Gemini Chat Grabber

In meinem dritten Semester stoße ich auf eine neue Herausforderung, die die Brücke zwischen Datenanalyse und Künstlicher Intelligenz schlägt: die saubere Dokumentation von KI‑gestützten Arbeitsprozessen. Während wir in den quantitativen Methoden gelernt haben, wie man Daten erhebt, strukturiert und statistisch auswertet (Hier der vergangene Beitrag zum Datendurchblick), stellt sich nun die Grundsatzfrage:

Was bedeutet das konkret?
Immer mehr Studierende und Forschende greifen auf KI‑Modelle wie Google Gemini zurück, um Hypothesen zu entwickeln, Texte zu paraphrasieren, Programmcode zu generieren oder sogar komplexe Debugging‑Prozesse zu begleiten. Doch sobald diese Interaktionen Teil einer wissenschaftlichen Arbeit werden sollen, fehlt oft ein entscheidendes Element: die Zitierfähigkeit.

Genau hier setzt mein neues Tool an – der Gemini Chat Grabber.
Ein leichtgewichtiges Crawling‑Tool, das Google‑Gemini‑Chats strukturiert ausliest und in ein zitierfähiges Format überführt. Es ist entstanden aus der praktischen Notwendigkeit, KI‑gestützte Erkenntnisse transparent, reproduzierbar und wissenschaftlich verwertbar zu machen.

Denn wie wir gelernt haben:
Objektivität, Transparenz, Reliabilität und Validität sind keine bloßen Schlagworte – sie sind das Fundament jeder seriösen Forschung. Und wenn KI‑Modelle Teil dieser Forschung werden, müssen auch ihre Beiträge diesen Kriterien genügen.

Mit dem Gemini Chat Grabber möchte ich euch ein Werkzeug vorstellen, das genau diesen Anspruch erfüllt – und euch einladen, mit mir in die Welt der dokumentierten KI‑Interaktionen einzutauchen.

Die Motivation zur Entwicklung des Gemini Chat Grabber speist sich aus einem praktischen Bedarf innerhalb meiner KI‑gestützten Projektarbeit: Die Notwendigkeit, KI‑Interaktionen nicht nur zu dokumentieren, sondern sie auch wissenschaftlich verwertbar zu machen. Während klassische Datenquellen wie Umfragen, Messwerte oder Beobachtungen bereits etablierten Gütekriterien folgen, stellt die Integration von KI‑generierten Inhalten eine methodische Herausforderung dar.

Die technische Umsetzung des Tools erfolgte vollständig mit Hilfe eines KI‑Modells – ein bewusster Schritt, um die Leistungsfähigkeit von LLMs nicht nur als Assistenzsysteme, sondern als kreative Entwicklungswerkzeuge zu demonstrieren. Der gesamte Entstehungsprozess, inklusive der verwendeten Prompts, Iterationsschritte und Designentscheidungen, ist im Repository dokumentiert und dient als Beispiel für KI‑gestützte Softwareentwicklung.

Analog zu den Skalenniveaus in der Statistik lassen sich auch die Komponenten der Tool‑Entwicklung typisieren:

• Kategorial nominal
  Die verwendeten Modellnamen (z. B. Gemini 1.5 Pro) sind eindeutige Kategorien ohne Rangfolge – sie dienen der Identifikation, nicht der Bewertung.
• Kategorial ordinal
  Die Chatverläufe lassen sich nach Relevanz oder Tiefe ordnen, etwa von einfachen Rückfragen bis zu komplexen Debugging‑Dialogen – ohne dass die Abstände zwischen ihnen quantifizierbar wären.
• Intervallskaliert
  Zeitstempel innerhalb der Chats ermöglichen die Analyse von Antwortlatenzen und Dialogdynamik – mit gleichmäßigen Abständen, aber ohne absoluten Nullpunkt.
• Verhältnisskaliert
  Die Anzahl der Tokens pro Antwort oder die Länge eines Chatverlaufs sind verhältnisskalierte Merkmale – sie erlauben arithmetische Vergleiche und Effizienzanalysen.
• Diskret
  Die Anzahl der verwendeten Prompts, Module oder Exportformate ist zählbar und diskret – sie bilden die strukturelle Basis des Tools.
• Latent
  Die eigentliche Motivation hinter einem Chat – etwa „Verständnis eines Konzepts“ oder „Lösungsfindung“ – ist ein latentes Merkmal, das erst durch die Analyse des Gesprächsverlaufs erschlossen werden kann.

