Erklärung und Hilfe
null-noise verstehen und benutzen
null-noise ist ein privates Hobby- und Referenzprojekt von Sebastian Jansen. Die App hilft, Filme und Serien grob nach ihrer vermuteten Reizwirkung einzuordnen.
Was ist null-noise?
null-noise gibt eine ruhige erste Orientierung, wenn du vor dem Schauen wissen willst, ob ein Titel gerade eher passen könnte. Die Einschätzung ist keine objektive Messung und keine medizinische, pädagogische oder therapeutische Empfehlung.
Sichtbar werden nur drei grobe Richtungen: Eher ruhig, Eher wechselhaft und Eher intensiv. Es gibt keine Scores, keine Prozentwerte und keine Rankings.
So nutzt du die App
- Öffne die Suche und gib einen Film- oder Serientitel ein.
- Lies in der Trefferliste zuerst die kurze Tendenz. Sie zeigt nur eine vorsichtige erste Einschätzung.
- Öffne die Detailseite, wenn du mehr Kontext brauchst.
- Prüfe dort die Hauptaussage, die Frage Passt das gerade? und den Bereich Worauf basiert das?.
- Nutze Merken oder Gesehen, wenn du lokal im Browser einen eigenen kleinen Stand behalten willst.
Was bedeutet erste Einschätzung?
Eine erste Einschätzung ist eine vorsichtige Einordnung aus vorhandenen Hinweisen. Sie sagt nicht: So ist der Titel wirklich. Sie sagt eher: So wirkt der Titel nach aktuellem Stand vermutlich.
Wenn wenig Rückhalt vorhanden ist oder Hinweise widersprüchlich sind, bleibt diese Unsicherheit sichtbar.
Was bedeuten die drei Richtungen?
- Eher ruhig
- Der Titel wirkt nach aktuellem Stand eher gleichmäßig oder entlastend.
- Eher wechselhaft
- Der Titel kann ruhige und belastendere Phasen mischen.
- Eher intensiv
- Der Titel kann dichter, lauter, unruhiger oder emotional schwerer wirken.
Wie lese ich eine Detailseite?
Oben steht die wichtigste Einordnung. Danach folgt die kurze Entscheidungsfrage. Weitere Hinweise stehen darunter, damit die Seite nicht wie ein Analysedashboard wirkt.
Der Bereich Worauf basiert das? erklärt, welche Hinweise die erste Einschätzung gerade tragen. Er trennt Metadaten, Reizhinweise, Rückhalt und Unsicherheit.
Was leisten Merken und Gesehen?
Diese Funktionen helfen nur dir in diesem Browser. Sie erzeugen kein Konto, kein Profil und keine öffentliche Liste.
Die Einträge werden lokal gespeichert und nicht serverseitig synchronisiert. Auf einem anderen Gerät sind sie deshalb nicht automatisch vorhanden.
Häufige Fragen
Was bedeutet die Unsicherheit der Einschätzung?
Unsicherheit bedeutet, dass die Hinweise noch dünn, gemischt oder nur indirekt sind. null-noise macht daraus keine glatte Sicherheit, weil das irreführend wäre.
Was bedeutet „Worauf basiert das?“
Der Bereich zeigt die Grundlage dieser Einschätzung. Dazu können Metadaten, vorhandene Rückmeldungen, interne Reizachsen und beruhigende Hinweise gehören. Nicht jeder Titel hat gleich viel Rückhalt.
Warum keine versteckten Tooltips?
Zusatzhilfe soll hier nicht flüchtig oder nur per Hover auftauchen. Wichtige Erklärung steht direkt auf der Seite oder in nativen aufklappbaren Bereichen.
Was leistet null-noise bewusst nicht?
null-noise bewertet keine Qualität, ersetzt keine Inhaltswarnungen und trifft keine sichere Aussage für alle Menschen. Die App zeigt keine Bestenlisten, keine sozialen Bewertungen und keine personalisierten Empfehlungen.
Wie ist null-noise entstanden?
null-noise ist nicht in einem klassischen Agentur- oder Produktteam entstanden, sondern in einem bewusst geführten Vibe-Coding-Prozess: Sebastian Jansen als Human in the Loop, ChatGPT 5.5 Thinking als konzeptioneller Sparringspartner und Codex als Coding-Agent direkt im Projektordner.
