Claude Experten in München

CXO AI OS ist ein Agenten-System aus sechs Bausteinen. Statt AI als Chat-Fenster zu nutzen, entsteht ein System, das den Kontext eines Unternehmens kennt, nach seinen Regeln urteilt und in seinem Auftrag handelt.

• Für den Mittelstand: geführter Sprint mit anschließendem Betrieb für ein Team, einen Bereich oder einen priorisierten Cluster, auf Basis einer AI-Diagnose
• Für Selbstständige: Programm, in dem die Teilnehmenden ihr eigenes Agenten-System bauen
• Sequenz im Unternehmen: Diagnose, Priorisierung, Sprint, Betrieb
• Umsetzung in Claude Cowork oder ChatGPT Work, ohne Programmierung
• Architektur: Stabschef, Ziele, Berater, Agenten, Kontext, Katalog

• Agile Transformation Coach in einem SAP-getriebenen End-to-End Lead-to-Cash-Programm, Unterstützung von Führung und Management bei der Einführung und Weiterentwicklung des Sherpa Way of Working, Stärkung agiler Praktiken, Rollenklärung und Verantwortlichkeiten (RACI) sowie der Delivery-Effektivität
• Mitglied des Leadership Core Teams für den Way of Working, Mitgestaltung und Weiterentwicklung agiler Betriebsmodelle, Hinterfragen bestehender Vorgehensweisen und Anstoßen pragmatischer Verbesserungen auf Systemebene
• Konzeption eines Polarion-basierten Scrum-Master-Dashboards als zentraler, rollenbasierter Einstiegspunkt für Sprint-Status, Abhängigkeiten, Risiken und Governance-Artefakte, Reduzierung des Reporting-Aufwands und Verbesserung der Transparenz
• Gezieltes 1:1-Coaching für den Master Scrum Master und die Scrum Master, Stärkung der Führungskompetenz, der Rolleneffektivität und der Unterstützung bei teamspezifischen Herausforderungen, einschließlich der Neugestaltung von Scrum-Master-Syncs und Kollaborationsformaten
• Zusammenarbeit mit Teams und Führung bei der Analyse und Dokumentation von End-to-End Lead-to-Cash-Prozessen in SAP Signavio, zur Unterstützung von Abstimmung, Transparenz und einem gemeinsamen Verständnis von Prozesserwartungen über alle Teams hinweg

• Entwicklung eines KI-gestützten Projektorganisationstools für ein Tiefbauunternehmen, das Projekt-, Aufgaben-, Ausschreibungs-, Terminund Dokumentendaten intelligent über einen Knowledge-Graphenverknüpft.
• Implementation von KI-Funktionen zur Dokumentenanalyse, Informationsextraktion, kontextbezogenen Assistenz und sprachbasierten Datenerfassung auf Basis von Microsoft Azure AI, wodurch administrative Aufwände reduziert, Informationen schneller zugänglich gemacht und Projektteams bei Entscheidungen unterstützt werden.
• Technologie-Stack: Python, React, TypeScript, FastAPI, Claude Code, Codex, Graphify, PostgreSQL, Microsoft Azure AI Foundry, Azure OpenAI, Azure AI Speech, Azure AI Document Intelligence, Microsoft Graph, Microsoft Entra ID, Docker, Git, CI/CD.

• Wiederkehrendes Problem in eigenen KI-gestützten Projekten: Anforderungsanalyse, Use Cases und Architekturentscheidungen entstehen mit KI-Unterstützung zwar schnell, bleiben aber wenig nachvollziehbar und über Markdown-Dateien verstreut – Wissen geht verloren, sobald es nicht mehr im Kontextfenster ist. arknet macht Requirements Engineering und Architekturwissen zu strukturierten, prüfbaren Daten statt Fließtext: Anforderungen, Use Cases und Architekturentscheidungen als durchgängig verknüpfter Wissensgraph, von der Anforderung bis zur Architekturentscheidung nachvollziehbar – für Menschen und KI-Agenten gleichermaßen abfragbar. Technisch auf RDF/OWL und einem eigenen MCP-Server aufgesetzt.

• Ergebnis: MCP-Daemon lauffähig, Docker-Image automatisiert auf GHCR veröffentlicht, neun hexagonale Module, elf ADRs (u. a. Open-Core-Lizenzmodell). Requirements-Engineering- und Ubiquitous-Language-Hexagon aktiv. Seit 07/2026 als Community Edition unter Apache-2.0 öffentlich (github.com/kogn-io/arknet), zusammen mit dem Claude-Code-Plugin und dem GHCR-Image; Open-Core-Modell.