Diese Typisierung zeigt: Auch die Entwicklung eines Tools kann datenanalytisch betrachtet und methodisch strukturiert werden. Der Gemini Chat Grabber ist damit nicht nur ein praktisches Werkzeug, sondern auch ein didaktisches Beispiel für KI‑gestützte Softwareentwicklung unter wissenschaftlichen Gesichtspunkten.

Nachdem wir die Komponenten des Tools typisiert und strukturiert haben, habe ich mich der Modellierung des Tools mit KI befasst.

Auch hier gilt: Ein Modell ist eine bewusste Vereinfachung der Realität, die nur jene Aspekte berücksichtigt, die für die jeweilige Fragestellung relevant sind.

In unserem Fall lautet die zentrale Frage:

Wie lässt sich ein KI‑gestützter Entwicklungsprozess transparent dokumentieren und reproduzierbar gestalten?

Anhand der protokollierten Prompts, Systemantworten und Designentscheidungen lässt sich ein Model konstruieren, das die Entstehung des Gemini Chat Grabber nachvollziehbar macht indem es Chats als PDF und HTML exportiert.

Der Chat kann dann als PDF veröffentlicht und an eine Arbeit in den Anlagen Strukturiert und nachvollziehbar angehangen werden.

Das kleine mit Python programmierte Tool ist kostenfrei verfügbar und kann aus meinem Github Repository heruntergeladen werden.

Der Gemini Chat Grabber ist ein spezialisiertes Crawling- und Dokumentationswerkzeug zur Verarbeitung von Google Gemini-Chat-URLs. Es wurde entwickelt, um KI-gestützte Dialoge strukturiert zu erfassen, zu durchsuchen, zu segmentieren und in zitierfähiger Form zu exportieren – ideal für wissenschaftliche Arbeiten, technische Dokumentationen und datengetriebene Projektberichte.

Toolbeschreibung

Das Tool automatisiert den gesamten Workflow von der URL-Erfassung bis zur PDF-Erstellung:

• Crawling von Gemini-Chat-URLs
  Automatisiertes Abrufen und Verarbeiten von öffentlich oder privat geteilten Gemini-Chats.

• Dokumenten-Suche
  Volltextsuche über bereits gespeicherte und indexierte Chat-Dokumente.

• Granulare Suche
  Segmentierte Analyse einzelner Prompts, Antworten oder Chatabschnitte – ideal für gezielte Zitation.

• Sammelmappe & Export
  Zusammenstellung thematisch passender Chatsegmente in einer Sammelmappe mit Export als PDF oder HTML.

• Layout- und Formatsteuerung
  Optionen wie Duplex-Druck, Seitenzahlen, Inhaltsverzeichnis mit KI-Antworten und Rich Index für wissenschaftliche Zitation.

• Debugging & Rohdatenanalyse
  Speicherung von HTML-Rohdaten und Indexierung für spätere Auswertung oder Fehleranalyse.

Funktionsübersicht

Es besteht aus vier Hauptmodulen mit den folgenden Funktionen:

1. Crawler-Modul
   Automatisiertes Abrufen von Gemini-URLs

   • URL-Liste laden
   • Browser-Login für private Chats
   • Verarbeitung und Zusammenfassung

2. Dokumenten-Suche
   Volltextsuche über gespeicherte Chats

   • Filter nach Titel, Inhalt, Datum
   • Auswahl einzelner Dokumente
   • Vorschau und Export

3. Granulare Suche
   Segmentierte Analyse einzelner Chatabschnitte

   • Suche nach Schlüsselbegriffen
   • Extraktion einzelner Prompts
   • Markdown- und Code-Erkennung

4. Sammelmappe & Export
   Zusammenstellung und Export ausgewählter Segmente

   • Segmentauswahl über mehrere Chats
   • Export als PDF/HTML
   • Zitierfähige Formatierung