Zum Inhalt springen
Domenic Moran · BerlinAI Product Engineer

Fertige Produkte, keine Prototypen.

Ich habe seit sechs Monaten über zehn Systeme in Produktion gebaut, die ich unter der Marke Moran Software betreibe: Apps in beiden Stores, eine Multi-Tenant-SaaS mit gesetzlich vorgeschriebener Fiskalisierung, eine Lernplattform mit Prüfung und Zertifikat, ein autonomer Agent. Zum Kaufen gibt es MFC, die Desktop-Anwendung für Chat, Agenten, Werkzeuge und Backlog: 49,99 € einmalig, kein Abo.

Drei von über zehn Systemen in Produktion rechnen hier im Browser mit: Gebetszeiten, Tagesbilanz und Checkout-Tafel ausprobieren ohne eine Anfrage nach außen.

Systeme in Produktion
10+
Commits seit März 2026
6.858
API-Routen (MenuCloud)
1.281
Testfälle (MenuCloud)
7.800+
Wer ich bin

Vier Jahre gelernt. Sechs Monate ausgeliefert.

Domenic Moran

Softwareentwicklung habe ich mir ab 2022 selbst beigebracht: erst über strukturierte Kurse von Meta und Udemy, dann über eigene Projekte. Kein Informatikstudium, kein Bootcamp. 2026 ist daraus Ernst geworden: über zehn Produktionssysteme in sechs Monaten, 19 öffentliche Store-Einträge über beide Läden (14 bei Google Play, fünf bei Apple) und acht Apps mit einer offenen Store-Prüfung bei Apple, alle acht bereits bei Google Play live (Stand 6. September 2026), eines der Systeme trägt gesetzlich vorgeschriebene Fiskalisierung. Alles neben einem Vollzeitjob entstanden.

Was ich dabei gelernt habe und was heute meine Arbeitsweise bestimmt: Ein grüner Testlauf beweist nichts. Ich hatte ein Android-Widget, bei dem alle Tests durchliefen und das auf dem echten Gerät leer blieb. Und ich habe monatelang geglaubt, meine Update-Auslieferung funktioniere, weil das Werkzeug nach jedem Veröffentlichen „Published“ meldete. Angekommen ist bei keinem Nutzer je etwas.

Seitdem gilt in jedem meiner Repositories dieselbe Regel: „Sollte jetzt funktionieren“ ist kein Ergebnis. Jede Änderung wird am Live-System nachgewiesen: durch HTTP-Response, Datenbankabfrage oder Screenshot vom echten Gerät. Das ist der Grund, warum ich mit KI-Agenten schnell liefern kann, ohne dass Qualität zur Behauptung wird.

Commits seit März 2026neben einem Vollzeitjob
6.858
Systeme in Produktionalle allein gebaut
10+
Store-Einträge live14 Play, 5 App Store
19
Autodidakt seitMeta- & Udemy-Zertifikate
2022

Gemessen am 1. Oktober 2026 über die GitHub-API, mit git rev-list --count über alle 17 Repositories: die sechs Monorepos hinter MenuCloud, Salati, NOURI, BitDojo, Dartile und LexiPulse, diese Webseite und die vier veröffentlichten Pakete. Gezählt wird der Hauptzweig, und nur, was auch bei GitHub liegt. Lokale Stände zählen nicht mit. Die Zahl trägt deshalb ihr Prüfdatum und kein Versprechen: Aufgefrischt wird sie von Hand, nicht laufend. Der Stand wächst weiter, abweichende Werte sind daher höher, nicht niedriger.

Werdegang

  1. seit 04/2026

    Gründer & alleiniger Entwickler

    MenuCloud, Inh. Domenic Moran, Berlin

    Aufbau und Betrieb von über zehn Produktionssystemen als alleiniger Entwickler: Produkt, Architektur, Auslieferung, Betrieb und Recht in einer Hand.

  2. seit 2022

    Softwareentwicklung, autodidaktisch

    Meta (Coursera) · Udemy · eigene Projekte

    Kein Informatikstudium, kein Bootcamp. Der Nachweis sind über zehn Systeme in Produktion und eine prüfbare Git-Historie.

  3. seit 03/2018

    Hauptberuflich im öffentlichen Dienst

    Öffentlicher Dienst, Berlin

    Vollzeittätigkeit im öffentlichen Dienst, der Job, neben dem alle über zehn Systeme entstanden sind.

