AI Automation & Software Engineering | LLM, RAG, Agentic Workflows | PHP/Laravel, TypeScript, Python

Entwicklung eines Tools zur Beobachtung von Marken-Nennungen in LLM-Antworten (15.08.–30.09.2026). Definierte Prompts werden automatisiert verarbeitet und Ergebnisse anhand nachvollziehbarer Kriterien ausgewertet.

Details:

• OpenAI-Adapter und austauschbarer Fake-Provider für lokale, reproduzierbare Tests.

• Queue-basierte Ausführung definierter Prompts und Speicherung der Antworten.

• Auswertung von Marken-Nennungen, Positionen, Mitbewerbern und Quellenlinks.

• Eigene gewichtete Scoring-Heuristik mit Ergebnisprofilen, Badges und Handlungsempfehlungen.

• Automatisierte Tests für Provider, Antwortverarbeitung und Bewertungslogik.

Tech Stack: OpenAI Responses API, PHP / Laravel, SQL, Queues, strukturierte Antwortverarbeitung, automatisierte Tests.

Konzeption und Umsetzung eines Cognigy-Bestellassistenten als Prototyp für B2B-Nachbestellungen (10.–23.08.2026). Anbindung einer bestehenden Laravel-Anwendung über neun native Tool Actions für Artikel- und Bestellsuche, Preis- und Bestandsprüfung sowie Bestellentwürfe.

Entwicklung eines agentischen Conversational Flows mit LLM-gesteuerter Tool-Auswahl als Weiterentwicklung des zuvor entwickelten klassischen Conversational Flows mit festen Dialogschritten. Persona, Job-Instruktionen und strukturierte Tool-Parameter; Rückfragen bei mehrdeutigen Bestellungen und ausdrückliche Freigabe vor Mengenänderungen oder Entwurfserstellung.

Authentifizierung, Berechtigungen und Geschäftsregeln bleiben im Laravel-Backend. Idempotente Schreibzugriffe, Fehlerbehandlung und abgesicherte API-Aufrufe. Automatisierte und Live-Tests mit synthetischen Daten für Bestandsengpässe, geänderte Mengen, wiederholte Aufrufe, abgelaufene Zugangsdaten und API-Ausfälle. Dokumentation der Flows und Integrationsarchitektur.

Tech Stack: Cognigy.AI, AI Agent Node, Tool Actions, HTTP Request Nodes, CognigyScript, JavaScript, OpenAI API, PHP, Laravel, REST APIs, Sanctum, automatisierte Tests.

Entwicklung eines dokumentenbasierten Service-Copiloten (01.–15.08.2026). Nachvollziehbare RAG-Pipeline mit quellenbasierten Antworten, kontrollierten Tool-Aufrufen und reproduzierbaren Qualitätsprüfungen.

Details:

• Dokument-Ingestion mit Chunking, Duplikaterkennung und asynchroner Verarbeitung über NATS JetStream.

• Vektorsuche mit pgvector; Prüfung erlaubter Quellen-IDs und Fallback bei unzureichender Evidenz.

• Austauschbare Chat- und Embedding-Provider über LangChain-Adapter.

• Lesende MCP-Tools mit kontrollierter Orchestrierung und nachvollziehbarem Tool-Trace.

• Reproduzierbare Evaluation für MRR, Quellenintegrität, Ablehnungsverhalten und Berechtigungsgrenzen.

• Deterministische Offline-Baseline mit Feature-Hash-Embeddings und extraktiven Antworten; regelbasierter Toolplaner.

Tech Stack: TypeScript, NestJS, PostgreSQL / pgvector, LangChain, MCP, NATS JetStream, PDF / Markdown / TXT, automatisierte Evaluation.

Entwicklung einer KI-gestützten Anwendung zur Verarbeitung und Kategorisierung von Finanztransaktionen. Kombination bestehender Zuordnungsregeln mit LLM-basierten Vorschlägen und einer Review-Inbox für unsichere Ergebnisse.

