Von der App über Daten- und Signal-Pipelines bis zum agentischen Workspace — die KI-Basis, auf der euer Unternehmen aufbauen kann. Produktionsreif ausgeliefert, nicht als Demo.
Von fertigen Apps über Daten- und Signal-Pipelines bis zu agentischen Workflows und Assistenten — produktionsreif ausgeliefert, nicht als Demo. Jede Kategorie mit eigener Seite.
Vollständige Anwendungen von Frontend über Backend, Datenbank und Identity bis zum abgesicherten Deployment — produktionsreif, getestet und übergabefähig.
Mehr erfahren →Aus großen, unstrukturierten Datenmengen extrahieren und verdichten wir genau die Signale, die für eure Entscheidungen zählen — lokal, nachvollziehbar und DSGVO-konform.
Mehr erfahren →Maßgeschneiderte Multi-Agent-Workflows und agentische Workspaces — von der Use-Case-Analyse über die Architektur bis zur Übergabe, souverän und ohne Vendor-Lock-in.
Mehr erfahren →Assistenten, die weit über Chat-über-Dokumenten hinausgehen: multimodale Eingaben, Retrieval mit Quellenbezug und komplexe Agentenabläufe im Hintergrund.
Mehr erfahren →Statt eines überfüllten Agents: spezialisierte Rollen, definierte Zuständigkeiten und strukturierte Übergaben — für bessere Ergebnisse, nicht für mehr Show.
Von fertigen, live deployten Apps bis zu Datenprodukten in aktiver Entwicklung — echte Projekte, ehrlich beschrieben.

Zyklusbasierte Frauengesundheits-App (live unter getjoicy.com, ehemals „She Balance"), die aus der aktuellen Zyklusphase eine konkrete Tagesempfehlung für Ernährung, Sport und Lifestyle ableitet. Ausgeliefert als vollständiges, produktionsgehärtetes Full-Stack-Produkt: native Flutter-App, ASP.NET-Core-.NET-8-API, PostgreSQL und Keycloak — containerisiert, abgesichert und live deployed.

KI-Nachhilfeplattform für die Mathematik-Abiturvorbereitung — per Text, Sprache und Handschrift. Herzstück ist eine mehrstufige Tutor-Architektur: ein Fachmodell erzeugt die korrekte Lösung, ein separates, feinjustiertes Pädagogik-Modell bereitet sie sokratisch auf. Handschrift wird per Vision-Modell in LaTeX übersetzt; Aufgaben werden von Hintergrund-Agenten vorgelöst.
Optimierer für Batteriespeicher am deutschen Strommarkt: verbindet reale Day-Ahead-Spotpreise mit einem physikalischen Batteriemodell und einer Preisprognose, um Lade- und Entladeentscheidungen sowie Erträge zu simulieren — über drei interaktive Dashboards. Zeigt, wie wir Daten-Ingestion mit eigenen Algorithmen kombinieren.
Verwandelt verstreute, unstrukturierte Informationen in eine strukturierte, regional geschärfte Signal-Datenbank — lokal, DSGVO-konform und nachvollziehbar. Filtert aus dem Rauschen genau die Signale, die für einen Kunden relevant sind, damit proaktiv beraten statt reagiert werden kann.
Workflows und Capabilities sollen zwischen Teams nutzbar sein — nicht in einzelnen Setups stecken bleiben.
Nicht nur dokumentiert, sondern direkt in Skills, Workflows und Agent-Verhalten übersetzt und einsetzbar.
Mehr Geschwindigkeit, ohne Unternehmensstandards oder Verantwortlichkeiten aufzugeben.
Flexible Architekturen statt harter Abhängigkeiten von einzelnen Modellen oder Anbietern.
Austauschbare Bausteine statt riesiger, schwer kontrollierbarer Agent-Systeme.
Verlässlichkeit, Wiederverwendbarkeit und echte Integration in bestehende Systeme — kein Demo-Ware.
Use Cases, Daten, Ziele und bestehende Systeme verstehen — bevor wir auch nur eine Zeile Code schreiben.
Schneller Proof-of-Concept zur Validierung von Machbarkeit und erwartetem Mehrwert.
Agile Implementierung in enger Abstimmung — wöchentliche Demos, klare Meilensteine.
Vollständige Dokumentation, Wissenstransfer und optionale Langzeitbetreuung eures Teams.