Jede Stunde liest Signalwaves rund 8.000 Artikel aus über 500 Quellen, bündelt sie zu Stories und zeigt, wie unterschiedlich Quellenlager dasselbe Ereignis rahmen. Diese Seite erklärt die Architektur dahinter.
Pipeline und Oberfläche sprechen nie miteinander, während jemand liest. Eine Python-Pipeline schreibt ihre Ergebnisse jede Stunde als statische Dateien; Web-App und Store-Apps liefern und lesen nur diese Dateien. Fällt ein Pipeline-Lauf aus, frieren die Daten für eine Stunde ein. Die App bleibt erreichbar.
Ein geplanter Job startet den Zyklus jede Stunde. Die Breite der Segmente zeigt die echte Dauer eines Laufs.
500 RSS-Feeds parallel, mit Zeitlimit pro Feed. Ein Feed, der wiederholt scheitert, wird für den Lauf übersprungen.
Plattform-, Aggregator- und Community-APIs, abgefragt mit den größten Stories des Tages, damit die Berichterstattung um sie herum wächst.
Nischen-Lenses werden neu gefüllt; jeder Link bekommt Outlet-Region, Sprache, Medienart und Leser-Emotion.
Snapshot für die Oberfläche, Stunden-Archiv und der ungefilterte Gesamtstrom aller Artikel.
Ein eigener Schritt bündelt die letzten drei Tage zu Stories und sortiert sie in Lenses.
Stories werden jede Stunde aus frischer Berichterstattung neu gebildet, statt als langlebige Themen weiterzulaufen.
Alle Artikel der letzten drei Tage nehmen.
Jede Schlagzeile mit einem mehrsprachigen Satzmodell einbetten, damit ein deutscher, spanischer und englischer Artikel zum selben Ereignis zusammenfinden.
Gierig bündeln, neueste zuerst: Ein Artikel kommt zu einer Story, wenn er nah genug an ihrem Zentrum liegt.
Nur Ereignisse behalten, über die mindestens zwei unabhängige Medien berichten.
Die Identität einer Story über die Stunden fortführen, solange sie sich entwickelt; nach sieben Tagen endet sie, damit Namen nicht veralten.
Sie nach der Schlagzeile benennen, die dem Zentrum am nächsten liegt, bevorzugt aus Primärquellen.
Sie nach Thema und Passung zum Lens-Profil in über 60 thematische Lenses einsortieren.
Jede Einordnung ist heuristisch und als solche gekennzeichnet. Eine redaktionelle Bewertung findet nicht statt.
| Signal | Werte | Wie |
|---|---|---|
| Quellen-Stufe | Official · Wire · Editorial · Platform · Aggregator · Community | Wie eine Quelle arbeitet, korrigiert durch eine kuratierte Domainliste. |
| Outlet-Region | 12 Weltregionen | Wo das Medium erscheint, nicht worum es im Artikel geht. |
| Sprache | ISO-Sprachcode | Schrift-Erkennung, dann ein statistischer Detektor. Schlagzeilen erscheinen zuerst in Ihrer Sprache. |
| Medienart | Mainstream · Unabhängig | Kuratierte Domainlisten; Plattformen bleiben unklassifiziert. |
| Leser-Emotion | Besorgt · Hoffnungsvoll · Neugierig · Empört | Zuerst ein Lexikon, bei unklaren Fällen ein Transformer-Modell. |
| Divergenz | Konsens · Gemischt · Umstritten | Wie weit Quellenlager in der emotionalen Rahmung auseinanderliegen; umstritten braucht mindestens vier Quellen. |
Die umstrittensten Stories des Tages, der breite Konsens und die Stimmung des Tages im Vergleich zu einem normalen Tag.
Alle Stories, sortierbar nach Divergenz, mit einer Viewpoint-Matrix, die die Lager nebeneinanderstellt.
Der ungefilterte Gesamtstrom, streng zeitlich, filterbar nach Stufe, Region, Emotion und Medienart.
Thematische Blickwinkel von Geopolitik bis Nischensport; Favoriten begleiten Sie durch die ganze App.
Die Store-Apps laden die Live-Web-App. Jede Verbesserung erreicht damit alle Plattformen gleichzeitig.
Viele Lager, Stufen und Regionen machen den Pool robust gegen die Schlagseite einzelner Verlage.
Ein toter Feed, ein fehlender Schlüssel oder ein nicht verfügbares Modell stoppen nie den Rest des Laufs.
Stufen, Emotionen und Regionen sind algorithmisch und als solche gekennzeichnet.
Einstellungen bleiben auf dem Gerät. Analytics nur mit Einwilligung.