• Label: Java, Maven, RDF, RDF4J, OWL, SPARQL, Model Context Protocol, Spring AI, Docker, GitHub, Git, Claude Code, Obsidian, DDD, Hexagonal Architecture, ArchUnit, JUnit, AssertJ, Schnittstellenentwicklung, Software Architecture, Continuous Integration, Knowledge Management

AI-Telefonassistent-Plattform

Claude Code, Google AI Studio, Python, LLM / Voice-AI, PostgreSQL

• Konzeption und Hands-on-Entwicklung einer KI-gestützten Telefonassistenten-Plattform (Voice-AI / LLM) – von der Idee über die Architektur bis zum MVP/Produkt.
• Aufbau agentischer Workflows und vollständiger Automatisierungen mit Claude Code und Google AI Studio.
• Darüber hinaus KI-gestützte Delivery in Kundenmandaten: Claude Code für Governance-Dokumentation, Anforderungsentwürfe und Automationen.

• Beratung entlang zweier integrierter Felder: Commercial Strategy (Pricing, Vertriebssteuerung, Marketing-Strategie, Markterschließung, Margensteuerung) und Operational Efficiency (Prozessautomatisierung, KI-Integration, Workflow-Design, Last-Mile-Automation).
• Entwicklung kundenindividueller SaaS-Lösungen, explizit abgestimmt auf die konkreten Anforderungen und Prozesse des jeweiligen Unternehmens.
• Durchführung von KI-Schulungen und Change-Management-Workshops für Geschäftsführer und Fachbereiche, einschließlich KI-Kompetenzschulungen mit Teilnahmebescheinigung nach Art. 4 EU AI Act.

Aufgaben & Ergebnisse:

• Maßnahmen zur verbesserten Management-Steuerung während eines Restrukturierungsprogramms (ca. 80 Beteiligte) ausgearbeitet
• PMO-Setup zur Durchsetzung von Transparenz, Reporting und datengetriebenen Entscheidungen
• Integration...

• Habe rollenbasierte Workflows für die Disposition und Zustellung entworfen, umschaltbar zwischen eigenem Fuhrpark und Partner-Transportunternehmen, mit nachvollziehbaren Statusketten von „pending“ bis „in delivery.“
• Habe KI-gestützte Routenoptimierung entworfen, bei der Disponenten fahrzeitoptimierte Routenvorschläge als Entwurf prüfen und mit einem Klick übernehmen.
• Habe eine zentrale Planungsoberfläche für Liefer- und Routenmanagement entworfen, die Tabellenansicht, Kartenansicht und Routenkomposition in einem einzigen Workflow zusammenführt.
• Habe interaktive Prototypen gebaut, um neue Produktfunktionen früh mit Stakeholdern und Engineering abzustimmen.

Wichtige Methoden: KI-gestütztes Produktdesign, Workflow-Design, rollenbasierte Workflows, Dashboard-Design, Interaction Design, Prototyping, UX für Logistik/Operations, Stakeholder-Zusammenarbeit

• Entwicklung von AI-first-Workflows, die KI in bestehende Produkterlebnisse integrieren
• Entwicklung von UX-Konzepten für Prompt-Management, wiederverwendbare und kombinierte Prompt-Workflows, Tagging, Suche und Informationsorganisation
• Erstellung von User Flows, Wireframes, Prototypen und High-Fidelity-Interfaces in Figma
• Definition wiederverwendbarer UI-Patterns, Komponenten und Interaktionslogik für skalierbare Produkte
• Untersuchung von Human-AI-Interaktionsmustern mit Fokus auf Nutzerkontrolle, Transparenz und beherrschbare kognitive Belastung
• Übersetzung von Produktanforderungen und technischen Einschränkungen in entwicklungsreife UX/UI-Spezifikationen

Ich helfe Unternehmen und digitalen Teams, im Alltag Zeit zurückzugewinnen – indem wiederkehrende Abläufe automatisiert und digitale Produkte gezielt verbessert werden. Je nach Bedarf in der Umsetzung oder auf Führungsebene (Interim).

Typische Ergebnisse:

• Manuelle Routineprozesse laufen automatisiert – Anfragen, Datenpflege, Follow-ups
• Schnellere Reaktionszeiten und weniger Dinge, die im Tagesgeschäft liegen bleiben
• Klare Prioritäten in Produkt- und Digitalisierungsvorhaben, pragmatisch statt überkonstruiert

Womit: moderne No/Low-Code-Automatisierung (u.a. n8n, Make.com), verbunden mit Erfahrung als Geschäftsführer und Verantwortlicher für digitale Produkte. Das Werkzeug ist dabei nie der Ausgangspunkt – die Frage ist immer, wo eine Lösung echten Nutzen bringt.

Selbstständige Produktdesign-Praxis zur Unterstützung von Startups und wachsenden Unternehmen mit Enterprise SaaS, Workflow-Architektur, Produktstrategie und KI-gestützter Produktentwicklung.