Open Source

Meine Produktivsysteme bleiben privat, sie tragen Kundendaten und lizenzierte Inhalte. Veröffentlicht ist, was sich daraus herauslösen ließ: die Werkzeuge, die beim Bauen entstanden sind, und die Regeln, die aus den Fehlern folgten.

Produkte

Eigene Produkte

Autonome Apps und Micro-SaaS aus Berlin, die ich unter der Marke Moran Software betreibe. Jedes System läuft in Produktion, alle allein gebaut und betrieben, von der ersten Zeile bis zum Store-Review.

MFC – Moran Fleet Control

Chat, Agenten, Werkzeuge und Backlog in einer Oberfläche, lokal, ohne Abo.

49,99 € einmalig, kein Abo

MFC kaufen
Ausgewählte Arbeiten

Über zehn Systeme in Produktion, alle allein gebaut.

Kein Übungsprojekt, kein Tutorial-Klon. Über zehn Systeme mit echten Nutzern, echten Zahlungen oder echten rechtlichen Verpflichtungen. Verantwortet habe ich jedes von der ersten Zeile bis zum Store-Review.

00

Moran Fleet Control

Live mit Kaufknopf2026

Die eine Anwendung für den Builder-Alltag: LLM-Chat, Agenten, Werkzeuge, Backlog, lokal, ohne Abo

Alleiniger Entwickler · Produkt, Code, Verkauf, Recht

Dashboard · Web-Vorschau
Das MFC-Dashboard in der Web-Vorschau: oben der Demo-Hinweis, darunter die Statuskarten für Core-Status, Router-Anbieter, Micro-SaaS-Module und offene Punkte, darunter das Raster der zwölf Systeme von Chat bis Vault.

Das Problem

Der Arbeitsalltag eines Builders ist auf zehn Werkzeuge verteilt: Terminal für Agenten, Tabs für Modelle, Tabellen für Backlog, Ordner für Projekte. Jeder Wechsel kostet Kontext, und jede Cloud-Schicht, die mitfährt, kostet Vertrauen und Geld.

Die Lösung

Eine Desktop-Anwendung (Windows, macOS, Linux) plus Web-Fassung: Multi-LLM-Router mit sechs Anbietern, Agenten über die lokale Claude-CLI (Berechtigungen, MCP, Skills und Memory werden unverändert übernommen), elf Micro-SaaS-Werkzeuge, Projektbrowser mit Git-Status, Backlog aller Projekte, Marketing-Pipeline mit harten Rate-Limits und ein Vault, der AES-256-verschlüsselt im OS-Keyring liegt. 49,99 Euro einmalig, kein Abo.

Die harte Stelle

Claude Code übernehmen, ohne es zu duplizieren

Wer vom Terminal wechselt, will nichts neu einrichten. Statt Berechtigungen, MCP-Server und Skills nachzubauen, startet MFC die lokale Claude-CLI als Agenten-Backend. Die bestehende Einrichtung gilt unverändert weiter. Der Stream aus 204 Ereignissen je Sitzung wird in der Oberfläche gerendert, mit Abbruch und Live-Protokoll. Was ohne Schlüssel nicht geht, sagt die Oberfläche ehrlich: Simulationen sind als solche markiert.

  • Claude-Code-Übernahme: Berechtigungen, MCP, Skills und Memory werden gelesen und unverändert genutzt
  • Chat mit Modellwahl je Nachricht, Streaming, Verlauf und Kostenprotokoll auf dem Gerät
  • Elf Micro-SaaS-Module, acht laufen direkt im Browser, drei über Server oder Desktop
  • Supervisor-Loop: Anthropic plant und prüft, DeepSeek führt aus, hart begrenzt auf drei Runden
  • Mobil-Begleit-App (Android/iOS) mit Kopplung per Code und Geheimnis über ein eigenes Relay
  • Clean-Room-Distribution: keine Founder-Daten im Paket, Setup-Wizard, Zero-Personal-Data-Scanner
  • Windows-Installer und Linux-Bundles lokal gebaut, Web live unter mfc.domenicmoran.de
LLM-Anbieter
6
Micro-SaaS-Module
11
Lifetime, kein Abo
49,99 €
Desktop-Plattformen
3
01

