Paper-2-Dashboard: Mit einem KI-Assistenten und „Zero Prompt“ ein interaktives Dashboard generieren
Ein Gem ist ein KI-Assistent im Gemini-Chat von Google und kann gezielt mit Standardtools wie einer Bild-KI oder der Canvas-Funktion ausgestattet werden. Im Blogbeitrag wird die Canvas-Funktion als Standardtool aktiviert, um nach einem Upload ohne Prompteingabe ein Dashboard zu erstellen, das die zentralen Ergebnisse einer Studie visualisiert. Gems lassen sich kostenlos konfigurieren und nutzen.
Zum offenen Dashboard im Gemini-Chat (kann Fehler enthalten)
Zum umfangreichen Beitrag zur Einrichtung eines Gems
SYSTEMPROMPT (ANWEISUNG)
# Rolle und Ziel
Du bist ein spezialisierter KI-Assistent, der wissenschaftliche Studien (PDF-Uploads) analysiert und die zentralen Ergebnisse in Form eines kompakten, übersichtlichen, interaktiven Dashboards auf Deutsch visualisiert. Dein Ziel ist es, komplexe Daten und wissenschaftliche Fachsprache in einfache, für Laien verständliche Sprache (ca. Sprachniveau B1/B2) zu übersetzen, ohne dabei die wissenschaftliche Korrektheit zu verfälschen.
# Benutzeroberfläche & Layout (Dashboard-Struktur)
Generiere das Dashboard in einer klaren, visuell strukturierten Markdown-Form (oder HTML/JSON, je nach Systemumgebung), die folgende Elemente enthält:
1. **Header:** Titel der Studie, Autoren, Erscheinungsjahr und ein knackiger "One-Liner" (Worum geht es?).
2. **Key Takeaways (Die 3 wichtigsten Erkenntnisse):** Bullet Points in einfacher Sprache.
3. **Die Kernfrage & Das Ergebnis:** Was wurde untersucht und was kam heraus? (Nutze fette Schrift für visuelle Anker).
4. **Zahlen & Fakten (Kompakte Tabelle):** Stichprobengröße, Methode, wichtigste statistische Werte (vereinfacht erklärt).
5. **Praktische Bedeutung:** Was bedeutet das für den Alltag oder die Praxis?
### WICHTIG: Integrierter Hilfe-Chat (Rechts Oben)
Simuliere oder reserviere in deiner Ausgabe oben rechts eine visuelle Box für den "Hilfe-Chat" mit Eingabefeld.
Text-Inhalt für diese Box im Dashboard:
**Fragen zur Studie?**
Ich helfe dir gerne weiter! Tippe deine Frage einfach hier unten ein, wenn dir ein Begriff unklar ist oder du tiefer bohren möchtest."
# Richtlinien für die Tonalität und Sprache
* **Einfache Sprache:** Vermeide verschachtelte Sätze und akademisches JSON-Deutsch. Nutze aktive Verben statt Substantivierungen (z. B. "Die Forscher untersuchten..." statt "Die Durchführung der Untersuchung von...").
* **Fachbegriffe erklären:** Wenn ein Fachbegriff (z. B. "Signifikanzniveau", "Placeboeffekt") unverzichtbar ist, erkläre ihn sofort in Klammern oder mit einem einfachen Satz.
* **Objektivität:** Bleibe sachlich und übernimm die Limitationen der Studie (z. B. "Das wurde nur an 50 Personen getestet, ist also noch nicht allgemeingültig").
# Workflow nach dem PDF-Upload
1. Bestätige kurz den Erhalt des Dokuments.
2. Analysiere das Dokument im Hintergrund.
3. Gib direkt das kompakte Dashboard im oben definierten Layout aus.
4. Schalte danach in den "Chat-Modus", um auf Fragen des Nutzers zu diesem Dashboard oder der Studie im Detail einzugehen (aktivierte Hilfe-Chat-Funktion).Den Systemprompt für den KI-Assistenten habe ich im Gemini-Chat über das Sprachmodell Gemini als Markdown ausgeben lassen und per Copy & Paste im Gem-Backend in das Feld „Anweisungen“ eingefügt. Solche Prompts kann man gut individuell anpassen, falls eine wichtigere Rolle oder Ähnliches fehlt oder nicht präzise genug definiert ist.
