Aktueller Fokus

Von Engineering Realityzu KI-gestützten Systemen

Diese Themen sind keine engen Grenzen, sondern die technischen Richtungen, in denen ich mein Profil aktuell gezielt vertiefe.

07.1LLMs zum Handeln bringen

AI Agents · MCP · RAG Workflows

Ich fokussiere mich auf AI Agents, MCP und RAG-Workflows, weil sich KI zunehmend von isolierter Textgenerierung zu handlungsfähigen Systemen entwickelt. Agents strukturieren Aufgaben, rufen Werkzeuge auf und führen mehrstufige Prozesse aus. MCP verbindet Modelle, Tools und Datenquellen über standardisierte Schnittstellen, während RAG aktuelles, domänenspezifisches Wissen einbindet. Genau hier entsteht für mich der nächste Schritt produktiver KI: Systeme, die Wissen, Kontext und Aktionen sinnvoll verbinden.

07.2KI trifft auf die physische Welt

Industrial Digitalization · IoT

Industrielle Digitalisierung interessiert mich dort am meisten, wo Daten nicht in Dashboards stehen bleiben, sondern in reale Prozesse zurückwirken. Sensorik, Edge-/IoT-Systeme, Prozessdaten und Maschinenzustände bilden die Brücke zwischen physischer Realität und digitaler Entscheidung. Genau hier kann KI praktisch werden: nicht als isoliertes Modell, sondern als Teil eines Systems, das Anlagen, Prozesse und Menschen unterstützt.

07.3Datenflüsse als technische Infrastruktur

Data Engineering · System Thinking

Datenanalyse beginnt nicht erst im Modell. Sie beginnt dort, wo Daten entstehen, gereinigt, strukturiert, verbunden und zuverlässig verfügbar gemacht werden. Deshalb interessiert mich Data Engineering als technische Grundlage für alles, was danach kommt: Analytik, Machine Learning, Reporting, Automatisierung und Entscheidungsunterstützung. Gute Datenarchitektur ist für mich kein Backend-Detail, sondern Teil der eigentlichen Systemleistung.

07.4Von der Idee zum betreibbaren System

DevOps · Cloud Deployment · Serverless

Mich interessiert nicht nur, ob eine Lösung funktioniert, sondern ob sie zuverlässig bereitgestellt, betrieben und weiterentwickelt werden kann. Cloud Deployment, DevOps-Praktiken und serverlose Architekturen helfen dabei, aus Prototypen robuste Systeme zu machen. Für mich ist das der Übergang von technischer Idee zu produktiver Realität: reproduzierbar, wartbar, skalierbar und nachvollziehbar.

Zielbild

Engineering, Daten, KI und Cloud als ein System denken

Mein aktuelles Ziel ist es, Engineering, Daten, KI und Cloud-Infrastruktur nicht als getrennte technische Module zu betrachten, sondern als zusammenhängendes System. Mich interessiert nicht das einzelne Buzzword, sondern die Frage, wie diese Ebenen unter realen Bedingungen zusammenspielen — in industriellen Systemen, wissenschaftlichen Anwendungen und digitalen Produkten.