Seit Frühjahr 2026 baue ich KI-Systeme selbst, vom Wissens-Chat über Vertriebswerkzeuge bis zu den Leitplanken für Coding-Agenten. Das größte Projekt ist eine EU-konforme RAG-Plattform mit 23 Diensten, die auf eigenem Server läuft. Alle weiteren Projekte lassen sich einer ihrer fünf Schichten zuordnen. Jede Karte unten zeigt, was das Projekt tut, wie es aufgebaut ist und welche Entscheidung es trägt.
01Jedes Projekt sitzt in einer Schicht der RAG-Referenzarchitektur
Die Referenzarchitektur stammt aus der RAG-Plattform: Kunden gewinnen, Wissen aufbereiten, Agenten arbeiten lassen, Modelle über ein Gateway ansprechen, alles auf einem eigenen Infrastruktur-Sockel. Gestrichelt sind die Bausteine der Plattform selbst, farbig die eigenständigen Repos. Ein Klick auf ein Repo springt zu seiner Karte. Rechts stehen die Werkzeuge, mit denen ich baue, und die Formate, mit denen ich Architektur erkläre.
Isometrische Landkarte · grüne Würfel sind Bausteine der RAG-Plattform, Kabel zeigen echte Datenwege.Modell im Raum drehenVolle Größe
Interaktiv: jedes Repo in seiner Schicht
L1Acquisition-Layer
Websites, Funnels, Rechner und CRM: Interessenten gewinnen und Leads sauber erfassen.
02Die RAG-Plattform verbindet alle fünf Schichten in einem Betrieb
Das größte Projekt im Buch und die Vorlage für die Landkarte oben. Drei Datenwege, eine Gateway-Grenze, Pflichten aus DSGVO und AI Act im Code geprüft.
Flaggschiff · spring.gate × NeuralNautic · seit 07/2026
EU-konforme RAG-Plattform: Wissens-Chat, Angebots- und Vertragsagent, CRM
Ein Compose-Stack auf eigenem Server in Deutschland. Dokumente werden lokal
eingebettet und durchsucht; nur der fertige Kontext geht an Claude, und zwar über AWS Bedrock
mit EU-Profil. Jede Antwort zitiert ihre Quelle, jede Dokumentausgabe ist als KI-erzeugt markiert.
23Container-Dienste in einem Compose-Stack
2.600+Testfunktionen in 166 Testdateien, alle offline
Claude über Bedrock EUHaiku · Sonnet · Opus, Fallback
Vertrieb, Ausgabe, Löschen
Funnel-LandingpageNext.js, öffentlich
Lead-Sinkeigene DB-Rolle, Einwilligung
CRM-DienstKontakte, Sperrliste Art. 21
KI-LesesichtenSperrfilter in der Sicht
DOCX-AusgabeKI-Markierung nach Art. 50
Reaper + BackupLöschjournal, restic
DSGVOEU-Inferenz, Modell-Allowlist in CI und IAM, Löschjournal, Auskunft nach Art. 15, Einschränkung nach Art. 18
EU AI ActArt. 50: KI-Hinweis im Chat, maschinenlesbare Markierung in jeder DOCX-Ausgabe
Betriebeigene DB-Rolle je Dienst, Egress-Sperre, Langfuse-Tracing, Budget-Grenze je Schlüssel
LizenzenKern nur MIT/Apache: LiteLLM, Docling, bge, FastAPI, Next.js, pgvector
0330 Projekte, jedes mit Funktion, Architektur und Stack
Filter nach Schicht oder Kontext. Öffentliche Seiten und Repos sind verlinkt; Kundenprojekte liegen in privaten Repos, Einblick gebe ich im Gespräch.
Schicht
Kontext
NeuralNauticAcquisition
neuralnautic.de mit KI-Chat und Lead-Strecken
neural-nautic- · 05/2026–10/2026 · 157 Commits
Website einer KI-Beratung für den Mittelstand mit Fachinhalten, einem Reifegrad-Check im Browser und einem themenbegrenzten KI-Chatbot. Downloads und Kontaktformular sind Lead-Strecken mit freiwilligen Angaben und Einwilligung.
Architektur
Next.js App Router, vorgerendert
OpenNext → Cloudflare Worker + Static Assets
/api/chat: Mistral, Fallback über 3 Modelle
/api/contact + Downloads → Mail per Resend
Lead-Logik: Validierung, Honeypot, Consent
Reifegrad-Check rein im Browser
Entscheidung: Bei 403/429 wechselt der Chat nacheinander auf weitere Modelle und bleibt so trotz knapper Limits erreichbar. Ein Systemprompt mit Themen- und Injection-Regeln hält ihn beim Thema.
Website eines Musikers mit Programmen, Repertoire, Terminen, Galerie und Video sowie einem Buchungsformular für Veranstalter. Statischer Export, nur das Formular läuft über einen schlanken Worker.
Entscheidung: Der Worker ist JavaScript mit JSDoc statt TypeScript, damit die Typprüfung nie an Cloudflare-Typen scheitert und den Auto-Deploy des Kunden blockiert. Turnstile wird scharf, sobald ein Secret gesetzt ist.
Landingpage des KI-Kompetenzteams for42.ai mit Leistungen, Vorgehen, Profilen und Kontakt, ausgeliefert als statischer Export über ein CDN.
Architektur
Inhalte zentral in lib/content.ts
Next.js App Router, Abschnitte als Komponenten
Animation: GSAP, Framer Motion, Lenis, Canvas
Watchdog: Inhalte sichtbar, falls JS ausfällt
statischer Export
Cloudflare Pages: Build bei Push, CDN, DNS
Entscheidung: Ein Inline-Watchdog blendet alle Scroll-Animationen dauerhaft ein, wenn das Bundle nicht hydratisiert. Anlass war ein Firmen-Webfilter, der die junge Domain teilweise blockierte. Die robots.txt lässt Antwort-Crawler zu und sperrt Trainings-Crawler.
Vertriebsrechner für den Kundentermin: Aus den Betriebsdaten eines Objekts berechnet er Energie-, Wartungs-, Chemie- und CO2-Effekte samt Amortisation je Szenario. Ein zweites Fenster zeigt dem Kunden live nur sein Ergebnis.
Architektur
Verkäufereingabe, Formular in zwei Ebenen
Kundenansicht ohne Eingaben und Zwischenwerte
Fensterkopplung per BroadcastChannel
Rechenkern core/calc.js als einzige Zahlenquelle
Edge-Middleware: Zugang je Person, JWT
Angebote in Postgres (Drizzle), Freigabe per Link
Entscheidung: Eingabe und Kundenansicht sind strikt getrennt. Ein Smoke-Test sucht auf dem Kundenschirm gezielt nach Werkzeugen, die dort nicht stehen dürfen, und die Kopplung funktioniert ohne Netz.
Gemeinsame Liste potenzieller Kunden: Das Vertriebsteam pflegt sie, Berechtigte geben Leads per Klick frei. Die Liste lässt sich als CRM-kompatibles Excel exportieren.
Architektur
Next.js-App mit Login und Kunden-API
Zwei PIN-Rollen: Team und Freigabe
Freigabe write-once, serverseitig erzwungen
Feldrechte je Rolle in der API
Postgres über Drizzle ORM
CI: Typecheck, Tests, Build je Push
Entscheidung: Eine gesetzte Freigabe samt Datum lässt sich nicht mehr ändern. Das prüft der Server bei jedem Schreibvorgang, nicht die Oberfläche.
Produktseite mit Systemgrenze, Regelwerksbezug und Messplan für einen Nachweis beim Kunden, dazu eine Kundeninformation mit PDF. Eine interne Vertriebsunterlage wird über eine Serverless Function ausgeliefert, nicht als statische Datei.
Architektur
Drei Routen, statisches HTML
Kundeninformation als Lesedokument + PDF
Interne Unterlage im Function-Code
Security-Header per vercel.json
Selbst gehostete Schrift
WebGL-Shader mit CSS-Fallback
Entscheidung: Umsetzung eines Audit-Befunds: Was statisch liegt, ist unter seiner URL abrufbar. Deshalb steckt der interne Inhalt im nicht ausgelieferten Function-Code.
3 Routen
HTML/CSS/JSVercel FunctionsWebGL
MolAquaTechAcquisition
Wirtschaftlichkeitsrechner, erste Fassung
matpure-calculator · 07/2026–08/2026 · 7 Commits
Erste Fassung des Wirtschaftlichkeitsrechners als eine einzige Datei, offline lauffähig. Abgelöst durch den Business-Impact-Kalkulator.
