Agentische KI-Entwicklung für echte Workflows
Ich bin Sebastian Schkudlara. Ich entwerfe und baue KI-Systeme, die mit echten Daten, APIs, Werkzeugen, Berechtigungen und menschlicher Prüfung arbeiten.
Ziel ist ein nützlicher Workflow, den Ihr Team nachvollziehen und betreiben kann. Das kann ein RAG-System, ein Agent mit Werkzeugzugriff oder ein einfacherer Backend-Dienst mit einem gezielten Modellaufruf sein.
Passt gut, wenn
- Ein Prototyp funktioniert in einer kontrollierten Demo, scheitert aber an echten Daten oder Nutzern.
- Ein Workflow braucht interne Dokumente, APIs, Suche oder Geschäftssysteme.
- Das Team braucht klare Grenzen für Berechtigungen, Freigaben, Evaluation und Rollback.
- Das Engineering-Team kann umsetzen, benötigt aber Senior-Unterstützung für KI- und Backend-Architektur.
Starten Sie mit dem Umfang, den Sie wirklich brauchen
Workflow-Audit
Ich erfasse einen Workflow, seine Nutzer, Daten, Werkzeuge, Risiken und Freigabepunkte. Sie erhalten eine Entscheidungsvorlage, eine Architekturskizze und ein realistisches erstes Umsetzungspaket.
Umsetzung oder Pilot-Stabilisierung
Ich setze einen vollständigen Workflow um oder stabilisiere einen Prototyp, der außerhalb der Demo scheitert. Der vereinbarte Umfang deckt Integrationen, Evaluationsfälle, Deployment-Hinweise und die betriebliche Übergabe ab.
Zeitlich begrenzte Architekturunterstützung
Ich unterstütze ein bestehendes Team bei Architekturprüfung, Umsetzungsplanung, Modell- und Anbieterentscheidungen, Evaluation und technischen Blockaden für einen vereinbarten Zeitraum.
Was ich baue und verbessere
Entwicklung agentischer KI-Anwendungen
Ich baue eine fokussierte Anwendung, die Kontext abrufen, freigegebene Werkzeuge nutzen, den richtigen Zustand halten und Entscheidungen bei Bedarf an einen Menschen zurückgeben kann.
Typische Arbeit umfasst Backend-APIs, Tool-Verträge, Modellintegration, Freigabewege, Tests und Deployment. Der Agent erhält nur den Zugriff, den er für seine Aufgabe braucht.
Typisches Ergebnis: ein funktionierender Workflow, dokumentierte Integrationsgrenzen, Evaluationsfälle und eine betriebliche Übergabe.
RAG- und Wissenssysteme
Ich verwandle Dokumente und veränderliche Geschäftsinformationen in Kontext, den eine Anwendung durchsuchen, prüfen und zitieren kann.
Die Arbeit kann Extraktion, Segmentierung, Metadaten, Retrieval, Reranking, Quellenanzeige, Zugriffskontrollen und Qualitätsprüfungen umfassen. Eine flüssige Antwort darf keinen defekten Datenpfad verdecken.
Typisches Ergebnis: ein Ingestion- und Retrieval-Teilstück mit Testfragen, sichtbaren Quellen und einem klaren Aktualisierungspfad.
KI-Integration und Modell-Routing
Ich verbinde Modelle, Suche, APIs, Datenbanken und bestehende Backend-Dienste, ohne einen Anbieter zum dauerhaften Mittelpunkt der Anwendung zu machen.
Ich definiere stabile Schnittstellen für Modellaufrufe und Werkzeuge, kapsle anbieterspezifisches Verhalten und nutze deterministischen Code, wenn ein Agent nur zusätzliches Risiko bringen würde.
Typisches Ergebnis: Integrationsverträge, Routing-Entscheidungen, Fehlerbehandlung und eine funktionierende API oder ein Backend-Teilstück.
Evaluation und sicherer Betrieb
Ich schaffe die Nachweise, die zeigen, ob sich ein KI-Workflow verbessert oder unbemerkt scheitert.
Dazu können repräsentative Fälle, Regressionstests, Traces, Kosten- und Latenzsichtbarkeit, Freigabewarteschlangen, Fehlerkategorien und Rollback-Pfade gehören. Die Evaluation folgt dem Workflow, nicht einer allgemeinen Modellrangliste.
Typisches Ergebnis: ein Evaluationssatz, betriebliche Prüfungen, ein Review-Prozess und eine priorisierte Fehlerliste.
Dokument- und multimodale Workflows
Ich baue prüfbare Pfade für PDFs, Scans, Bilder, strukturierte Dateien, Audio oder Video, bevor diese Eingaben Retrieval oder Schlussfolgerungen erreichen.
Extraktion und Interpretation bleiben getrennt. Menschen können prüfen, was das System gelesen hat, Fehler korrigieren und schlechte Eingaben ablehnen, statt nur die Endantwort zu debuggen.
Typisches Ergebnis: eine Extraktions- und Prüfpipeline mit klaren Grenzen für Datenverarbeitung und Aufbewahrung.
