Roadmap der Fridai App

Basis-Plattform, Zitadel-Authentifizierung, Mandanten, Einladungen, Berechtigungen und kontrollierter Modul-Rollout.

Ziel

Die Plattformverwaltung schafft den organisatorischen Rahmen für Teams, Benutzer und Berechtigungen.

Umfang

• Basis-Plattform und Zitadel-Authentifizierung aufbauen.
• Onboarding-Prozess, Organisationen und Benutzereinladungen ermöglichen.
• Berechtigungen für Module und Funktionen vorbereiten.
• Plattform-Operator-Zugang mit separater Plattform-Organisation, Operator-Flag und geschütztem Dev-Bypass absichern.
• Organisationen erstellen, mit Zitadel verknüpfen, synchronisieren, deaktivieren und kontrolliert löschen.
• Feature-Gates mit Abhängigkeiten, Action-Catalog und Live-Aktualisierung pro Organisation vorbereiten.
• Platform-Audit für Operator-Aktionen, verweigerte Zugriffe und sicherheitsrelevante Änderungen einführen.

LLM-Anbieter, Modellkatalog, Prompt-Vorlagen, Compliance, Usage und Embeddings administrierbar machen.

Ziel

KI-Funktionen sollen nicht nur genutzt, sondern sicher betrieben, auditiert und organisationsspezifisch gesteuert werden können.

Umfang

• LLM-Verbindungen und Modelle zentral verwalten, inklusive verschlüsselter API-Keys.
• Compliance-Level, Modellstatus, Default-Modelle, Deprecation, Replacement und Rollback abbilden.
• Prompt-Templates versionieren, globale Vorlagen pro Organisation überschreiben und optional an Modelle binden.
• Embedding-Konfiguration, Rebuilds und Retry-Funktionen für die Wissensbasis steuerbar machen.
• AI-Usage und Modell-Fallbacks nachvollziehbar protokollieren.

Assistent für allgemeine und IBB-konforme Journaleinträge.

Ziel

Assistenten sollen wiederkehrende Dokumentationsarbeit unterstützen und erste fachliche Spezialfälle zuverlässig abdecken.

Umfang

• Assistent für allgemeine Journaleinträge bereitstellen.
• IBB-konforme Journaleinträge erproben.
• Ausgabequalität mit realen Beispielen validieren.
• Wizard für Beobachtungen, Bereich, Datum, Fachbezug und IV-konforme Formulierung nutzen.
• Generierte Journaleinträge kürzen, ressourcenorientiert, freundlicher, agogisch oder sprachlich nachbearbeiten.
• Modellauswahl und Prompt-Vorlagen für Journal-Assistenten mit dem AI-Governance-Modell verbinden.

Feedback zu bestehenden Journaleintrag-Assistenten umsetzen und die Ausgabequalität verbessern.

Ziel

Die bestehenden Assistenten für allgemeine und IBB-konforme Journaleinträge werden anhand der Rückmeldungen aus den Testdurchläufen verbessert.

Umfang

• Nur dokumentierte Fakten, Aussagen und Ziele in generierte Journaleinträge übernehmen.
• Beobachtungen, Interpretationen und weiteres Vorgehen klar voneinander trennen.
• IBB-Unterbereiche gezielter auswählbar machen und die gewünschte Überschrift ergänzen.
• Datum, Anrede und wertschätzende Sprache konsistent ausgeben.

Bestehende Journaleintrag-Assistenten mit einer erweiterten Gruppe im Arbeitsalltag testen.

Ziel

Die bestehenden Assistenten werden mit zusätzlichen Betatestern erprobt und anhand ihrer Rückmeldungen weiter verbessert.

Umfang

• Betatester einbinden und die Assistenten im Arbeitsalltag erproben.
• Rückmeldungen zu Qualität, Bedienung und Nutzen strukturiert erfassen.
• Erkannte Probleme priorisieren und Verbesserungen schrittweise umsetzen.

Wir bauen Assistenten für eure eigenen Vorlagen und Abläufe – auf Anfrage und schnell umgesetzt.

Ziel

Organisationen bekommen Assistenten, die zu ihren eigenen Vorlagen und Abläufen passen, ohne auf ein grosses Release warten zu müssen.

Umfang

• Anfrage aufnehmen: Vorlage, Ablauf und gewünschtes Ergebnis gemeinsam klären.
• Assistenten umsetzen und gemeinsam mit euch im Arbeitsalltag testen.
• Bewährte Assistenten für weitere Organisationen verfügbar machen.

