NeuralNauticNeuralNautic
ÜberblickArchitekturRAG-PlattformProjekteArbeitsweiseKontaktVerbund

Repo-Book · Stand 11.11.2026

Frank Schütt — KI-Systeme, gebaut und betrieben

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.

30Projekte in diesem Buch
1.834Commits
9Projekte mit öffentlicher Adresse
6Auftraggeber- und Firmenkontexte

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 Repo-Landkarte: fünf Ebenen von Acquisition bis Infra-Sockel, die Repos als Würfel in der Farbe ihres Kontexts, verbunden über die Datenwege der RAG-Plattform.
Isometrische Landkarte · grüne Würfel sind Bausteine der RAG-Plattform, Kabel zeigen echte Datenwege. Modell im Raum drehen Volle Größe

Interaktiv: jedes Repo in seiner Schicht

L1Acquisition-Layer

Websites, Funnels, Rechner und CRM: Interessenten gewinnen und Leads sauber erfassen.

In der RAG-Plattform

Funnel-LandingpageLead-SinkCRM-DienstSperrliste Art. 21

Eigenständige Repos

L2Knowledge-Layer

Dokumente, Aufnahmen und Studien in durchsuchbares, zitierfähiges Wissen überführen.

In der RAG-Plattform

Ingestion + ARQDoclingChunking nach §bge-m3pgvector + tsvectorRRF + Rerank

Eigenständige Repos

L3Agent-Layer

Agenten, die mit diesem Wissen arbeiten: antworten, Angebote schreiben, Verträge oder Code prüfen.

In der RAG-Plattform

Wissens-ChatAngebots-AgentVertrags-AgentCRM-Lesepfad

Eigenständige Repos

L4LLM-Gateway

Eine Stelle, über die jeder Modellaufruf läuft: Allowlist, Budget, PII-Filter, Fallback, Tracing.

In der RAG-Plattform

LiteLLMModell-Allowlist (CI)Budget je SchlüsselPII-GuardrailLangfuse

Eigenständige Repos

in diesem Buch Teil der RAG-Plattform

L5Infrastruktur-Sockel

Eigener Server in Deutschland, Inferenz in der EU, Löschen und Sichern als eigene Dienste.

In der RAG-Plattform

Hetzner + CoolifyPostgres 16Bedrock EU-ProfilReaper (GC)restic-BackupEgress-Sperre

Eigenständige Repos

Bauweise: Harness und Werkzeuge

Womit gebaut wird: Agenten-Konfiguration, Schleifen mit externen Gates, Vorgehensmodell, Sprachsteuerung.

Vermittlung: Architektur erklären

Referenzarchitekturen, Kurse, Vergleiche und Prozessdarstellungen für Entscheider und Teams.

NeuralNauticfor42.aispring.gateMolAquaTechKundenprojektEigene Werkzeuge

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.

Isometrische Referenzarchitektur der RAG-Plattform: Acquisition, Knowledge, Agenten, LLM-Gateway und AWS Bedrock in der EU als gestapelte Ebenen mit Diensten und Datenwegen.
Referenzarchitektur der Plattform, öffentliche Fassung ohne Kundendetails. Referenzseite mit 3D-Modell Volle Größe

Datenwege im Detail

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
21Datenbank-Migrationen, eigene Rolle je Dienst
18Architekturentscheidungen als ADR
1.049Commits seit 23.07.2026

Wissen rein

Upload / WissensbasisDashboard, Drag & Drop, Recht „wissen“
Ingestion-APIFastAPI, Status je Dokument
ARQ-WorkerRedis-Queue, entkoppelt
Docling + ChunkingParse, klauselgenau nach §
bge-m3 Embeddingsself-hosted, Server austauschbar
Postgres + pgvectorerst löschen, dann schreiben

Fragen und Agenten

Chat / Angebot / VertragNext.js-Dashboard, Sitzung, Rechte
Agent-Diensteknowledge · offer · contract
Hybrid-Retrievalpgvector + tsvector → RRF
Rerankbge-reranker-v2-m3, Top 5–8
LiteLLM-GatewayAllowlist, Budget, PII-Filter
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

  1. Next.js App Router, vorgerendert
  2. OpenNext → Cloudflare Worker + Static Assets
  3. /api/chat: Mistral, Fallback über 3 Modelle
  4. /api/contact + Downloads → Mail per Resend
  5. Lead-Logik: Validierung, Honeypot, Consent
  6. 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.

  • Reifegrad-Check: 6 Dimensionen
  • Chat-Kontext auf 20 Nachrichten begrenzt
Next.js 16React 19TypeScriptTailwind 4OpenNextCloudflare WorkersMistral APIResend
KundenprojektAcquisition

Musiker-Website mit Buchungsformular

Kundenwebsite (Musiker) · 05/2026–10/2026 · 63 Commits

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.

Architektur

  1. Next.js Static Export, 11 Routen
  2. Cloudflare Workers Static Assets, Push = Deploy
  3. Worker nur für /api/*
  4. Prüfkette: Origin, Body-Limit, Honeypot, Turnstile
  5. Validierung → Mail-API, nichts gespeichert
  6. Playwright-Prüfungen in Chromium und WebKit

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.

  • 1.464 Browser-Prüfungen
  • Anfrage auf 16 KB begrenzt
Next.js 16TypeScriptTailwind 4Cloudflare WorkersTurnstilePlaywright
for42.aiAcquisition

for42.ai Website

for42-website · 06/2026–10/2026 · 48 Commits

Landingpage des KI-Kompetenzteams for42.ai mit Leistungen, Vorgehen, Profilen und Kontakt, ausgeliefert als statischer Export über ein CDN.

Architektur

  1. Inhalte zentral in lib/content.ts
  2. Next.js App Router, Abschnitte als Komponenten
  3. Animation: GSAP, Framer Motion, Lenis, Canvas
  4. Watchdog: Inhalte sichtbar, falls JS ausfällt
  5. statischer Export
  6. 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.

  • 8 Seitenabschnitte
Next.js 16React 19TypeScriptTailwind 4GSAPCloudflare Pages
for42.aiCode privat · Einblick auf Anfrage
MolAquaTechAcquisition

Business-Impact-Kalkulator

mat-impact-calculator · 08/2026–10/2026 · 40 Commits

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

  1. Verkäufereingabe, Formular in zwei Ebenen
  2. Kundenansicht ohne Eingaben und Zwischenwerte
  3. Fensterkopplung per BroadcastChannel
  4. Rechenkern core/calc.js als einzige Zahlenquelle
  5. Edge-Middleware: Zugang je Person, JWT
  6. 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.

  • 3 Szenarien
  • 107 automatisierte Proben
  • 6 Migrationen
Next.js 16React 19TypeScriptDrizzle ORMNeon PostgresZodPlaywright
Code privat · Einblick auf Anfrage
MolAquaTechAcquisition

Lead-Freigabeliste mit Ampel

mat-gruenify-app · 07/2026 · 38 Commits

Gemeinsame Liste potenzieller Kunden: Das Vertriebsteam pflegt sie, Berechtigte geben Leads per Klick frei. Die Liste lässt sich als CRM-kompatibles Excel exportieren.

Architektur

  1. Next.js-App mit Login und Kunden-API
  2. Zwei PIN-Rollen: Team und Freigabe
  3. Freigabe write-once, serverseitig erzwungen
  4. Feldrechte je Rolle in der API
  5. Postgres über Drizzle ORM
  6. 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.

  • 2 Rollen
  • 5 Testsuiten
Next.js 14TypeScriptTailwindDrizzle ORMNeon PostgresSheetJSGitHub Actions
Code privat · Einblick auf Anfrage
MolAquaTechAcquisition

Produktseite und Kundeninformation

matpure-landing · 08/2026 · 17 Commits

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

  1. Drei Routen, statisches HTML
  2. Kundeninformation als Lesedokument + PDF
  3. Interne Unterlage im Function-Code
  4. Security-Header per vercel.json
  5. Selbst gehostete Schrift
  6. 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
Code privat · Einblick auf Anfrage
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

  1. Eine index.html mit React-Bundle
  2. Tailwind-CSS inline
  3. Berechnung komplett im Browser
  4. Statisches Hosting, noindex

Entscheidung: Der Ausgangspunkt: vom Single-File-Prototyp zur datenbankgestützten App mit Zugangskontrolle.

ReactTailwindVercel
Code privat · Einblick auf Anfrage
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

  1. Auswahlseite → Variante A / B
  2. A: Scroll-Handler, setTimeout, SMIL
  3. B: Sticky-Grafik, animation-timeline: view()
  4. B: @property --p steuert Knoten und Kanten
  5. Diagramme aus einem Datenmodell gerendert
  6. 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.