Details:

• LLM-gestützte Kategorisierung neuer Händler und Vorschläge zur Vereinheitlichung von Händlernamen.

• Persistente Entscheidungshistorie mit Begründung, Modell und Confidence; menschliche Freigabe oder dauerhafte Ablehnung unsicherer Vorschläge.

• Freigegebene Entscheidungen werden zu wiederverwendbaren Regeln; offene Vorschläge ohne erneute Modellanfrage wiederverwendet.

• Validierung gegen erlaubte Kategorien und aktuellen Datenzustand. Manuelle Zuordnungen bleiben geschützt.

• Transaktionale Verarbeitung, begrenzte Wiederholungsversuche und eingeschränkte Modellinferenz ohne Shell-, Datei- oder Webzugriff.

• Automatisierte Tests für Providerfehler, Moderation, parallele Verarbeitung und bestehende Regeln.

Tech Stack: PHP / Laravel, Laravel AI SDK, OpenAI, Codex App Server, React / TypeScript, SQL, strukturierte JSON-Ausgaben, Pest.

Konzeption und Entwicklung eines Voice-Companion-Prototyps mit unterschiedlichen Gesprächspersonas. Umsetzung des Interaktionsablaufs und versionierter Pipeline-Verträge in einem mockgestützten NativePHP-Prototyp.

Details:

• Versionierte Schnittstellen für Audiodaten, Transkripte, Personas und Antworten mit Correlation IDs und Idempotency Keys.

• Aufnahmezustände, Transcript-Anzeige und lokaler Undo-Zeitraum vor der Verarbeitungsfreigabe.

• Persona-abhängige Mock-Antworten und Safety-Fallbacks; Vorbereitung austauschbarer STT-, LLM- und TTS-Provider.

• Datensparsame Diagnoseprotokolle sowie modellierte Privacy- und Memory-Regeln.

• Automatisierte Contract- und Zustandsautomatentests. Mikrofonaufnahme und Modellantworten werden im geprüften Prototyp simuliert.

Tech Stack: NativePHP, PHP / Laravel, JavaScript, TailwindCSS, versionierte JSON-Verträge, Zustandsautomaten, PHPUnit.

Entwicklung eines KI-gestützten Daten- und Content-Workflows für eine lokale Discovery-Plattform. Externe Quellen werden zusammengeführt, unvollständige Datensätze strukturiert ergänzt und Inhalte vor Veröffentlichung redaktionell geprüft.

Details:

• Normalisierung externer Importdaten und Übernahme in private, reviewbare Entwürfe.

• LLM-gestützte Zusammenfassungen und Vervollständigung fehlender Angaben mit typisierten Ausgaben und verbindlichen Feldgrenzen.

• Vorhandene Fakten bleiben erhalten; unbekannte Angaben bleiben leer. Quellenabhängige Aussagen werden konservativ behandelt.

• Strukturierte Faktenextraktion und Änderungsverfolgung über Firecrawl.

• Qualitätsprüfungen und redaktionelle Freigabe vor Veröffentlichung; automatisierte Tests für Import, Zusammenfassungen und Datenanreicherung.

Tech Stack: PHP / Laravel, Laravel AI SDK, OpenAI, Firecrawl, strukturierte JSON-Ausgaben, REST APIs, SQL, automatisierte Tests.

Entwicklung einer Plattform für KI-gestützte Unternehmensbewertung und agentengestützte Vertriebsprozesse. Firmenrecherche, Bewertung und personalisierte Ansprache werden mit CRM und kontrollierten Freigabeprozessen verbunden.

Details:

• Import von Firmenlisten, automatisierte Website-Erfassung und Bewertung anhand konfigurierbarer Kunden- und Angebotskriterien.

• Versionierte Bewertungsprofile, unveränderliche Website-Snapshots und strukturierte Ergebnisse mit Begründungen und Quellenprüfung.

