Ideen werden wertvoll, wenn sie messbaren Wandel schaffen.

Die Herausforderung: Manuelle Prozesse in der Kreditorenbuchhaltung — langsam, kostspielig und fehleranfällig. Betrugsrisiko durch gefälschte Lieferanten, IBANs und Umsatzsteuermanipulation. Entwickelt zur Erfüllung der DSGVO-Anforderungen und unternehmensweiter Sicherheitskontrollen, mit SOC-2-konformen Praktiken, wo anwendbar.

Unsere Lösung: Gestufte Multi-Agenten-Pipeline (N1–N4); Doc-AI für SIRET, Factur-X und BTP-Umsatzsteuer; integrierte 4-stufige Betrugserkennung; cloud-unabhängige und Kubernetes-native Architektur; von Anfang an DSGVO- und SOC2-konform.

Ergebnisse & Wirkung: Intelligente Automatisierung im großen Maßstab · Geringeres Betrugsrisiko bei jeder Rechnung · Konform mit französischen/EU-Vorgaben und prüfungsbereit · Kein Cloud-Lock-in · ~80 % geringere LLM-Token-Kosten · Vom Start bis zur Produktionsreife in 2 Monaten.

"Manuelle Kreditorenbuchhaltung ersetzt durch eine betrugssichere, EU-konforme Multi-Agenten-Plattform — entwickelt in zwei Monaten."

Architektur: Kubernetes-nativ · cloud-unabhängig

KI: GPT-4.1 · LangChain4j

Daten: PostgreSQL · pgvector

Integration: Kafka · MCP

Ergebnis: ~80 % geringerer LLM-Token-Verbrauch

Die Herausforderung: Ungenutzte und unterausgelastete ServiceNow-Lizenzen, doppelte und veraltete Configuration Items in der CMDB, eingeschränkte Transparenz bei der Plattformnutzung, schwache Governance bei Assets und Reporting sowie manueller Aufwand zur Identifizierung von Kostenoptimierungspotenzialen.

Unsere Lösung: Analyse der Lizenzverteilung und Identifikation inaktiver/doppelter Lizenzen; Bewertung der CI-Qualität und Entfernung veralteter CMDB-Datensätze; Verbesserung von CMDB-Governance und Datenqualität; Überprüfung der Modulnutzungstrends; Bereitstellung von Dashboards für kontinuierliche Optimierung; Etablierung eines Governance-Rahmenwerks für das Lizenzmanagement.

Ergebnisse & Wirkung: Reduzierte unnötige Lizenzkosten · Verbesserte Konfigurationsgenauigkeit · Höhere Plattformtransparenz · Verbessertes Reporting durch saubere CMDB-Daten · Bessere Entscheidungsfindung durch aussagekräftige Dashboards · Nachhaltiges Rahmenwerk für die fortlaufende Plattformoptimierung geschaffen.

"Von unklarer Plattformnutzung zu einer gesteuerten, kostenoptimierten ServiceNow-Umgebung mit voller Transparenz und Kontrolle."

Plattform: ServiceNow · CMDB · ITAM

Optimierung: Lizenzmanagement · Nutzungsanalyse

Governance: CMDB-Qualität · Asset-Governance

Reporting: Management-Dashboards · Nutzungsanalysen

Ergebnis: Geringere Lizenzkosten · Verbesserte Plattformtransparenz

Die Herausforderung: Nur ein Code-Repository — keine Dokumentation. Geschäftskritisches Legacy-.NET-System, bei dem Änderungen seltene Spezialisten erforderten. Langsame, riskante Updates bei gleichzeitigem Wissensverlustrisiko.

Unsere Lösung: Reverse Engineering des gesamten Systems; Dokumentation von Funktionen, Architektur und Technologie-Stack; Codeoptimierung und Reduzierung technischer Schulden; Einführung eines agentischen KI-Entwicklungs-Workflows.