Assistenten für unterschiedliche Arbeitskontexte und Sichtbarkeitslevel vorbereiten.

Ziel

Assistenten sollen auf Plattform-, Organisations- oder persönliche Sichtbarkeit begrenzt und für verschiedene Arbeitskontexte konfiguriert werden können.

Umfang

• Sichtbarkeitslevel Plattform, Organisation und persönlich abbilden.
• Konfigurierbare Assistenten für verschiedene Arbeitskontexte vorbereiten.
• Material- und Bibliothekskontext für Assistenten gezielt hochladen und wiederverwenden.
• Weitere Assistenten-Typen wie Job Choice, Location Meeting und Support Planning als nächste fachliche Kandidaten prüfen.
• Tool-Policies, Output-Modus und automatische Auslösung für Skills und Assistenten schrittweise validieren.

Basis-Chat einbauen und Kommunikation mit LLM ermöglichen.

Ziel

Die Fridai App bekommt eine erste eigene Chat-Strecke für direkte LLM-Kommunikation.

Umfang

• Basis-Chat in die Fridai App einbauen.
• Kommunikation mit einem LLM ermöglichen.
• Grundlage für Open-Web-UI-Funktionen und spätere Erweiterungen schaffen.

Wichtigste Funktionen von Open Web UI zur Verfügung stellen, inklusive Skills und Modellauswahl.

Ziel

Die zentrale Chat-Oberfläche soll für erste produktnahe Nutzungsszenarien verfügbar sein.

Umfang

• Wichtigste Funktionen von Open Web UI bereitstellen.
• Skills und Modelle für erste Arbeitsabläufe nutzbar machen.
• Grundlage für spätere kundenspezifische Erweiterungen legen.
• Modellauswahl, Reasoning-Tiefe und providerabhängige Modellfähigkeiten in der Chat-Oberfläche steuerbar machen.
• Persönliche und organisationale Skills als wiederverwendbare Instruktionsprofile vorbereiten.

Testings, Kundenanforderungen, robuste Chat-Abläufe und Funktionen wie Bilderzeugung, Bildanalyse und Websuche.

Ziel

Die Chat-Funktion wird von einer nutzbaren Basis zu einer robusten produktnahen Oberfläche weiterentwickelt.

Umfang

• Diverse Testings und Kundenforderungen absichern.
• Chat-Funktionen für produktnahe Nutzung stabilisieren.
• Bilderzeugung, Bildanalyse und Websuche als Erweiterungspfade prüfen.
• Streaming, Stop, Retry, Navigation während laufender Antworten und Fehlerzustände robust machen.
• Upload-Wartezustände, nachgelagerte Antwortgenerierung und Recovery bei Verarbeitungsausfällen absichern.
• Temporäre Chats ohne Persistenz anbieten und bei Bedarf in reguläre Chats übernehmen.

Chat mit Dokument-Mentions, RAG-Quellen, Uploads, temporären Chats, Skills und Markdown-Artefakten erweitern.

Ziel

Der Chat soll Arbeitskontext aus Bibliothek, Klienten und Produktwissen nutzen und daraus nachvollziehbare Ergebnisse erzeugen.

Umfang

• Dokumente per @-Mention einbinden und RAG-Kontext mit sichtbaren Quellen erzeugen.
• Dateien direkt im Chat hochladen, verarbeiten, indexieren und danach für Antworten nutzen.
• Produktwissen und Klientenkontext in Antworten berücksichtigen, ohne Sichtbarkeitsgrenzen zu umgehen.
• Agentische Tools für Dokumentensuche und Markdown-Artefakte transparent im Chatverlauf anzeigen.
• Bearbeitbare Markdown-Artefakte mit Versionen, Vorschau und optionaler Bibliotheksablage bereitstellen.

Open Web UI vollständig durch den Chat der Fridai App ablösen.

Ziel

Die Chat-Nutzung läuft vollständig über die Fridai App, Open Web UI wird nicht mehr benötigt.

Umfang

• Bestehende Nutzung von Open Web UI auf den Chat der Fridai App umstellen.
• Für den Umstieg fehlende Funktionen identifizieren und schliessen.
• Open Web UI nach erfolgreichem Umstieg ausser Betrieb nehmen.

Fundament für den Berichtgenerator.

Ziel

Der Berichtgenerator bekommt eine belastbare technische Grundlage.