  • 0 externe Requests
  • 12 Kontaktpunkte, 16 Verbindungen
HTMLCSS Scroll-driven AnimationsVanilla JSSVGCanvas
OnepagerCode privat · Einblick auf Anfrage
spring.gateAcquisition

Offline-first Akquise-CRM

springgate-crm · 07/2026–10/2026 · 5 Commits

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

  1. UI-Module: Dashboard, Kontakte, Nachfass, Tools
  2. store.js → IndexedDB im Browser
  3. Import/Export Excel, CSV, JSON (SheetJS)
  4. Merge-Import nach Zeitstempel, Auto-Backup
  5. CSP ohne externe Requests, Skript-Hashes
  6. 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.

  • 83 Felder der Adressvorlage
  • 44 Playwright-Tests
Vanilla JS (ES Modules)IndexedDBSheetJSesbuildPlaywright
Code privat · Einblick auf Anfrage
MolAquaTechKnowledge

Wissensseite Wasseraufbereitung

mat-wasseraufbereitung · 08/2026 · 50 Commits

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

  1. Single-File-Seiten ohne Framework
  2. Technologieseite mit eigenen SVG-Abbildungen
  3. Python-Pipeline baut das Deck (python-pptx)
  4. Prüfskript misst Textüberlappung im PDF
  5. Farb-Allowlist und Logo-Hash im Prüfer
  6. 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
Code privat · Einblick auf Anfrage
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

  1. Single-File-Seite, Daten als Array
  2. Sortierbare Matrix nach Score oder Achse
  3. Präsentationsmodus mit Pfeiltasten
  4. Inhalte im Wissensspeicher, Seite nur Ansicht
  5. Regel: Zahlen nur mit geprüftem Parametersatz
  6. 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
Code privat · Einblick auf Anfrage
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

  1. pywebview-Fenster → FastAPI lokal
  2. FFmpeg: Audio, Stille-Erkennung
  3. OpenCV: Folienwechsel per Frame-Differenz
  4. faster-whisper (int8 auf CPU)
  5. Optional: Folienanalyse per Claude Vision
  6. 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.

  • 5 Exportformate
PythonFastAPIfaster-whisperOpenCVFFmpegpython-docxReportLab
for42.aiAgent

KI-Akquise-Agent

for42-ai-akquise-agent · 10/2026–11/2026 · 123 Commits

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

  1. Strategie-Dateien: Zielkunden, Signale, Ton, Verbote
  2. Agent Recherche: öffentliche Quellen, Beleg je Feld
  3. Agent Scoring → Agent Texter (2 Varianten)
  4. Prüfagent (adversarial) gegen Regeln und Belege
  5. Hook sperrt ungeprüfte Karten
  6. 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
Code privat · Einblick auf Anfrage
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

  1. Repo einlesen, code-verankerte IDs
  2. Scan über 14 Prüflinsen, parallel
  3. Gegenprüfung jedes Befunds
  4. befunde.json + Bericht + reproduzierender Test
  5. MCP-Server: Fix-Auftrag an den Agenten
  6. 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
Code privat · Einblick auf Anfrage
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

  1. Funnel → Lead-Sink → CRM
  2. Upload → Ingestion → Docling → bge-m3 → pgvector
  3. Agent-Dienst → Hybrid-Retrieval → Rerank
  4. → LiteLLM-Gateway (Allowlist, Budget, PII)
  5. → Claude über Bedrock EU-Profil, Fallback
  6. 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.

  • 23 Dienste
  • 2.600+ Testfunktionen
  • 21 Migrationen
  • 18 ADRs
Python 3.12FastAPIARQ/RedisDoclingPostgreSQL + pgvectorLiteLLMLangfuseNext.js 16Docker ComposeCoolifyAWS BedrockGitHub Actions
Eigene WerkzeugeHarness

Claude-Code-Konfiguration mit Leitplanken

claude-config · 09/2026–11/2026 · 50 Commits

Versionierte globale Konfiguration für Claude Code: Regeln, Leitplanken, Hooks, Skills, Routinen und Setup-Skripte. Damit gelten auf jedem Rechner dieselben Arbeitsregeln und Sicherungen.

