# Meeting Lab Experimentierumgebung zur Entwicklung eines lokalen Diskussionsanalyzers für Meetingtranskripte. ## Ziel Das Meeting Lab dient dazu, Verfahren zur Analyse realer Meetingtranskripte zu entwickeln und zu evaluieren. Im Mittelpunkt steht nicht die Softwarearchitektur, sondern die Frage: > **Wie lässt sich aus einem realen Meeting möglichst zuverlässig strukturiertes Wissen extrahieren?** Neue Ideen werden zunächst hier experimentell umgesetzt. Erst wenn sich ein Ansatz bewährt hat, wird er in den eigentlichen *Meeting Assistant* übernommen. --- ## Grundidee Klassische Meeting-Zusammenfassungen versuchen, das gesamte Transkript in einem einzigen Schritt zu verstehen und zusammenzufassen. Das funktioniert bei realen Diskussionen nur eingeschränkt, da Themen häufig - begonnen, - unterbrochen, - später wieder aufgenommen, - ergänzt oder - relativiert werden. Deshalb verfolgt das Meeting Lab einen mehrstufigen Analyseansatz. ```text Meeting ↓ Normalisierung ↓ Diskussionsblöcke ↓ Themensegmentierung ↓ Extraktion ↓ Deterministic Canonicalizer ↓ Semantic Consolidator ↓ Canonical Meeting Knowledge ↓ Arbeitsprotokoll / Verteilerprotokoll / Knowledge Objects ``` Jeder Verarbeitungsschritt löst genau eine klar definierte Aufgabe. --- ## Entwicklungsprinzipien - Kleine, klar abgegrenzte Verarbeitungsschritte - Ein Modul = eine Aufgabe - Deterministische Vorverarbeitung - Nachvollziehbare Ergebnisse - Reproduzierbare Experimente - Lokale Ausführung ohne Cloud-Abhängigkeit --- ## Repository-Struktur ```text meeting-lab/ ├── src/ # Quellcode ├── prompts/ # LLM-Prompts ├── experiments/ # Reproduzierbare Experimente ├── samples/ # Beispieltranskripte ├── tests/ # Tests ├── docs/ # Dokumentation └── pyproject.toml ``` --- ## Aktuelle Pipeline ```text Whisper ↓ normalize_transcript.py ↓ chunk_transcript.py ↓ (segment_topics.py) ↓ Extraktoren ↓ Deterministic Canonicalizer ↓ Semantic Consolidator ↓ Canonical Meeting Knowledge ↓ Output-Ansichten ``` Der nächste Architekturmeilenstein ist die Trennung zwischen deterministischer Kanonisierung der Chunk-Extraktionen und semantischer Konsolidierung. Die Kanonisierung validiert und normalisiert Extraktionsobjekte ohne LLM. Die semantische Konsolidierung nutzt das lokale LLM, um gleichbedeutende Aussagen zusammenzuführen, Evidenz zu erhalten und die Canonical Meeting Knowledge zu erzeugen. Das Meeting Lab behandelt "das Protokoll" nicht mehr als ein einzelnes Endprodukt. Das konsolidierte Meeting-Wissen ist die **Canonical Meeting Knowledge**, also die kanonische semantische Repräsentation eines Meetings und die Single Source of Truth für alle nachgelagerten Ausgaben. Aus dieser Canonical Meeting Knowledge entstehen drei unabhängige Output-Ansichten: - Working Protocol (`working_protocol.md`, Arbeitsprotokoll): relativ vollständig, mit Kontext, Begründungen, Entscheidungen, Aufgaben und offenen Fragen. - Distribution Protocol (`distribution_protocol.md`, Verteilerprotokoll): deutlich kürzer, ergebnisorientiert und für Kolleginnen, Management oder Stakeholder geeignet. - Knowledge Objects, dargestellt zum Beispiel als Knowledge-base Entry (`knowledge_entry.md`) oder später strukturiert gespeichert, zum Beispiel als `knowledge_entry.json` (Wissensdatenbankeintrag). Diese Ausgaben sind parallele Renderings desselben semantischen Modells. Das Arbeitsprotokoll ist nicht die Quelle des Verteilerprotokolls, und das Verteilerprotokoll ist nicht die Quelle der Knowledge Objects. Gerenderte Protokolle sollen normalerweise in der dominanten Sprache des Quelltranskripts beziehungsweise der konsolidierten Meeting Knowledge erstellt werden, sofern keine explizite Ausgabesprache angefordert wurde. --- ## Projektstatus Aktuell liegt der Schwerpunkt auf der Entwicklung eines modularen Diskussionsanalyzers. Implementiert sind Vorverarbeitung, technische Chunking- und lokale Chunk-Extraktionsschritte. Deterministic Canonicalizer, Semantic Consolidator, Canonical Meeting Knowledge und finale Output-View-Renderer sind geplante nächste Schritte. Die eigentliche Ausgabeerzeugung ist bewusst der letzte Verarbeitungsschritt. --- ## Lizenz Noch nicht festgelegt.