hector-bot/knowledge-base
1
0
Fork 0
Code Issues Pull requests Projects Releases Packages Wiki Activity Actions
knowledge-base/wiki/concepts/llm/hyper-summaries-notebooklm.md
Hector 3fc5e837a2 ingest(youtube): notebooklm-short-video-overviews + winston-openwebui-bot 
- raw: youtube/2026-07-01_futurepedia-notebooklm-short-video-overviews.md (Futurepedia, 10:25)
- wiki-update: concepts/llm/hyper-summaries-notebooklm.md — Short Video Overviews section (60s vertical, Nano Banana 2 Lite, one-click, free-tier)
- wiki-new: tools/winston-openwebui-bot.md — Pit's OpenWebUI Telegram bot + NotebookLM pipeline
- wiki: index.md, log.md updated (63. update)
- Source: Pit Weber OME Topic 13 #7574 (2026-07-03)
2026-07-03 11:03:13 +02:00

4.9 KiB
Raw Blame History

created updated sources tags
2026-06-19 2026-07-03
other/2026-06-19_ome21-briefing-ki-fortschritte-lokale-modelle.md
youtube/2026-07-01_futurepedia-notebooklm-short-video-overviews.md
concept
tools
notebooklm
gemini
hyper-summaries
agentic
openwebui
telegram
rtf
short-video
nano-banana
vertical-video
research-automation

Hyper-Zusammenfassungen: NotebookLM & Gemini 3.5 Flash

"KI-Zusammenfassungen übertreffen mittlerweile das Rohmaterial an Klarheit." — OME21-01 Debrief, Club 77.7

Kernthese

Mit NotebookLM und Gemini 3.5 Flash hat sich ein Qualitätssprung vollzogen: KI-generierte Synthesen sind klarer und nützlicher als die Originalquellen. Das System arbeitet agentisch (Antigravity im Hintergrund) und verarbeitet immense Quellensammlungen zu präzisen Auszügen.

Wie es funktioniert

  1. Quellen-Ingest: Große Mengen an Dokumenten, Videos, PDFs werden in ein NotebookLM-Notebook geladen
  2. Agentische Verarbeitung: Antigravity (Google's Agent-Framework) arbeitet im Hintergrund, verknüpft und strukturiert die Quellen
  3. Synthese-Output: Generiert Briefing-Dokumente, die den Inhalt verdichtet und strukturiert wiedergeben — teils besser als die Originale

Konkretes Beispiel: OME21-01 Debrief

Das vorliegende Briefing-Dokument selbst ist ein Produkt dieses Prozesses: 15 Seiten, generiert aus mehreren Quellen, strukturiert in Säulen, Thesen und operativen Empfehlungen. → Raw Source

Telegram Rich-Text Fix

OpenWebUI unterstützt nun saubere Tabellen und RTF-Formatierungen in Telegram-Bots (z.B. Winston).

  • Ende des 40-Jahre-alten ASCII-Schrotts
  • Ermöglicht strukturierte KI-Outputs direkt im Chat-Format
  • Relevanz für Hector: Wiki-Tabellen können in Telegram sauber dargestellt werden

Querverweise

  • LLM Knowledge Base — Das RamaDama-Wiki selbst folgt dem Karpathy-Pattern (raw → LLM → wiki → Q&A); NotebookLM automatisiert den "LLM"-Schritt
  • Open Knowledge Format (OKF) — Google Cloud formalisiert das Pattern; NotebookLM ist die Produkt-Implementierung
  • OpenClaw — Platform, auf der Hector's Wiki-Maintenance-Workflow läuft

Short Video Overviews (Juli 2026)

NotebookLM hat am 30.06.2026 ein neues Output-Format hinzugefügt: Short Video Overviews — ~60-sekündige vertikale (Hochkant-) Videos, generiert aus Notebook-Quellen mit einem Klick.

Wie es funktioniert

  1. Studio Panel → Video Overview → Option "Short" wählen
  2. Fokus-Thema wählen (3 Auto-Vorschläge oder Custom)
  3. Generate klicken — ~10-20 Min Generierung, mehrere parallel möglich
  4. Output: Narratiertes Video mit Animationen, Motion Graphics, AI-generierten Bildern, Text-Overlays für stummes Sehen

Technologie

  • Image Engine: Nano Banana 2 Lite (aka Gemini 3.1 Flash-Lite Image)
    • 4-Sekunden-Bildgenerierung
    • Kontextuelle Szenen, Charakter-Konsistenz, schnelles Text-Rendering
    • Kosten-effizienter als das Original-Modell (seit Oktober 2025 in NotebookLM)
  • Verfügbarkeit: Alle Pläne (inkl. Free) — selten für Google, neue Features gleichzeitig für alle Tiers zu rollen
  • Sprache: Aktuell nur Englisch

Anwendungsbeispiele (aus Futurepedia-Video)

  • Erdbeben (San Andreas Fault) — geologische Animationen
  • Rarámuri-Stamm (Born to Run) — kulturelle Erzählung
  • Wirtschaftliche Blasen (UK Railway Mania → AI Bubble) — Charts und historische Vergleiche
  • Jevons Paradox — wirtschaftswissenschaftliche Konzepte
  • Fantasia (Gehirn-Visualisierung) — abstrakte wissenschaftliche Darstellung

Pit's Winston + NotebookLM Pipeline

Pit Weber nutzt NotebookLM zusammen mit Winston (seinem lokalen OpenWebUI-Telegram-Bot) als vollautomatisierte Recherche-Pipeline:

  • Ein Befehl in Telegram → Winston orchestriert die Anfrage
  • NotebookLM generiert strukturierte Outputs: Briefings, Erklärungen, Zusammenfassungen, dynamische Tiefenrecherchen
  • Presets für verschiedene Recherche-Szenarien
  • Short Video Overviews als neues Output-Format für schnelle visuelle Zusammenfassungen

Dies ist ein konkretes Beispiel für den Harness > LLM-Trend aus OME23: Die Orchestrierungsschicht (Winston/OpenWebUI) steuert die Generierungsschicht (NotebookLM/Gemini), nicht das LLM selbst.

→ Siehe auch: ../../tools/winston-openwebui-bot.md

Quellen