KI-nativer Engineering-Partner für Unternehmen

Sie haben ein Frontier-Modell eingeführt. Jetzt muss es in einer echten Entwicklungsorganisation ankommen, im Budget laufen und ein Audit überstehen. Diese letzte Meile ist die eigentliche Arbeit.

Eine API aufrufen können die meisten Teams. Wenige können Claude Code und Agenten in eine bestehende Codebasis bringen, den Modellverbrauch so steuern, dass sich die Rechnung nicht über Nacht verdoppelt, und die Compliance-Entscheidungen treffen, die ein regulierter Betrieb tatsächlich beantworten muss. Genau das mache ich: Ich arbeite mit Ihren Entwicklern, um KI in Produktion zu bringen und dort zu halten, ohne Vendor-Lock-in, ohne aus dem Ruder laufende Rechnung, ohne Governance-Lücke.

Für wen das ist

Etablierte Entwicklungsteams, die KI ernsthaft einführen, nicht bei null. Meist eines davon:

• Ein Team, das eine Legacy-Codebasis modernisiert (ein ABAP-Bestand auf dem Weg in die Cloud nach SAP, ein COBOL-Kern, ein alternder Monolith) und überzeugt ist, dass KI die Konvertierung leisten kann, aber niemanden hat, der sie orchestriert. Das ist ein eigenes Projekt: KI-orchestrierte Migration von Legacy-Code.
• Eine Entwicklungsorganisation, die KI in Pilotprojekten hat und sie in Produktion braucht, mit Kosten und Qualität unter Kontrolle.
• Ein reguliertes oder DACH-Unternehmen (Finanzwesen, Versicherung, öffentlicher Sektor, Healthcare), wo jede KI-Entscheidung eine Frage nach DSGVO, EU AI Act oder Datenaufbewahrung trägt.
• Ein Team, das ein Frontier-Modell eingeführt hat, die Rechnung gesehen hat und den Verbrauch gesteuert braucht, bevor die nächste Rechnung kommt.

Wenn Sie einen bestimmten Stack von Grund auf neu gebaut haben wollen, bin ich nicht Ihr Dienstleister. Wenn Sie KI in der Organisation und dem Stack zum Laufen bringen wollen, den Sie bereits haben, ist das genau das Projekt.

Was das Projekt umfasst

Drei Dinge, in der Reihenfolge, in der sie meist zählen.

KI-native Workflows in Ihrer Codebasis verankern. Claude Code und Agenten-Workflows an Ihren tatsächlichen Repositories und der tatsächlichen Praxis Ihres Teams, nicht an einem Demo. Wo ein Agent seinen Platz verdient und wo deterministischer Code die Kontrolle behalten sollte.

Die Modellkosten steuern. Routing nach Aufgabe, sodass die Frontier-Stufe der Arbeit vorbehalten bleibt, die sie rechtfertigt, Effort und Caching getunt, Output begrenzt und ein Budget pro Team gesetzt. Der Fable-5-Kostenleitfaden und das Claude-API-Kosten-Playbook sind die Methode, die ich in das Audit einbringe.

Die Compliance-Entscheidungen treffen. Welche Datenklasse auf welchem Modell erlaubt ist, was die 30-Tage-Aufbewahrungspflicht ausschließt, wo EU AI Act und DSGVO die Grenze ziehen und wie sensible Dokumente redigiert werden, bevor sie überhaupt ein Modell erreichen. Die Architektur zur Enterprise-PII-Redaktion ist das Muster.

Wie es abläuft

Zuerst das Konzept, immer. Vor jedem Projekt schreibe ich ein Festpreis-Konzept: das Problem, die vorgeschlagene Lösung, Meilensteine, Zeitplan und Annahmen, innerhalb von 24 Stunden und in einer Form, die Sie an die Person weiterleiten können, die unterschreibt. Kein Foliensatz, keine Rechnung für eine Discovery-Phase. Sie sehen genau, was Sie kaufen, bevor Sie sich festlegen. Hier ist ein repräsentatives Beispiel-Konzept.

Warum ich

Ich baue produktive KI-Systeme, keine Folien darüber. Der Beleg ist die Arbeit: Entscheidungsunterstützungs-Systeme, die auf den Werkzeugen aufsitzen, die ein Unternehmen bereits betreibt, Pipelines zur Umsatzpriorisierung und EU-gehostete Dokumentenverarbeitung für regulierte Daten. Ich schreibe die Kosten- und Compliance-Playbooks, die ich anwende, und bringe sie in Ihr Team, statt einen Report zu hinterlassen.

Ich verkaufe keine Plattform weiter, und ich beanspruche nicht Ihr spezifisches ERP. Ich bringe KI-native Engineering-Praxis in die Organisation und den Stack, den Sie bereits haben, und treffe die Entscheidungen, die sie im Budget und innerhalb der Regeln halten.