Stille Fehler
Workflows brechen ab oder liefern unvollständige Ergebnisse, ohne dass jemand rechtzeitig davon erfährt.
AI Production Engineering
Deine AI-Automation funktioniert. Bis die Realität zuschlägt.
Ich mache fragile AI-Workflows, Agenten und Integrationen beobachtbar, prüfbar und wiederherstellbar.
Für kleine und mittelständische Unternehmen, deren AI bereits Kunden oder operative Abläufe berührt. Und die jetzt mit stillen Fehlern, schwankenden Ergebnissen, manuellen Korrekturen und wachsenden Sonderfällen kämpfen.
Die Realität
Die Demo war der einfache Teil.
Im Betrieb muss ein AI-System nicht nur einmal beeindrucken. Es muss Fehler sichtbar machen, Unsicherheit begrenzen und nach einem Ausfall sauber weiterarbeiten.
Schwankende Qualität
Gleiche Eingaben erzeugen unterschiedlich gute Resultate. Niemand kann zuverlässig erklären, warum.
Wachsende Handarbeit
Sonderfälle, Korrekturen und manuelle Neustarts nehmen zu, obwohl die Automation eigentlich Arbeit sparen sollte.
Keine Wiederholung
Fehlerhafte Läufe lassen sich nicht sicher wiederholen, ohne doppelte Buchungen, Nachrichten oder andere Nebenwirkungen zu riskieren.
Logik am falschen Ort
Prompts und n8n-Flows übernehmen kritische Geschäftsregeln, die nachvollziehbaren, deterministischen Code brauchen.
Verteilte Verantwortung
Mehrere Spezialisten kennen einzelne Teile. Niemand besitzt den gesamten Weg vom Geschäftsprozess bis zum Produktionsbetrieb.
Arbeitsweise
Nicht noch ein Prompt. Ein System, dem du im Betrieb vertrauen kannst.
Ich beginne mit echten Produktionsfällen statt Annahmen und bleibe technischer Eigentümer über Workflow, Architektur, Implementierung und Betrieb hinweg.
Sichtbar machen
Logs, Traces, Fall-IDs und Qualitätsmetriken zeigen, was tatsächlich passiert.
Prüfen und absichern
Evaluationen, deterministische Validierung und klare Human-Review-Grenzen schützen vor ungeprüften Ergebnissen.
Wiederherstellen
Replay, Retries, Checkpoints und sichere Neuverarbeitung machen Fehler reproduzierbar und behebbar.
Richtig aufteilen
AI dort, wo Sprache und Unsicherheit dazugehören. Normaler Code dort, wo Regeln zuverlässig gelten müssen.
Das ganze Problem
Keine Übergabe-Kette. Ich verbinde Geschäftsablauf, Daten, Integration, Software und Infrastruktur.
Langfristig betreiben
Nach dem Feuerlöschen installiere ich den Brandschutz und verbessere das System anhand realer Fälle weiter.
AI Production Review
Erst Beweise sammeln. Dann entscheiden, was sich lohnt.
Der AI Production Review beginnt mit einem klar begrenzten Evidence Check. Kein kostenloser Workshop und kein großes Projekt auf Basis von Vermutungen.
Evidence Check
900 bis 1.500 €
Reale Fälle, Fehler und manuelle Eingriffe untersuchen.
- Baseline für Kosten und Qualität
- technische Ursachen und Risiken
- klare Stop-or-go-Entscheidung
Opportunity Proof
2.500 bis 5.000 €
Die riskanteste Annahme mit echten Daten testen.
- funktionierender Beweis
- sicher adressierbarer Anteil
- Wirtschaftlichkeit und Umsetzungsplan
Production Build
nach Evidenz
Erst bauen und bepreisen, wenn die wesentlichen Unsicherheiten entfernt sind.
- klare Meilensteine
- messbare Abnahme
- Betrieb und Recovery mitgedacht
Langfristige Partnerschaft
ab 1.750 €/Monat
Kontinuität, reservierte Kapazität und technische Verantwortung.
