ProjekteB3
Nuboria
Lohnt sich dieser Sonnenaufgang oder Sonnenuntergang, wann, und von wo aus?
- Rolle
- Creator / Product Lead — KI-gestützte Entwicklung
- Seit
- August 2026
- Status
- In Entwicklung. Noch nicht öffentlich.
ÜberblickAus der Luft
Nuboria ist ein Wetter- und Geodatenprodukt, das bei der Entscheidung hilft, ob sich ein Sonnenaufgang oder Sonnenuntergang lohnt, zu welcher Zeit und von welchem Ort aus. Es begann im August 2026 mit einem klaren Rahmen: zuerst Spanien.
- Datum
- 7. September 2026
- Geltungsbereich
- OpenStreetMap-Orte, Release es-geofabrik-20260907-v1.
- Quelle
- OpenStreetMap
© OpenStreetMap-Mitwirkende. Wetterdaten: Open-Meteo.
Lohnt sich dieser Sonnenuntergang?
Illustrative SimulationSynthetische DatenBewegen Sie die Regler. Die Empfehlung erklärt sich selbst, und die Bewertung gibt sich nie als Wahrscheinlichkeit aus.
Diese Demo benötigt JavaScript. Der Fall darunter liest sich auch ohne sie vollständig.
FallZu Fuß
Problem
Eine Wettervorhersage allein beantwortet die Frage nicht. Ob sich der Himmel lohnt, hängt auch vom Lauf der Sonne, vom Horizont, vom Gelände und vom genauen Standort ab.
Entscheidungen
Eine deterministische Bewertung vor jedem Modell
BusinessJede Empfehlung lässt sich Regel für Regel erklären. Wenn das Produkt zum Losgehen rät, sagt es auch, warum.
TechnikDie Ebenen Solar, Terrain und Visibility speisen eine deterministische Bewertung. Sie ist regelbasiert: Es gibt kein trainiertes Modell.
Vertrauen ist eine eigene Zahl
BusinessWie vielversprechend der Himmel aussieht und wie verlässlich die Daten sind, sind zwei verschiedene Fragen. Deshalb gibt es zwei verschiedene Antworten.
TechnikDas Vertrauen wird getrennt von der Bewertung des Ereignisses berechnet, auf versionierten Wetterdaten von Open-Meteo.
Erst die Belege, dann das Lernen
BusinessDas Produkt ist darauf ausgelegt, zuerst Rückmeldungen zu sammeln. Jedes künftige Lernen muss auf echten Beobachtungen beruhen, nicht darauf, dass die Heuristik sich selbst benotet.
TechnikDie Verträge für Feedback und Datensatz sind in Supabase mit PostGIS definiert. Die Lernschicht bleibt auf der Roadmap.
Wie ich es überprüft habe
Ein kontrollierter Test mit Daten von Open-Meteo verlief zufriedenstellend.
Was ich gelernt habe
Eine ehrliche Heuristik ist nützlicher als eine Zahl, die wie eine Wahrscheinlichkeit aussieht. Bewertung und Vertrauen zu trennen, zwang mich zu sagen, was das Produkt weiß und was es nur annimmt.
Rolle
Problem, Umfang, Produkt- und Architekturentscheidungen, Bewertungsregeln, Prioritäten und die Grenzen dessen, was das Produkt behaupten darf. Umsetzung mit Codex, Oberfläche mit Lovable und Unterstützung durch ChatGPT.
BelegeUnter der Oberfläche
Architektur
- Daten
- Dienst
- Person
Derselbe Ablauf, Schritt für Schritt
- OpenStreetMap-Orte und Vorhersagen von Open-Meteo gehen als versionierte Daten ein.
- Die Ebenen Solar, Terrain und Visibility beschreiben die Szene für einen Ort und eine Uhrzeit.
- Deterministische Regeln machen aus der Szene eine Ereignisbewertung.
- Das Datenvertrauen wird getrennt berechnet.
- Die Empfehlung zeigt beides, mit den Gründen.
Produkttafeln
Tafel 1 von 5Die atmosphärische EntscheidungRedaktionelle KompositionSynthetische Daten Tafel 2 von 5Sonne und HorizontRedaktionelle KompositionSynthetische Daten Tafel 3 von 5Die EmpfehlungRedaktionelle KompositionSynthetische Daten Tafel 4 von 5Der Index, erklärtRedaktionelle KompositionSynthetische Daten Tafel 5 von 5Belege für künftiges LernenRedaktionelle KompositionSynthetische Daten
Zahlen und ihre Herkunft
- Datum
- 7. September 2026
- Geltungsbereich
- OpenStreetMap-Orte, Release es-geofabrik-20260907-v1.
- Quelle
- OpenStreetMap
© OpenStreetMap-Mitwirkende. Wetterdaten: Open-Meteo.
Stack
Seite zuletzt überarbeitet: