Human-in-the-Loop Experten in Deutschland

• Zentrale Unternehmensplattform LINK konzipiert und entwickelt: Aufgaben, CMS, Shop, Academy, Bilddatenbank, Flottenakte und KI-Assistent in einem gemeinsamen Datenmodell auf PostgreSQL.
• Transformation gewachsener Insellösungen in eine Cloud-Architektur begleitet; bestehende Datenlandschaft analysiert und schrittweise migriert.
• Interne und externe Datenquellen über APIs und Webhooks integriert: Microsoft 365, Shop mit Buchhaltungsanbindung, Herstellerdaten.
• KI-Assistent für Wissenszugriff und Dokumentenanalyse umgesetzt, inklusive Freigabeprozess vor dem Versand.
• Website mit 49 Seiten SEO-sicher migriert und neu aufgebaut; datengetriebene Tools (Drone Finder, Permit Finder) und Lead-Formulare live gebracht.
• Schnittstelle zwischen Geschäftsführung, Betrieb und IT: Prozessanalyse vor Ort, Anforderungen in technische Lösungen übersetzt, Team ohne digitale Routine bei der praktischen Arbeit geschult.

Über die Sourcegarden GmbH, Mandat laufend. Umstellung der Softwareentwicklung auf agentische Entwicklung in Phasen, von Setup und Piloten bis zu Transformation und Übergabe.

"Reasoning Models: Von den Grundlagen der LLMs zur NOC-Automatisierung."

Nach dem Vaillant-Engagement gründete ich eine unabhängige Beratung mit Fokus auf Senior-SAP-Beratung und dem Aufbau von ASTRA — einer Methodik, keinem Tool. ASTRA ist unabhängig und unvoreingenommen: Dieselben vier Säulen dienen CIO / Business Leadership, SI / SAP Practice und Programme Director / Principal mit gleicher Gewichtung. Keine Zielgruppe steht im Vordergrund.

ASTRA richtet sich mit gleicher Gewichtung an drei Zielgruppen — CIO / Business Leadership · SI / SAP Practice · Programme Director / Principal. ASTRA ist unabhängig und unvoreingenommen — die Methodik ist weder Teil einer SI-Praxis noch bedient sie eine einzelne Zielgruppe als primären Kunden. Jede Zielgruppe erhält eine an ihre Rolle angepasste Auswertung derselben Analyse.

Eine Methodik, zwei Ergebnisse:

ERGEBNIS 1 — SAP-TRANSFORMATIONSGOVERNANCE:

Jedes aktive SAP-Programm: ECC→S/4HANA Greenfield, Brownfield, Global Rollout, AMS. Die vier Säulen beantworten die vier Fragen, die über den Erfolg einer Transformation entscheiden — für alle drei Zielgruppen.

• Sind die Geschäftsanforderungen sauber — oder entwickelt der SI etwas, das der SAP-Standard bereits abdeckt? (Functional Auditor → alle drei Zielgruppen)
• Ist das Verzeichnis der kundeneigenen Objekte gesund — oder entsteht eine wachsende technische Schuld, die Upgrades blockiert? (RICEFW Auditor → Director und CIO)
• Ist die SteerCo-Berichterstattung korrekt — oder sieht die Führung ein Watermelon? (Truth Engine → CIO und Director)
• Sind die Menschen auf das System vorbereitet, das sie erhalten? (Human Signal → CIO und Director)

ERGEBNIS 2 — BEREITSCHAFT FÜR DAS AUTONOMOUS ENTERPRISE:

Jedes Programm, das Joule einführt, RISE anstrebt oder eine AE-Migration plant. Dieselben vier Säulen beantworten die Fragen, die SAP nicht beantwortet — wiederum auf die jeweilige Zielgruppe zugeschnitten.

• Welche kundeneigenen Objekte blockieren die 224 Joule AI agents? (RICEFW Auditor → SI erhält Maßnahmenpfade, Director erhält Bewertungen, CIO erhält finanzielle Auswirkungen)
• Ist die Fiori-Einführung vollständig genug, um Joule zu aktivieren? (Truth Engine → alle drei Zielgruppen)
• Ist die Belegschaft für KI-basiertes Arbeiten geschult? (Human Signal → CIO und Director)

Vier Säulen (jede dient allen drei Zielgruppen):

• Functional Auditor: Clean Core Score 0–100. Abschnitt A (CIO): KG-Fidelitätsrisiko in €. Abschnitt B (Director): Fragen an den SI, Einsparung von Manntagen. Abschnitt C (SI): Language Translation Ledger, SAP-Alternativen.
• RICEFW Auditor: Joule API Pathway Audit, Clean Core Level A–D, Technical Debt Index 1–10. Abschnitt A: finanzielle Auswirkungen blockierter AI agents. Abschnitt B: Bewertungen RETIRE/MIGRATE/REDESIGN/KEEP. Abschnitt C: BTP-Maßnahmenpfade.
• Truth Engine: Watermelon Detection, Fiori-Deployment-Prüfung, Programme Truth Score 0–100. Abschnitt A: 3 SteerCo-Fragen. Abschnitt B: Aktionsliste für 48 Stunden. Abschnitt C: Anbieter-Reibungskarte.
• Human Signal: dreistufiges Fiori-Adoptionsmodell, HITL Policy readiness, Human Signal Score 0–100. Abschnitt A: Gewichtung der GUI-Schulung, finanzielles Risiko der AE-Einführung. Abschnitt B: Go-Live-Empfehlung, Karte der Stakeholder-Widerstände.

SAP-Beratung auf Abruf:

• SAP-Programmmanagement — ganzheitliche Governance, Factory-Management, Multi-Stream-Lieferung, Anbietersteuerung und SteerCo-Berichte für Greenfield-, Brownfield-, Rollout- und AMS-Programme.
• Delivery Management — RICEFW-Aufsicht, Governance der Datenmigration, Release- und Cutover-Management, Hypercare, SLA/KPI-Management.
• Due Diligence & Landschaftsbewertung — SAP-Landschaftsprüfung, AS-IS/TO-BE-Roadmap, RFP-Strukturierung, Beratung bei der SI-Auswahl.
• IT-Strategie & CIO-Beratung — Transformations-Roadmap, Clean-Core-Strategie, Planung der Autonomous-Enterprise-Bereitschaft.
• Programmwiederherstellung — Bewertung kritischer Programme, schneller Governance-Aufbau, Lösung von Eskalationen.

Tätig über Senior-Professional-Netzwerke in der gesamten EMEA-Region.

KI-Assistenz und Zielbild für teilautonome Energieportfolio-Steuerung

Aufbau einer KI-Steuerungsschicht direkt auf dem tagesaktuellen Live-Portfolio eines großen Energieversorgers — nicht als isolierter Pilot, sondern als operative Erweiterung der bestehenden DB1- und Portfolio-Steuerung. Ziel ist die schrittweise Entwicklung von Assistenz über Monitoring/Alerting bis zu Analyse-Agenten mit Human-in-the-Loop-Freigaben, ergänzt um ein rollenspezifisches System of Engagement neben dem BI-System of Record. Parallel werden Business Case, Zielbild und Management-Pitch gegenüber statischem Monatsreporting erarbeitet.

• KI-Steuerungsschicht: Konzeption und Aufbau auf dem bestehenden Live-Portfolio-Datenprodukt (mehrere Mio. Verträge) — Ausbaustufen Assistenz → Monitoring/Alerting → Agenten mit Human-in-the-Loop-Freigaben.
• LLM-gestützte Datenanalyse: Semantische Abfragen, SQL-/Tool-Anbindung und ergänzende RAG-Komponenten auf Portfolio-, Plan-Ist- und Datenqualitätsdaten (Azure OpenAI, Snowflake) mit Drill-downs bis auf Einzelvertragsebene.
• Analyse-Agenten: Mehrstufige Agenten für Abweichungs- und Treiberanalysen zu Churn, Preisanpassungen, Mengen und Beschaffungskosten.
• Sichtenkonzept: Rollenspezifische Oberflächen für Fachbereich, Management und C-Level als System of Engagement neben dem BI-System of Record.
• Business Case & Pitch: Zielbild und Kosten-Nutzen-Argumentation gegenüber statischem Monatsreporting.
• LLM-Setup (Datenschutz & Security): Abstimmung mit IT-Security und Datenschutz — EU-Region, Datentrennung, Freigabeprozesse.
• Agenten-Architektur: Mehrstufige Agenten-Pipelines (Analyse → Validierung → Zusammenfassung) mit dokumentierten Datenquellen, Tool-Aufrufen, Prüfschritten und Quellenbezug je Aussage.
• Datenfundament: Aufsatz auf dem tagesaktuellen DB1-Datenprodukt (Snowflake, dbt) — Portfolio-, Plan-Ist- und Datenqualitätskennzahlen als gemeinsame Basis aller KI-Analysen.
• Guardrails & Evaluation: Evaluations- und Freigabeprozesse für LLM-Antworten bei steuerungsrelevanten Aussagen — Testsets, Metriken, Human-Review.
• Prototyping & Validierung: Iterative Validierung der Agenten-Antworten mit dem Fachbereich — Testfragen-Katalog, Feedback-Schleifen, Antwortqualität je Release.
• Roadmap & Ausbaustufen: Detaillierung der Stufen Assistenz → Monitoring/Alerting → teilautonome Steuerung inkl. Übergangskriterien und Governance je Stufe.
• Integration: Einbettung in die bestehende BI- und Datenlandschaft — BI bleibt System of Record, die KI-Schicht liefert interaktive Drill-down-Pfade als System of Engagement.
• Enablement: Befähigung der Anwender im Fachbereich — Prompting-Leitfäden, Schulungen und Betriebsmodell für den laufenden Einsatz.
• Steuerung: Koordination Fachbereich, Data Engineering, IT-Security & Datenschutz.
• Change Management: Kommunikation und Erwartungsmanagement gegenüber Fachbereich und Management entlang der Ausbaustufen.

Ergebnisse:

• Auf bestehendes tagesaktuelles Datenprodukt mit mehreren Millionen Verträgen aufgesetzt
• Mit Datenschutz und IT-Security abgestimmtes LLM-Setup in EU-Region mit Datentrennung und Freigaben etabliert
• Drei Ausbaustufen bis zur teilautonomen Steuerung definiert
• Rollenspezifische Sichten für Fachbereich, Management und C-Level konzipiert
• Business Case und Management-Pitch für die Ausbaustufen erarbeitet
• Iterativer Validierungsprozess für Antwortqualität mit dem Fachbereich etabliert
• Betriebsmodell für den Assistenzbetrieb konzipiert und in Validierung

Stack: Azure OpenAI, Azure AI Foundry, Snowflake, dbt, React, TypeScript, Entra ID, RAG, Agentic AI, Analyse-Agenten, Human-in-the-Loop, Prompt Engineering, LLM Evaluation, LLMOps, DSGVO / EU-Region, Azure DevOps, Python, SQL, Change Management

SEO-Content-Marketing-Management, Strategieberatung für SEO-Content-Projekte, Mensch-in-the-Loop-Redaktion

Tools:

• gsc, ga4, sistrix, semrush, helium10, chatGPT, gemini, perplexity

Ergebnisse:

• Verbesserte Sichtbarkeit von Content in Suchmaschinen und der KI-Suche

• Verantwortlich für die 12–18-Monats-Roadmap und die wichtigsten Ergebnisse der Enterprise-Kundenplattform von Elli, einschließlich Onboarding, Preisgestaltung, Abrechnung, Analysen und umfassender Plattformmodernisierung; den Fleet-Onboarding-Funnel neu gestaltet und die Conversion verdoppelt, wodurch bis 2028 ein prognostizierter Umsatzanstieg von €20.7M unterstützt wird.
• Leitung des übergreifenden Energy-Intelligence-Produkts und direkte Verantwortung für dessen KI/ML-, Asset- und Portfoliooptimierungsfunktionen, einschließlich MLOps, sicherer Strategiebereitstellung, Strategielebenszyklusmanagement und Backtesting; die Verantwortung für die Daten- und V2G-Integrationsroadmap an einen neuen PO übertragen, als sich der Plattformumfang erweiterte.
• Einen Human-in-the-loop-GenAI/RAG-Support-Workflow aufgebaut, wodurch die L1-Lösungsquote um 24% gesteigert, die Routing-Genauigkeit auf 91% erhöht und die L2-Arbeitslast um 30% reduziert wurde.
• Standardisierte Datenverträge und ein Self-Service-Python-Toolkit für Trader und Data Scientists eingeführt, wodurch die Plattformnutzung um 15% gesteigert und der Supportaufwand um 50% reduziert wurde.
• Ein Echtzeit-Orchestrierungsprodukt von 32 auf 3,000+ Endpunkte in vier Märkten aufgebaut und skaliert; der wiederkehrende Umsatz stieg von €1.4k auf €56.3k MRR.
• Produkt- und KI-Kompetenzen im gesamten Unternehmen entwickelt, 20 PMs zu RAG, Agenten und Prototyping geschult; einen Junior PM betreut und einen Enterprise Platform Tech Lead auf dem Weg zur Übernahme von Verantwortung im Product Management begleitet.