Architektur

  1. CLAUDE.md: Regeln und Arbeitsweise
  2. settings.json: Deny-/Ask-Listen, Hooks
  3. PreToolUse: Befehlswächter, Secret-Guards
  4. Kontextwarnung, Zustand, Benachrichtigung
  5. Skills für Planung, Prüfung, Dokumente
  6. 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
Code privat · Einblick auf Anfrage
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

  1. Vorlagen: FEATURES.json, PROGRESS.md
  2. loop.sh: je Runde frischer Agenten-Kontext
  3. gate.sh: Tests, Lint, Build per Exit-Code
  4. Commit und Push nur bei grünem Gate
  5. Stopp bei Stagnation, Zeit- oder Budgetlimit
  6. 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
Code privat · Einblick auf Anfrage
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

  1. Mikrofon → faster-whisper lokal
  2. Weckwort, unscharf gegen Whisper-Varianten
  3. Regelbasierter Parser → Command-Objekt
  4. Ablaufsteuerung: Nachfragen, Modi
  5. Adapter je Plattform, Dry-Run
  6. 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.

  • 44/44 Befehle im Audiokorpus erkannt
Pythonfaster-whispersounddevicepynputedge-ttspytest
Code privat · Einblick auf Anfrage
Eigene WerkzeugeHarness

Push-to-Talk-Diktat, lokal

wispr-clone · 03/2026 · 2 Commits

Diktierwerkzeug: Taste halten, sprechen, loslassen, und der Text steht im aktiven Fenster. Transkription lokal mit Whisper, optionale KI-Bereinigung.

Architektur

  1. Globaler Hotkey, Hold-to-Record
  2. Aufnahme 16 kHz
  3. faster-whisper lokal mit VAD-Filter
  4. Optional: Bereinigung per LLM
  5. Einfügen per Zwischenablage, alter Inhalt zurück
  6. 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

  1. Installer lädt die Engine von npm
  2. legt drei Skills in die Konfiguration
  3. build-sad: SAD aus PRD, Review über 10 Dimensionen
  4. plan-to-issues: Plan → GitHub-Epics
  5. quick-gate: 7 Prüfungen je Aufgabe
  6. 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.

  • 3 Skills
  • 6 Phasen
  • max. 3 Review-Runden je Gate
Claude Code SkillsBashPowerShellGitHub CLI
Code privat · Einblick auf Anfrage
for42.aiHarness

Benchmark-Repo mit eingebauten Defekten

for42-benchmark-bestellservice · 10/2026 · 1 Commits

Bewusst fehlerhafter Bestellservice, an dem Code-Review-Werkzeuge reproduzierbar gemessen werden. Der Vergleich läuft gegen eine bekannte Fehlerliste.

Architektur

  1. FastAPI: Kunden, Rechnungen, Admin
  2. Fachmodule: Lager, Preise, KI-Assistent
  3. SQLite mit Migrationen
  4. Branch pr-1: 3 Fixes, 2 neue Fehler
  5. 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.

  • 23 Defekte
  • 3 Köder
PythonFastAPISQLitepytest
Code privat · Einblick auf Anfrage
MolAquaTechVermittlung

Übersicht mit internem Chat

molaquatech-linktree · 07/2026–10/2026 · 39 Commits

Startseite, die alle Vertriebsanwendungen und Unterlagen bündelt, darunter ein kennwortgeschützter Chat zwischen Hersteller und Vertriebspartner.

Architektur

  1. Statische Kachelübersicht
  2. Chat-UI mit Polling
  3. Serverless Function, Kennwort serverseitig
  4. Nachrichten in Postgres, alte Zeilen aufgeräumt
  5. 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
Code privat · Einblick auf Anfrage
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

  1. Single-File-Frontend
  2. Serverless Function als einzige API
  3. PIN ergibt Rolle, Feldrechte serverseitig
  4. Eine Zeile je Aufgabe in Postgres
  5. CSV/XLSX-Import
  6. Polling für den gemeinsamen Stand

Entscheidung: Umbau von einem JSON-Gesamtdokument auf eine Zeile je Aufgabe, damit gleichzeitiges Schreiben zweier Parteien sich nicht überschreibt.

  • 2 Rollen
  • 3 Status
HTML/CSS/JSVercel FunctionsNeon Postgres
Code privat · Einblick auf Anfrage
MolAquaTechVermittlung

Animierter Vertriebsprozess

mat-vertriebsprozess-flow · 07/2026–08/2026 · 24 Commits

Einseitige, animierte Darstellung des gemeinsamen Vertriebsprozesses zweier Firmen, nach Zuständigkeit und Entscheidungspunkten getrennt, mit interaktivem Regler am Ende.