Architektur
Eine index.html mit React-Bundle
Tailwind-CSS inline
Berechnung komplett im Browser
Statisches Hosting, noindex
Entscheidung: Der Ausgangspunkt: vom Single-File-Prototyp zur datenbankgestützten App mit Zugangskontrolle.
ReactTailwindVercel
NeuralNauticAcquisition
Leadgen-Onepager in zwei Animations-Generationen
nn-leadgen-onepager · 08/2026–10/2026 · 6 Commits
Onepager zur These, dass Leadgenerierung heute ein Netz aus Kontaktpunkten ist und kein linearer Funnel. Derselbe Inhalt ist zweimal gebaut: mit Animationstechnik von 2015 und mit Scroll-driven Animations von heute.
Architektur
Auswahlseite → Variante A / B
A: Scroll-Handler, setTimeout, SMIL
B: Sticky-Grafik, animation-timeline: view()
B: @property --p steuert Knoten und Kanten
Diagramme aus einem Datenmodell gerendert
Fallback: IntersectionObserver
Entscheidung: In der modernen Variante hängt die gesamte Szenenlogik an einer registrierten CSS-Property, die über die Scroll-Timeline läuft. JavaScript liefert nur noch Diagramme und Fallback.
Akquise-CRM, das vollständig im Browser läuft: Wiedervorlagen, Kontakteditor mit allen Feldern der B2B-Adressvorlage, Nachfass-Verlauf, Tool-Vergleich. Daten verlassen das Gerät nur als Datei-Export.
Architektur
UI-Module: Dashboard, Kontakte, Nachfass, Tools
store.js → IndexedDB im Browser
Import/Export Excel, CSV, JSON (SheetJS)
Merge-Import nach Zeitstempel, Auto-Backup
CSP ohne externe Requests, Skript-Hashes
esbuild → portable Einzeldatei
Entscheidung: Teamabgleich ohne Cloud: Stände werden je Kontakt nach Zeitstempel zusammengeführt statt ersetzt, vorher läuft automatisch ein Backup. Auslöser war ein echter Datenverlust beim alten Import.
Interne Website, die zwei Fachpräsentationen in Webseiten überführt: Nutzen und Referenzen, Physik und Wirkmechanismus. Dazu kommt ein per Skript neu gebautes Deck als PPTX und PDF.
Architektur
Single-File-Seiten ohne Framework
Technologieseite mit eigenen SVG-Abbildungen
Python-Pipeline baut das Deck (python-pptx)
Prüfskript misst Textüberlappung im PDF
Farb-Allowlist und Logo-Hash im Prüfer
Foliendurchlauf mit Deep-Links
Entscheidung: Ein Bilddeck wurde aus der Textquelle als echte Shapes neu gebaut. Automatische Prüfungen gegen das gerenderte PDF sichern das Layout.
10 Technologie-Kapitel
Deck mit 30 Folien
HTML/CSS/JSSVGPythonpython-pptx
MolAquaTechKnowledge
Branchenstudie als interaktive Matrix
mat-branchenstudie · 08/2026 · 9 Commits
Interne Präsentationsfassung einer KI-gestützten Branchenstudie: zwölf Branchen auf vier Problem-Achsen bewertet, je Branche ein Blatt mit Botschaft und offenen Punkten.
Architektur
Single-File-Seite, Daten als Array
Sortierbare Matrix nach Score oder Achse
Präsentationsmodus mit Pfeiltasten
Inhalte im Wissensspeicher, Seite nur Ansicht
Regel: Zahlen nur mit geprüftem Parametersatz
Dreifaches noindex
Entscheidung: Fachliche Leitplanken stecken in der Darstellung: Wirkungszahlen erscheinen nur dort, wo ein geprüfter Rechenparametersatz existiert.
12 Branchen
4 Achsen
HTML/CSS/JSVercel
Eigene WerkzeugeKnowledge
Transkriptor: Video zu Text mit Folienerkennung
Transkriptor- · 03/2026–08/2026 · 8 Commits
Desktop-Werkzeug, das Aufzeichnungen lokal mit Whisper transkribiert, Folienwechsel erkennt und Screenshots den Textabschnitten zuordnet. Export als HTML, Markdown, PDF, DOCX und JSON.