• Konzeption und Umsetzung von KI-Automatisierungen mit Schwerpunkt Voicebots, LLM-Workflows und Integrationen in bestehende Geschäftsprozesse.
• Kundenspezifische Automatisierungen über n8n, REST APIs und Webhooks; Anbindung von Telefonie-, Kalender-, CRM- und Datensystemen.
• Prompt Engineering, Qualitätssicherung und Fehlerbehandlung inklusive strukturierter Outputs, Guardrails, Monitoring/Logging und Human-in-the-Loop.

• Analyse der Ursachen komplexer fachlicher, technischer und datenbezogener Fehler in PowerCloud über Prozess-, Buchungs- und Systemgrenzen hinweg.
• Ermittlung von Automatisierungs- und Dunkelverarbeitungspotenzialen an der Schnittstelle zwischen Fachbereich, IT und externen Dienstleistern.

• Kundenspezifische Daten-, GTM-, Web- und Automationssysteme von der Anforderungsaufnahme bis zum kontrollierten Einsatz umgesetzt.
• Mehrkundenfähige Recherche- und Auslieferungsplattformen mit TypeScript/Node.js, React, APIs, LLM-Integration und automatisierten Prüfungen aufgebaut.
• HubSpot, Notion, Clay, Smartlead, n8n und Make mit nachvollziehbaren Übergaben, Deduplizierung, Fehlerpfaden und Freigaben verbunden.

• Übernahm die technische Leitung eines 4-köpfigen Teams, das innerhalb von 12 Monaten 3 wichtige Kundenplattformen mit Microservices-Architektur und Lösungen für Skalierbarkeit bereitstellte — 100% der geplanten Hauptfunktionen wurden vor dem Zeitplan und den geplanten Meilensteinen ausgeliefert (Ausgangslage: Frühere Releases verzögerten sich häufig um 1–2 Sprints).
• Führte Evaluierungen von KI-Modellen und Modellausgaben für LLM-/KI-Anbieter-APIs durch: Sicherheit, Vollständigkeit, Befolgung von Anweisungen und Prüfung der inhaltlichen Fundierung vor dem Go-live; reduzierte fehlerhafte Ausgaben in den KI-integrierten Release-Checklisten von wiederkehrenden UAT-Ergebnissen auf nahezu null bei der finalen Freigabe.
• Entwickelte die API-Entwicklung und Performance-Optimierung für Zahlungs-, Börsen- und KI-Dienste voran; strikt geschlossene Fehlerbehandlung und Payload-Validierung reduzierten die Überarbeitung von Integrationen im Vergleich zum ersten KI-Integrationsdurchlauf um ~35%.
• Setzte Softwaretests, Test-Frameworks, Qualitätssicherung von Code und Code-Refactoring mit Gates für die kontinuierliche Integration ein; die Akzeptanz von Pull Requests im ersten Durchlauf verbesserte sich im gesamten Team, und Hotfixes in der Produktion für KI-Adapter gingen nach Einführung der Review-Standards spürbar zurück.
• Verantwortete DevOps-Praktiken: Docker, GitHub Actions, Jenkins-kompatible Pipelines und Versionskontroll-Workflows — reduzierte die Bereitstellungszeit gegenüber der Ausgangslage vor der Automatisierung um ~50% und stabilisierte Releases in 3 Kundenumgebungen.
• Implementierte Verifier-/Oracle-artige Bestanden-Nicht-bestanden-Prüfungen in Container-Sandboxes (an Harbor/Terminal-Bench ausgerichtet); erstellte technische Dokumentation, sodass Fehler in einem Review-Zyklus behoben werden konnten.
• Leitete die funktionsübergreifende Zusammenarbeit mit Produkt- und Kundenstakeholdern; übersetzte KI-Evaluierungswerte und Risikobefunde in verständliche Kurzberichte für nichttechnische Partner und ermöglichte Go-/No-Go-Entscheidungen ohne zusätzliche Engineering-Meetings.
• Setzte agile Methoden für Sprintplanung und Backlog-Verantwortung ein; unterstützte Engineers dabei, dass Entwickler auf mittlerem Niveau bereits zur Hälfte des Projekts KI-Adapter-Module eigenständig verantworteten.

• Claude-Code-Subagenten, MCP, Pydantic V2, pytest, bandit

• 3 spezialisierte Agenten entwickelt und produktiv eingesetzt, die die Arbeit entlang einer Kette weitergeben: Ein Forschungsagent erstellt eine zitierte Implementierungsspezifikation, ein Coding-Agent entwickelt den modularen Code und seine Tests, und ein Review-Agent bewertet die Ergebnisse nach Schweregrad und setzt die Korrekturen um. Jede Übergabe erfolgt als strukturiertes Dokument, sodass keine Phase vom Kontextfenster eines anderen Agenten abhängt.

