Können Sie KI in ein bestehendes Produkt einbauen?

Das ist der Normalfall dieser Arbeit. Die Codebasis existiert bereits, sie hat bereits Nutzer, und die KI-Funktion muss ankommen, ohne das zu destabilisieren, worauf diese Nutzer sich verlassen. Wir integrieren in das Vorhandene, statt ein Parallelsystem vorzuschlagen, nach dem niemand gefragt hat.

Welchen Modellanbieter verwenden Sie?

Den, der zur tatsächlich bindenden Einschränkung passt — Genauigkeit, Latenz, Kosten oder die Frage, wohin die Daten überhaupt fließen dürfen. Endpunkte bleiben hinter einer Schnittstelle, damit die Entscheidung umkehrbar bleibt. Ein Anbieter, den Sie nicht verlassen können, ist eine Abhängigkeit und keine Wahl.

Woher wissen Sie, dass die KI-Funktion wirklich funktioniert?

Weil sie gemessen wird. Genauigkeit, Latenz und Kosten werden pro Release erfasst und mit dem vorherigen verglichen. Ohne das wird eine KI-Funktion nach der Demo beurteilt, die jemanden überzeugt hat, sie zu bauen — der einzigen Bedingung, der sie nie wieder begegnen wird.

KI-Integration & LLM-Entwicklung

KI-Funktionen, die den Kontakt mit der Produktion überstehen.

Wir bringen KI in Produkte, die bereits funktionieren. Das heißt: Modellintegration in eine Codebasis, auf die sich schon jemand verlässt — Prompt- und Tool-Calling-Pipelines, Endpunkte hinter einer einzigen austauschbaren Schnittstelle und eine Auswertung, die zeigt, ob die Funktion wirklich besser oder nur neuer geworden ist. Das Interessante an einer KI-Funktion ist selten das Modell. Es ist alles drumherum.

Was dazugehört

LLM- und Agenten-Integration

Prompt- und Tool-Calling-Pipelines, eingebaut in das Produkt, das Sie bereits haben, mit Modell-Endpunkten hinter einer einzigen Schnittstelle — ein Anbieterwechsel wird damit zur Konfigurationsänderung statt zur Neuentwicklung.

Auswertung und Telemetrie

Genauigkeit, Latenz und Kosten werden pro Release gemessen statt nach Demo beurteilt. Ein Modell, das am Tag des Releases gut antwortet, ist drei Monate später nicht dasselbe Modell — und ohne Messung erfahren Sie das von Ihren Nutzern.

KI in Entwicklerwerkzeugen

Agentengestützte Workflows in den Werkzeugen, die ein Team ohnehin offen hat — die Arbeit, die wir bei Microsoft in der Initiative AI for Science leisten: Agenten-Tooling in einer auf Visual Studio Code basierenden Forschungsumgebung für Wissenschafts- und Machine-Learning-Teams.

Leitplanken und barrierefreie Oberflächen

Rate Limiting, Eingabevalidierung, ehrliche Fehlerzustände und Oberflächen nach WCAG 2.1 AA. Eine KI-Funktion bleibt eine Funktion: Sie muss sauber ausfallen und per Tastatur und Screenreader bedienbar sein wie alles andere auf der Seite.

Zahlen

9+Jahre Produktionserfahrung hinter jeder KI-Integration
AAWCAG-2.1-Konformitätsstufe, mit der das Agenten-Tooling ausgeliefert wird
0Anbieterbindung — Modell-Endpunkte liegen hinter einer austauschbaren Schnittstelle

Belege

Das aktuelle Mandat ist Microsofts Initiative AI for Science, als Vendor-Ingenieur über Akvelon: Integration und Deployment produktiver KI- und LLM-Modelle in einer auf Visual Studio Code basierenden Forschungsumgebung, Anbindung der Modell-Endpunkte über Azure-AI-Dienste und Aufbau der Auswertung und Telemetrie, die sie beurteilen — samt der Arbeit an Barrierefreiheit und Testabdeckung, die darüber entscheidet, ob das Ganze auslieferbar ist.

TechnologienTypeScript · Node.js · Python · Azure AI · Large Language Models · AI Agents · Docker · GitHub Actions

Häufige Fragen

Können Sie KI in ein bestehendes Produkt einbauen?: Das ist der Normalfall dieser Arbeit. Die Codebasis existiert bereits, sie hat bereits Nutzer, und die KI-Funktion muss ankommen, ohne das zu destabilisieren, worauf diese Nutzer sich verlassen. Wir integrieren in das Vorhandene, statt ein Parallelsystem vorzuschlagen, nach dem niemand gefragt hat.
Welchen Modellanbieter verwenden Sie?: Den, der zur tatsächlich bindenden Einschränkung passt — Genauigkeit, Latenz, Kosten oder die Frage, wohin die Daten überhaupt fließen dürfen. Endpunkte bleiben hinter einer Schnittstelle, damit die Entscheidung umkehrbar bleibt. Ein Anbieter, den Sie nicht verlassen können, ist eine Abhängigkeit und keine Wahl.
Woher wissen Sie, dass die KI-Funktion wirklich funktioniert?: Weil sie gemessen wird. Genauigkeit, Latenz und Kosten werden pro Release erfasst und mit dem vorherigen verglichen. Ohne das wird eine KI-Funktion nach der Demo beurteilt, die jemanden überzeugt hat, sie zu bauen — der einzigen Bedingung, der sie nie wieder begegnen wird.