Unabhängige KI-Infrastruktur- und Backend-Architektur

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.
Formen der Zusammenarbeit

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.

Kompetenzen

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.

Typische Workflows

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.

Vorgehen

Von der Workflow-Skizze zum produktiven Teilstück

1. ErfassenWorkflow, Verantwortliche, Nutzer, Daten, Werkzeuge und Entscheidung festlegen.
2. BegrenzenRegeln für Zugriff, Datenschutz, Freigaben und Fehler festlegen.
3. EvaluierenRepräsentative Fälle und Fehlerprüfungen erstellen.
4. AusliefernEin beobachtbares und reversibles Teilstück bauen.
5. BetreibenFehler prüfen, Kosten steuern und anhand von Nachweisen verbessern.
Öffentliche Arbeiten

Code und technische Notizen, soweit ich sie teilen kann

Ich verlinke lieber konkrete Arbeit, als diese Seite mit allgemeinen Behauptungen zu füllen.

Makakoo OSGemeinsamer Speicher, Skills, Berechtigungen und Arbeitsregeln für KI-Kommandozeilenagenten.
LopeUnabhängige Review- und Validierungsabläufe über verschiedene KI-Werkzeuge hinweg.
2mdDokument- und Website-Ingestion für Agenten- und Retrieval-Workflows.
Traylinx Agentic SearchQuellenbasierte Webrecherche über eine OpenAI-kompatible Schnittstelle.
Scoutica ProtocolMaschinenlesbare Berufsprofile und deterministische Eignungsregeln.
A2A Ruby SDKInteroperabilitätsarbeit für die Kommunikation zwischen Agenten.

Profil und Arbeiten Maschinenlesbares Profil GitHub

Häufige Fragen

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.

Mit einem Problem beginnen

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, 2026

Agentic 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, 2026

Memory 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, 2026

An 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, 2026

Nobody 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, 2026

A 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

Alle Artikel auf Englisch ansehen