• Codex-gestützte Recherche und personalisierte Entwürfe außerhalb des CRMs; strukturierte Übergabe mit Quellen, Vertrauensniveau und Recherchehistorie.

• Menschliche Freigabe vor dem Versand; Wiedervorlagen, Antwortabgleich und Versandstopps bei Rückmeldungen oder Opt-outs.

• SSRF-Schutz, begrenzte Crawling-Ressourcen, Retry-Logik, idempotente Importe und transaktionale Versandkontrollen.

• Automatisierte Tests für Quellen- und Profilversionen, Fehlerfälle, doppelte Verarbeitung, Freigaben und Versandstopps.

Tech Stack: OpenAI API / Structured Outputs, Codex, PHP / Laravel, Python, Playwright, Firecrawl, REST APIs, SQL, Queues / Scheduler, SMTP / IMAP.

Entwicklung eines Web-MVPs zur automatisierten Prüfung und Aufbereitung von Bild- und PDF-Dateien für Druckprozesse. Kontrollierte Verarbeitung mit Vorschau, Formatwahl, Anschnitt und Freigaben für problematische Eingaben.

Details:

• Drag-and-drop-Upload, Dateiprüfung, Vorschau und Aufbereitung für das gewählte Endformat mit 3 mm Anschnitt.

• Direkte Verarbeitung unterstützter PDF-Inhalte mit Erhaltung von Texten, Schriften und Vektoren.

• Rasterverarbeitung komplexer Inhalte nach ausdrücklicher Freigabe; begrenzte Auflösung und Ressourcenbudgets.

• Versionierte Ergebnisberichte mit Quellen- und Profilprüfsummen, Verarbeitungsroute und Engine-Version.

• Private Job-Verzeichnisse, begrenztes Caching, Ablaufregeln und automatisierte Prüfungen der erzeugten Dateien.

• Export mit PDF/X-1a-Preset und FOGRA39-Profil; unabhängige Konformitätsprüfung und Fiery-Abnahme sind separate Schritte.

Tech Stack: PHP / Laravel, Python, pikepdf, Pillow / LittleCMS, PDFium, Vue / TypeScript, PDF/X-1a-Preset, ICC / FOGRA39, Queues, automatisierte Tests.

Entwicklung und laufende Weiterentwicklung einer individuellen Laravel-basierten Business-Anwendung als interne Kundendatenbank und Backoffice-System.

Schwerpunkte:

- Architektur und Umsetzung einer modularen Laravel/Livewire-Anwendung mit Admin-Backoffice

- Entwicklung von CRUD-Modulen für Firmen, Personen, Benutzer, Rollen, Berechtigungen, Kategorien, Leistungen, Sprachen, Rechtsformen und Verteilerlisten

- Aufbau eines rollen- und rechtebasierten Systems mit Spatie Permission

- Implementierung komplexer Excel-Importe für Firmen- und Personendaten inklusive Validierung, Formelprüfung, Adress- und Geburtsdatumsnormalisierung, Duplikatbehandlung und Importstatistiken

- Umsetzung von Such-, Filter-, Sortier-, Pagination- und Bulk-Action-Funktionen für größere Datenbestände

- Entwicklung von Verteilerlistenfunktionen mit Empfängerzuordnung, Mengen, Aktivstatus, Duplizieren und Export

- Integration von Authentifizierung, Benutzerprofilen, Passwort-Reset, Zwei-Faktor-Grundlagen und geschützten Admin-Routen

- Einrichtung von Sentry-Monitoring, PHPUnit/Livewire-Tests und einer GitHub-Actions-Deployment-Pipeline mit automatisiertem Testlauf und FTP-Deployment

- Wartung und Weiterentwicklung inklusive Refactorings, Performance-Verbesserungen, produktionsnaher Fehlerbehebung und Framework-/Dependency-Pflege