Ergebnisse & Wirkung: Blackbox → vollständig dokumentiert · Schnellere, risikoärmere Funktionsänderungen · Kunde aktualisiert das System selbst · Bewährte Geschäftslogik erhalten.

"Von einer undokumentierten Blackbox zu einer KI-gestützten Plattform, die der Kunde eigenständig weiterentwickeln kann."

Architektur: Enterprise .NET · C#

Modernisierung: Statische Analyse · Code-Refactoring · Agentische KI-Entwicklungstools · Dokumentation

KI: Agentische KI-Entwicklungstools

Engineering: Reverse Engineering · Technische Dokumentation

Ergebnis: Geringere technische Schulden · Schnellere, risikoärmere Änderungen

Die Herausforderung: Komplexe, alte und umfangreiche Codebasis. Angular 2 — nicht mehr unterstützt und unsicher. Veraltete Java-SDKs und -Bibliotheken. Überhöhte, nicht optimierte AWS-Rechnung.

Unsere Lösung: Schrittweise Migration von Angular 2 auf Angular 18; Upgrade von Java auf die aktuelle LTS-Version; Refactoring für bessere Struktur und Dokumentation; richtig dimensionierte AWS-Infrastruktur und Reduzierung von Verschwendung (FinOps).

Ergebnisse & Wirkung: 40 % geringere AWS-Cloud-Kosten · Schnellere, sicherere Feature-Bereitstellung · Reduziertes Sicherheitsrisiko · Zukunftssicherer, wartbarer Technologie-Stack.

"Ein vier Jahre altes, schwer veränderbares ERP-System, migriert auf moderne Technologie — bei 40 % geringeren Cloud-Kosten."

Frontend: Angular 18 · TypeScript · RxJS

Backend: Java (LTS)

Cloud: AWS

Engineering: CI/CD · Code-Refactoring

Ergebnis: 40 % geringere AWS-Cloud-Kosten

Die Herausforderung: Installation und Wartung von E-Auto-Ladestationen umfassten mehrere voneinander getrennte Abläufe, darunter die Suche nach qualifizierten Fachkräften, die Terminplanung für Installationen, die Verwaltung von Änderungsanträgen, die Zahlungsabwicklung und die Bearbeitung von Support-Anfragen. Der Kunde benötigte eine zentrale, skalierbare Plattform für Privat- und Geschäftskunden.

Unsere Lösung: Entwicklung einer mobilen und webbasierten Plattform mit sicherem Login, Händlersuche, Terminplanung für Installationen, Anbieterbewertungen, Bild-Uploads, Verwaltung von Änderungsaufträgen, Details zum Serviceabschluss, Umfragen und mehreren Zahlungsoptionen. Echtzeit-Chat und Benachrichtigungen verbessern die Kommunikation zwischen Kunden und Anbietern. Ein RAG-basierter KI-Chatbot beantwortet Anfragen, erstellt Support-Tickets und leitet dringende Anliegen an einen menschlichen Support-Mitarbeiter weiter.

Ergebnisse & Wirkung: Vereinfachung des gesamten Installations- und Serviceprozesses für E-Auto-Ladestationen über eine einzige vernetzte Plattform. Verbesserte Transparenz der Arbeitsabläufe, Kundenkommunikation, Zahlungsabwicklung und Support-Verwaltung. Das Projekt erzielte 15 % Kosteneinsparungen gegenüber dem geschätzten Budget und wurde vor dem geplanten Termin abgeschlossen.

"Eine vernetzte Serviceplattform für E-Auto-Ladestationen, die alles von der Suche und Installation bis hin zu Zahlungen und laufendem Kundensupport verwaltet."

Anwendungen: Flutter · Dart

KI: ChatGPT · RAG · LiteRT

Backend & Daten: Python · Express.js · MySQL · Redis

Cloud & Integration: AWS · Stripe · Firebase · Elasticsearch · Twilio

Ergebnis: 15 % unter dem geschätzten Budget · Vor dem geplanten Termin abgeschlossen

Die Herausforderung: Verbrauchern fehlte eine einheitliche Möglichkeit, ihren Stromverbrauch zu überwachen, ihren CO2-Fußabdruck zu verstehen, wechselnde Energiepreise zu verfolgen und Zahlungen zu verwalten. Die Plattform musste zudem mehrere Smart-Home- und Energiegeräte verbinden und dabei Echtzeitdaten aus unterschiedlichen Systemen sicher verarbeiten.