Architektur
pywebview-Fenster → FastAPI lokal
FFmpeg: Audio, Stille-Erkennung
OpenCV: Folienwechsel per Frame-Differenz
faster-whisper (int8 auf CPU)
Optional: Folienanalyse per Claude Vision
Export in 5 Formate
Entscheidung: Folienwechsel werden ohne ML erkannt, über Frame-Differenzen auf verkleinerten Graustufenbildern mit Schwelle und Mindestabstand. Das ist billig und macht Bildschirmaufnahmen durchsuchbar.
Agenten-Arbeitsplatz für die Neukundengewinnung: Leadlisten mit Beleg je Feld, Scoring, Nachrichtenentwürfe und Gesprächsauswertungen. Verschickt wird nichts automatisch, jede Ansprache braucht eine menschliche Freigabe.
Architektur
Strategie-Dateien: Zielkunden, Signale, Ton, Verbote
Agent Recherche: öffentliche Quellen, Beleg je Feld
Agent Scoring → Agent Texter (2 Varianten)
Prüfagent (adversarial) gegen Regeln und Belege
Hook sperrt ungeprüfte Karten
Freigabe-Inbox, Daten außerhalb von Git
Entscheidung: Der Hook prüft neben dem Urteil des Prüfagenten auch einen Hash des Kartentexts. Wird eine freigegebene Karte danach geändert, blockiert er das Schreiben in die Inbox.
5 Agenten
12 Skills
69 Testfunktionen
3 Prüfschichten
Claude Code (Subagents, Skills, Hooks)PythonJSON Schemafaster-whisper
for42.aiAgent
Prüfstand für Coding-Agenten
for42-pruefstand · 10/2026 · 13 Commits
Prüfwerkzeug für Teams mit Coding-Agenten: Deep Scan eines Repos, PR-Review und eine Belegprüfung für EU AI Act und DSGVO. Die Befunde gehen über MCP direkt an den Coding-Agenten, der sie behebt.
Architektur
Repo einlesen, code-verankerte IDs
Scan über 14 Prüflinsen, parallel
Gegenprüfung jedes Befunds
befunde.json + Bericht + reproduzierender Test
MCP-Server: Fix-Auftrag an den Agenten
PR-Review: behoben, offen, neu
Entscheidung: Der Modellaufruf ist gekapselt: Entwicklung über Claude Code, Kundencode nur über Bedrock mit Positivliste für EU-Profile. Vor jedem Lauf wird geprüft, unter welcher Organisation das Konto angemeldet ist.
14 Prüflinsen
5 MCP-Werkzeuge
23/23 eingebaute Defekte gefunden
ca. 1,20 USD je 1.000 Zeilen
PythonClaude Code headlessAWS Bedrock EU (Converse)MCPCloudflare Workerspytest
spring.gateInfra
RAG-Plattform (Pilot)
rag-infra-442 · 07/2026–11/2026 · 1.049 Commits
DSGVO-konforme RAG-Plattform für eine Business-Development-Beratung: Wissens-Chat mit Quellenangaben, Angebots- und Vertragsagent mit DOCX-Ausgabe, CRM und Lead-Strecke. Läuft als ein Stack auf eigenem Server, Claude-Inferenz über AWS Bedrock in der EU.
Architektur
Funnel → Lead-Sink → CRM
Upload → Ingestion → Docling → bge-m3 → pgvector
Agent-Dienst → Hybrid-Retrieval → Rerank
→ LiteLLM-Gateway (Allowlist, Budget, PII)
→ Claude über Bedrock EU-Profil, Fallback
Reaper und Backup als eigene Dienste
Entscheidung: Idempotente Ingestion (erst löschen, dann schreiben) und ein Reaper, der gelöschte Quellen samt Löschjournal physisch entfernt. Beides war Auflage eines externen Architektur-Reviews und Go-live-Blocker.
Versionierte globale Konfiguration für Claude Code: Regeln, Leitplanken, Hooks, Skills, Routinen und Setup-Skripte. Damit gelten auf jedem Rechner dieselben Arbeitsregeln und Sicherungen.
