Ich habe MeydaNews gegründet und entwickelt, damit Leser, Journalisten und Forschende fragmentierte Berichterstattung vergleichen und ihre Recherche mit nachvollziehbaren Belegen organisieren können.
Verschiedene Medien berichten über dasselbe Ereignis mit unterschiedlichen Aussagen, Schwerpunkten und Kontexten. Wer sie manuell vergleicht, muss zwischen Feeds wechseln, Originalpassagen finden und Änderungen nachverfolgen. MeydaNews verbindet diese Schritte in einem Rechercheablauf.
Das Produkt begann mit persischsprachigen Medien und erfasst inzwischen Berichterstattung aus Iran, Deutschland und den USA. Die Screenshots vom September 2026 zeigen die englische Oberfläche mit deutscher Berichterstattung. Jeder Screenshot lässt sich in voller Größe öffnen.
Story Radar bündelt verwandte Meldungen zu Ereignissen und zeigt die beteiligten Medien. Die Auswahl eines Ereignisses führt zu Berichten, Aussagen und der Media Landscape. Dort können Leser Unterschiede in Perspektive und Schwerpunktsetzung untersuchen.
Source Evidence zeigt Artikelauszüge mit Quelle, Zeitstempel und Originalverweis. Quellenfilter erleichtern die Prüfung einzelner Berichte. Die Recherche verknüpft Ergebnisse mit gespeicherten Artikelpassagen und kann unzureichende Belege ausdrücklich anzeigen.
Der private Arbeitsbereich vereint Posteingang, Beobachtungslisten, Recherchen, Belege und Quellen. Nutzer können Ereignissen folgen, zwei Medien vergleichen, Originalpassagen mit Notizen speichern und bearbeitbare Briefings mit nummerierten Belegen zusammenstellen. Prüfmarkierungen helfen, neue Berichte von bereits gelesenen zu unterscheiden.
Live sources stellt dem Videoplayer ein Quellenprofil mit Angaben zu Sender, Sprache, Standort und Finanzierung zur Seite. Leser können Kanäle wechseln oder den Originalstream öffnen und dabei den Kontext der Quelle einordnen.
Ich habe Produktausrichtung und Umsetzung verantwortet: vom Next.js- und TypeScript-Frontend über Python- und FastAPI-Services bis zu Retrieval und Cloud-Betrieb. Die Architektur trennt regelbasierte Datenverarbeitung von Interpretation, damit Belege nachvollziehbar bleiben.
Die Media Landscape beschreibt die Darstellung eines bestimmten Ereignisses. Klare Beschriftung und Nutzertests sollen verhindern, dass ihre Achsen als allgemeine Bewertung eines Mediums verstanden werden.
Lokalisierte Oberflächen und Inhalte in der gewählten Sprache halten den Lesefluss konsistent. Fehlende Übersetzungen brauchen einen sichtbaren Status. Übersetzungsabdeckung und Übersetzungsqualität sind getrennte Fragen.
Nutzer können Originalpassagen einsehen und Briefings bearbeiten. Briefings stellen gespeicherte Belege und Notizen zusammen, ohne neue Tatsachenbehauptungen zu erzeugen.
Terraform, CI/CD, Monitoring, länderspezifische Verarbeitungslimits und Fehler- sowie Wiederherstellungsalarme unterstützen wiederholbare Releases und nachvollziehbare Pipeline-Zustände.
MeydaNews verbindet Datenerfassung, Story Clustering, Quellenvergleich, Belegsuche, Live-Kanäle und einen privaten Recherche-Arbeitsbereich. Die Screenshots zeigen die aktuelle Oberfläche; die Projektdokumentation beschreibt die implementierten Abläufe und die betriebliche Grundlage.
Die Projektdokumentation stuft Clustering, Aussagen, Zitate, Übersetzung und professionelle Recherche als frühe Funktionen ein. Geprüfte mehrsprachige Evaluationen und Tests mit Journalisten und Forschenden sind die nächsten Nachweise für Genauigkeit und Nutzen. Diese Fallstudie beschreibt umgesetzte Funktionen, ohne eine bereits gemessene Nutzerwirkung zu behaupten.
Ich verbinde Datenpipelines, Retrieval, APIs und Nutzerabläufe zu einem nutzbaren Produkt.