Automatisierungsarchitekten in Deutschland

• Entwicklung einer digitalen Audit-Anwendung für Begehungen in medizinischen Einrichtungen. Ziel ist es, Datenerfassung vor Ort, Sprachaufzeichnung, Dokumentation und nachgelagerte Prozesse in einem durchgängigen, KI-gestützten Workflow zu verbinden.

• Konzeption und Entwicklung einer Flutter Audit App mit Claude Code zur strukturierten Durchführung und Dokumentation von Begehungen.

• Verarbeitung der in der App erfassten Sprachaufzeichnungen durch automatische Transkription und KI-gestützte Erstellung strukturierter Begehungsprotokolle mit anschließendem Freigabeprozess

• Anbindung verschiedener Datenquellen wie E-Mail, Odoo 19, Anwesenheitszeiten und Google Drive über n8n zur Automatisierung von Abrechnung und Folgeprozessen

• Automatische Bereitstellung benötigter Dokumente und Versand per E-Mail über n8n gesteuerte Workflows sowie Einbindung von LLMs für die Texterstellung

• Skills: Flutter, Claude Code, LLM Integration, n8n, Odoo 19, Google Drive, Prozessautomatisierung

• Akquiriert Neukunden im B2B-Outbound für ein KI-SaaS-Startup im Bereich öffentliche Ausschreibungen und terminiert Produktdemos mit IT-Entscheidern.
• Qualifiziert Zielkunden entlang eines definierten Ideal-Customer-Profils inklusive Discovery, Bedarfsanalyse und Einwandbehandlung.
• Eignet sich Domänenwissen im öffentlichen Vergabewesen an (EVB-IT, deutsche und EU-Vergabeportale) für Fachgespräche auf Augenhöhe.

Entwurf und Entwicklung einer KI-gestützten Automatisierungsplattform mit n8n, um Social-Media-Nischen zu analysieren, Zielgruppen zu erkennen und die Generierung von Marketingstrategien zu automatisieren. Die Lösung kombinierte KI-Agenten, Workflow-Orchestrierung und Datenanalyse, um Rechercheprozesse zu automatisieren und datenbasierte Erkenntnisse zu erzeugen.

• Komplexe Automatisierungs-Workflows mit n8n entworfen und umgesetzt
• KI-gestützte Analyse-Agenten für Markt- und Zielgruppenrecherche entwickelt
• Mehrere APIs und KI-Services in automatisierte Workflows integriert
• Automatisierte Analyse-Pipelines für Markt, Wettbewerber und Zielgruppen aufgebaut
• Large Language Models (LLMs) für Zusammenfassung, Klassifizierung und Priorisierung von Informationen genutzt
• Plattform mit Docker containerisiert und bereitgestellt

Technologien: n8n, AI Agents, OpenAI APIs, Prompt Engineering, LLMs, Docker, Linux, REST APIs, Webhooks

• KI-Integration (LLM & RAG): Konzeption und Aufbau eines internen, intelligenten RAG-Systems (Retrieval-Augmented Generation) auf Basis von LLMs, n8n und Vektordaten zur automatisierten Analyse technischer Dokumente und Fehlerprotokolle.
• Konzeption & Implementierung: Design einer robusten RS-232/UART-Kommunikationsschnittstelle für ein SBC-basiertes Embedded-Gerät zur Steuerung medizinischer Shaker-Systeme.
• Architektur & Protokolldesign: Umsetzung einer hochgradig wartbaren Softwarestruktur (OOP, SOLID) und Definition hardwarenaher, resilienter Kommunikationsprotokolle inklusive Multithreading und erweiterter Fehlerbehandlung.
• Qualitätssicherung & DevOps: Testautomatisierung mittels xUnit, Integrationstests direkt am Hardware-Target und Pflege der technischen Dokumentation nach strengen Medizintechnik-Standards via Azure DevOps.

Label: C#, .NET, LLMs, RAG, n8n, RS-232, UART, Multithreading, async/await, xUnit, gRPC/protobuf, Blazor, MudBlazor, EF Core, Visual Studio 2026, Azure DevOps

Zerobits ist mein Fahrzeug für KI-gestützte Automatisierung und individuelle Softwareentwicklung mit einem klaren Prinzip: KI-Lösungen, die in die Produktion gehen und nicht nur im Pilotstadium bleiben. Ich entwerfe und baue die Systeme selbst – vom ersten Konzept und der Architektur bis hin zu Implementierung, Deployment und Betrieb.

Mein Fokus liegt darauf, wiederkehrende manuelle Arbeit durch zuverlässige Automatisierung zu ersetzen und getrennte Tools und Datenquellen zu einem belastbaren Gesamtsystem zu verbinden.