Der obere Screenshot zeigt das Backend des Gems „Paper-2-Dashboard“ mit dem hineinkopierten Systemprompt auf der linken Seite. Auf der rechten Seite befindet sich ein Vorschau-Modus, um das Gem vorab zu testen. Dieser wird hier im Beispiel nicht verwendet, da die Canvas-Funktion im Split-Screen-Modus ausgeführt wird und im Backend aus designtechnischen Gründen nicht optimal dargestellt wird
Die Canvas-Funktion lässt sich über ein Drop-down-Menü festlegen. Diese befindet sich auf der linken Seite, rechts neben der Bezeichnung „Standardtool“. Rechts oben über den Button „Chat starten“ gelangt man zum normalen Chat. Der untere Screenshot zeigt das Gem mit bereits gestarteten Chats und einem im Kontextfenster eingefügten PDF. Beim PDF handelt es sich um eine frei verwendbare Studie (Lizenz: CC BY 4.0), die untersucht, wie gut große Sprachmodelle juristische Falllösungen im öffentlichen Recht und Strafrecht bewerten können.
Das Gem hilft nun, dieses durchaus herausfordernde Forschungspapier möglichst übersichtlich in einem Dashboard zusammenzufassen, damit ich mich nicht zeitintensiv einlesen muss. Diesen Vorgang kann man als „Upskilling“ bezeichnen, denn ein KI-Assistent befähigt mich dazu, mit wenig Zeitaufwand Inhalte außerhalb des eigenen Fachgebiets zu verstehen, die ich ohne eine KI-Anwendung so effizient niemals erfassen könnte.
Die obere Abbildung zeigt den Erstellungsprozess des Dashboards, der mit „Zero Prompt“, also ohne die Eingabe eines Prompts, ausgelöst wurde. Lediglich ein Klick auf Enter genügt, da die Anweisungen im Gem-Backend sehr klar formuliert sind. Generell lohnt es sich, solch einen Systemprompt präziser anzugeben.
Während der Entwicklung kann ich oben über den Button „Code“ live den generierten Programmiercode einsehen und bekomme ein Gefühl dafür, was Vibe-Coding überhaupt bedeutet. Markiere ich eine Code-Passage, so kann ich diese zusätzlich für weitere Erklärungen mit Gemini diskutieren.
Nach kurzer Zeit ist das Dashboard mit dem Titel „GradeLegal: Automatisierte Jura-Klausurenkorrektur“ fertig generiert und kann direkt im Gemini-Chat getestet werden. Um die Anwendung anzupassen, steht links ein Chat zur Verfügung, um gezielt mit Folgeprompts eine verbesserte Version zu entwickeln. Funktioniert zum Beispiel ein Button nicht, lässt sich dies über einen Prompt wie ***Button [XYZ] funktioniert nicht*** mitteilen. Gemini weiß dann in der Regel genau, was es zu tun hat und behebt den Fehler.
Die untere Abbildung stellt einen Ausschnitt aus dem Dashboard dar, in dem GPT-5 im Bereich des öffentlichen Rechts als Testsieger präsentiert wird. Dies ist ein ganz zentrales Ergebnis der Studie, das hier übersichtlich im Dashboard aufbereitet wird. Ich scrolle also durch die Anwendung und schaue gezielt nach Tabellen und Ähnlichem, anstatt langen Text im Stil eines Blogbeitrags lesen zu müssen. Super!
Im ursprünglichen Systemprompt wurde festgelegt, dass innerhalb des Dashboards stets ein separater Chat vorhanden sein soll, um dort die Resultate einholen zu können. Ja, dies ginge auch über den Chat auf der linken Seite, aber es lohnt sich aus meiner Sicht, beide Chats unabhängig voneinander zu nutzen. Auf der linken Seite ließen sich ausschließlich Folgeprompts formulieren und Version 1,2,3 bis Version X der Anwendung ausgeben. Und mit dem direkt im Dashboard integrierten Chat hole ich die Informationen zu den Studienergebnissen ein.
Würde alles im linken Chat hineingeschrieben, so kann es sein, dass man ab einem bestimmten Zeitpunkt, zum Beispiel bei Version 14 und diversen Nachfragen rund um die Thematik, nicht mehr genau weiß, wo sich welche Version befindet, da womöglich Version 12 besser war und noch mal angezeigt werden soll. Eine saubere Trennung spart langfristig Zeit und schafft Ordnung, insbesondere falls das Dashboard langfrisitig über Updates betrieben werden soll.
Zum Schluss noch der Hinweis auf die Studie „GradeLegal: Automated Grading for German Legal Cases“, die von Forschenden der Universität Passau und des Deggendorf Institute of Technology. Gerne mal durchlesen 😉
Autor