Architektur

  1. Single-File-Seite, keine Abhängigkeiten
  2. SVG-Linie aus Knotenpositionen berechnet
  3. Füllstand folgt der Scrollposition
  4. IntersectionObserver blendet Schritte ein
  5. WebGL-Wasser-Shader mit Fallback

Entscheidung: Die Prozesslinie ist nicht gezeichnet, sondern berechnet: Wer einen Schritt ergänzt oder umsortiert, bekommt die Kurve automatisch neu.

  • 6 Prozessschritte
HTML/CSS/JSSVGWebGL
Code privat · Einblick auf Anfrage
MolAquaTechVermittlung

Workshop: KI im Vertriebsprozess

molaquatech-ai-praesentation · 07/2026–08/2026 · 20 Commits

Browser-Präsentation, wie KI kontrolliert in bestehende Vertriebs- und Kommunikationsprozesse kommt: Problemfelder, schnelle Erfolge, Daten-Governance, Piloten für einen 30-Tage-Test.

Architektur

  1. Single-File-Foliendeck
  2. Kapitel von Ausgangslage bis Pilotauswahl
  3. Animierter Hintergrund mit WebGL-Fallback
  4. Leitfäden als DOCX, deutsch und englisch

Entscheidung: Die Beratung endet nicht bei einer Vision, sondern mit konkreten Piloten im 30-Tage-Format.

  • 14 Folien
  • Leitfäden in 2 Sprachen
HTML/CSS/JSWebGL
Code privat · Einblick auf Anfrage
NeuralNauticVermittlung

RAG-Referenzarchitektur (NeuralNautic)

rag-referenzarchitektur · 08/2026–10/2026 · 11 Commits

Öffentliche, bereinigte Darstellung der Zielarchitektur eines EU-konformen RAG-Piloten: fünf Schichten, Retrieval-Vertrag, Phasenplan, Kosten. Textseite, isometrische Grafik und drehbares 3D-Modell.

Architektur

  1. Szene als Daten in Python
  2. build_grafik.py → isometrisches SVG/PNG
  3. build_3d.py + model3d.js, ohne 3D-Bibliothek
  4. Kopfzeile und Netz-Hintergrund als HTML
  5. Schriften und Logos als data-URI
  6. 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

  1. Szene als Daten in Python
  2. Kollisionsprüfung der Beschriftungen
  3. isometrisches SVG mit eingebetteten Schriften
  4. PNG/JPG-Export über Chrome headless
  5. Seite mit drehbarem 3D-Modell
  6. 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.

  • 6 Abschnitte
PythonSVGJavaScriptCloudflare Workers
for42.aiVermittlung

RAG-Referenzarchitektur (for42.ai)

for42-rag-referenzarchitektur · 08/2026 · 6 Commits

Dieselbe Zielarchitektur im hellen Design von for42.ai, mit acht Konstruktionsentscheidungen, Phasenplan mit Demo je Phase und Größenordnung der Betriebskosten.

Architektur

  1. Acquisition: Next.js-Funnels
  2. Ingestion: FastAPI, Queue, Docling → pgvector
  3. Retrieval-Port: retrieve(query, filter)
  4. Agenten: Q&A, Angebot, Vertrag
  5. Gateway LiteLLM + Langfuse
  6. 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

  1. Eine HTML-Datei ohne Build
  2. 41 Kriterien in 4 Blöcken
  3. Filter, Volltextsuche, Sticky-Ebenen
  4. Schriften eingebettet, kein CDN
  5. Druck-CSS

Entscheidung: Die Schriften stecken in der Datei, damit die Seite ohne externes CDN läuft und auch als lokale Datei vollständig funktioniert.

  • 3 Assistenten
  • 41 Kriterien
HTMLCSSVanilla JS
NeuralNauticVermittlung

KI-Wissensmanagement: Vortrag als Web-Kurs

nn-ki-wissensmanagement · 08/2026–10/2026 · 2 Commits

Web-Fassung eines Vortrags über KI-Wissensmanagement: von der Ausgangslage über RAG-Technik und Pipeline bis zur Monetarisierung, mit ein- und ausblendbaren Sprechernotizen.

Architektur

  1. Statische Seite, fünf Kapitel
  2. Diagramme als HTML/CSS/SVG neu gebaut
  3. Scrollspy per IntersectionObserver
  4. Lesefortschritt und Animationen
  5. Notizen-Schalter mit localStorage
  6. 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.