Multi-Podcast: Semantisches Cross-Podcast Topic-Matching #10

New Issue

tobias · 2026-04-20T07:56:05+02:00

tobias commented

2026-04-20 07:56:05 +02:00

Ziel

podcast.toppyr.de soll mehrere Podcasts aufnehmen können. Gleiche Themen sollen über Podcast-Grenzen hinweg gefunden werden — unabhängig von der konkreten Wortwahl.

Konkreter Testfall

NEU DENKEN (Maja Göpel, 19 Episoden, fertig)
Lage der Nation (Philip Banse + Ulf Buermeyer, Transkripte teilweise vorhanden, ohne Timecodes)

Architektur-Anforderungen

Phase 1: Multi-Podcast Webapp

Podcast-Auswahl auf der Startseite
Jeder Podcast hat eigene Mindmap + Transkripte
Eigenes mindmap_data.json + srt_index.json pro Podcast
URL-Routing: podcast.toppyr.de/neu-denken/, podcast.toppyr.de/lage-der-nation/
Deployment: Ein Container, mehrere Daten-Verzeichnisse

Phase 2: Shared Topic Taxonomy

LLM-basierte Topic-Tags pro Transkript-Absatz
Gemeinsames Themen-Vokabular über alle Podcasts
Batch-Verarbeitung: Jeder Absatz bekommt 3-5 Tags aus einem Katalog
Speicherung als topics.json pro Podcast

Phase 3: Cross-Podcast Matching

Vergleichsansicht: Thema auswählen → alle Podcasts zeigen relevante Stellen
Combined Mindmap: Themenknoten verlinken Episoden aus verschiedenen Podcasts
"Dieses Thema wird auch besprochen in…" als Querverweise

Datenstruktur (Phase 3)

{
  "podcasts": [
    {"id": "neu-denken", "name": "NEU DENKEN", "dataFile": "neu-denken/mindmap_data.json"},
    {"id": "ldn", "name": "Lage der Nation", "dataFile": "ldn/mindmap_data.json"}
  ],
  "shared_topics": [
    {
      "id": "inequality",
      "label": "Ungleichheit & Verteilung",
      "matches": [
        {"podcast": "neu-denken", "episode": "S4E2", "paragraph": 15, "score": 0.92},
        {"podcast": "ldn", "episode": "LdN380", "paragraph": 3, "score": 0.87}
      ]
    }
  ]
}

Offene Fragen

Lage der Nation hat Transkripte ohne Timecodes. Audio separat herunterladen + MacWhisper, oder Transkripte ohne Audio nutzen?
Taxonomy manuell kuratieren oder automatisch generieren?
Embedding-basiert (Vektor-Suche) oder LLM-Tag-basiert?

## Ziel podcast.toppyr.de soll mehrere Podcasts aufnehmen können. Gleiche Themen sollen über Podcast-Grenzen hinweg gefunden werden — unabhängig von der konkreten Wortwahl. ## Konkreter Testfall - **NEU DENKEN** (Maja Göpel, 19 Episoden, fertig) - **Lage der Nation** (Philip Banse + Ulf Buermeyer, Transkripte teilweise vorhanden, ohne Timecodes) ## Architektur-Anforderungen ### Phase 1: Multi-Podcast Webapp - Podcast-Auswahl auf der Startseite - Jeder Podcast hat eigene Mindmap + Transkripte - Eigenes `mindmap_data.json` + `srt_index.json` pro Podcast - URL-Routing: `podcast.toppyr.de/neu-denken/`, `podcast.toppyr.de/lage-der-nation/` - Deployment: Ein Container, mehrere Daten-Verzeichnisse ### Phase 2: Shared Topic Taxonomy - LLM-basierte Topic-Tags pro Transkript-Absatz - Gemeinsames Themen-Vokabular über alle Podcasts - Batch-Verarbeitung: Jeder Absatz bekommt 3-5 Tags aus einem Katalog - Speicherung als `topics.json` pro Podcast ### Phase 3: Cross-Podcast Matching - Vergleichsansicht: Thema auswählen → alle Podcasts zeigen relevante Stellen - Combined Mindmap: Themenknoten verlinken Episoden aus verschiedenen Podcasts - "Dieses Thema wird auch besprochen in…" als Querverweise ## Datenstruktur (Phase 3) ```json { "podcasts": [ {"id": "neu-denken", "name": "NEU DENKEN", "dataFile": "neu-denken/mindmap_data.json"}, {"id": "ldn", "name": "Lage der Nation", "dataFile": "ldn/mindmap_data.json"} ], "shared_topics": [ { "id": "inequality", "label": "Ungleichheit & Verteilung", "matches": [ {"podcast": "neu-denken", "episode": "S4E2", "paragraph": 15, "score": 0.92}, {"podcast": "ldn", "episode": "LdN380", "paragraph": 3, "score": 0.87} ] } ] } ``` ## Offene Fragen - Lage der Nation hat Transkripte ohne Timecodes. Audio separat herunterladen + MacWhisper, oder Transkripte ohne Audio nutzen? - Taxonomy manuell kuratieren oder automatisch generieren? - Embedding-basiert (Vektor-Suche) oder LLM-Tag-basiert?

tobias referenced this issue from a commit

2026-04-20 10:24:56 +02:00

Phase 1+2: FastAPI-Backend, SQLite, Embeddings, Semantische Suche

tobias referenced this issue from a commit

2026-04-23 20:53:12 +02:00

#8 Multi-Podcast-Dashboard, #9 PWA, #10 Cross-Podcast-Links, #12 Wort-Timestamps

tobias referenced this issue from a commit

2026-04-28 02:20:28 +02:00

#10 URL-Routing fuer Podcast-Tiefenlinks

Sign in to join this conversation.