Salati

Live in beiden Stores2026

Gebets- und Koran-App für den DACH-Raum mit KI, die offline läuft

Alleiniger Entwickler · Produkt, Code, Stores, Recht

  • Die Gebetszeiten-Ansicht: über der Liste ein Bild der Kaaba mit der aktuellen Uhrzeit und dem Countdown bis zum nächsten Gebet, darunter die fünf Zeiten des Tages mit hervorgehobenem nächsten Gebet und dem Hijri-Datum.
    Gebetszeiten · lokal berechnet
  • Der Koran-Reader auf dem Telefon: arabischer Vers groß gesetzt, darunter Umschrift und deutsche Übersetzung.
    Mushaf-Reader · offline
  • Die Fragen-Antwort-KI beantwortet eine Frage mit Quellenangabe und einem Hinweis, dass die Antwort KI-gestützt ist.
    KI auf dem Gerät · mit Quelle
  • Der Qibla-Kompass zeigt die Gebetsrichtung mit Gradzahl und Entfernung nach Mekka.
    Qibla · Sensor und Standort
  • Die Gebetsverfolgung: je Tag und Gebet ein Häkchen, darüber die Strähne aufeinanderfolgender Tage.
    Verfolgung · Strähne
  • Der Koran-Reader auf dem Fernseher: der arabische Vers groß gesetzt, darunter Umschrift und Übersetzung, unten die Hinweise für die Fernbedienung.
    Android TV · Leanback
  • Die Startseite auf dem Fernseher mit den Kacheln für Gebetszeiten, Koran und Lernbereich, eine davon im Fokusrahmen.
    Android TV · Fokus-Navigation
1 von 7

Das Problem

Bestehende Gebets-Apps sind werbefinanziert, tracken aggressiv und behandeln den Koran-Reader als Nebensache. Wer auf Deutsch lernen will (Tafsir, Übersetzung, Umschrift, isolierte und verbundene Buchstaben), findet nichts Zusammenhängendes. Und alles bricht, sobald das Netz weg ist.

Die Lösung

Eine werbefreie Plattform über vier Geräteklassen hinweg: Telefon, Tablet, Android TV und Wear OS. Gebetszeiten werden lokal berechnet, der komplette Koran-Reader mit mehreren Rezitatoren und Übersetzungen funktioniert offline, und die Fragen-Antwort-Suche arbeitet vollständig auf dem Gerät. Keine Anfrage verlässt das Telefon.

Die harte Stelle

Spracherkennung für Koran-Rezitation

Für den Auswendiglern-Modus muss die App hören, ob ein Vers korrekt rezitiert wurde. Der naheliegende Weg, ein größeres Whisper-Modell, war der falsche. Der Hebel lag in der Methode: den erwarteten Vers als Prompt ins Modell konditionieren, persische und Urdu-Buchstabenvarianten vor dem Vergleich normalisieren, und milde bewerten statt binär. Ein auf Tarteel feingetuntes Base-Modell schlägt so das dreifach größere Large-Modell, bei einem Bruchteil der Latenz auf dem Gerät.

Ein Jahr Gebetszeiten, hier gerechnet

 

Kein Bildschirmfoto und keine Nachbildung: Diese Kachel lädt dieselbe Bibliothek, die in der ausgelieferten App rechnet. Jeder Strich ist ein Tag, jede Linie eine Gebetszeit. Der Schalter rechts ist die Stelle, an der es in Produktion wirklich schwierig wurde.

„wie in der App“ rechnet hier winkelbasiert

Fadschr
 
Sonnenaufgang
 
Dhuhr
 
Asr
 
Maghrib
 
Ischa
 

Spanne zwischen den Regeln

Oberhalb von etwa 48° geht die Sonne im Sommer nie tief genug unter den Horizont, und Fadschr und Ischa sind nicht mehr eindeutig bestimmt. Die drei üblichen Regeln laufen dann auseinander, in Berlin im Juni um über zwei Stunden. Eine Nutzermeldung „Gebetszeiten stimmen nicht“ führte genau hierher. Die App wählt die winkelbasierte Regel, nicht weil sie richtiger wäre, sondern weil sie zu dem passt, womit Nutzer vergleichen. In Tromsø bleiben auch damit die Tage ohne Ergebnis, die oben stehen: Dort gibt es die Nacht nicht, auf die sich die Rechnung bezieht.

adhan 4.4.4 (MIT), Methode 13 Diyanet, Schule 0 schafiitisch. 8.760 Zeitpunkte, im Browser gerechnet, ohne eine einzige Anfrage nach außen. Genau so rechnet die App, wenn kein Netz da ist.