Architektur
CLAUDE.md: Regeln und Arbeitsweise
settings.json: Deny-/Ask-Listen, Hooks
PreToolUse: Befehlswächter, Secret-Guards
Kontextwarnung, Zustand, Benachrichtigung
Skills für Planung, Prüfung, Dokumente
Routinen per Aufgabenplanung → Issue
Entscheidung: Die .gitignore ist eine Positivliste: Im Ordner entstehen laufend Dateien mit Prompts und Transkripten, deshalb ist alles ausgeschlossen und nur einzeln Geprüftes freigegeben.
16 eigene Skills
10 PreToolUse-Hooks
34 Deny- und 17 Ask-Regeln
4 Routinen
Claude CodeNode.jsBashPowerShellPython
Eigene WerkzeugeHarness
Harness für lange Agentenläufe
harness · 11/2026 · 4 Commits
Werkzeuge, mit denen Claude Code oder Codex Aufgabe für Aufgabe abarbeiten, bis ein externes Gate grün meldet. Dazu ein Deploy-Check und Vorlagen.
Architektur
Vorlagen: FEATURES.json, PROGRESS.md
loop.sh: je Runde frischer Agenten-Kontext
gate.sh: Tests, Lint, Build per Exit-Code
Commit und Push nur bei grünem Gate
Stopp bei Stagnation, Zeit- oder Budgetlimit
deploy-check: gepusht, CI grün, live
Entscheidung: Über „fertig“ entscheidet der Exit-Code eines externen Gates, nicht der Agent. Weil Codex in seiner Sandbox nicht in .git schreiben darf, sichert der Treiber außerhalb.
8 Skills
Probelauf 3/3 mit Claude und Codex
BashNode.jsClaude Code headlessCodex CLIGit
Eigene WerkzeugeHarness
Sprachassistent zum Programmieren
jarvis · 09/2026 · Phase 1 in Arbeit · 3 Commits
Lokaler Sprachassistent für macOS und Windows: Auf ein Weckwort diktiert er, sendet Tasten, wechselt Fenster und macht Screenshots. Befehle werden deterministisch ausgewertet, ohne LLM.
Architektur
Mikrofon → faster-whisper lokal
Weckwort, unscharf gegen Whisper-Varianten
Regelbasierter Parser → Command-Objekt
Ablaufsteuerung: Nachfragen, Modi
Adapter je Plattform, Dry-Run
Tests gegen eingesprochenen Audiokorpus
Entscheidung: Aktionen gibt es nur als feste Funktion im Adapter, nie als freie Shell oder per LLM. Die Erkennungsrate kommt aus einem gezielten Befehlswortschatz im Whisper-Prompt.
Diktierwerkzeug: Taste halten, sprechen, loslassen, und der Text steht im aktiven Fenster. Transkription lokal mit Whisper, optionale KI-Bereinigung.
Architektur
Globaler Hotkey, Hold-to-Record
Aufnahme 16 kHz
faster-whisper lokal mit VAD-Filter
Optional: Bereinigung per LLM
Einfügen per Zwischenablage, alter Inhalt zurück
Tray-Icon, PyInstaller-Build
Entscheidung: Text kommt über Zwischenablage und Einfügen-Kürzel in jedes Programm, danach wird die alte Zwischenablage wiederhergestellt. Die KI-Bereinigung fällt bei Fehlern still auf den Originaltext zurück.
Pythonfaster-whisperpynputpywebviewPyInstaller
for42.aiHarness
Vorgehensmodell als Agenten-Harness
gsdfor42.ai · 07/2026 · 1 Commits
Installierbarer Harness, der ein Vorgehensmodell mit Pflichtdokumenten (PRD → SAD → Plan → Dev → Release) auf eine Planungs-Engine für Claude Code setzt.
Architektur
Installer lädt die Engine von npm
legt drei Skills in die Konfiguration
build-sad: SAD aus PRD, Review über 10 Dimensionen
plan-to-issues: Plan → GitHub-Epics
quick-gate: 7 Prüfungen je Aufgabe
Release über Milestone-Abschluss
Entscheidung: Das Repo enthält nur die eigene Schicht. Die fremde Engine wird beim Installieren von ihrer Originalquelle geladen, so bleiben Lizenz und Updates getrennt.
Bewusst fehlerhafter Bestellservice, an dem Code-Review-Werkzeuge reproduzierbar gemessen werden. Der Vergleich läuft gegen eine bekannte Fehlerliste.
