EncBird – Englisches Tagebuchschreiben mit einem AI-Coach, ein GenAI-Flywheel, das mit jedem Eintrag klüger wird

Der englische Schreibservice Inkbird (EncBird), den ich früher schon einmal vorgestellt hatte, ist durch direktes und indirektes Feedback der Nutzer inzwischen zu einem völlig anderen Service geworden, daher möchte ich ihn noch einmal teilen.

Für wen ist der Service gedacht?

EncBird ist ein Service für Berufstätige in ihren 20ern bis 40ern und passt besonders gut in folgenden Fällen.

• Ich möchte 2–10 Minuten während des Pendelns Englisch lernen.
• Ich möchte über ein englisches Tagebuch neue Ausdrücke lernen und anwenden.

Welches Problem möchte ich lösen?

Das Problem, das ich lösen wollte, war: „Ich möchte beim Schreiben eines englischen Tagebuchs ständig neue Ausdrücke dazulernen.“

• Auch ich arbeite in einem Unternehmen und lese jeden Tag englische Dokumente, aber dass ich nicht frei schreiben und sprechen konnte, war für mich extrem frustrierend — deshalb habe ich das gebaut.
• Ich habe verschiedene Services ausprobiert, aber ohne sinnvollen Input sagt man am Ende immer wieder nur das, was man ohnehin schon sagt; und selbst wenn man korrigierte Texte bekommt, nützt das beste Feedback nichts, wenn man es am Ende nicht liest.
• Um natürlicher zu sprechen und zu schreiben, muss man letztlich selbst Texte verfassen, und die beste Methode dafür war das Schreiben eines Tagebuchs.
• Englische Tagebücher haben allerdings ein Problem: Wenn man sich tatsächlich hinsetzt, um zu schreiben, weiß man oft schon nicht, womit man überhaupt anfangen soll. Mit ChatGPT zu schreiben ist zwar am besten, aber auch danach fragt man immer weiter dieses und jenes, sodass es später schwer ist, die Aufzeichnungen wiederzufinden.
• Es gibt viele gute Services wie Speak oder Malhaeboka, aber während des Pendelns zu sprechen ist unmöglich, und ich fand die Erfahrung, sich in solchen Services ausschließlich aufs Schreiben zu konzentrieren, eher unpraktisch.

Wie möchte ich das Problem lösen?

Deshalb habe ich „ein englisches Tagebuch, das man wie im Gespräch mit einem AI-Coach schreibt“ zum Kern gemacht und mich dem Problem so genähert, dass ich die oben genannten Frustrationen eine nach der anderen beseitige.

• „Ich weiß nicht, worüber ich schreiben soll“ → Man startet nicht vor einem leeren Bildschirm. Der AI-Coach stellt zuerst eine Frage auf Koreanisch („Was ist heute bei der Arbeit passiert?“), und ich antworte nur auf Englisch. Auch wenn die Grammatik falsch ist oder mir Wörter nicht einfallen, schreibe ich einfach so viel, wie ich kann. (Eine Mischung aus Koreanisch und Englisch wird ebenfalls empfohlen.)
• „ChatGPT ist gut, aber die Aufzeichnungen zerstreuen sich“ → Statt eines offenen Gesprächs (open-ended chat) endet alles in der abgeschlossenen Einheit eines einzelnen Tagebucheintrags. Es ist kein endlos weiterlaufender Dialog, sondern am Ende bleibt genau ein strukturiertes Ergebnis zurück.
• „Selbst mit Input bringt es nichts, wenn man ihn nicht liest“ → Korrekturen werden nicht einmal gezeigt und dann weggeworfen. Jede unnatürliche Stelle in jedem Satz wird in eine natürliche Formulierung umgewandelt, und Ausdrücke, die mir gefallen, wandern mit einem Klick in mein persönliches Ausdruckswörterbuch.
• „Wenn man es nur speichert, schaut man später doch nicht wieder rein“ → Genau hier liegt der Kern. Ausdrücke im Wörterbuch tauchen nach einigen Tagen gemäß dem SRS-(Spaced-Repetition-)Zeitplan wieder in der Warteschlange auf — als Flashcards, Schreibquiz oder spielerische Wiederholung. Wiederholung wird nicht dem Willen überlassen, sondern vom System erneut angestoßen.
• „Während des Pendelns ist Sprechen unmöglich“ → Nicht Spracheingabe, sondern Schreiben ist ein Bürger erster Klasse (first-class). Zehn Minuten am Tag, nur mit dem Smartphone, sogar in einer überfüllten U-Bahn.