Die menschliche Arbeit lag dabei nicht darin, jede Zeile Code von Hand zu tippen. Sie lag vor allem in Richtung, Kritik und Entscheidung: Was soll die App tun? Welche Begriffe sind ehrlich? Welche Aussagen wären zu stark? Welche Tests müssen grün sein, bevor etwas als tragfähig gilt?
Arbeitsweise
ChatGPT 5.5 Thinking wurde für Produktlogik, Textschärfung, Barrierefreiheitsfragen und Architekturentscheidungen genutzt. Codex setzt diese Entscheidungen im Repository um: Dateien lesen, Komponenten ändern, Tests anpassen, Builds ausführen, Fehler einordnen und kleine Iterationen wiederholen.
Der Mensch bleibt die Kontrollinstanz. Er gibt Ziele, Ton, Grenzen und Quellen vor, bewertet Zwischenergebnisse und entscheidet, wann eine Änderung gut genug oder noch zu ungenau ist.
Programmiersprachen und Werkzeuge
Die Oberfläche ist eine Next.js-App mit React und TypeScript. TypeScript ist die wichtigste Programmiersprache im Projekt: Komponenten, Serverlogik, Datenmodelle, Tests und Hilfsfunktionen werden damit geschrieben. CSS beschreibt Layout, Typografie, Responsive-Verhalten und die ruhige visuelle Oberfläche.
Dazu kommen Next.js als Web-Framework, React für die UI-Komponenten, Node.js für die lokale Ausführung, Vitest für Unit-Tests, Playwright für Browser-Tests, axe-core für automatisierte Barrierefreiheitsprüfungen und Prisma/SQLite für lokale Datenbankpfade.
Robustheit
Robustheit entsteht hier weniger durch einen einzelnen großen Mechanismus als durch viele kleine Schutzschichten: TypeScript-Typen, validierte Eingaben, serverseitige API-Pfade, defensive Fallbacks, ruhige Fehlermeldungen und klare Trennung zwischen Metadaten und null-noise-Einschätzung.
Automatisierte Prüfungen laufen mit ESLint, Next.js-Build, Vitest, Playwright und axe-core. Sie prüfen unter anderem Rendering, Datenlogik, Tastaturpfade, Landmarken, Reflow und erkennbare Barrierefreiheitsprobleme.
Wie wird daran programmiert?
Änderungen beginnen meist als fachliche Absicht in normaler Sprache. Daraus werden konkrete Codeänderungen: eine Route im App Router, eine React-Komponente, eine Hilfsfunktion in src/lib, ein Test oder ein Textbaustein. Codex liest den bestehenden Code, hält sich an vorhandene Muster und schreibt Diffs, die danach geprüft werden.
Ein typischer Zyklus ist: Ziel formulieren, bestehende Dateien lesen, klein ändern, Lint ausführen, Build ausführen, Unit- oder Playwright-Test laufen lassen, Ergebnis lesen, nachschärfen. Das ist normale Softwareentwicklung, nur mit einem Agenten als sehr schneller Pair-Programmierpartner.
Was hätte ein Mensch daran gearbeitet?
Ohne Coding-Agent müsste ein Mensch große Teile der Umsetzung manuell recherchieren, schreiben und prüfen: Routen anlegen, Komponenten strukturieren, Texte konsistent halten, Datenformen modellieren, API-Pfade absichern, Tests schreiben, Fehlerlogs lesen und die Oberfläche über viele Viewports nachziehen.
Die KI nimmt diese Arbeit nicht magisch ab. Sie verschiebt sie: weniger Tipparbeit, mehr Steuerung, Review, fachliche Einordnung und Qualitätskontrolle.
Was bedeutet Human in the Loop hier konkret?
Der Mensch entscheidet über Zweck, Ton, Grenzen und Freigabe. KI-Vorschläge werden nicht automatisch als Wahrheit behandelt, sondern gegen Projektziel, Quellen, Barrierefreiheit, Datenschutz und Tests geprüft.
Warum ist der Prozess trotzdem Programmierung?
Weil am Ende echte Programmierarbeit im Repository passiert: TypeScript, React, CSS, API-Routen, Tests, Builds, Deployments und Debugging. Nur die Eingabeform ist stärker dialogisch und review-getrieben.
Welche Grenzen hat diese Arbeitsweise?
Ein Agent kann falsche Annahmen treffen, Kontext übersehen oder zu selbstsicher formulieren. Deshalb bleiben kleine Schritte, sichtbare Diffs, Tests, Quellenprüfung und menschliche Entscheidung wichtige Teile des Prozesses.