  • Vier Geräteklassen aus einem Monorepo: Telefon, Tablet, Android TV, Wear OS
  • Fragen-Antwort-Suche auf dem Gerät: eigener Korpus, eigene Rangfolge, kein Cloud-Call
  • Whisper-basierte Rezitations-Erkennung mit vers-konditioniertem Prompting
  • Vollständiger Mushaf-Reader: vier Schriftarten, Tafsir, Übersetzung, Wort-Zeitstempel
  • Deutscher Koran-Arabisch-Podcast, 68 Folgen und gut zehn Stunden, produziert über eine ElevenLabs-Zwei-Stimmen-Pipeline
  • OTA-Updates über EAS Update: Inhaltskorrekturen ohne Store-Zyklus
  • iOS Live Activities und Android-Widgets für die nächste Gebetszeit
  • App und Store-Texte in 14 Sprachen gepflegt, über vier Geräteklassen
  • KI-Antworten mit Quellenangabe und Kennzeichnung nach EU AI Act Art. 50
02

MenuCloud Berlin

Live in Produktion2026

Multi-Tenant-SaaS für Gastronomie, inklusive gesetzlicher Fiskalisierung

Gründer & alleiniger Entwickler

menucloud-berlin.de
Startseite von menucloud-berlin.de mit dem Versprechen null Provision, DSGVO und KassenSichV sowie einer Vorschau des Self-Service-Admins.
Restaurantseite in der MenuCloud-App auf dem iPhone: Speisekarte, Reservierung, Öffnungszeiten und Beschreibung eines Berliner Restaurants. Der gezeigte Betrieb ist ein Demo-Eintrag.
Discovery-App · Demodaten

Das Problem

Berliner Restaurants zahlen 15–30 % Provision an Lieferplattformen und haben keine Kontrolle über ihre eigene Speisekarte. Die Alternativen sind entweder Baukästen ohne Kassenanbindung oder Enterprise-Systeme mit vierstelligen Einrichtungskosten. Beide lösen das Problem nicht, das jeder deutsche Gastronom tatsächlich hat: KassenSichV-Konformität.

Die Lösung

Eine Plattform, die den kompletten Weg abdeckt: Restaurant-Website mit selbst editierbarer Karte, QR-Bestellung mit direkter Auszahlung über Stripe Connect, Reservierungen, Reputationsmanagement. Darunter liegt eine mandantenfähige Cloud-TSE, die jede Transaktion nach § 146a AO signiert und in einer Hash-Kette verankert. Dazu native Apps für Betreiber und Personal.

Die harte Stelle

Fiskalisierung als Mandanten-Problem

Eine TSE ist nicht einfach ein API-Aufruf. Jeder Mandant braucht seine eigene, rechtlich zurechenbare Signatureinheit, jede Transaktion muss lückenlos in einer Hash-Kette hängen, und ein Ausfall darf niemals stillschweigend zu unsignierten Umsätzen führen. Für den Gastronomen wäre das eine Katastrophe bei der nächsten Betriebsprüfung. Die Lösung ist eine per-Tenant provisionierte Fiskaly-Cloud-TSE mit persistierter Kette in tse_transactions und einem fail-closed-Pfad: keine Signatur, keine Buchung.

Zwei weitere Vorführungen im Browser

Ein Tag, zusammengestellt

4 / 12

Zwölf Gerichte aus dem Katalog, mit den Werten, die dort je Portion hinterlegt sind. Ziel setzen, rechnen lassen: Der Lauf prüft jede der 4.096 möglichen Zusammenstellungen und nimmt die mit dem meisten Eiweiß, die unter dem Ziel bleibt.

