Update README_DE.md

README_DE.md

@@ -1,78 +1,101 @@
-# PySpur - GUI zur Visualisierung von LLM Denkpfaden
+# PySpur - Graphbasierter Editor für LLM-Workflows
 
 <p align="center">
-  <a href="./README.md"><img alt="README in English" src="https://img.shields.io/badge/English-blue"></a>
+  <a href="./README.md"><img alt="README auf Englisch" src="https://img.shields.io/badge/English-blue"></a>
   <a href="./README_CN.md"><img alt="简体中文版自述文件" src="https://img.shields.io/badge/简体中文-blue"></a>
   <a href="./README_JA.md"><img alt="日本語のREADME" src="https://img.shields.io/badge/日本語-blue"></a>
-  <a href="./README_KR.md"><img alt="README in Korean" src="https://img.shields.io/badge/한국어-blue"></a>
+  <a href="./README_KR.md"><img alt="README auf Koreanisch" src="https://img.shields.io/badge/한국어-blue"></a>
   <a href="./README_DE.md"><img alt="Deutsche Version der README" src="https://img.shields.io/badge/Deutsch-blue"></a>
-<a href="./README_FR.md"><img alt="Version française du README" src="https://img.shields.io/badge/Français-blue"></a>
-<a href="./README_ES.md"><img alt="Versión en español del README" src="https://img.shields.io/badge/Español-blue"></a>
+  <a href="./README_FR.md"><img alt="Französische Version der README" src="https://img.shields.io/badge/Français-blue"></a>
+  <a href="./README_ES.md"><img alt="Spanische Version der README" src="https://img.shields.io/badge/Español-blue"></a>
 </p>
 
-https://github.com/user-attachments/assets/19cf6f99-6d66-45dc-911c-74025f87b1d2
+https://github.com/user-attachments/assets/9128885b-47ba-4fc6-ab6b-d567f52e332c
 
-# 🕸️ Warum PySpur?
+# ✨ Vorteile
 
-* Menschen denken bei schwierigen Problemen länger nach, um bessere Entscheidungen zu treffen.
-* Ebenso können wir LLMs dazu befähigen, länger nachzudenken, indem wir rechnerische Graphen verwenden, die mehrere Schritte und Rückkopplungsschleifen umfassen.
-* Solche Graphen beinhalten jedoch komplexe Abhängigkeiten zwischen Knoten, bei denen die Ausgabe eines Knotens zur Eingabe eines anderen wird.
-* **Das Ziel von PySpur ist es, Entwicklern zu ermöglichen, solche LLM-Graphen zu erstellen, zu testen und bereitzustellen, indem die Komplexität von paralleler Ausführung und Zustandsmanagement abstrahiert wird.**
-
-# ✨ Zentrale Vorteile
-
-1. **Entwicklung mit Compute-Nodes zur Laufzeit:**
-    * **Hochrangige, integrierte Planer** (MCTS, Self-Refinement, BoN, ToT, etc.)
-    * **Niedrigstufige Primitive für paralleles/sequenzielles Sampling** (Schleifen, Router, Verzweiger, Aggregatoren)
-    * **Verifizierer** (Code-Nodes, LLM-als-Richter, Software-Integrationen, etc.)
-2. **Debugging mit Evaluierungen:**
-    * **Gemeinsame Benchmarks für logisches Denken** (GSM8k, MATH, ARC, etc.)
-    * **Bewertungen** via LLM-als-Richter
-    * **Benutzerdefinierte Datensätze** via CSV, JSONL, HF Datasets
-3. **Bereitstellung für Batch-Inferenz über Job-Queue:**
-    * **Einreichung/Verwaltung von Batch-Jobs über die Benutzeroberfläche** für einfache Nutzung
-    * **Selbsthosting von asynchronen Batch-APIs** für volle Flexibilität
-    * **Fehlertoleranz und Job-Persistenz** für langlaufende Jobs
+## Modulare Bausteine
 
-# 🗺️ Roadmap
+https://github.com/user-attachments/assets/6442f0ad-86d8-43d9-aa70-e5c01e55e876
 
-- [X] Canvas
-- [X] ITC-Nodes
-- [X] Asynchrone/Batch-Ausführung
-- [ ] Vorlagen
-- [ ] Übersetzung von Spurs in Code
-- [ ] ITC-Node-Monitoring
-- [ ] Neue Nodes
-    - [ ] Tools
-    - [ ] Schleifen
-    - [ ] Bedingungen
-- [ ] Evaluierungen
-- [ ] Multimodal
-- [ ] Spur-API
-- [ ] Containerisierung von Code-Verifizierern
-- [ ] Bestenliste
-- [ ] Automatische Generierung von Spurs durch KI
+## Debugging auf Knoten--ebene
+
+https://github.com/user-attachments/assets/6e82ad25-2a46-4c50-b030-415ea9994690
+
+## Evaluierung der Endleistung
 