Umfang

• Grundstruktur für Berichtsvorlagen aufbauen.
• Vorhandene Datenquellen für Berichte nutzbar machen.
• Basis für konkrete Berichtstypen und spätere Konfiguration schaffen.
• Report-Core mit Datenmodell, Feature-Gate, Templates, Sections und Section-Templates vorbereiten.
• Grundlagen für Drafts, Versionierung, Export, Review, Audit und RBAC einplanen.
• Klienten-, Journal-, Dokument- und Agent-Daten als mögliche Berichtsdatenquellen prüfen.

Die ersten sechs priorisierten Berichte umsetzen.

Ziel

Priorisierte Berichtstypen sollen in Fridai abgebildet und im Alltag getestet werden.

Umfang

• Sechs priorisierte Berichte umsetzen.
• Inhalt, Format und Datenbasis fachlich abstimmen.
• Feedbackschlaufen mit der Testgruppe einplanen.

Konfigurierbarer Berichtgenerator als nächster Ausbau der Berichtsfunktionen.

Ziel

Berichte sollen nicht nur fest umgesetzt, sondern flexibel konfiguriert werden können.

Umfang

• Konfigurierbare Berichtsvorlagen vorbereiten.
• Wiederverwendbare Bausteine für Berichtsinhalte aufbauen.
• Grundlage für organisationsspezifische Berichtstypen schaffen.
• Vorlagen und Abschnitte so strukturieren, dass Varianten pro Organisation möglich werden.
• Versionierung, Review-Status und spätere Diff-Ansichten berücksichtigen.
• Exportpfade wie Word/PDF und fachliche Freigabeprozesse vorbereiten.

IBB Rasterberichte abbilden, als globale Vorlage bereitstellen und Workflows mit Review-Prozess unterstützen.

Ziel

Die Berichtsfunktionen werden über Release 1.0 hinaus auf IBB-Rasterberichte und Review-Workflows erweitert.

Umfang

• IBB Rasterberichte in Fridai abbilden.
• Globale Vorlagen für wiederkehrende Berichtstypen ermöglichen.
• Workflows mit Review-Prozess, Reviewer-Rolle und Statusmodell vorbereiten.
• Rasterberichte mit Vorlagenversionen, Abschnittslogik und globaler Wiederverwendung verbinden.
• Review, Freigabe, Audit und Exportfähigkeit als Teil des Bericht-Workflows behandeln.

Audio als Datei hochladen, transkribieren und für weitere Auswertung vorbereiten.

Ziel

Audio wird als erster eigener Eingabekanal für Fridai nutzbar.

Umfang

• Audioaufnahme als Produktfähigkeit vorbereiten.
• Transkription von Audiodateien ermöglichen.
• Grundlage für Speaker-Erkennung und Zusammenfassungen schaffen.
• Uploadbasierte Transkription mit WhisperX, Zeitsegmenten, Sprache, Dauer und Sprecherzuordnung umsetzen.
• Audio-Player, Transkriptansicht, Kopieren und Download der Ergebnisse bereitstellen.
• Direkte Aufnahme in der App bleibt ein separater Ausbaupfad, insbesondere für mobile Nutzung.

Speaker-Erkennung, Zusammenfassungen erstellen und Audio-Research, unter anderem mit Whisper.

Ziel

Audioinhalte sollen nicht nur transkribiert, sondern fachlich nutzbar zusammengefasst werden.

Umfang

• Speaker-Erkennung für Gespräche mit mehreren Beteiligten prüfen.
• Zusammenfassungen aus Transkripten erstellen.
• Audio-Research mit Whisper und verwandten Werkzeugen bewerten.
• Sprecher-Mapping nachbearbeitbar machen und in Transkript sowie Zusammenfassung berücksichtigen.
• KI-Zusammenfassungen aus Transkripten inklusive Exportpfad für PDF und DOCX vorbereiten.

Testphase mit Testdossier.

Ziel

Die Transkriptionsstrecke wird mit realistischen Testdaten auf Nutzbarkeit geprüft.

Umfang

• Testphase durchführen.
• Testdossier für wiederholbare Vergleiche verwenden.
• Rückmeldungen zu Qualität, Dauer und Bedienbarkeit sammeln.

Automatische Konvertierung von MP4-Dateien für die Audioverarbeitung.

Ziel

Video- und Audioquellen sollen einfacher verarbeitet werden können.