2.095 kcal, 198 g Eiweiß

kcal
2.095
Eiweiß
198 g
Kohlenhydrate
213 g
Fett
42 g
Ballaststoffe
42 g

Alle 4.096 Zusammenstellungen, waagerecht die Kalorien, senkrecht das Eiweiß

gewähltdas Beste, was bei dieser Kalorienzahl möglich istZiel

Eiweiß 39 % · Kohlenhydrate 42 % · Fett 19 %

105 kcal unter dem Ziel

Werte aus dem NOURI-Katalog (11.892 Rezepte, hier die zwölf handkuratierten). Energieverteilung über 4/4/9 kcal je Gramm. Das Ziel setzt der Besucher: In der App hängt es am Profil, und ein hier erfundenes wäre die einzige Zahl auf dieser Seite ohne Beleg.

Die Checkout-Tafel, hier gerechnet

20 Wege geprüft

Kein Nachschlagen in einer hinterlegten Tabelle: Diese Kachel lädt darts-checkout von npm, dasselbe Paket, das in der App rechnet. Bei jedem Zug am Regler werden alle Wege auf den Rest gesucht und danach sortiert, wie sie gespielt werden: hoch anfangen, auf einem großen geraden Doppel enden, das Bull nur, wenn es sein muss.

Aus-Modus

Der Vorschlag

T20 T19 D12

Gleich lang, andere Reihenfolge

  • T19 T20 D12
  • T20 T15 D18
  • T19 T16 D18

Alle Reste von 2 bis 170, eingefärbt nach der Anzahl der nötigen Pfeile; die Lücken sind die Bogey-Zahlen

Genau sieben Reste unterhalb von 170 lassen sich mit drei Pfeilen und Doppel-Aus nicht beenden: 159, 162, 163, 165, 166, 168, 169. Sie stehen nirgends als Liste im Code, sie fallen aus der Suche heraus; die Bibliothek führt sie nur als Prüfstein im Test.

darts-checkout 1.0.0 (MIT), im Browser gerechnet, ohne eine Anfrage nach außen. Dasselbe Paket liegt öffentlich auf npm: Wer prüfen will, ob hier gerechnet und nicht abgelesen wird, installiert es und bekommt dieselben Zeichenketten.

Weitere Projekte

Arbeitsweise

KI ist ein Werkzeug, keine Ausrede

Ich arbeite seit über einem Jahr agentengestützt. Das komprimiert Lieferzeiten von Monaten auf Tage, aber nur, weil um die Agenten herum ein System steht, das ihre Fehler abfängt. Ohne dieses System ist KI-gestützte Entwicklung eine Maschine zur Erzeugung von plausibel aussehendem Schrott.

  1. 01

    Kontext als versionierter Code

    Jedes Projekt trägt seine Konventionen als Datei im Repo: Import-Regeln, Test-Muster, Design-Tokens, Sicherheits-Defaults. Dazu ein persistentes Gedächtnis über Sessions hinweg: Jede gelernte Lektion wird ein Eintrag mit Begründung, nicht eine Notiz in einem Chatverlauf, der morgen weg ist. Ein Agent ist nur so gut wie der Kontext, den er zuverlässig vorfindet.

    • CLAUDE.md pro Repo
    • Persistentes Memory
    • Append-only Projektlog
  2. 02

    Parallelisierung statt Wartezeit

    Lange Läufe wie Builds, Testsuites und Store-Uploads laufen im Hintergrund, während ich weiterarbeite. Unabhängige Recherchen gehen an spezialisierte Sub-Agenten mit eigenem Kontextfenster. Der Engpass bei agentengestützter Entwicklung ist selten das Modell, sondern die serialisierte Arbeitsweise davor.

    • Sub-Agenten
    • Hintergrund-Tasks
    • Turborepo-Caching
  3. 03

    Verifikation statt Vertrauen

    „Sollte jetzt funktionieren“ ist kein Ergebnis. Jede Behauptung über den Systemzustand braucht einen Beleg: HTTP-Response, DB-Query, Playwright-Screenshot, empfangene E-Mail, echte Cron-Execution. Diese Regel hat in meinen eigenen Projekten mehrfach Bugs aufgedeckt, die durch grüne Test-Suites gerutscht waren, weil die Tests das Falsche geprüft haben.

    • Playwright gegen Produktion
    • Screenshot-Diffs
    • Live-DB-Verifikation
  4. 04

    Wiederkehrende Fixes werden Automatisierung

    Wenn ich denselben Handgriff zum dritten Mal mache, wird er ein Workflow. Cron-bewusste Watchdogs überwachen Dienste, heilen bekannte Ausfälle selbst und melden nach Slack. Immer mit Schutzgeländer: Cooldown, Obergrenze, Alarm bei jedem Eingriff. Ein Watchdog, der blind repariert, richtet mehr Schaden an als er verhindert.

