Förderkompass

ICF-CY-basierte SMART-Förderziele für die Frühförderung. (Repository: icf-smart-goals)

Webapp für die heilpädagogische Frühförderung: Sie unterstützt Fachkräfte dabei, (A) zum Therapiestart passende ICF‑CY‑Codes zu überprüfen/anzupassen und (B) daraus SMART‑Förderziele (Oberziele mit ausformulierten SMART‑Unterzielen) als Entwurf vorzuschlagen.

Kontext: Interdisziplinäre Frühförderstelle der Lebenshilfe Lörrach e.V.

Entwurfshilfe, kein Medizinprodukt. Die App macht Vorschläge; Auswahl, Anpassung und fachliche Verantwortung liegen bei der Fachkraft.

Projektstatus

Lauffähiger MVP – auf Vercel deployed. Alle Meilensteine M0–M8 sind abgeschlossen; der Flow wurde durch mehrere Runden Praxis-Feedback erweitert:

• 7-Schritt-Wizard: Disclaimer-Einstieg → 1 Therapieform → 2 Ausgangslage → 3 ICF-Codes → 4 Alter & Merkmale (+ freie Beobachtung) → 5 Übersicht → 6 Oberziele (Förderrichtungen prüfen/ändern/ergänzen/löschen) → 7 SMART-Ziele (eigene Ergebnisseite).
• Zweistufige Zielerzeugung: Die KI schlägt erst nur die Oberziele (Richtungen) vor; nach Bestätigung durch die Fachkraft werden daraus die SMART-Unterziele erzeugt.
• Erweiterter ICF-CY-Katalog (~74 Codes, Kapitel b/d/e), gruppiert in ausklappbare Kategorien; semantische Stichwortsuche über einen Synonym- Thesaurus; Code-Erklärung erst auf Klick.
• SMART-Ziele als je ein ausformulierter Satz pro Unterziel, parallel in Fachkraft- und Elternversion (Umschalter); Verfeinern pro Unterziel (Voreinstellungen + Freitext) über /api/refine-goal.
• KI-Code-Vorschläge in Schritt 3 (/api/suggest-codes): großzügig viele, nach Relevanz sortiert, erste vier direkt sichtbar, Rest aufklappbar.
• Bereich als Dropdown (kuratierte Liste, eigene Bereiche ergänzbar).
• Export wahlweise ausgewählter Ziele oder kompletter Förderplan (optional inkl. Elternversion; Zwischenablage / .txt).
• Plattformübergreifender UI-Feinschliff (iOS/Android/Browser, PWA).

Noch offen: Praxis-Test durch Fachkräfte (docs/review-checkliste.md) und daraus abgeleitete Feinjustierung (Codes, Synonyme, Bereiche, Ziel-Prompts). Vor einem Echtbetrieb mit realen Daten sind die Datenschutz-/Sicherheits­punkte in docs/implementierungsplan.md §14 zu klären (aktuell Prototyp). Aufbauende Folgestufen (M7-UI) sind bewusst bis Phase 3 (zentrale Speicherung) zurückgestellt; die Server-Route /api/next-step besteht bereits.

Setup & Entwicklung

Voraussetzungen: Node ≥ 20 und npm.

npm install
cp .env.example .env.local   # GEMINI_API_KEY eintragen (nur serverseitig!)
npm run dev                  # Entwicklung auf http://localhost:3000

Weitere Skripte:

npm run build   # Produktions-Build
npm run start   # gebaute App lokal starten
npm run lint    # ESLint

Stack: Next.js 16 (App Router) + TypeScript + Tailwind CSS v4. State lokal im Browser (localStorage), keine Datenbank/Auth. KI über einen austauschbaren Provider (Default Gemini Flash) hinter den Serverless-Routen /api/generate-oberziele (Stufe 1: Förderrichtungen), /api/generate-unterziele (Stufe 2: SMART-Ziele) und /api/refine-goal (Unterziel verfeinern).

Environment (siehe .env.example):

Variable	Zweck
AI_PROVIDER	KI-Anbieter, Standard gemini.
GEMINI_API_KEY	API-Key für die Zielerstellung – nur serverseitig. Ohne Key läuft die App, zeigt beim Zielvorschlag aber eine klare Fehlermeldung.
GEMINI_MODEL	optional, Standard gemini-2.5-flash.