Pilot-Stabilisierung und Delivery-Support
Ich finde heraus, warum ein KI-Pilot im echten Betrieb scheitert, und helfe dem Team, das kleinste sinnvolle Produktionspaket auszuliefern.
Ich kann ein Produktteam direkt unterstützen oder im Hintergrund mit einer Agentur oder Beratung arbeiten, wenn die Umsetzung technisch anspruchsvoll wird.
Typisches Ergebnis: eine Produktionsrisikoanalyse, ein Umsetzungsplan und fokussierte Architekturunterstützung für einen vereinbarten Zeitraum.
Probleme, bei denen ich helfen kann
Interne Wissenssuche
Richtlinien, Handbücher, Berichte oder Projektmaterial mit berechtigungsbewusstem Retrieval und sichtbaren Quellen durchsuchen.
Recherche und Vergleich
Aktuelle Belege sammeln, Duplikate entfernen, Aussagen vergleichen und Quellen am Ergebnis halten.
Operative Assistenten
Aus freigegebenen Systemen lesen, eine Aktion vorbereiten und vor wichtigen Änderungen auf menschliche Freigabe warten.
Dokumentenlastige Prozesse
Dateien extrahieren, strukturierte Felder prüfen, unsichere Ergebnisse zeigen und Ausnahmen an Menschen weitergeben.
Prototypen stabilisieren
Versteckte Prompt-Logik durch explizite Schritte, Tool-Verträge, Evaluation, Protokollierung und Rollback ersetzen.
Systemintegration
Modellgestützte Workflows über klare Schnittstellen und Fehlerbehandlung mit APIs, Datenbanken, Warteschlangen und Geschäftssystemen verbinden.
Von der Workflow-Skizze zum produktiven Teilstück
Code und technische Notizen, soweit ich sie teilen kann
Ich verlinke lieber konkrete Arbeit, als diese Seite mit allgemeinen Behauptungen zu füllen.
Vor dem ersten Gespräch
Was bedeutet die Entwicklung agentischer KI-Anwendungen?
Es ist die Entwicklung eines KI-Systems, das Schritte auswählen, freigegebene Werkzeuge nutzen, Kontext abrufen und den Workflow-Zustand verwalten kann. Im Produktiveinsatz geht es meist um Berechtigungen, Integration, Evaluation, Fehlerbehandlung und menschliche Prüfung.
Brauche ich einen KI-Agenten oder ein RAG-System?
Nutzen Sie RAG, wenn die Hauptaufgabe darin besteht, Informationen zu finden und mit Quellen zu antworten. Agentenverhalten lohnt sich, wenn der Workflow Werkzeuge auswählen, abhängige Schritte ausführen oder eine Aktion vorbereiten muss. Manche Projekte brauchen nur einen normalen Backend-Dienst mit einem Modellaufruf.
Können Sie mit einem bestehenden Prototyp arbeiten?
Ja. Zuerst erfasse ich den echten Workflow und finde heraus, wo der Prototyp scheitert: Datenqualität, Retrieval, Tool-Zugriff, Zustand, Evaluation, Latenz, Kosten, Deployment oder betriebliche Verantwortung.
Benötigen Sie ein bestimmtes Modell oder Framework?
Nein. Der Workflow und seine Betriebsbedingungen kommen zuerst. Bestehende Entscheidungen können bleiben, wenn sie passen. Wo es sinnvoll ist, kapsle ich anbieterspezifisches Verhalten hinter austauschbaren Grenzen.
Wie startet ein Projekt?
Schreiben Sie mir kurz, um welchen Workflow es geht, welche Systeme er berührt und was derzeit scheitert, zu viel Handarbeit verursacht oder noch gebaut werden muss. Ich sage Ihnen, ob ein Audit, die Stabilisierung eines Piloten, ein erstes Umsetzungspaket oder ein anderer Weg sinnvoll ist.
Einen Workflow senden
Nutzen Sie das Kontaktformular und beschreiben Sie, worum es geht, welche Systeme beteiligt sind und was derzeit scheitert, zu viel Handarbeit verursacht oder noch gebaut werden muss. Ich antworte mit dem nächsten Schritt, der aus meiner Sicht am meisten hilft.
Neueste Artikel
Die Artikel erscheinen auf Englisch.
RAG vs AI Agents: Choose the Smallest System That Works
The practical difference between RAG and an AI agent is control flow.
In ai-engineering, software-architecture, Jul 14, 2026Agentic AI Application Development Beyond the Demo
Agentic AI application development is backend and workflow engineering with a model inside the decision loop.
In ai-engineering, software-development, Jul 14, 2026Memory Does Not Make an Agent a Good Reviewer
An AI agent can remember the whole project and still make a bad decision.
In ai-engineering, ai-tools, Jul 09, 2026An Agent Search API Should Use an Interface You Already Know
Web search is rarely one line of work inside an agent.
In ai-engineering, developer-tools, Jul 08, 2026Nobody Sees the Release Pipeline Until It Breaks
I spent part of a recent Makakoo OS release working on version numbers and package checksums.
In engineering, open-source, Jul 07, 2026A File Is Not Context Just Because You Uploaded It
Uploading a PDF to an AI tool feels like the work is finished.
In ai-engineering, developer-tools, Jul 05, 2026