Keine erfundenen Case Studies. Das sind Systeme, die ich gebaut habe und die im Einsatz sind.
Als alleiniger Gründer habe ich Mihired.com von Grund auf aufgebaut — eine Plattform, die den Recruiting-Prozess mit KI automatisiert und optimiert.
KI-gestützte Matching-Algorithmen verbinden Kandidaten mit passenden Stellen — schneller und präziser als manuelle Prozesse.
Laravel, Vue.js, LLM-Integration, automatisierte Workflows für Stellenausschreibung und Kandidatenabgleich.
Alles. Konzept, Entwicklung, KI-Integration, Deployment. Ein One-Man-Show von der Idee bis zum produktiven System.
Für das Personalwesen habe ich ein System entwickelt, das den gesamten Prozess der Stellenausschreibung vereinfacht und automatisiert.
Stellenausschreibungen zu erstellen war zeitaufwändig und inkonsistent. Jede Ausschreibung wurde manuell von Grund auf verfasst.
KI-gestütztes System, das aus wenigen Eingaben professionelle, konsistente Stellenausschreibungen generiert und optimiert.
Der Prozess, der vorher Stunden dauerte, läuft jetzt in Minuten — mit besserer Qualität und einheitlichem Branding.
Ein System, das bestimmte Zoll-Abrechnungen automatisch vornimmt — ein Prozess, der vorher manuell und fehleranfällig war.
Manuelle Zollabrechnungen: zeitintensiv, fehleranfällig und für die Mitarbeiter frustrierend repetitiv.
Automatisiertes System, das die relevanten Daten erfasst, verarbeitet und die Abrechnungen korrekt erstellt.
Drastisch reduzierte Fehlerquote, massiv schnellere Bearbeitung und zufriedenere Mitarbeiter.
Ein experimentelles System, das einem LLM ein echtes Langzeitgedächtnis gibt — inklusive relationaler Verbindungen zwischen Erinnerungen.
Standard-RAG retrieval ist flach. Dieses System speichert nicht nur Fakten, sondern auch die Beziehungen und Zusammenhänge zwischen ihnen.
Relationales Datenmodell für Gedächtnis-Speicherung, kombiniert mit LLM-gestützter Abfrage für kontextreiche Antworten.
Extrem menschliche Gespräche durch echtes Langzeitgedächtnis — das LLM erinnert sich an Zusammenhänge über Wochen und Monate.
Eigene Modelle trainiert — sowohl für Bildgenerierung (LoRA für spezifische Styles) als auch für Textgenerierung (LLM-Finetuning für bestimmte Textqualitäten).
Trainieren von Custom-Modellen in ComfyUI, um spezifische visuelle Styles konsistent reproduzieren zu können.
Finetuning von Sprachmodellen auf eigenen Datensätzen, um bestimmte Tonalitäten und Qualitätsstandards zu erreichen.
Standard-KI reicht oft nicht. Wer wirklich differenzierte Ergebnisse will, muss eigene Modelle trainieren können.
Erzähl mir davon. Ich sage dir ehrlich, ob ich helfen kann — und wenn ja, wie.
Projekt besprechen