Deployment: Vercel (EU-Region). main wird automatisch in Produktion deployed, jeder PR erhält ein Preview-Deployment; GEMINI_API_KEY liegt in den Vercel-Projekt-Einstellungen.

Dokumentation

• docs/spezifikation.md – fachliche Spezifikation (v4): Kontext, Datenschutz, Datenmodell, User-Flow, Zielmodell, Prompt-Konzept, Roadmap.
• docs/implementierungsplan.md – Bauplan für die Umsetzung: Tech-Stack, Repo-Struktur, API-Verträge, Prompt-Templates, Leitplanken (§0) und Meilensteine M0–M8 mit Akzeptanzkriterien (§10).

Datengrundlage

• src/data/icf-cy.json – kuratierter ICF‑CY‑Codesatz (~74 Codes, Kapitel b/d/e), alltagsnah beschrieben. Erweiter- und veränderbar.
• src/data/masken.json – Zuordnung der Codes zu ausklappbaren Kategorien je Therapieform, gruppiert nach ICF-Kapitel (Körperfunktionen b · Aktivitäten & Teilhabe d · Umweltfaktoren e).
• src/data/synonyme.json – Konzept-Thesaurus für die semantische Suche (Alltagsbegriff → verwandte Codes, z.B. „Selbstbewusstsein", „Entspannung").
• src/data/bereiche.json – kuratierte Förder­bereiche für die Oberziel-Zuordnung (Dropdown in Schritt 6); eigene Bereiche lassen sich ergänzen (lokal gespeichert). Die KI wählt den Bereich aus dieser Liste.
• Weitere Stammdaten: src/data/therapieformen.json, src/data/merkmale.json.

Umsetzung (mit einem Coding-Agenten iterieren)

Basis: Next.js (App Router) + TypeScript + Tailwind, lokal (privacy-first, localStorage, Text-Export), KI über austauschbaren Provider (Default Gemini Flash) hinter einem Serverless-Proxy.

Pro Meilenstein lässt sich dieser generische Prompt verwenden:

Du arbeitest im Repo „icf-smart-goals" am MVP einer Webapp für ICF-CY-basierte
SMART-Förderziele in der Frühförderung.

Lies zuerst:
- docs/spezifikation.md       (fachliche Spezifikation, v4)
- docs/implementierungsplan.md (Bauplan mit Meilensteinen M0–M8 + Leitplanken)
- src/data/*.json (Stammdaten: ICF-Codes, Masken, Therapieformen, Merkmale, Synonyme)

Aufgabe:
1. Ermittle den NÄCHSTEN noch nicht abgeschlossenen Meilenstein aus §10 des
   Implementierungsplans. Prüfe dazu den aktuellen Stand des Codes im Repo.
   Nenne mir kurz, welchen Meilenstein du identifiziert hast und warum.
2. Implementiere GENAU DIESEN EINEN Meilenstein vollständig – nicht mehr.
3. Halte die Leitplanken aus §0 strikt ein (privacy-first, API-Key nur
   serverseitig, keine DB/Auth, KI nur hinter dem AiProvider-Interface, strikte
   JSON-Ausgabe, Daten aus src/data/*.json, UI auf Deutsch).
4. Stelle sicher, dass das Akzeptanzkriterium erfüllt ist (npm run dev baut und
   startet ohne Fehler, der beschriebene Zustand ist erreichbar). Beschreibe
   kurz, wie du es verifiziert hast.
5. Committe mit aussagekräftiger Message und fasse am Ende zusammen, was du
   gemacht hast und was der nächste Meilenstein wäre.

Bei Unklarheiten triff eine sinnvolle, dokumentierte Annahme statt zu raten und
weise mich am Ende darauf hin. Arbeite nur am aktuellen Meilenstein.

Datenschutz

Personenbezogene/Gesundheitsdaten verlassen das Gerät nicht in identifizierbarer Form; an die KI gehen nur anonyme Bausteine. Kein Login, keine Datenbank im MVP. Details in docs/spezifikation.md §2.