AI Architecture & Implementation

Produktive Systeme statt isolierter Demos

RAG, AI Agents und Automatisierung schaffen dann Wert, wenn sie zuverlässig mit den vorhandenen Daten, Prozessen und Anwendungen zusammenarbeiten. Die technische Architektur dafür entsteht entlang der bestehenden Enterprise-Systeme: von der Anbindung relevanter Datenquellen über Retrieval und Agentenlogik bis zur Integration in Frontends und betriebliche Abläufe.

Architektur und Implementierung aus einer Hand

Die Umsetzung verbindet Datenpipeline, Vektorspeicher, Modellzugriff, Tools und Evaluation zu einem belastbaren Gesamtsystem. Dabei bleibt die Architektur anschlussfähig an vorhandene Schnittstellen und Betriebsmodelle, statt eine separate AI-Insel aufzubauen. So entsteht ein nachvollziehbarer Weg vom fachlichen Prozess zur produktiv nutzbaren Anwendung.

Erfahrung aus realen Implementierungen

Für Silver Investment Partners habe ich eine RAG-Pipeline entwickelt, die Informationsmemoranden verarbeitet und relevante Unternehmenskennzahlen strukturiert extrahiert. Bei COMAN Software GmbH habe ich lokale LLMs und Qdrant in bestehende Softwareprodukte integriert. Für leezy.ai habe ich RAG-Pipelines mit PostgreSQL und pgvector sowie einen Agenten für die Erkennung und Ausführung passender Nutzeraktionen umgesetzt.