Eine Auswahl professioneller AI-Projekte und -Plattformen, die ich konzipiert, entwickelt und deployt habe. Jedes dieser Systeme demonstriert die Kombination aus stabiler Software-Architektur und moderner KI-Integration.
Multi-Agenten-Betriebssystem für Finanzen, Gesundheit, Aufgaben und Wissen: 15 spezialisierte Agenten, die einander beauftragen, ein achtschichtiger Prompt-Aufbau mit Caching, bi-temporales Graph-Gedächtnis und eine Tool-Policy gegen Prompt-Injection. Über 500 Checks als Deploy-Gate.
Kommerzielles B2B-SaaS für automatisierte Content-Erstellung. Vier Agenten übernehmen je einen Schritt — Research, Copy, Art Direction, Editor — und prüfen einander. Über 65 Supabase Edge Functions, Python-Worker, Bildgenerierung. Zahlende B2B-Kunden; nichts wird ohne Freigabe veröffentlicht.
RAG-Support-Assistent für eine Fitnesskette mit 11 Studios in Köln: pgvector/HNSW über das Betriebshandbuch, drei Gedächtnis-Ebenen, Admin-Override, Erkennung unbeantworteter Fragen und Selbstlern-Schleife. Abgenommener Prototyp, die Inbetriebnahme ist beauftragungsbereit.
Automatisiertes Website-Audit-Tool für Agenturen. Holt per Firecrawl Screenshots und Markdown, analysiert Design/UX, Copywriting, SEO und Technik per Vision AI und generiert strukturierte Quick-Wins Reports.
B2B-Automatisierungstool zur geführten Generierung von BAFA-konformen Beratungsberichten inklusive automatisiertem Word-Export.
Zwölf Bauteile, die in den Systemen oben tatsächlich stecken — jedes als Zeichnung statt als Screenshot. Das ist kein Stilmittel: Jeder Screenshot aus diesen Anwendungen würde Kundendaten zeigen.

Wissensassistent, der aus den Dokumenten eines Unternehmens antwortet statt aus dem Gedächtnis des Modells: Ingestion, Embeddings, Vektorsuche mit pgvector und HNSW-Index, Rollen über Row Level Security. Jede Antwort nennt ihre Quelle.

Ein Agent, der eine präparierte E-Mail gelesen hat, darf danach keine E-Mail senden. Sobald ein Lauf fremden Text verarbeitet hat, sind alle Werkzeuge mit Außenwirkung gesperrt und landen in einer Freigabe-Warteschlange. Kein Weg daran vorbei.

Vier spezialisierte Agenten übernehmen je einen Schritt der Content-Erstellung — Research, Copy, Art Direction, Editor — und prüfen einander. Über 65 Supabase Edge Functions, Python-Worker. Nichts wird ohne menschliche Freigabe veröffentlicht.

Betriebskosten entstehen nicht durch die Modellwahl, sondern durch die Struktur drumherum. Ein Router entscheidet je Aufgabe: schnelles Modell für Routine, Reasoning-Modell nur wo nötig. Dazu Prompt-Caching — im eigenen System 40–60 % weniger Token gemessen.

Der Systemprompt ist kein Textblock, sondern acht Schichten von statisch nach dynamisch: Was sich nie ändert, steht vorn und wird zwischengespeichert. Fakten werden nicht überschrieben, sondern beendet — so bleibt beantwortbar, was wann galt.

Gewachsene Systeme scheitern an den Brücken, nicht an den Anwendungen. Vier Bausteine teilen sich eine PostgreSQL-Datenbank: Next.js-Plattform, Finanz-App aus Vite und FastAPI, MCP-Server und Mail-Worker. Getrennt im Code, verbunden in den Daten.

Bankumsätze werden zuerst nach Regeln kategorisiert, die KI greift nur im Fallback. Die EÜR entsteht aus SKR03-Konten, nicht aus einem Freitextfeld. Vor jeder Auswertung prüft der Agent die Datenqualität und nennt sie neben der Zahl.

Der Abruf merkt sich den UID-Stand je Ordner, statt täglich alles neu zu laden. Gelesen, archiviert und gelöscht kommt über eine Warteschlange beim Anbieter an. Konversationen laufen über die RFC-Header zusammen — daraus entstehen Priorität und Aufgaben.

Jeder Agent hat eigene Rolle, eigene Werkzeuge und eigenen Zugriff auf die Wissensbasis. Sie beauftragen einander, wenn eine Frage in ein anderes Fach gehört, mit Tiefenbegrenzung gegen Endlosketten. Neue Fähigkeiten sind aktiv erst nach Freigabe.

Was der Kunde am Entwurf ändert, ist die ehrlichste Aussage über seinen Stil — aber Korrektur und Vorliebe müssen getrennt bleiben. Eine gestrichene erfundene Zahl ist ein Fehler, kein Geschmack. Nur Vorlieben werden gelernt, und erst ab der zweiten Beobachtung.

Fünf Quellen melden fehlende Fähigkeiten in eine Inbox, die auch sinngleiche Meldungen zusammenführt. Der Anlass kam aus dem eigenen Betrieb: monatelang keine einzige Meldung, während die Telemetrie hunderte Fehler zählte. Eine leere Inbox sah aus wie ein fehlerfreies Produkt.

Planen, freigeben, terminieren, veröffentlichen, messen: LinkedIn, Instagram, Facebook und WordPress mit Terminplanung und Token-Erneuerung. Die Leistungsdaten je Beitrag fließen zurück in die Planung der nächsten Woche.
Drei Tage, Festpreis, ein Dokument: Daten, Berechtigungen, Betriebskosten, Fehlerpfade und ein Fahrplan. Der Einseiter erklärt Ablauf und Lieferumfang — inklusive der Fälle, in denen die Antwort „nicht in dieser Form“ lautet.