    • n8n-Workflows mit Self-Healing
    • Cooldown und Obergrenze
    • Slack-Ops-Alerts
  5. 05

    Recht als Definition of Done

    Jedes kundenwirksame Feature durchläuft dasselbe Gate: DSGVO-Rechtsgrundlage vorhanden? UWG § 7 bei Outreach beachtet? EU AI Act Art. 50: Ist die KI als solche gekennzeichnet? Wird auf der Website etwas versprochen, das wir nicht liefern? Bei Consumer-Produkten in der EU ist das kein Beiwerk, sondern Teil des Produkts.

    • DSGVO Art. 30
    • AVV automatisiert
    • AI-Act-Disclosure
agent-session

Ein echter Fehler, nachgezeichnet: Nachgestellter Ablauf, keine Live-Sitzung. Ursache, Datei und Änderung stehen in Commit bce08f5e.

Liefertempo

Der Unterschied ist nicht, dass ich schneller tippe.

Er ist, dass Recherche, Implementierung, Test und Verifikation parallel statt nacheinander laufen, und dass der Kontext zwischen den Sitzungen nicht verloren geht. Wie sich das auswirkt, lässt sich zählen.

Tageerster Commit am 16. April 2026 bis zum Prüfdatum 1. Oktober 2026
168
ausgelieferte Versionen1.0.0 bis 1.51.0, im Changelog der App nachlesbar
70
im Schnitt je Version168 Tage geteilt durch 70 Versionen
58 h

Zahlen für Salati, gezählt am 1. Oktober 2026 in der Changelog-Datei der App. Parallel dazu liefen drei weitere Systeme in Produktion.

Fähigkeiten

Breit genug für das ganze Produkt, tief genug für die harten Stellen.

Hier stehen keine Prozentzahlen. Niemand kann prüfen, ob jemand TypeScript zu 93 Prozent beherrscht. Deshalb steht neben jeder Fähigkeit der Beleg, an dem sie entstanden ist.

Frontend & Produkt

Interfaces, die auf einem Fünf-Jahre-alten Android genauso funktionieren wie auf einem Studio-Display.

React / Next.js App Router
Next.js 16 RSC in Produktion
React Native / Expo
Expo SDK 57, RN 0.86, vier Geräteklassen
TypeScript
Strict überall, 0 Fehler als Merge-Gate
Motion & Interaction
Reanimated 4, Framer Motion
Core Web Vitals
Lighthouse-Cron gegen Produktion, Bundle-Budget je Route
Barrierefreiheit
TV-Fokus-Navigation, Reduced-Motion

Backend & Daten

Mandantenfähige Systeme mit echtem Geld, echten Steuern und echten Konsequenzen bei Fehlern.

Postgres / Supabase
RLS pro Mandant, 818 Migrationen (MenuCloud)
API-Design
Fastify, Route Handlers, Zod-Validierung
Zahlungen
Stripe Connect Destination-Charge
Multi-Tenancy
RLS + per-Tenant-Provisionierung
E-Mail-Infrastruktur
Self-hosted Mailcow + Fallback-Kette
Compliance-Systeme
KassenSichV-TSE, DSGVO Art. 30

Cloud, Delivery & Betrieb

Ich betreibe, was ich baue, inklusive der Nachtschicht, wenn etwas ausfällt.

Vercel / Edge
Statische Exports, Rewrites, ISR
Docker / Coolify / Hetzner
Eigener VPS-Stack in Produktion
CI/CD
GitHub Actions, Turborepo, EAS Build
Store-Auslieferung
App Store & Play, inkl. OTA-Updates
Observability
Sentry, Uptime-Kuma, Slack-Alerts
Automatisierung
n8n-Workflows mit Self-Healing

KI-Integration

Von der Agenten-Pipeline in meinem Editor bis zur Antwort, die das Telefon des Nutzers ohne Netz findet.

