Zum Inhalt springen

Learning Management auf eigener Infrastruktur

Drei produktive LMS-Plattformen — adaptive Sprachkurse, strukturierte Lernpfade, interne Wissensdatenbanken. Gebaut auf Open-Source-Basis, deployed auf Cloudflare Edge.

Adaptives Lernen Intervallwiederholung Lernpfade Quiz-Engine Fortschrittsverfolgung Pagefind Suche WCAG 2.2 AA Mehrsprachig Cloudflare Edge Dark Mode Open Source

Das Fundament

Knowledge Core

Open Source Template v0.3.1

Das gemeinsame Fundament aller LMS-Instanzen: ein pnpm-Monorepo mit Docs- und Kurs-App, geteilten Komponenten und Type-Safe Content-Modell. Klonen, anpassen, deployen — ohne Vendor Lock-in.

  • pnpm Workspaces — Docs + Kurse in einem Repo
  • Type-Safe Content-Modell mit Zod-Schema
  • 26 Astro UI-Komponenten (@knowledge-core/ui)
  • Pagefind Volltextsuche mit Cmd+K
  • Multi-Subdomain Deployment
  • WCAG 2.2 AA Barrierefreiheit
github.com/casoon/knowledge-core

LMS als Live-Demo

Drei Instanzen auf Basis von Knowledge Core — unterschiedliche Inhalte, dasselbe skalierbare Fundament.

Language Toolbox

Adaptives Sprachkurs-LMS

Sprachkurse mit adaptivem Lernmodell: Die Plattform passt Schwierigkeit und Wiederholungsintervalle individuell an — über einen dreiphasigen Zyklus aus Sprachkontakt, aktiver Produktion und gezielter Korrektur. Kein statischer Kursplan, sondern eine Lernlogik, die sich an den Fortschritt jedes Nutzers anpasst.

5
Zielsprachen
400+
Lektionen
3-Phasen
Lernzyklus
  • Adaptiver Intervallwiederholung Algorithmus
  • Grammatik-Regelwerke pro Sprache
  • Interaktive Quizzes und Übungen
  • Persistenz via Cloudflare D1
  • DE · EN · ES · FR · IT
  • Mistral AI-Integration (Roadmap Phase 5)
layer-one.casoon.dev

Learning Space

Allgemeine Lernplattform

Strukturierte Lernpfade über mehrere Fachbereiche hinweg — mit geräteübergreifender Fortschrittsspeicherung und MDX-basierter Inhaltsstruktur. 628 Lektionen, 13 Pfade, ein Repository.

55+
Kurse
628
Lektionen
13
Lernpfade
  • Lernpfade mit definierten Abhängigkeiten
  • Geräteübergreifende Sync via Cloudflare KV
  • Fortschrittsanzeige pro Kurs und Pfad
  • MDX-Lektionen mit Quizzes und Übungen
  • KaTeX für mathematische Formeln
  • Mehrere Fachbereiche parallel
learn.casoon.dev

Upscale

Modulare Wissensplattform

Strukturierte Lernpfade auf gymnasialem Niveau — sechs Fachbereiche, interaktive Lektionen und KaTeX-Formeln für mathematisch-naturwissenschaftliche Inhalte. Zeigt, wie Knowledge Core für fachspezifische Tiefe angepasst werden kann.

  • Sechs Fachbereiche (Mathe, Physik, Chemie u.a.)
  • KaTeX für mathematische Formeln
  • Strukturierte Lernpfade pro Fach
  • Interaktive Quizzes und Übungen
upscale.casoon.dev

LMS-Kernfunktionen

Was eine vollständige Lernplattform braucht — und was hier implementiert ist.

Kurs- und Lektionsstruktur

Hierarchisches Content-Modell: Kurse → Sektionen → Lektionen. MDX-Dateien als Single Source of Truth, typsicher via Zod.

Lernpfade

Vorstrukturierte Sequenzen über mehrere Kurse mit definierten Abhängigkeiten — Einstieg geführt, Fortschritt sichtbar.

Quiz-Engine

Multiple Choice, True/False, Free Text — mit sofortigem Feedback und Fortschrittsverfolgung pro Lektion.

Fortschritt & Sync

Lernfortschritte geräteübergreifend synchronisiert via Cloudflare KV — kein separates User-Backend nötig.

Geschützte Bereiche

Bereiche lassen sich per Middleware absichern — z.B. via Cloudflare Access, eigenem Auth-Layer oder SSO. Anpassbar an die jeweilige Infrastruktur.

Multi-Subdomain

Docs, Kurse und Portale unter verschiedenen Subdomains — aus einem Repository, einer Deployment-Pipeline.