- Monitoring und Verbesserungen
- priorisierte Zusammenarbeit
- größere Builds separat
Projekte
Produktionsbelege statt AI-Theater.
Verschiedene Branchen, derselbe rote Faden: probabilistische AI mit den Leitplanken verbinden, die ein echter Geschäftsprozess braucht.
Aura IntelligenceB.I.G. / PantherSounityGUTEXITMSFriedrich Report
Voice AI
Reale Hotelgespräche werden zu Evaluationsfällen. Kohorten, Observability und Qualitätsloops machen wiederkehrende Probleme sichtbar und Verbesserungen überprüfbar.
Von einzelnen Prompt-Änderungen zu einem messbaren Produktionsprozess.
Support & Dokumente
Mehrdeutige Support-, Accounting- und Logistikfälle werden mit deterministischen Prüfungen und menschlichen Freigaben an den richtigen Grenzen abgesichert.
LLM extrahiert und versteht. Code prüft. Menschen entscheiden bei echter Ambiguität.
Lange AI-Pipelines
Checkpointing, Queues, Statussichtbarkeit und Operator-Kontrollen ermöglichen sichere Wiederaufnahme statt manueller Neustarts nach jedem Fehler.
Aus einer fragilen Workflow-Kette wird ein betreibbares Produktionssystem.
Dokumenten-AI & ERP
Retries, langlebige Queues, Paritätstests, sichere Neuverarbeitung und Operator-Tools verbinden AI-Extraktion mit verlässlichen ERP- und PDF-Prozessen.
OCR ist der Anfang. Das eigentliche Produkt ist der vollständige operative Ablauf.
Historische Tiefe
Bereits 2023 und 2024: 499 eigene Commits über 23 Repositories mit Schwerpunkt Dokumenten-AI, Ingestion, Review, Accounting-Integrationen und AWS-Produktionsbetrieb.
Kein neuer Beratungsclaim, sondern ein über Jahre wiederkehrendes Arbeitsmuster.
Zusammenarbeit
Ein Problem lösen. Vertrauen beweisen. Das System weitertragen.
01
Evidenz
Reale Fälle, Baseline und wirtschaftliche Relevanz statt Schätzungen aus dem Bauch.
02
Beweis & Build
Die riskanteste Annahme testen und erst danach das Produktionssystem bauen.
03
Weitertragen
Monitoring, Vorfälle, Evaluation und die nächste Verbesserung langfristig verantworten.
Passt gut, wenn …
- bereits ein AI-Workflow, Agent oder Dokumentprozess läuft
- Fehler oder manuelle Eingriffe inzwischen relevant werden
- Geschäftsführung oder operative Leitung direkt entscheiden kann
- reale Fälle, Daten und Systemzugriff verfügbar sind
- du explizite Kontrollen um probabilistische AI willst
Passt eher nicht, wenn …
- bisher nur eine allgemeine AI-Idee existiert
- du einen Commodity-Chatbot, eine Website oder einzelne Tickets suchst
- Zugriff und Entscheidungen über mehrere Gremien verteilt sind
- du vor jeder Diagnose einen festen Implementierungspreis verlangst
- du Personalverstärkung für eine meetinglastige Organisation suchst
Über Julian
Ein technischer Eigentümer statt fünf Übergaben.
Ich verbinde Geschäftsrealität, Produktentscheidung, Architektur, Implementierung und Betrieb. Seit mehr als zehn Jahren baue und übernehme ich Systeme, die unter realen Bedingungen funktionieren müssen, besonders in dokumentenlastigen AI-, Accounting-, Logistik- und Operations-Prozessen.
Deine AI-Automation ist wertvoll, aber nicht mehr verlässlich?
Beschreibe den Workflow, zwei oder drei typische Fehler und was heute manuell korrigiert werden muss. Ich sage dir ehrlich, ob ein Evidence Check der richtige nächste Schritt ist.