Umfang

• Automatische Konvertierung von MP4-Dateien vorbereiten.
• Konvertierte Dateien für Transkription und Zusammenfassung nutzbar machen.
• Manuelle Vorarbeit für Nutzerinnen und Nutzer reduzieren.
• M4A und audio/mp4 als Audioquellen berücksichtigen.
• Bei Video-MP4 wird die Audiospur automatisch extrahiert und anschliessend transkribiert.

Erweiterte Testgruppe und Optimierungen anhand von Feedback.

Ziel

Audio-Transkriptionen werden mit einer größeren Gruppe getestet und gezielt verbessert.

Umfang

• Erweiterte Testgruppe starten.
• Optimierungen anhand von Feedback einplanen.
• Qualität, Dauer und Bedienung gezielt schärfen.

Dokumente hochladen und Dokumente verarbeiten.

Ziel

Die Bibliothek wird als zentrale Ablage und Verarbeitungsstelle für Dokumente eingeführt.

Umfang

• Dokumente in Fridai hochladen.
• Dokumente für weitere Funktionen verarbeiten.
• Basis für Ordner, Bereiche und neue Formate legen.
• Upload-Pipeline mit Status, Prozesshistorie und unveränderten Originaldateien einführen.
• PDF, DOCX, XLSX, PPTX, Bilder und HTML in Markdown verarbeiten; Audio in die Transkriptionsstrecke geben.
• Dateigröße, MIME-Typ, Hash und Speicherstatus beim Upload prüfen.

Bereiche persönlich und Organisation, Ordnerstrukturen und Dateiaktionen.

Ziel

Die Bibliothek soll persönliche und organisationale Dokumentablage sauber unterstützen.

Umfang

• Bereiche für persönliche und organisationsweite Inhalte unterscheiden.
• Ordnerstrukturen für wiederkehrende Ablagen bereitstellen.
• Grundlegende Dateiaktionen wie Organisieren, Bearbeiten und Verarbeiten stabilisieren.
• Tags, Suche, Papierkorb, Wiederherstellung und Duplikatübersicht ergänzen.
• Bulk-Aktionen für Verschieben, Löschen, Sichtbarkeit, Tags und ZIP-Downloads ermöglichen.
• Persönliche und organisationale Ablage konsistent in Bibliothek und Klientenkontext nutzen.

Neue Formate, Bugfixes, Folder-Upload, Duplikate, Verarbeitungsmodi und Videoquellen für die Audioverarbeitung.

Ziel

Die Bibliothek wird robuster und unterstützt mehr Dateitypen.

Umfang

• Unterstützung neuer Formate ausbauen.
• Bugfixes aus der Nutzung priorisieren.
• Videoaufnahme als Zubringer für Audioverarbeitung ermöglichen.
• Schnell- und Qualitätsmodus für Dokumentverarbeitung nutzbar machen.
• Folder-Upload, Duplikaterkennung und detaillierte Prozesshistorie stabilisieren.
• Markdown, Text und CSV als Ablageformate berücksichtigen; automatische Verarbeitung bleibt Ausbaupunkt.
• M4A und audio/mp4 sind als Audioquellen unterstützt; video/mp4 wird für die Audioverarbeitung konvertiert.

Dokumente durch Embeddings, hybride Suche, Quellen und Backfill-Operationen als Wissensbasis nutzbar machen.

Ziel

Die Bibliothek soll nicht nur Ablage sein, sondern verlässlicher Such- und Kontextspeicher für Chat, Assistenten und Berichte.

Umfang

• Dokumente in Chunks zerlegen und mit Embeddings für semantische Suche vorbereiten.
• Hybride Suche aus BM25 und Vektorähnlichkeit mit Sichtbarkeits- und Klientenfiltern nutzen.
• Suchergebnisse mit Quellen, Abschnittsbezug und bei Audio mit Zeitmarken zurückgeben.
• Embedding-Backfill, Rebuild und Retry für Betrieb und Datenmigration bereitstellen.
• Verarbeitete Markdown-Inhalte als Vorschau und Download in der Bibliothek verfügbar machen.

Klientenverwaltung möglich machen, Dokumente hochladen und verarbeiten.

Ziel

Klientenverwaltung und Dokumentverarbeitung werden im fachlichen Kontext verbunden.

Umfang

• Klientenverwaltung in der Fridai App ermöglichen.
• Dokumente im Klientenkontext hochladen.
• Verarbeitung als Grundlage für Journal und Metainformationen vorbereiten.
• Stammdaten wie Name, Geburtsdatum und Geschlecht bearbeiten.
• Bezugspersonen mit primärer und sekundärer Rolle zuordnen.
• Klientenspezifische Bibliothek mit Ordnern, Dokumenten und Massnahmenbezug nutzen.