-Ihr Feedback ist uns sehr wichtig. Bitte [teilen Sie uns mit](mailto:[email protected]?subject=Feature%20Request&body=I%20want%20this%20feature%3Ai), welche Funktionen auf dieser Liste Sie als nächstes sehen möchten, oder schlagen Sie völlig neue vor.
+https://github.com/user-attachments/assets/4dc2abc3-c6e6-4d6d-a5c3-787d518de7ae
+
+## Demnächst: Selbstverbesserung
+
+https://github.com/user-attachments/assets/5bef7a16-ef9f-4650-b385-4ea70fa54c8a
+
+
+# 🕸️ Warum PySpur?
+
+* **Leicht erweiterbar**: Zum Beispiel kann man neue Workflow-Knoten einfach durch das Hinzufügen einer einzigen Python-Datei erstellen.
+* **JSON-Konfigurationen** für Workflow-Grafen, was das einfache Teilen und die Versionskontrolle ermöglicht.
+* **Leichtgewichtig** dank minimaler Abhängigkeiten, um aufgeblähte LLM-Frameworks zu vermeiden.
 
 # ⚡ Schnellstart
 
-PySpur kann in drei einfachen Schritten eingerichtet werden.
+Mit drei einfachen Schritten können Sie PySpur zum Laufen bringen.
 
-1. **Klonen Sie das Repository:**
+1. **Repository klonen:**
     ```sh
     git clone https://github.com/PySpur-com/PySpur.git
     cd pyspur
     ```
 
-2. **Starten Sie die Docker-Services:**
+2. **Docker-Services starten:**
+
+    ```sh
+    sudo docker compose up --build -d
+    ```
+
+    Dies startet eine lokale Instanz von PySpur, die Spuren (Spurs) und ihre Ausführungen in einer lokalen SQLite-Datei speichert.
+
+3. **Auf das Portal zugreifen:**
+
+    Öffnen Sie in Ihrem Browser `http://localhost:6080/`.
+
+    Geben Sie als Benutzername/Passwort `pyspur`/`canaryhattan` ein.
+
+4. **Ihre LLM-Provider-Keys hinzufügen:**
+
+   Gehen Sie zum Einstellungsmenü oben rechts im Portal.
+
+   <img width="1913" alt="image" src="https://github.com/user-attachments/assets/32fe79f1-f518-4df5-859c-1d1c0fc0570e" />
+
+   Wählen Sie den Reiter "API keys" aus.
 
-    ```sudo docker compose up --build -d```
+   <img width="441" alt="image" src="https://github.com/user-attachments/assets/cccc7e27-c10b-4f3a-b818-3b65c55f4170" />
 
-    Dadurch wird eine lokale Instanz von PySpur gestartet, die Spurs und deren Ausführungen in einer lokalen SQLite-Datei speichert.
+   Geben Sie den Key Ihres Anbieters ein und klicken Sie auf "Save" (Speichern). (Die Schaltfläche zum Speichern erscheint, nachdem Sie einen Key hinzugefügt oder bearbeitet haben.)
 
-3. **Zugriff auf das Portal:**
+   <img width="451" alt="image" src="https://github.com/user-attachments/assets/e35ba2bb-4c60-4b13-9a8d-cc47cac45375" />
 
-    Öffnen Sie `http://localhost:6080/` in Ihrem Browser.
+Die Einrichtung ist abgeschlossen. Klicken Sie auf "New Spur", um einen neuen Workflow zu erstellen, oder beginnen Sie mit einer der vorgegebenen Vorlagen.
+
+# 🗺️ Roadmap
+
+- [X] Canvas
+- [X] Asynchrone/Batch-Ausführung
+- [X] Evaluierungen
+- [X] Spur-API
+- [ ] Neue Knoten
+    - [X] LLM-Knoten
+    - [X] If-Else
+    - [X] Zusammenführen von Zweigen
+    - [ ] Tools
+    - [ ] Schleifen
+- [ ] Pipeline-Optimierung mit DSPy und verwandten Methoden
+- [ ] Vorlagen (Templates)
+- [ ] Kompilieren von Spurs in Code
+- [ ] Multimodale Unterstützung
+- [ ] Containerisierung von Code-Verifizierern
+- [ ] Bestenliste (Leaderboard)
+- [ ] Erstellen von Spurs mittels KI
 
-    Geben Sie `pyspur`/`canaryhattan` als Benutzername/Passwort ein.
+Ihr Feedback ist uns sehr wichtig.  
+Bitte [teilen Sie es uns mit](mailto:[email protected]?subject=Feature%20Request&body=I%20want%20this%20feature%3Ai), welche Funktionen Sie als Nächstes sehen möchten oder schlagen Sie völlig neue Features vor.