Unsere Lösung: Entwicklung einer mobilen und webbasierten Versorgungsplattform mit Echtzeit-Dashboards für Strom- und CO2-Verbrauch, standortbasierten Preisbenachrichtigungen, personalisierten Zahlungslimits, Transaktionsverlauf, wiederkehrenden Zahlungen, Sofortrechnungen, Prämien, Geschenkgutscheinen, Feedback und Kundensupport. Die Middleware integriert Live-APIs für Energiepreise, Smart-Grid-Systeme und IoT-Geräte von Ecobee, Honeywell, Google Nest und Tesla. Sie kann verbundene Geräte auf Basis der Echtzeitenergiepreise automatisch steuern.

Ergebnisse & Wirkung: Ermöglichte Verbrauchern fundierte Energieentscheidungen, die Automatisierung vernetzter Geräte und die Verwaltung von Zahlungen über eine einzige Plattform. Die Lösung unterstützt die Umstellung auf 100 % erneuerbare Energien, hilft, den CO2-Fußabdruck um bis zu 70 % zu senken, und ermöglicht potenzielle Einsparungen bei der Stromrechnung von bis zu 40 %.

"Ein vernetztes Energieökosystem, das Echtzeit-Verbrauchs- und Preisdaten in intelligentere, umweltfreundlichere und kosteneffizientere Energieentscheidungen verwandelt."

Anwendungen: Flutter · Angular

Backend: Java · Spring Boot

Daten: MySQL · SQL Server · MongoDB

Integration: IoT · Smart Grid · REST APIs

Ergebnis: Bis zu 40 % potenzielle Einsparungen bei der Stromrechnung

Die Herausforderung: KI-Fachleute sehen sich täglich mit einer überwältigenden Menge an Nachrichten, Forschungsergebnissen und Fachinhalten aus zahlreichen Quellen konfrontiert. Das manuelle Sammeln, Prüfen, Kategorisieren und Zusammenfassen dieser Informationen war zeitaufwendig, kostspielig und schwer skalierbar. Zudem benötigten die Nutzer Inhalte, die auf ihre Interessen und ihr Fachwissen zugeschnitten sind.

Unsere Lösung: Entwicklung einer mobilen Anwendung und eines Backend-Content-Management-Systems auf Basis von klassischem Machine Learning, GenAI-Workflows, KI-Agenten und Human-in-the-Loop-Validierung. Die Plattform beschafft, filtert, klassifiziert, taggt, fasst zusammen und empfiehlt Inhalte automatisch. Zudem generiert sie unterstützende Bilder und erstellt personalisierte Feeds auf Basis der Interessen, ausgewählten KI-Kategorien und des Fachwissens jedes Nutzers.

Ergebnisse & Wirkung: Die Plattform verarbeitet täglich rund 300–500 Artikel aus mehr als 70 Quellen bei durchschnittlichen GenAI-Verarbeitungskosten von etwa 0,30 $ pro Tag. Automatisierte Workflows reduzieren den manuellen Aufwand für das Content-Management erheblich und liefern den Nutzern gleichzeitig relevantes, zugängliches und personalisiertes KI-Wissen.

"Eine skalierbare Multi-Agenten-Content-Plattform, die komplexe KI-Nachrichten und -Forschung in personalisierte, leicht verständliche Einblicke verwandelt."

Anwendung: Flutter

KI: Flutter · GPT-4 · GPT Image 1 · CrewAI · Machine Learning

Backend: Node.js · Python

Daten & Cloud: PostgreSQL · AWS

Ergebnis: 300–500 Artikel/Tag · ~0,30 $/Tag GenAI-Verarbeitung