• Den Forschungsagenten mit einem MCP-Server für akademische Recherche verbunden (Semantic Scholar, ArXiv, Hugging Face Hub, Zitationsverfolgung), sodass jede Referenz auf ein Tool-Ergebnis und nicht auf das Modell zurückgeht. Commits hinter ruff, mypy, pytest und bandit abgesichert, menschliche Freigabe vor Installationen und Commits verlangt und den Sitzungsstatus auf der Festplatte gespeichert, damit lange Läufe einen Kontext-Reset überstehen.

SaaS für Workflow-Automatisierung für Operations-Teams (Berlin, 120 Mitarbeitende); Vollzeit-Freiberufler auf Vertrag mit Berichtslinie an den CEO: zunächst ein 12-monatiges Interimsmandat, zweimal verlängert während des KI-Aufbaus; verantwortlich für das Produkt eines Squads und Coaching der anderen Product Manager bei Prozessen.

• Leitete die Integration generativer KI (LLM) in das Kernprodukt: von LLM-gestützten Schritten über die Erstellung von Workflows in natürlicher Sprache und Automatisierungsvorschläge auf Schritt-Ebene bis hin zu KI-gesteuerten dynamischen Workflows, ausgeliefert mit Eval-Gates und Human-in-the-loop-Fallbacks: KI-entworfene Workflows stiegen auf 31% aller neuen Workflows, und die mediane Zeit bis zum ersten Workflow sank von 3 Tagen auf 4 Stunden.
• Bündelte die KI-Funktionen als nutzungsbasiertes Add-on, dessen Preis sich an ausgeführten Automatisierungsschritten orientiert, und arbeitete mit Vertrieb und Marketing an der Positionierung: ~€800K zusätzlicher ARR im ersten Jahr, außerdem churnten Kunden mit dem Add-on 1.8 pp weniger.
• Verantwortete die Roadmap von Anfang bis Ende: Ersetzte die von Feature-Anfragen getriebene Quartalsplanung durch eine ergebnisorientierte, rollierende Roadmap auf Basis von Quartalswetten und klaren Abbruchkriterien, die monatlich dem Führungsteam und quartalsweise dem Vorstand präsentiert wurde.
• Baute das Product-Management-Betriebsmodell neu auf: wöchentlicher Customer-Discovery-Rhythmus inklusive Workshop-Moderation, Reviews von RFCs und Entscheidungsdokumenten sowie eine einheitliche quartalsweise Metrik-Erzählung; coachte vier Product Manager, von denen einer während des Engagements zum Senior befördert wurde.
• Beendete das Engagement wie vereinbart: stellte den permanenten VP Product ein und arbeitete ihn ein, übergab das Prozess-Playbook und die Roadmap und schied im Juni 2026 planmäßig aus.

• Leitung des globalen HRIS-Transformationsprogramms (16 Ländereinheiten): Programm-Setup, PMO, Phasenplanung, Statusberichte und Steuerung bis auf Partner-/SteerCo-Ebene
• Aufbau eines HR-Readiness-Assessment-Frameworks (6 Dimensionen, gewichtetes Scoring) als Entscheidungsgrundlage für Implementierungs- und KI-Reifegrad — vom Vorstand als Projektergebnis mandatiert
• HR-Prozessarchitektur: Analyse von 80+ Level-3-Prozessen und 87 ISO-Prozessdokumentationen über 13 Ländercluster; Gap-Analyse und Harmonisierungs-Roadmap
• Konzeption agentischer KI-HR-Prozesse (Hiring, Onboarding, Probezeit-Management) auf SAP S/4HANA Private Cloud und ServiceNow — Human-in-the-Loop-Design, Prozess-Screening nach Agentic-Potenzial, Entscheidungsvorlage auf Partner-Ebene
• HRIS-Marktanalyse: Vendor-Screening, Kriterienframework und Bewertungslogik für die Systemauswahl
• HR Target Operating Model: Organisationsanalyse, Archetypen-Framework (9 Dimensionen), Governance-Design für eine globale HR-Funktion
• Self-Assessment-Instrumente und Workshop-Formate für 16 Länder-HR-Teams inkl. Nomination- und Stakeholder-Management; SharePoint-Projekthub und Kommunikationsarchitektur
• KI-gestütztes Beratungs-Delivery: eigenes Claude-basiertes Arbeitsmodell für Analyse, Dokumentenerstellung und Projektsteuerung — ein Berater liefert Programm-Output