# Redar: KI-gestützte Zusammenfassungen für KAP-Meldungen und offene Quellen

> Redar ist ein privates Entscheidungs- und Monitoring-Panel für KAP-Meldungen und ausgewählte offene Quellen – ohne dichte Updates zu einem öffentlichen Produkt zu machen.

Finanzinformationen in der Türkei bewegen sich schnell, und vieles davon kommt in dichten, uneinheitlichen Formaten. **Redar** ist ein privates Entscheidungs- und Monitoring-Panel für Meldungen der **Kamuyu Aydınlatma Platformu (KAP)** und ausgewählte offene Quellen. Es hilft dabei, die Updates, denen wir folgen möchten, in kompakten Zusammenfassungen und Benachrichtigungen an den Orten aufzubereiten, die wir nutzen.

## Ein nützliches System muss kein öffentliches Produkt werden

Redar begann mit einem praktischen Bedarf, den ein Freund und ich teilten. Die Frage war nicht, wie man ein weiteres Finanz-Dashboard baut. Es ging darum, die für uns wichtigen Meldungen und Quellen verfolgen zu können, ohne unregelmäßiges Quellmaterial immer wieder von Grund auf lesen zu müssen.

Das System läuft weiterhin, bleibt aber bewusst klein: ein privates Panel für meinen Freund und mich. Die Datenrechte des Projekts erlauben keine öffentliche Veröffentlichung der Daten; es als öffentlichen Dienst zu öffnen, ist daher nicht vorgesehen. Diese Grenze sollte klar benannt werden. Software kann ein reales Problem für eine definierte Gruppe lösen, ohne zu einem SaaS-Produkt oder einer Launch-Geschichte werden zu müssen.

Das Panel verfolgt KAP-Meldungen und ausgewählte offene Quellen, unterstützt Suche und Filterung und verschickt Telegram-Benachrichtigungen in einem Format, das zu diesem engen Arbeitsablauf passt. Ziel ist nicht, jede Meldung gleich wichtig erscheinen zu lassen. Es soll den Aufwand senken, die von uns ausgewählten Meldungen zu prüfen.

## Von unregelmäßigem Quellmaterial zu einem prüfbaren Signal

KAP-Meldungen kommen nicht in einer verlässlich einheitlichen Struktur, und ihr HTML-Markup kann schwer zu verarbeiten sein. Redar nutzt deshalb zwei Wege:

- **Deterministisches Parsen** für jede Quelle, die in einer standardisierten Struktur ankommt.
- **LLM-gestützte Extraktion und Zusammenfassung**, wenn die Struktur auseinanderfällt.

Der deterministische Weg bleibt vorzuziehen, wo er passt: Er macht die Extraktionsregel sichtbar und wiederholbar. Der LLM-Weg ist eine unterstützende Ausweichlösung für unübersichtliche Dokumente, keine Behauptung, jede Quelle könne perfekt interpretiert werden. Das Ergebnis ist eine kompakte Webansicht und für ausgewählte Updates eine Telegram-Benachrichtigung; für mehr Kontext bleibt die Originalmeldung verfügbar.

Telegram ist ein zentraler Auslieferungskanal, weil die Entscheidung oft lautet, ob man jetzt genauer hinsehen soll – nicht, ob man Zeit in einem weiteren Dashboard verbringen will. Das ist ein bescheidener, aber nützlicher Anwendungsfall.

### Technologie-Stack im Überblick

- **Backend:** Fastify
- **Frontend:** Nuxt v4
- **Daten:** MariaDB
- **Caching:** Redis
- **LLM:** OpenAI API (unterschiedliche Modelle für unterschiedliche Aufgaben, z. B. Nano und Mini; bislang kein eigenes Training)
- **Netzwerk/Infrastruktur:** Traefik Reverse Proxy, Docker Swarm auf meinem bestehenden VPS
- **CI/CD:** GitHub Actions
- **Suche & Betrieb:** Serverseitige Filterung und Abfragen; geringe Latenz durch Redis und sorgfältige Parsing-Pfade

Dieser Stack unterstützt Aufnahme, Normalisierung, Suche und Benachrichtigungen für einen kleinen privaten Arbeitsablauf. Hat die Quelle eine stabile Struktur, verwendet Redar deterministisches Parsen. Hat sie diese nicht, unterstützt das LLM bei Extraktion und Zusammenfassung. Diese beiden Wege dienen unterschiedlichen Quellmaterialien; keiner ersetzt die Prüfung der zugrunde liegenden Meldung.

## Die Einschränkung ist Teil des Entwurfs

Redar ist bewusst privat. Die zugrunde liegenden Datenlizenzen erlauben keine öffentliche Datenveröffentlichung, und die vorgesehenen Nutzer stehen bereits fest. Ein fokussiertes, intern genutztes Panel ist deshalb ehrlicher, als es als öffentliches Finanzprodukt darzustellen, das nur auf seinen Launch wartet.

Das Projekt unterstreicht außerdem eine praktische Umsetzungslektion. Deterministisches Parsen und LLM-Unterstützung sind keine konkurrierenden Ideologien. Das erste ist wertvoll, wenn die Eingabe zuverlässig ist. Das zweite kann helfen, wenn sie es nicht ist. In beiden Fällen sollte das System die Prüfung erleichtern, statt vorzugeben, Urteilsvermögen zu ersetzen.

Vorerst bleibt Redar in dieser begrenzten Form nützlich. Den Umfang an Datenrechte und tatsächliche Nutzer auszurichten, ist eine Produktentscheidung, kein unvollendeter Launch-Plan.

---

Language: German
License: CC BY 4.0
License URL: https://creativecommons.org/licenses/by/4.0/
Scope: Evren Bal-authored text, unless this article expressly states otherwise.
Excluded: Third-party material, quoted excerpts, logos, and separately marked images retain their own rights.
Attribution: Credit Evren Bal, link to the canonical source and license, and indicate changes.
Source: https://evrenbal.com/de/redar-ki-gestuetzte-zusammenfassungen-fuer-kap-meldungen-und-offene-quellen