ADHS Study Agent — Projektplan

Kontext

Samuel will raus aus der Claude-Code-Optimierung und sein Orchestrierungs-Wissen auf ein echtes Problem anwenden: Ein AI-Agent der Studenten mit ADHS durch ihr Semester navigiert. Er IST die Zielgruppe — 569 ChatGPT-Conversations + 232 Claude-Sessions dokumentieren das Problem aus erster Hand.

Ansatz: Research First — aber Samuel selbst als User-Interview-Partner, nicht externe Recherche.

Phase 1: User Research (Samuel als Zielgruppe)

Aus dem Portrait + Lernreise destillierte Pain Points:

"Lernplaene die nie halten" — starre Plaene scheitern an ADHS. Der Plan muss sich anpassen, nicht der Mensch.
"10 von 150 Berichtsheften" — Routinedokumentation ohne Feedback ist unmoeglich. Braucht Micro-Nudges.
"8 Stunden vor Pruefung" — Zeitdruck ist der einzige funktionierende Motivator. Das System muss DAS nutzen, nicht bekaempfen.
"5 Uni-Bewerbungen = unueberwindbar" — Formalia-Angst. Aufgaben muessen in Micro-Steps zerlegt werden.
Stress-Sweet-Spot Phase 2 — Es gibt ein schmales Fenster (eigene Stimme, produktiv). Davor zu formal, danach Panik.
Duplikat-Sessions — Jede Session beginnt bei Null weil Gedaechtnis fuer eigene fruehere Gedanken unzuverlaessig ist.
Festivals im Pruefungsmonat — Das System darf nicht moralisieren, sondern muss damit arbeiten.

Interview-Ergebnis (5. Maerz 2026): Samuel waehlt ALLE 4 Pain Points + ergaenzt 2 kritische:

#5 Zu viele Dinge anfangen, nichts beenden — Novelty Bias, WIP explodiert
#6 Dopamin kommt beim Task-BEGINN, nicht beim Complete — DAS ist der Kern

→ Design-Konsequenz: Jeder Micro-Step muss sich wie ein NEUER Anfang anfuehlen (Dopamin beim Start), aber die Steps sind so klein dass Completion automatisch passiert. Nicht "mach die Aufgabe fertig" sondern "fang diesen 5-Min-Block an". WIP-Limit: max 2 aktive Faecher gleichzeitig.

Tonalitaet: Buddy (supportiv, kein Guilt-Tripping, ermutigend)

Phase 2: Feature-Design (nach Interview)

Core Features (MVP)

F1: Micro-Starts statt Mega-Tasks (Pain Points #3, #6)

Jede Aufgabe wird in 5-Min-Bloecke zerlegt
Jeder Block ist ein NEUER Anfang mit eigenem Titel und Kontext
"Oeffne Kapitel 3 und lies die erste Seite" — nicht "Lerne Kapitel 3"
Dopamin-Trigger: jeder Block ist ein frischer Start (nicht "noch 47 uebrig")
Visuell: Blocks als einzelne Karten, nicht als Checkliste

F2: WIP-Limiter (Pain Point #5)

Max 2 Faecher gleichzeitig aktiv
Wenn du ein drittes anfangen willst: Buddy sagt "Hey, du hast noch Mathe und OS offen. Willst du eins davon pausieren?"
Kein Verbot — sanftes Bewusstmachen
"Parking Lot" fuer Ideen die du spaeter anfangen willst

F3: Elastischer Plan (Pain Points #1, #2)

Importiert Deadlines (manuell oder iCal)
Plan passt sich an wenn du ihn ignorierst — kein Guilt, einfach neuer Plan
Nutzt Zeitdruck als Feature: Plan wird automatisch komprimierter je naeher die Deadline
"Verschieben" statt "Versagt" — der Buddy-Ton

F4: Panik-Modus (Pain Point #2)

Aktiviert sich bei <48h vor Deadline
Komprimiert auf das absolute Minimum
Buddy wird zum Coach: "Du hast 12h. Hier sind die 5 wichtigsten Themen. Eins nach dem anderen."
Kein Moralisieren, nur Klarheit

F5: Session-Memory (Pain Point #4)

Merkt sich was du letzte Session gelernt/gemacht hast
Zeigt beim Oeffnen: "Letzte Session: Du warst bei Kapitel 3, Seite 42. Weitermachen?"
Kein "bei Null anfangen" mehr
Fortschritt visuell als Karte/Map, nicht als Prozentzahl

Nice-to-have (v2)

Stimmungs-Check-In (Phase 1-5 erkennen, Buddy passt Ton an)
WhatsApp-Reminder (Nudges auf dem Handy)
Lerngruppen-Matching (andere ADHS-Studenten)
Pruefungsarchiv (was kam letztes Jahr dran)
"Novelty Shuffle" — wenn ein Fach langweilig wird, schlaegt Buddy vor fuer 15 Min zu einem anderen zu wechseln (innerhalb WIP-Limit)

Phase 3: Tech-Stack

Empfehlung: Python + FastAPI + SQLite + htmx

Komponente	Wahl	Begruendung
Backend	FastAPI (Python)	Samuels staerkstes Setup, async, schnell
Datenbank	SQLite	Ueberwindet DB-Angst sanft — es ist nur eine Datei. Spaeter Postgres.
Frontend	htmx + Jinja2 Templates	Kein Framework lernen, trotzdem reaktive UI. Server-rendered.
AI Agent	Claude API (Haiku fuer Micro-Steps, Sonnet fuer Plaene)	Kostenoptimierung eingebaut — Samuels Staerke
Auth	Keine (MVP) → spaeter Supabase	Nicht overengineeren am Start
Deployment	Fly.io oder Railway	Ein-Klick-Deploy, kostenlose Tier

Warum nicht Next.js/Svelte: Samuel ist Python-First. Ein neues Frontend-Framework ist ein separates Lernprojekt und wuerde den Execution Gap vergroessern. htmx gibt 80% der Interaktivitaet fuer 10% der Komplexitaet.

Phase 4: Implementierung

Sprint 1 (Woche 1-2): Skeleton

Projekt-Setup: ~/Projekte/StudyAgent/
FastAPI + SQLite + htmx Grundgeruest
Datenmodell: Semester, Faecher, Deadlines, Lerneinheiten
Deadline-CRUD (manuell eintragen)
FOR_SMLFLG.md anlegen

Sprint 2 (Woche 3-4): Agent-Logik

Tagesplan-Generator (Claude Haiku)
Micro-Step-Zerlegung
Adaptiver Replan wenn Steps uebersprungen werden
Einfache Session-Memory (letzte 3 Sessions)

Sprint 3 (Woche 5-6): Panik-Modus + Polish

Panik-Modus bei <48h
Visueller Fortschritt (Fortschrittsbalken, nicht Zahlen)
Deployment auf Fly.io
1 Beta-Tester (Samuel selbst mit echten Pruefungen)

Phase 5: Verifikation

Laeuft lokal: uvicorn main:app --reload
SQLite DB wird erstellt und befuellt
Deadline eintragen → Tagesplan generieren → Steps sehen
Plan ignorieren → neuer Plan wird generiert (kein Guilt)
Panik-Modus triggert bei Deadline < 48h
Deployment funktioniert (oeffne URL im Browser)

Deliverable

User-Interview mit Samuel — erledigt, 6 Pain Points + Buddy-Ton
Plan permanent speichern: ~/Projekte/StudyAgent/PLAN.md
Visuelles HTML: Projekt-Overview als ~/.agent/diagrams/adhs-study-agent.html
Projekt-Setup starten (Sprint 1)