Agenten-Orchestrierung
Sub‑Agenten, Tool‑Pipelines, Loops
On-Device-Inferenz
whisper.rn, Spracherkennung ohne Netz
RAG & Retrieval
Eigener Korpus, Granularität gemessen
Prompt-Engineering
Vers-Konditionierung schlägt Modellgröße
Evaluation
Lokale Iteration gegen dasselbe Whisper-Modell
KI-Recht (EU AI Act)
Kennzeichnung nach Art. 50 als Gate
Für Recruiter & CTOs

Das Wichtigste in zwei Minuten

Kein Anschreiben nötig. Hier steht, was ich kann, was ich suche und wie du mich erreichst.

Ich liefere fertig, nicht fast fertig

Über zehn Systeme in Produktion, inklusive Store-Reviews, Zahlungsabwicklung, DSGVO-Dokumentation und Impressum. Der Teil, den die meisten Portfolios auslassen, ist genau der Teil, der am längsten dauert.

Die dreizehn Fallstudien

Ich arbeite über den ganzen Stack

React-Native-Widget, Postgres-Migration, Docker-Compose auf dem eigenen VPS, Fiskal-Compliance. Kein Ticket-Ping-Pong, weil etwas „nicht mein Bereich“ ist.

MenuCloud im Detail

Ich weise nach, statt zu behaupten

Ein grüner Testlauf beweist nichts. Das habe ich zweimal teuer gelernt. Deshalb wird jede Änderung am Live-System nachgewiesen, bevor sie als fertig gilt. Genau das macht agentengestützte Entwicklung erst belastbar.

„Published“ ist kein Beleg

Ich kenne den Weg durch die Stores

70 ausgelieferte Versionen allein bei Salati, dazu 19 öffentliche Store-Einträge über beide Läden und acht weitere Apps mit einer offenen Store-Prüfung bei Apple (Stand 6. September 2026). 14 Sprachen, vier Geräteklassen vom Telefon bis zum Fernseher. Ablehnungen im Review, Alterseinstufungen, Datenschutzformulare und Signierketten sind für mich Alltag, nicht Neuland.

Salati im Detail

Ich behandle Regulierung als Teil des Produkts

Fiskalanforderungen nach § 146a AO, Auftragsverarbeitung nach DSGVO, Hinweispflichten für KI-Funktionen. Das kenne ich aus der Umsetzung mit Kunden, nicht aus einer Zusammenfassung. Wer das erst nach dem Launch anfasst, baut es zweimal.

KassenSichV in der Praxis

Ich arbeite mit Agenten, ohne die Kontrolle abzugeben

Der Hebel ist nicht Tippgeschwindigkeit, sondern Kontext, festgeschriebene Konventionen und Prüfschleifen, die ein Modell nicht überreden kann. Ich lasse mir Entwürfe schreiben. Die Architektur, die Grenzen und die Freigabe bleiben bei mir.

verified-done auf GitHub

Drei von über zehn Systemen in Produktion rechnen hier im Browser mit: Gebetszeiten, Tagesbilanz und Checkout-Tafel ausprobieren ohne eine Anfrage nach außen.

Rolle
AI Product Engineer / Fullstack
Schwerpunkt
Produkt end-to-end, KI-gestützte Lieferung
Suche
Produktteam, in dem ich ein Feature bis in die Produktion begleite
Standort
Berlin · remote in der EU · hybrid
Verfügbar
Gespräche jederzeit · Eintritt innerhalb von drei Monaten
Sprachen
Deutsch (Muttersprache) · Englisch
Modell
Festanstellung
Gehalt
55 – 70 k€, je nach Zuschnitt der Rolle
Quellcode
Open Source auf GitHub · Produktivrepos auf Anfrage
Kontakt

Lass uns etwas bauen

Ob konkrete Rolle, Rückfrage zu einem der Projekte oder einfach eine technische Frage: Ich antworte in der Regel innerhalb von 24 Stunden.

Bewusst kein Formular: Das bräuchte einen Mailversand-Dienst als Drittanbieter und einen Endpunkt, der ausfallen kann. Eine Mailadresse kann beides nicht. Und du behältst deine Nachricht im eigenen Postausgang.

Das hilft mir in der ersten Mail

  • Worum es geht: Rolle, Projekt oder Frage
  • Was ihr baut und womit
  • Wie schnell es losgehen soll
  • Bei Rollen: euer Gehaltsrahmen, damit wir beide Zeit sparen
Antwortzeit
In der Regel unter 24 Stunden
Sprachen
Deutsch · Englisch
Standort
Berlin · remote in der EU · hybrid