• End-to-End-Produktdesign für digitale Produkte, Websites und SaaS-Plattformen liefern und dabei Produktdenken, UX, visuelles Design und Umsetzung verbinden.
• KI über den gesamten Produktlebenszyklus einsetzen – von Research, Synthese, Informationsarchitektur und Prototyping bis hin zu Entwicklung, SEO und Content-Strategie.
• Produktionsreife digitale Produkte mit KI-gestützten Workflows gestalten und bauen, um Iteration und Lieferung deutlich zu beschleunigen.
• Gründer und Unternehmen zu Produktpositionierung, UX-Strategie und digitaler Transformation beraten.

• Aufbau und Betrieb einer End-to-End-MLOps-Plattform auf Azure ML und Kubernetes (Kubeflow) zur automatisierten Bereitstellung, Überwachung und Skalierung von Forecasting-Modellen (u. a. Temporal Fusion Transformer, Informer, Autoformer).
• Implementierung von CI/CD-Pipelines in Azure DevOps für den vollständigen ML-Lifecycle – von Ressourcbereitstellung (Terraform), Datentransformation (Hugging Face Datasets, Pandas, PyTorch, CUDA-Cluster) über Training und Evaluation bis hin zu Model Registry und Endpoint-Deployment.
• Integration von MLflow für Experiment-Tracking, Modellversionierung, Performance-Monitoring und automatisierte Registrierung in der Azure Model Registry.
• Entwicklung und Containerisierung von PyTorch-Trainingsjobs (Azure Notebook, Jupyter Notebooks) für Preis- und Zeitreihenprognosen (PFC-Modelle) mit automatischem Rollout über Azure ML Endpoints und REST/gRPC-Schnittstellen, Docker-Containerisierung, Absicherung über OAuth 2.0.
• Einrichtung von Monitoring- und Alerting-Mechanismen (Prometheus, MLflow Metrics), Log-Zentralisierung und Kostenüberwachung.
• Automatisierung der Infrastruktur-Bereitstellung und Modellbereitstellung mittels Terraform, Helm und Azure CLI; Anbindung an bestehende Marktdatensysteme und Event-Pipelines.
• Migration bestehender Workloads und Datenbanken (IONOS → Azure, MongoDB) mit Integration in zentrale MLOps-Workflows und interne Netzwerke.
• Erweiterung der Plattform um LLM-basierte Tools (LangChain, LangServe) zur Integration von GPT-basierten Analysemodulen in bestehende Spring-Boot-Dienste für Marktanomalie-Erkennung und automatisierte Reports.
• Analyse, Architektur einer Softwarelösung zur effizienten Verarbeitung von Massendaten (>3000 Nachrichten/Sek.) (Market Data Store).
• Spring Boot / Java 21 Container-Entwicklung mit RabbitMQ zur Verteilung von Börsendaten über MongoDB (Kubernetes) mit Schnellspeicherung von Daten in Redis RMaps, Deduplizierung und Weiterleitung von Nachrichten an Read-Model-Queues, Aufbau von Read Models für die UI-Anzeige in MongoDB.
• Einbindung von RESTHeart zur Erzeugung einer REST API gegen MongoDB.
• Aufbau eines Angular-Frontends zur Vereinfachung der Datenabfrage und Stammdatenpflege.
• Agentic Coding mit remote und local LLM (Claude Sonnet, Ollama Qwen) und MCP-Servern.
• Entwicklung von Python-Skripten zur Transformation und Bereinigung eingehender Börsendaten (Pandas, scikit-learn).

• Umsetzung von End-to-End-Produkt- und Service-Design (von Discovery bis Umsetzung) – mit Product Discovery, UX/UI-Design und Prototyping in einem agilen Entwicklungsrahmen.
• Einsatz KI-gestützter Workflows in Recherche und Prototyping, um Discovery- und Validierungszyklen zu beschleunigen.

• Governed Multi-Agent-Orchestrierung für regulierte, in der EU ansässige Unternehmen – selbst hostbar, EU-AI-Act- und DSGVO-konform („by design“), BYOM (eigene Modelle/GPU).
• Zwei-Gate-Governance: Agenten-Deliberation + verpflichtende menschliche Freigabe, vollständiger signierter Audit-Trail; Graduated-Autonomy-Modell („intern → autonom pro Skill“).
• Verifizierter Wissensgraph („Company Brain“) mit Quellenbeleg pro Antwort; eigenes Orchestrierungs-Framework (Virtual Team Framework).
• Branchenlösungen für Financial Services: Compliance-Monitoring, Rechnungs- und Vertragsprüfung; praktische Entwicklung mit LLMs (u.a. Anthropic/Claude), agentischen Workflows, RAG.
• Aufbau der governance-orientierten Multi-Agenten-Plattform TeamIntel (siehe KI-Referenzprojekte).