Ein unabhängiger Entwickler hat das KI-Projekt NeuroBait veröffentlicht, das speziell darauf ausgelegt ist, bei der Aufmerksamkeitsdefizit- und Hyperaktivitätsstörung auftretende Initierungsblockaden zu überwinden. Im Gegensatz zu herkömmlichen Produktivitätstools, die auf strukturierten To-Do-Listen basieren, zielt NeuroBait darauf ab, durch gezielte sprachliche Impulse eine Dopaminreaktion auszulösen und den Einstieg in Aufgaben zu erleichtern. Das Projekt entstand aus praktischer Beobachtung im häuslichen Umfeld und kombiniert klinische Erkenntnisse zur exekutiven Dysfunktion mit einer nutzerzentrierten KI-Architektur. Technische Basis bildet das dichte Gemma-3-Modell mit 12 Milliarden Parametern. Der Entwickler trainierte die Sprachkapazitäten mit einer 16-Bit-LoRA-Struktur, bei der Rang und Alpha jeweils auf 16 festgelegt sind. Die Optimierung erfolgte über Unsloth auf einer H100-GPU. Das Training umfasste drei Epochen bei einer Lernrate von 2e-4 und einem Batch-Verfahren unter Nutzung von Gradient-Accumulation mit dem Faktor acht. Für den produktiven Betrieb wird das Basismodell im Vier-Bit-NF4-Format initialisiert, wodurch der Arbeitsspeicherbedarf sinkt. Der LoRA-Adapter wird zur Laufzeit appliziert, was eine effiziente Bereitstellung auf ZeroGPU-Infrastruktur über Hugging Face Spaces ermöglicht. NeuroBait analysiert den Chatverlauf in Echtzeit, erkennt relevante Fristen und persönliche Motivatoren und formuliert daraufhin drei bis sechs fließende Sätze. Das System verzichtet auf Aufzählungszeichen, klinische Labels oder lange Anweisungen. Stattdessen wird der Nutzer als aktive Person angesprochen, eine minimale, sofort umsetzbare Handlung empfohlen und emotionale Entlastung geboten. Erste Erfahrungsberichte deuten darauf hin, dass die angepasste Interaktionslogik nicht nur bei ADHS, sondern auch bei allgemeiner kognitiver Überlastung und digitaler Erschöpfung wirksam ist. Der Entwickler kündigt die Offenlegung der Modellgewichte sowie der vollständigen Trainingspipeline an. Geplant sind zudem eine zweisprachige Erweiterung auf Indonesisch und Englisch sowie eine Community-geführte Weiterentwicklung. Ziel ist es, die Tool-Entwicklung von Nutzern mit tatsächlicher Betroffenheit leiten zu lassen, anstatt sie ausschließlich nach allgemeinen Produktivitätsparadigmen zu gestalten. Die aktuelle Testversion ist öffentlich zugänglich und sammelt kontinuierlich Feedback zur weiteren Optimierung.