufgaben an – und ich dachte immer wieder: Diese Art zu lernen wirkt veraltet. Der Lehrer trägt aus dem Lehrbuch vor, die Schüler machen sich Notizen und erledigen Übungen. Das ist nicht völlig nutzlos, aber es hilft kaum jemandem, echtes computational thinking zu entwickeln.

Was mir tatsächlich auffiel

Das wirkliche Problem war nicht, dass die Schüler keine Antworten finden konnten. Es war Folgendes:

Sie starrten auf ein Stück Code und hatten keine Ahnung, was jede Zeile bewirkte
Sie lasen es einmal durch, hatten das Gefühl, es verstanden zu haben, konnten aber nicht erklären, wie die Dinge zusammenhingen
Am wichtigsten: Sie wussten nicht, welches Problem der Code eigentlich löste

Alles, was sie lernten, war fragmentiert. Ich kam immer wieder auf einen Gedanken zurück:Beim Lernen geht es nicht darum, Punkte zu sammeln – sondern sie zu verbinden.

Genau da fing Tutor an.

https://tutor.artdance.net/

2. Wie ich es Schritt für Schritt aufgebaut habe

2.1 Start mit einem einfachen Code-Erklärer

Die ursprüngliche Idee war kinderleicht: füge etwas Code ein, und anstatt einer vagen Zusammenfassung zu erhalten, sieh dir an, was jede Zeile tatsächlich tut und warum sie so geschrieben ist.

Also war das erste Kernfeature von Tutor diezeilenweise Erklärung. Es erkennt automatisch über ein Dutzend Programmiersprachen und kommt mit klassischen C/C++ Beispielen – Bubble Sort, verkettete Listen, binäre Suche –, die mit einem Klick analysiert werden können.

2.2 Erklären reichte nicht aus

Etwas einmal zu verstehen bedeutet nicht, dass man es gelernt hat. Also fügte ich drei Dinge hinzu:

Folgefragen und Antworten– tippe auf eine beliebige Zeile und stelle weiterhin Fragen dazu. Die AI antwortet mit vollem Kontext, sodass du den Hintergrund nie erneut erklären musst.Freiform-Analyse– füge einen beliebigen Code-Schnipsel zur separaten Analyse und Diskussion ein.

Übungsaufgaben– automatisch generierte Multiple-Choice-, Lückentext- und Programmierfragen basierend auf dem aktuellen Code. Brauchst du mehr? Klicke einfach auf "Mehr generieren".

Damit fühlte es sich endlich wie ein Lernwerkzeug an.

2.3 Wissen von selbst wachsen lassen

Selbst mit Erklärungen, Q&A und Übungen fühlte sich alles immer noch wie isolierte Informationsblöcke an. Was ich wirklich wollte, war ein Gefühl vonorganisch wachsendem Wissen.

Also baute ich denKnowledge Canvas– einen interaktiven, unendlich erweiterbaren Wissensgraph. Die AI extrahiert Kernkonzepte aus deinem Code und bildet sie als verbundene Knoten ab. Du kannst jeden Knoten "erkunden", um verwandte Konzepte zu entdecken, ihn "erweitern", um Unterthemen zu generieren, oder direkt Fragen zu einem Knoten stellen.

Ehe du dich versiehst, blickst du zurück und hast deine eigene Wissenslandkarte erweitert.

2.4 Code muss ausgeführt, nicht nur gelesen werden

Ein wesentlicher Teil des Code-Verständnisses ist es, ihn laufen zu sehen. Also habe ich eine Online-Code-Ausführung integriert, die C, C++, Python, Java und über ein Dutzend weitere Sprachen unterstützt. Benutzer können Code ausführen, Eingaben machen und die Ausgabe direkt auf der Seite sehen. Jede Ausführung wird gespeichert, und du kannst die AI zu jedem spezifischen Ergebnis befragen.

Erst ausführen → die Analyse lesen → Folgefragen stellen → üben. Dieser Ablauf fühlt sich viel natürlicher an, als nur Erklärungen zu lesen.

2.5 Warum der Entwicklungsprozess so reibungslos verlief

Der gesamte Prozess verlief viel reibungsloser als erwartet, größtenteils weil die Enter-Plattform so viel der Schwerstarbeit abnahm.

UI-Komponentenwaren sofort einsatzbereit.
Backend-Grundlagen — Benutzerauthentifizierung, Datenbank-Speicherung, Row-Level Security — kamen alle über die integrierte Supabase-Integration.
**Der Zugriff auf AI-Modelle war vereinheitlicht:**DeepSeek, Claude, GPT, Gemini, Doubao — kein Beantragen von Schlüsseln oder Anpassen an jede API einzeln nötig. Einfach eine Edge Function schreiben und aufrufen.

Anstatt also Wochen mit der Infrastruktur zu verbringen, konnte ich mich vom ersten Tag an auf das konzentrieren, was wirklich zählte: Sind die Erklärungen klar genug? Verknüpfen sich die Wissenspunkte? Fühlt sich der Lernpfad richtig an?

3. Wie man Tutor benutzt

3.1 Starten Sie von überall

**Haben Sie Code?**Fügen Sie ihn ein, klicken Sie auf "Start Analysis"
**Kein Code?**Nutzen Sie AI, um welchen zu generieren, und fügen Sie ihn dann mit einem Klick in den Editor ein
**Nur am Stöbern?**Tippen Sie auf ein voreingestelltes Beispiel — Sie sehen in zwei Sekunden eine vollständige Analyse

3.2 Es ist ein Lernpfad, keine Feature-Seite

Sobald man drin ist, folgen Benutzer ganz natürlich einem Pfad:

Den Code ausführen, um ein Gefühl dafür zu bekommen, was er tut
Die Zeile-für-Zeile-Analyse lesen
Bei Unklarheiten weiterführende Fragen stellen
Übungsaufgaben lösen, um das Verständnis zu bestätigen
Den Knowledge Canvas öffnen und nach außen hin erkunden

Jeder Schritt — Ausführungsergebnisse, Konversationen, Übungsergebnisse, Wissensgraphen — wird automatisch gespeichert. Kommen Sie jederzeit zurück und machen Sie genau dort weiter, wo Sie aufgehört haben.

4. Rückblick: Worum es wirklich geht

Rückblickend ist Tutor oberflächlich betrachtet ein Code-Erklärer. Aber was er wirklich tut, ist Menschen zu helfen, von einem Stück Code auszugehen und verstreutes Wissen zu etwas Ganzem zu verbinden.

Code einfügen → ausführen → Zeile für Zeile verstehen → tiefergehende Fragen stellen → üben → Knowledge Canvas öffnen → von einem Knoten zum nächsten folgen → dabei zusehen, wie die Karte zu Ihrer eigenen wird.

Das funktioniert aufgrund von zwei Dingen. Erstens das Produktdesign — Erklärung, Q&A, Übung und Canvas sind keine isolierten Funktionen; sie bilden einen kontinuierlichen Lernpfad. Zweitens die Grundlage, die Enter bietet — UI, Datenbank, AI-Modelle, Deployment — erlaubte es mir, all meine Energie in die Frage "Ist die Lernerfahrung tatsächlich gut?" zu stecken, anstatt mit der Infrastruktur zu kämpfen.

Zurück zu diesem ursprünglichen Gedanken: Lernen bedeutet nicht, Punkte zu sammeln — es geht darum, sie zu verbinden.

Genau das macht Tutor. Es hilft, diesen Weg zu ebnen. Damit Code nicht nur etwas ist, das Sie "gesehen" haben — sondern etwas, das Sie verstanden, verknüpft und zu Ihrem eigenen gemacht haben.