Projekte

Die KI-Engine für Enterprise-Prozessautomatisierung

Eine mandantenfähige SaaS‑Plattform für KI‑gestützte Prozessautomatisierung: wissensbasierte Assistenten, Dokumenten‑Workflows und tiefe Integration in echte Backoffice‑Abläufe (nicht nur Demo‑Flows).

Auf AWS als ereignisgesteuerte Microservices gebaut (Lambda, ECS/Fargate, SNS/SQS) mit Multi‑Modell‑LLM‑Integrationen (OpenAI, Azure OpenAI, Bedrock, Mistral). Konzipiert für hohe Last (>1.000 gleichzeitige Verbindungen; tausende Requests pro Sekunde) mit Kostenkontrolle und Zuverlässigkeit.

Enterprise‑Security und Compliance by design: ISO 27001 und SOC 2, plus Datensouveränität als feste Anforderung.

Enterprise‑Tooling für verlässliche LLM‑Pipelines

Ein internes Test‑ und Evaluations‑Framework (Testbed), das LLM‑Systeme messbar und reproduzierbar macht: deterministische Testfälle, Metriken, qualitative/quantitative Bewertung und Regressionstests für RAG und Multi‑Step‑Pipelines.

„Prompt Wizard“ beschleunigt Prompt‑Iteration und Optimierung und sorgt gleichzeitig für Versionierung und Testbarkeit — damit Qualität nicht beim ersten Release verloren geht.

Ziel: Prompt Engineering als Engineering‑Disziplin statt ad‑hoc Experimente — damit Teams sicher shippen und Performance stabil bleibt.

Automatisches Produktmatching statt manueller Expertenauswahl

Für RP Group (Notbeleuchtung) habe ich ein ML‑System entwickelt, das Kundenanfragen automatisch den passenden Produkten zuordnet — und damit zeitaufwändige, expertengetriebene Auswahl durch ein reproduzierbares Ranking ersetzt.

Robuste Datengrundlage durch LLM‑gestützte Extraktion (entAIngine API) und domain‑spezifisches Feature Engineering (25+ Features). Fünf Modelle mit Hyperparameter‑Optimierung benchmarked.

Bestes Modell: getunter Random Forest mit 70,7% Top‑1 (MRR 0,835; AUC‑ROC 0,923) — starke Ranking‑Qualität bei guter Interpretierbarkeit und pragmatischem Deployment.

Über 2 Stunden pro Gutachten sparen — mit KI‑gestützter Recherche

KI‑Plattform für Immobiliengutachter, die die zeitintensiven Teile der Bewertung automatisiert: Recherche, Standortanalyse und Entwurf des Berichts.

Aus Stunden manueller Arbeit werden 2–3 Minuten strukturierter Output pro Objekt (Makro/Mikro‑Insights, Markt‑Kontext, gutachtensfähige Report‑Bausteine).

Für professionelle Workflows gebaut: Multi‑Source‑Integration und Qualitätskontrollen, damit Ergebnisse konsistent und gut prüfbar bleiben.

Multi‑Agent‑Systeme ohne Code bauen

Eine No‑Code‑Plattform, mit der Operations‑Teams (Customer Service, HR, Ops) Multi‑Agent‑Workflows entwerfen und betreiben können — ohne Engineering‑Support.

Fokus auf Orchestrierung und Zuverlässigkeit: klare Rollen, kontrollierte Handoffs und Evaluations‑Hooks, damit Teams sauber iterieren und Ergebnisse über Abteilungen skalieren können.

Due Diligence und Portfolio‑Intelligence als Produkt

Eine VC‑Plattform, die Deep Research mit investment‑spezifischer Automatisierung kombiniert — für schnellere Due Diligence und Marktanalysen.

Vorkonfigurierte Agenten unterstützen Wettbewerbsanalyse, Portfolio‑Tracking, Deal‑Flow‑Automatisierung und Market Mapping — aus verstreutem Research wird institutionelles Wissen.

Datenkollaboration ohne Offenlegung sensibler Informationen

Ein EU Horizon 2020‑Projekt, das organisationsübergreifende Analytik ermöglicht, ohne die Kontrolle über Daten abzugeben — „bring the code to the data“ mit starker Auditierbarkeit und Security.

Konzipiert end‑to‑end Workflows (Agreement → Execution → Evaluation) und eine modulare Microservice‑Architektur plus unveränderlichen Audit‑Trail via Blockchain.

Mit Confidential Computing (TEEs / Intel SGX) und Verschlüsselung für Daten at rest — validiert mit EU‑Stakeholdern.