Ab Oktober 2026 in Vollzeit verfügbar · Deutschland / EU remote
Drei Systeme in Produktion, eine Methode im täglichen Industrieeinsatz.
Autonome LLM-Pipelines, ein selbst gehosteter Agenten-Stack und eine Wissensdatenbank mit Antwortzeit unter einer Sekunde - alle heute im Betrieb, alle mit Zahlen belegt. Hier steht, was das Problem war, was ich gebaut habe und was es heute leistet.
48 Sekunden, drei der Systeme unten - echte Terminal-Aufnahmen, keine Mockups
Aktuelle Rolle - Schritt für Schritt
Was ich bei Kyocera mache, in der Reihenfolge, in der ich es tue.
KI und digitale Transformation für ein industrielles B2B-Unternehmen - der technische Strang eines konzernweiten KI-Programms, umgesetzt in vier wiederholbaren Schritten.
01Map
Prozessaufnahme über Stakeholder-Interviews und Workshops - Qualität, Kundenservice, Vertrieb, Änderungsmanagement - festgehalten als BPMN-Prozessmodelle.
02Find
Identifikation von Anwendungsfällen und Analyse der Automatisierungslücken: Ergebnisse mit Quellenbeleg dokumentiert und zu einem Katalog strukturiert, den die Geschäftsführung priorisieren kann.
03Solve
Funktionierende Automatisierung statt Folien: ein E-Mail-Assistent für den Kundenservice, von Anfang an mit Menschen in der Schleife, dazu M365-Automatisierungsflüsse mit Telemetrie und QA-Gates.
04Prove
Abnahmetests, bevor irgendetwas ausgeliefert wird, ROI-Business-Cases und Rollout-Dokumentation im Einklang mit EU AI Act und DSGVO - dazu Beiträge zur konzernweiten KI-Nutzungsrichtlinie.
Das ist der technische Strang eines konzernweiten KI-Programms - dieselbe Methode wie in meinen Beratungsprojekten, angewendet an jedem Arbeitstag.
ProblemMarkt- und Nachrichtenfeeds von Hand zu lesen skaliert nicht und läuft nicht um drei Uhr nachts.
GebautEine autonome Pipeline, die Markt- und Nachrichtendaten einliest, die LLM-Analyse ausführt und Signale planmäßig auf Telegram veröffentlicht - ohne einen einzigen manuellen Schritt. Die Modellschicht ist anbieterneutral - Anthropic, OpenAI, DeepInfra oder ein lokales Ollama-Modell - und ein Shadow-Evaluation-Gate lässt ein günstigeres Modell erst zu, wenn es die Referenz auf Live-Daten erreicht.
deepsignal
docker ps - alle Dienste laufen sauber auf dem Server
~95%geringere Modellkosten nach dem Shadow-Eval-Gate
gehärtet durch Backtesting + ein adversariales Review mit 54 Agenten / selbst gehostet in Docker / seit Monaten im Betrieb
ProblemEin einzelner Assistent kann nicht in allem Experte sein, und ein Cloud-Assistent läuft weder auf Ihrer Hardware noch zu Ihren Bedingungen.
GebautEin selbst gehosteter Assistent, der rund um die Uhr läuft und über einen Meta-Orchestrator eine Bibliothek von Spezialagenten koordiniert - mit eigenen MCP-Servern, Sprache in beide Richtungen und direktem Zugriff auf E-Mail und Kalender.
„warum lädt der Graph auf meinem Handy nicht?“
berezka-site-optimizer - owns berezka.me end to end
ein Orchestrator, 12 Bereichsleiter, 200+ Spezialagenten - Maus über einen Knoten zeigt seinen Namen, ein echtes weitergeleitetes Beispiel ist in Bronze nachgezeichnet
PythonClaude APIMCPWhisperDocker
🔎Im Betrieb
Hybride RAG-Wissensdatenbank
ProblemEine Wissensbasis mit 4.500 Notizen nützt nur, wenn die richtige Antwort in einer Sekunde zurückkommt - nicht beim Durchscrollen von Dateien.
GebautEin hybrides Retrieval-System - dichte Embeddings (bge-m3) plus Sparse-Volltextsuche (FTS5) plus Reranker - nächtlich neu indexiert und von einem dauerhaft laufenden Daemon bedient.
rag
live: RAG-Anfrage in unter einer Sekunde beantwortet
ProblemIndustrieunternehmen wissen, dass KI wichtig ist. Schwierig ist die Entscheidung, wo sie sich tatsächlich rechnet - bevor das Budget ausgegeben ist.
GebautKI- und Digitalisierungsarbeit für ein industrielles B2B-Unternehmen: Geschäftsprozessanalyse und strukturierte, compliance-bewusste Bewertung von KI-Anwendungsfällen. Die Methode dahinter ist öffentliche Forschung - meine KIT-Masterarbeit entwickelt ein multikriterielles Entscheidungsmodell für KI-Einführung in der Fertigung.
M.Sc.KIT-Masterarbeit: ein multikriterielles Entscheidungsmodell für KI-Einführung in der Fertigung
Prozessanalyse / strukturierte Use-Case-Bewertung / EU AI Act + DSGVO berücksichtigt
BPMNMCDM / AHPEU AI ActGDPRM365
Die Wissensdatenbank dahinter
4.540 Notizen. 13.024 Verbindungen. Ein Graph.
Der Obsidian-Wissensspeicher hinter dem hybriden RAG-System oben - jeder Punkt ist eine Notiz, jede Linie eine Verbindung zwischen zweien. Titel absichtlich ausgeblendet; es geht um die Struktur. Gezeigt werden die obersten 700 Knoten.
4.540 Notizen13.024 Verbindungen~2.000 für die Suche indexiertnächtlich neu indexiert
Der Graph wurde nicht geladen - vermutlich ein Netzwerkaussetzer.
Sprechen wir
Ab Oktober 2026 in Vollzeit verfügbar.
Ansässig in Deutschland. Wenn Sie jemanden brauchen, der aus einer Idee ein laufendes, selbst gehostetes System macht - keine Präsentation - lassen Sie uns sprechen.