Architektur
FastAPI: Kunden, Rechnungen, Admin
Fachmodule: Lager, Preise, KI-Assistent
SQLite mit Migrationen
Branch pr-1: 3 Fixes, 2 neue Fehler
Grundwahrheit nur im Prüfstand
Entscheidung: Die Grundwahrheit liegt außerhalb des Repos, damit kein geprüftes Werkzeug die Lösung mitlesen kann. Köder in Form korrekten, aber verdächtigen Codes messen die Fehlalarme.
Startseite, die alle Vertriebsanwendungen und Unterlagen bündelt, darunter ein kennwortgeschützter Chat zwischen Hersteller und Vertriebspartner.
Architektur
Statische Kachelübersicht
Chat-UI mit Polling
Serverless Function, Kennwort serverseitig
Nachrichten in Postgres, alte Zeilen aufgeräumt
Ausführung in EU-Region fra1
Entscheidung: Der Speicher wurde begründet gewechselt: weg von einem nach Abrufen abgerechneten Objektspeicher, den das Polling ans Limit brachte, hin zu Postgres mit Transaktionen.
10 verlinkte Anwendungen
HTML/CSS/JSVercel FunctionsNeon Postgres
MolAquaTechVermittlung
Gemeinsame Aufgabenliste zweier Firmen
mat-checkify · 07/2026–08/2026 · 25 Commits
Geteilte Aufgabenliste zwischen Vertriebspartner und Hersteller: Die eine Seite legt an und importiert, die andere setzt Status und Rückmeldung. Ersetzt Rückfragen per Mail.
Architektur
Single-File-Frontend
Serverless Function als einzige API
PIN ergibt Rolle, Feldrechte serverseitig
Eine Zeile je Aufgabe in Postgres
CSV/XLSX-Import
Polling für den gemeinsamen Stand
Entscheidung: Umbau von einem JSON-Gesamtdokument auf eine Zeile je Aufgabe, damit gleichzeitiges Schreiben zweier Parteien sich nicht überschreibt.
Einseitige, animierte Darstellung des gemeinsamen Vertriebsprozesses zweier Firmen, nach Zuständigkeit und Entscheidungspunkten getrennt, mit interaktivem Regler am Ende.
Architektur
Single-File-Seite, keine Abhängigkeiten
SVG-Linie aus Knotenpositionen berechnet
Füllstand folgt der Scrollposition
IntersectionObserver blendet Schritte ein
WebGL-Wasser-Shader mit Fallback
Entscheidung: Die Prozesslinie ist nicht gezeichnet, sondern berechnet: Wer einen Schritt ergänzt oder umsortiert, bekommt die Kurve automatisch neu.
Browser-Präsentation, wie KI kontrolliert in bestehende Vertriebs- und Kommunikationsprozesse kommt: Problemfelder, schnelle Erfolge, Daten-Governance, Piloten für einen 30-Tage-Test.
Architektur
Single-File-Foliendeck
Kapitel von Ausgangslage bis Pilotauswahl
Animierter Hintergrund mit WebGL-Fallback
Leitfäden als DOCX, deutsch und englisch
Entscheidung: Die Beratung endet nicht bei einer Vision, sondern mit konkreten Piloten im 30-Tage-Format.
Öffentliche, bereinigte Darstellung der Zielarchitektur eines EU-konformen RAG-Piloten: fünf Schichten, Retrieval-Vertrag, Phasenplan, Kosten. Textseite, isometrische Grafik und drehbares 3D-Modell.
Architektur
Szene als Daten in Python
build_grafik.py → isometrisches SVG/PNG
build_3d.py + model3d.js, ohne 3D-Bibliothek
Kopfzeile und Netz-Hintergrund als HTML
Schriften und Logos als data-URI
noscript-Fallback auf das SVG
Entscheidung: Die öffentliche Fassung ist bewusst von der internen getrennt: ohne Kundennamen, Review-Befunde, Lieferantenpreise und Härtungsdetails.
5 Schichten
Phasen 0–3
PythonSVGCanvasVanilla JSChrome headless
NeuralNauticVermittlung
KI-Agententeam: Referenzmodell
nn-ki-agententeam · 10/2026 · 9 Commits
Referenzdarstellung, wie ein KI-Agententeam aufgesetzt wird: ein Modell führt, ein zweites prüft, Leitplanken greifen vor jedem Befehl, Wissen liegt versioniert.