Didaktisches Fundament

Content allein lehrt nicht. Wer etwas behalten will, muss aktiv damit arbeiten — abrufen, anwenden, wiederholen. Deshalb folgt die Lernarchitektur Prinzipien aus der Kognitionswissenschaft statt Inhalte nur bereitzustellen.

Lernzyklus

Jede Lerneinheit folgt dem in der Spracherwerbsforschung etablierten Dreischritt: verständlicher Sprachkontakt, aktive Produktion, gezielte Korrektur.

1
Verständlicher Sprachkontakt
Kontext vor Regel — Lernende begegnen Sprache im Zusammenhang, bevor sie abstrahiert wird (Krashen, i+1)
2
Aktive Sprachproduktion
Produktion statt passivem Lesen — Übersetzen, Ergänzen, Konstruieren (Swain; Abrufeffekt)
3
Gezielte Korrektur
Sofortige Rückmeldung mit Fehlererklärung, Schwierigkeitsanpassung über den SM-2-Algorithmus

Die Grammatikregeln, die diesen Zyklus steuern, sind maschinenlesbar in der CUE-Konfigurationssprache modelliert — validierbar, versionierbar, erweiterbar.

Intervallwiederholung

Wiederholungsintervalle passen sich an den individuellen Lernfortschritt an. Schwierige Inhalte tauchen häufiger auf, beherrschte seltener.

  • Adaptive Schwierigkeitskurven pro Nutzer
  • Persistente Lernhistorie in Cloudflare D1
  • Kein fixer Kursplan — Lerntempo bestimmt den Weg
  • Grammatik-Regelwerke als maschinenlesbares Datenmodell — validiert mit der CUE-Konfigurationssprache

Gezieltes Erinnern statt passivem Lesen

Alle drei Plattformen sind so strukturiert, dass Nutzer aktiv mit Inhalten interagieren. Jede Lektion schließt mit einer Wissensabfrage ab. Lernpfade bauen aufeinander auf und machen Abhängigkeiten explizit — Scaffolding, nicht Selbststudium ohne Orientierung.

Gezieltes Erinnern
Quiz nach jeder Lektion
Scaffolding
Abhängigkeiten zwischen Modulen
Feedback-Loop
Sofort — nicht am Ende

Technologie-Stack

Am Edge deployed — kein zentraler Server, geringe Latenz, einfaches Deployment. Cloudflare ist die Referenz; das Muster funktioniert auf jeder Edge-Plattform.

Frontend & Content

  • Astro 6 — SSR + Static, Island Architecture, Vite Environment API; läuft auf Node-Hosting oder Edge
  • Tailwind CSS 4 + MDX — CSS-first Konfiguration; Kursinhalte skalieren ohne Datenbank
  • TypeScript 6 + Zod — Strict Mode durchgängig, type-safe Content-Modelle für Docs und Kurse
  • Pagefind — statische Volltextsuche mit Cmd+K Shortcut, keine eigene Infrastruktur nötig
  • Biome — Linting + Formatting in einem Tool (ersetzt ESLint/Prettier), Pre-Commit-Hooks via Husky
  • CUE — Grammatikregeln und Kursdaten als validiertes Konfigurationsmodell → Artikel
  • pnpm Workspaces — Monorepo mit geteilten Packages (@knowledge-core/*)

Edge Deployment & Persistenz

Läuft am Edge — ohne eigene Server, nah am Nutzer. Referenzimplementierung auf Cloudflare, das Muster ist auf andere Edge-Plattformen übertragbar.

  • Edge Runtime — z.B. Cloudflare Workers, Vercel Edge, Deno Deploy
  • SQLite am Edge — z.B. Cloudflare D1, Turso, PlanetScale
  • Key-Value Store — z.B. Cloudflare KV, Vercel KV, Upstash
  • KI-Inferenz — z.B. Workers AI, OpenAI, lokales Modell (Phase 5)

Deployment-Architektur

docs.firma.de

Dokumentation, API-Referenz

learn.firma.de

Kurse, Lernpfade, Quizzes

intern.firma.de

Geschützter Unternehmensbereich

Alle aus einem Repository — Vercel, Netlify oder Cloudflare Workers

Entwicklungs-Roadmap

Wo die Plattformen heute stehen — und wohin sie sich entwickeln.

Phase 1 Live

Core LMS Engine

MDX-basiertes Content-Modell, Kurs- und Lektionsstruktur, Quiz-Engine mit Multiple Choice und Free Text.