Der wichtigste Schwerpunkt im gesamten Service ist das GenAI-Flywheel. Jedes Mal, wenn eine Session endet, wird der persönliche Speicher automatisch aktualisiert, und dieser Inhalt fließt in alle späteren Aktionen ein.

Wenn ich zum Beispiel im Diary Chat am vergangenen Sonntag gesagt habe, dass ich in der Kirche war, fragt der Coach diese Woche: „Wie war es nach dem Kirchenbesuch?“ Er kennt auch bereits kürzlich gespeicherte Ausdrücke und lenkt darauf, sie zu üben. Der Service ist so aufgebaut, dass alles, was über den Nutzer gelernt wird, maximal für das Lernen wiederverwendet wird. Je mehr man schreibt, desto stärker passt er sich an mich an.

Die tatsächliche Funktionsweise kann man sich hier direkt ansehen → encbird.com/guide/diary

Wie funktioniert das? (Technische Seite)

Ich habe früher schon einmal ein Startup gegründet und bin damit gescheitert. Deshalb war das wichtigste Designkriterium diesmal nicht „Erfolg“, sondern „perpetuate (nicht scheitern und dauerhaft überleben)“. Auch der Maßstab für Entscheidungen ist klar: „Kann dieser Service weiterlaufen, ohne Schulden zu machen, selbst wenn die DAU in den einstelligen Bereich fällt und ich selbst die Hände davon lasse?“

• Deshalb ist alles serverless aufgebaut (Vue/Nuxt Frontend + Go on Lambda + eventbasierendes Backend, IaC mit CDK), sodass die Leerlaufkosten gegen 0 konvergieren. Wenn der Traffic 0 ist, ist auch die Rechnung fast 0, und bei Spitzen skaliert es automatisch.

Auch die Entwicklungsweise folgt derselben Logik. Damit der Betrieb durch eine Einzelperson nachhaltig bleibt, musste ich die Code-Produktivität bis ans Extrem steigern.

• Der Code wird zu 100 % von AI-Agenten geschrieben, und ich selbst mache nur das Code Review.
• Allerdings ist der Anteil des Codings im Software-Lifecycle kleiner, als man denkt. Problemdefinition, Planung, Architekturentscheidungen und Validierung sind viel wichtiger, und damit ein Agent sich nicht verirrt, muss letztlich diese obere Ebene klar definiert sein.
• Deshalb bin ich über gutes Prompting hinausgegangen und habe die Umgebung selbst entworfen, die den Agenten umschließt — den Harness. Jede Funktion läuft in der Reihenfolge PRD → ADR (Architecture Decision Record) → Code, und der Agent implementiert anhand dieses ADR. Der Punkt, an dem Menschen eingreifen, ist damit nicht mehr der Code, sondern die Entscheidung.
• Die Grundlage dieses Ablaufs ist der von mir entwickelte ALPS PRD Writer. Ich nutze ihn bereits in mehreren privaten Projekten und verbessere ihn laufend. Einen Schritt weitergehend experimentiere ich bereits mit Projekten, in denen sogar das Code Review an AI delegiert wird.

Aktuell bewältigt EncBird eine Codebasis mit über 120.000 Zeilen (einschließlich Kontext eher etwa 180.000) so weit wie möglich durch Automatisierung. Da ich Entwicklung und Betrieb alleine mache, bearbeite ich die meisten operativen Themen ebenfalls nicht durch ein Backoffice, sondern nutze agentenbasierte Skills so weit wie möglich.

Es gibt noch ein separat betriebenes experimentelles Projekt mit ungefähr 80.000 Zeilen, und dieses wird vollständig automatisiert entwickelt. (Ich teste gerade, ob es wirklich egal ist, wenn man nicht weiß, wie der Code funktioniert.)

---

Man kann es direkt ausprobieren, indem man sich einfach mit Google anmeldet, und bei der ersten Registrierung gibt es 15 Credits und kostenlose Nutzung. Wenn es Ihnen nicht gefällt, können Sie Ihr Konto auch leicht wieder löschen, also probieren Sie es gern unverbindlich aus. (Eine erneute Registrierung ist allerdings nicht möglich ...)

👉 https://www.encbird.com