Architektur
Szene als Daten in Python
Kollisionsprüfung der Beschriftungen
isometrisches SVG mit eingebetteten Schriften
PNG/JPG-Export über Chrome headless
Seite mit drehbarem 3D-Modell
Cloudflare Workers, Push = Deploy
Entscheidung: Die Grafik entsteht vollständig aus Daten und Code, mit automatischer Kollisionsprüfung. Das Hosting protokolliert keine Zugriffe, weil der Datenschutzhinweis das zusagt.
Dieselbe Zielarchitektur im hellen Design von for42.ai, mit acht Konstruktionsentscheidungen, Phasenplan mit Demo je Phase und Größenordnung der Betriebskosten.
Architektur
Acquisition: Next.js-Funnels
Ingestion: FastAPI, Queue, Docling → pgvector
Retrieval-Port: retrieve(query, filter)
Agenten: Q&A, Angebot, Vertrag
Gateway LiteLLM + Langfuse
Inferenz: Bedrock EU
Entscheidung: Das 3D-Modell importiert seine Szene aus dem Grafik-Generator, Grafik und Raumansicht können nicht auseinanderlaufen. Projektion, Culling und Licht sind selbst gerechnet.
8 Konstruktionsentscheidungen
PythonSVGCanvasVanilla JS
for42.aiVermittlung
KI-Assistenten im Vergleich
for42-ki-assistenten-matrix · 08/2026 · 4 Commits
Vergleichsseite zu Claude, ChatGPT und Microsoft Copilot mit Kriterienmatrix, Preisübersicht und Entscheidungshilfe für Unternehmen. Stand 14.08.2026.
Architektur
Eine HTML-Datei ohne Build
41 Kriterien in 4 Blöcken
Filter, Volltextsuche, Sticky-Ebenen
Schriften eingebettet, kein CDN
Druck-CSS
Entscheidung: Die Schriften stecken in der Datei, damit die Seite ohne externes CDN läuft und auch als lokale Datei vollständig funktioniert.
Web-Fassung eines Vortrags über KI-Wissensmanagement: von der Ausgangslage über RAG-Technik und Pipeline bis zur Monetarisierung, mit ein- und ausblendbaren Sprechernotizen.
Architektur
Statische Seite, fünf Kapitel
Diagramme als HTML/CSS/SVG neu gebaut
Scrollspy per IntersectionObserver
Lesefortschritt und Animationen
Notizen-Schalter mit localStorage
Security-Header, Immutable-Caching
Entscheidung: Die Grafiken sind in der Web-Palette nachgebaut statt exportiert. Herkunft und fehlende Gegenprüfung der Studienzahlen stehen offen im Footer.
31 Folien Grundlage
5 Kapitel
0 Abhängigkeiten
HTMLCSSVanilla JSSVG
04Gebaut mit KI-Agenten, abgesichert durch Prüfungen außerhalb des Modells
Ich arbeite mit Claude Code als ausführendem Agenten. Ob eine Aufgabe erledigt ist, entscheidet nicht das Modell, sondern eine Prüfung mit Exit-Code. Diese Regeln sind selbst versioniert und stehen in den Repos claude-config, harness und gsdfor42.ai.
PlanenErst Plan, dann CodeGrößere Vorhaben laufen über Phasenpläne mit Akzeptanzkriterien (GSD), Entscheidungen landen als ADR im Repo.
PrüfenGates statt SelbstauskunftCI mit Allowlist, Testsuite und Strukturprüfungen. Ein zweites Modell prüft Texte gegen, bevor sie an Dritte gehen.
AbsichernLeitplanken vor jedem BefehlEin Befehlswächter blockt zerstörerische Shell-Befehle, Verbotslisten greifen in jedem Modus, Business-Daten bleiben in ihrer Datenklasse.
BehaltenWissen versioniertProjektstand, Entscheidungen und Fehler stehen in einem Git-versionierten Wissensspeicher, nicht nur im Chatverlauf.
05Kontakt
Für Gespräche über eine Rolle, ein Projekt oder einen Einblick in die privaten Repos.