Ausgewählte Arbeiten:

• Entwurf und Umsetzung von agentenbasierten Systemen und RAG-Pipelines auf Basis von LLMs (Anthropic Claude, Mistral, MongoDB Atlas Vector Search + RAG)
• Workflow-Orchestrierung für lang laufende, fehlertolerante Geschäftsprozesse mit Temporal (temporal.io): Saga-Patterns, eventgesteuerte Architektur, Retry- und Compensation-Logik, Anbindung von Drittanbieter-APIs und internen Services an automatisierte End-to-End-Prozesse
• Full-Stack-Produktentwicklung: SaaS-Architektur auf Kubernetes, TypeScript/React/NestJS, Admin-Tools mit refine.dev und MUI
• KI-gestützter Entwicklungsworkflow als Standard, um produktionsreife Software in einem Bruchteil der üblichen Zeit zu liefern
• Full-Stack-Produktentwicklung: Multi-Tenant-SaaS-Architektur auf Kubernetes, Backend mit NestJS/Node.js und Python, Frontend mit TypeScript, React und Next.js, Admin-Tools mit refine.dev und MUI, CI/CD mit GitHub Actions

Eines dieser Projekte ist ein Produkt, das ich selbst besitze und betreibe – frei von jeglichen NDA-Beschränkungen. Ich zeige es gerne komplett von Anfang bis Ende.

• Codebase-Bewertung & Problemdesign: Komplexe Software-Engineering-Probleme gegen große Open-Source-Python-Codebasen (einschließlich pandas) entworfen und unter Last getestet, was tiefes Kontextverständnis und architektonisches Wissen erforderte, um sauber abgegrenzte, realistische Problemstellungen zu erstellen, die strengen Korrektheitsvorgaben entsprechen.
• Analyse von Agentenfehlern: Lösungen von LLM-Coding-Agenten auf Korrektheit und Vollständigkeit geprüft und dabei aussagekräftige Fehler in der Behandlung von Edge Cases, im dtype-Verhalten und in der Logik zur NaN-Weitergabe über mehrere Spalten hinweg identifiziert; Ergebnisse präzise für die weitere Auswertung dokumentiert.
• Programmgesteuerte Test-Suite-Entwicklung: Umfassende pytest-Suites erstellt, um Agenten-generierte Lösungen programmgesteuert gegen definierte Anforderungen zu prüfen, mit gezielter Abdeckung von Randbedingungen und Fehlermodi, die naive Implementierungen nicht erfassen.
• Containerisierte Umgebungs-Entwicklung: Docker-Umgebungen für reproduzierbare Agentenausführung gebaut und debuggt, einschließlich git-basierter Repository-Bereitstellung, Dependency-Pinning mit npm ci und Erstellung von Multi-Stage-Dockerfiles für Linux-basierte Container.

• Entwicklung einer SaaS-Anwendung zur automatisierten Schadenbearbeitung mit KI-Agenten (LLM) als primäres Entwicklungsteam
• Design & Test von effizienten und sicheren Context-Management-Setups im Entwicklungsprozess (u. a. Einsatz von Multi-Subagenten, Speichersystemen, Caching)
• Definition und Umsetzung von LLMOps-Pipelines mit Azure AI Foundry für KI-Agenten im Kundenkontakt (inkl. Versionierung, Logging, Audit-Trail, Sicherheitstests)
• Infrastrukturbereitstellung über IaC (Bicep), Anwendungskonfiguration über GitOps-basierte CI/CD-Pipelines (Rules Engine, Workflow Engine)
• Entwicklung integrierter Sicherheitsarchitektur-Designs zwischen KI-basierten und klassischen Anwendungen mit besonderem Fokus auf regulatorische Anforderungen
• Integration von Workflow- und Rules-Engine in einer NestJS-Servicearchitektur — zur automatisierten, regelbasierten Steuerung von Schadensprozessen
• Probabilistische Extraktion und Aufbereitung von Schadendaten als Grundlage für regelbasierte, deterministische Entscheidungslogik — nachvollziehbar, auditierbar und regulatorisch konform

Gesamtarchitektur und technische Umsetzung eines Wix-basierten Abo-Frontends mit Stripe-Zahlung und Anbindung an das SaaS-Backend von Axxessio. Stripe Checkout, Abos, Webhooks und Transaktionsprotokoll end-to-end umgesetzt. Kundendaten und Vertragsinformationen automatisiert über eine JWT-geschützte REST API übertragen. Proxy- und Sicherheitsarchitektur für IP-Whitelisting, HMAC und den Betrieb dokumentiert und mit dem Backend-Team abgestimmt.

Stack: Wix Studio, Wix Velo, JavaScript, Stripe, Webhooks, JWT, HMAC, REST API, Hetzner, Cloudflare

• Intentgesteuerter Ansatz, um alle Modelle und Baureihen dieses Automobilherstellers in allen Absatzmärkten zu konfigurieren
• Entwicklung einer kundenorientierten, dialoggesteuerten Integrationsschicht, um 100% halluzinationsfreie technische Konfigurationen zu erreichen
• Einsatz folgender Microsoft Azure AI Services: AI Foundry, Agent Service, AI Search; Prompt Shield Services; Content Security; Terraform; API Gateway; AI Gateway; Container Services; Azure Agent SDK; Agent Skills; RAG; MCP-Server und Tools

• Entwickelte ein RAG-Retrieval-System, das manuelle RAG-Pipeline-Prozesse um 70% verkürzte und über 120 Stunden pro Monat einsparte.
• Entwarf eine Automatisierungsschicht, die den operativen Durchsatz um 40% steigerte.
• Entwickelte kontextbewusste KI-Agenten, die die Präzision um 30% verbesserten.
• Etablierte Automatisierungs-Governance, um Skalierbarkeit zu gewährleisten und Risiken zu reduzieren.