Phase 2 Live

Adaptives Intervallwiederholung

Dreiphasiger Lernzyklus für Sprachkurse, geräteübergreifende Fortschrittsspeicherung über Cloudflare KV und D1.

Phase 3 Live

Multi-Sprachen & Lernpfade

5 Zielsprachen (DE, EN, ES, FR, IT), 13 Lernpfade, 628+ Lektionen live auf learn.casoon.dev.

Phase 4 Live

Edge-Persistenz

Lernfortschritte werden anonym gespeichert — beim ersten Start erhält man eine ID, mit der man den eigenen Stand geräteübergreifend wiederherstellen kann. Keine Registrierung, keine personenbezogenen Daten.

Phase 5 In Entwicklung

KI-gestützte Sprachadaption

Mistral AI via Cloudflare Workers AI — dynamisch generierte Übungen, personalisiertes Feedback und adaptive Schwierigkeitskurven ohne manuelles Content-Authoring.

Zielbild Phase 5

KI-Schicht: Cloudflare Workers AI + Mistral

Die Grammatikregeln und Kursdaten liegen bereits maschinenlesbar vor — Mistral kann direkt darauf aufbauen. Alle Berechnungen laufen über Cloudflare Workers AI am Edge: kein externer API-Roundtrip, keine zusätzliche Latenz, keine Datenweitergabe an Dritte.

Artikelserie: Mistral & Vibe CLI Warum Cloudflare zum KI-Backend für Web-Apps wird Datenbank-Architektur: Postgres, Edge und AI unter einem Dach
Übungsgenerierung

Mistral erzeugt neue Aufgaben direkt aus den vorhandenen CUE-Grammatikregeln — Lückentexte, Umformungen, Übersetzungen ohne manuelles Authoring.

Kontextuelles Feedback

Statt vordefinierter Fehlermeldungen: individuelle Erklärungen, die auf den konkreten Fehler und das Sprachniveau eingehen.

Freie Konversation

Gesprächsübungen in der Zielsprache — Mistral führt den Dialog, erkennt Fehler und korrigiert im Lernrhythmus.

Automatische Einstufung

Neue Inhalte werden nach Schwierigkeitsgrad klassifiziert und in die Intervallwiederholung eingeordnet — ohne manuelle Annotation.

Einordnung

Konzeptarbeit mit funktionierenden Prototypen

Was hier beschrieben wird, ist kein fertiges Produkt. Die Plattformen laufen, die Lernlogik funktioniert — aber es gibt noch Fehler, offene Fragen und Bereiche, die weitergedacht werden müssen.

Cloudflare ist aktuell die technische Basis — kurze Deployment-Zyklen, Edge-Infrastruktur ohne eigene Server, D1 und KV als einfache Persistenzschicht. Technisch ist das kein Lock-in: Die Architektur lässt sich mit überschaubarem Aufwand auf europäische Hoster übertragen, die dieselben Primitive anbieten. Eine DSGVO-Prüfung gehört ohnehin zu jedem produktiven Einsatz — unabhängig davon, welche Plattform letztlich gewählt wird.

Das Ziel dahinter ist klarer als die Umsetzung heute: ein Lernsystem, das ohne lizenzpflichtige Komponenten auskommt. Keine monatlichen SaaS-Kosten, keine proprietären Abhängigkeiten — nur Arbeitskraft, geringe Hostingkosten und Mistral als datenschutzfreundliche, kostengünstige Sprachmodell-Schicht.

Mistral ist dabei nicht nur eine technische Wahl, sondern eine inhaltliche: ein europäisches Modell, das sich für DSGVO-konforme Deployments eignet — ob selbst gehostet oder über Anbieter mit EU-Rechenzentren.

LMS-Plattform aufbauen

Knowledge Core ist als Open-Source-Template verfügbar — oder als maßgeschneiderte Plattform mit eigenem Branding und Inhalten.

Template klonen

Sofort einsatzbereit. Open Source auf GitHub.

git clone https://github.com/casoon/knowledge-core.git
pnpm install
pnpm dev

Individuelle Umsetzung

Angepasstes LMS mit eigenen Inhalten, Branding, Zugangskontrolle und Deployment-Infrastruktur.

Projekt anfragen

Template-Demos

kc-docs.casoon.dev kc-courses.casoon.dev GitHub

Live-Instanzen

learn.casoon.dev layer-one.casoon.dev upscale.casoon.dev

Im Insights-Blog

Vom Template zur Lernplattform: Knowledge Core in der Praxis

Wie Knowledge Core aus einem Astro-Template zur fertigen LMS-Plattform wurde – Architektur, didaktisches Konzept und technische Entscheidungen.