Massnahmen, Journaleinträge, Journal-KI und Metainformationen im Klientenkontext.

Ziel

Klientendaten sollen so strukturiert werden, dass Journal und weitere Fridai-Funktionen darauf aufbauen können.

Umfang

• Journaleinträge im Klientenkontext abbilden.
• Metainformationen für spätere Automatisierung bereitstellen.
• Grundlage für weitere Optimierungen der Klientenverwaltung schaffen.
• Massnahmen mit Status, Start- und Enddatum erfassen und Journaleinträge daran ausrichten.
• Journaleinträge pro Massnahme erstellen, bearbeiten, löschen und mit Tagesbearbeitungssperre schützen.
• Journal-KI für Generierung aus Stichworten und Zusammenfassung bestehender Einträge einsetzen.

Klientenangaben optimieren und um zusätzliche Metadaten zu Klientinnen und Klienten erweitern.

Ziel

Klienteninformationen werden weiter angereichert, damit Automatisierung und Berichte präziser arbeiten können.

Umfang

• Zusätzliche Metadaten zu Klientinnen und Klienten ergänzen.
• Strukturierung der Klienteninformationen verbessern.
• Optimierungen aus ersten Nutzungserfahrungen übernehmen.
• Vorhandene Metadaten wie Geburtsdatum, Geschlecht, Bezugspersonen und Massnahmen evaluieren.
• Zusätzliche strukturierte Felder aus Fachfeedback und Berichtserfordernissen ableiten.
• Metadaten so pflegen, dass Journal-KI, Klienten-Chat und Berichte denselben Kontext nutzen.

Klientenübersicht, Massnahmen, Bezugspersonen, Journal, Dokumente und Chat als zusammenhängende Fallführung verbinden.

Ziel

Klientenkontext soll als Arbeitsraum funktionieren, in dem Chat, Dokumente, Massnahmen und Journal zusammenlaufen.

Umfang

• Klienten-Chat mit Kontext aus Stammdaten, Massnahmen, Dokumenten und Journal ermöglichen.
• Persistente und temporäre Chats im Klientenkontext unterstützen.
• Klientenbezogene Dokumente über dieselbe Bibliotheksoberfläche verwalten.
• Lösch- und Wiederherstellungsprozesse für Klientendaten und Dossiers sichtbar machen.
• KI-Funktionen nur mit passenden Berechtigungen und Datenschutzfreigaben aktivieren.

Produktionsumgebung, Preview-Deployments, Healthchecks und Betriebs-Hardening vorbereiten.

Ziel

Die Plattform wird für produktionsnahe Nutzung und belastbare Betriebsprozesse vorbereitet.

Umfang

• Entwicklungsumgebung auf Produktionsumgebung umschalten.
• Betriebsannahmen prüfen.
• Umgebung für weitere Testgruppen stabilisieren.
• Preview-Deployments mit Healthcheck, OIDC-Redirect, PR-Link, Commit und Testnotizen verifizierbar machen.
• DB-Security-Hardening, Runtime-Role, RLS-/Superuser-Checks und Remediation-Runbook aufnehmen.
• Processing-Backfills, Embedding-Rebuilds und Betriebsaktionen als Operator-Workflows absichern.
• Produktionsnahe Konfiguration für Mail, Storage, Jobs API, LLM-Anbieter und Plattform-Organisation prüfen.

Regulatorik, Datenschutz, Lizenzkosten, SLA und Support.

Ziel

Neben Produktfunktionen müssen regulatorische, kommerzielle und betriebliche Fragen sauber geklärt werden.

Umfang

• Regulatorische und Datenschutz-Fragen klären.
• Lizenzkosten, SLA und Supportmodell vorbereiten.
• Rahmenbedingungen für erste produktive Nutzung festhalten.
• Support- und Debug-Zugriff fachlich entscheiden: kein Kundendatenzugriff ohne explizites, auditiertes Modell.
• Break-glass, Freigabeprozess, Datenmaskierung, Audit-Einsicht und Support-Runbooks definieren.
• AI- und Dokumentverarbeitung mit Datenschutzfreigaben, Compliance-Leveln und Betreiberverantwortung abstimmen.
• SLA-Annahmen für Jobs API, LLM-Anbieter, Speicher, Suche und Preview/Produktionsbetrieb festhalten.