Senior KI-Softwareentwickler für Unternehmen in DACH
Individuelle KI-Lösungen für Unternehmen: von internen Wissensassistenten über Prozessautomatisierung bis zu KI-Features direkt im SaaS-Produkt. Kein Chatbot-Widget, sondern integrierte Funktionen, die im Alltag halten.
Was KI in der Praxis bedeutet
In der Praxis geht es um schnellere Prozesse, weniger manuelle Arbeit, besseren Zugriff auf Wissen und Software, die sich durch KI an die Arbeitsweise der Nutzer anpasst. Ich baue die technische Brücke zwischen bestehenden Systemen und KI-Fähigkeiten, integriert in Architektur, Datenmodelle und Team-Workflow.
Use Cases
Konkrete Anwendungsfälle aus realen Projektkontexten, nicht hypothetisch, sondern erprobt.
Ein mittelständisches Unternehmen mit 200+ internen PDFs, Handbüchern und Projektberichten. Mitarbeiter suchten im Schnitt 25 Minuten pro Anfrage. Der RAG-basierte Assistent liefert jetzt quellengestützte Antworten in unter 30 Sekunden.
80 % weniger Suchzeit, spürbar schnellere Einarbeitung neuer Kollegen.
Eingehende Angebote, Rechnungen und Lieferscheine wurden manuell gelesen und in ein ERP übertragen. Jetzt extrahiert ein KI-Pipeline-System die relevanten Felder, validiert sie und übergibt strukturierte Daten an den Folgeprozess.
Verarbeitungszeit pro Dokument von 8 Minuten auf unter 1 Minute.
Ein SaaS-Team mit 400+ Tickets pro Woche. Wiederkehrende Anfragen zu Einrichtung, Abrechnung und Fehlermeldungen banden zwei Vollzeitkräfte. Die KI-Assistenz sortiert, priorisiert und liefert Antwort-Entwürfe auf Basis der Wissensdatenbank.
Erstreaktion unter 5 Minuten statt 4 Stunden. Eskalationsrate um 35 % gesunken.
Nach jedem Kundengespräch mussten Sales-Mitarbeiter CRM-Einträge manuell pflegen und Follow-ups formulieren. Jetzt fasst die KI Calls zusammen, schlägt nächste Schritte vor und aktualisiert den Lead-Status automatisch.
20 Minuten weniger Verwaltung pro Gespräch. Höhere Datenqualität im CRM.
Ein B2B-Portal brauchte eine intelligente Suche über tausende Fachbeiträge und eine Copilot-Funktion für Nutzeranfragen. Standard-Suchfelder lieferten irrelevante Ergebnisse. Semantische Suche + kontextbezogene KI-Hilfe wurden direkt ins Produkt eingebaut.
Nutzungsrate der Suche verdreifacht. Feature wird aktiv als Verkaufsargument genutzt.
Zwischen E-Mail-Eingang, CRM-Eintrag, ERP-Buchung und Rückmeldung an den Kunden lagen vier manuelle Schritte und zwei Tool-Wechsel. Ein orchestrierter Workflow mit KI-gestützter Klassifikation reduziert die Kette auf einen überwachten Schritt.
60 % weniger manuelle Zwischenschritte. Keine Copy-Paste-Fehler mehr.
Leistungen
Vier Schwerpunkte, ausgerichtet auf reale Systeme, Daten und Unternehmensabläufe. Alle Leistungen im Detail unter /leistungen.
Ich baue KI-Funktionen so, dass sie sich in vorhandene Produktlogik einfügen. Das heißt: Rollen, Datenmodelle und UX stimmen, nicht nur das Prompt.
Bevor ich automatisiere, prüfe ich, ob der Prozess dafür taugt. Nicht jeder Ablauf wird durch KI besser, manche aber um Faktor 5 schneller.
Ein RAG-System, das nur »ungefähr richtig« antwortet, schadet mehr als es nützt. Deshalb arbeite ich mit Chunk-Strategien, Relevanz-Scoring und Quellenlogik.
Die meisten Unternehmen brauchen keine neue Plattform. Sie brauchen drei bis fünf KI-Funktionen, die sich in das einfügen, was schon läuft.
Datenschutz & Compliance
Gerade in regulierten Branchen entscheidet der Datenschutz über das Ja oder Nein. Diese Punkte sind bei mir Standard-Scope, kein Aufpreis.
Verarbeitung in EU-Rechenzentren (Azure, z. B. Frankfurt oder Schweden). Ihre Daten verlassen den EU-Raum nicht.
Azure OpenAI als Auftragsverarbeiter mit DPA. Ihre Inhalte werden nicht für das Training der Modelle verwendet.
Optionale PII-Maskierung vor dem Embedding; der Vektor-Index enthält keine Klartexte und keinen direkten Personenbezug.
Rollen- und Rechtekonzept, Protokollierung und Monitoring von Tag 1, plus Quellenangaben statt halluzinierter Antworten.
Arbeitsweise
Klare Iterationen statt monatelanger Konzeptphasen, jede Phase liefert ein überprüfbares Ergebnis, kein "wir melden uns nächste Woche".
60 Min, kostenfrei. Ziele, bestehende Systeme, Datenlage, am Ende eine klare Empfehlung, ob und wie KI hier den Aufwand wert ist.
PDF-BriefingKonkrete Architektur-Skizze, Daten-Pipeline, Integrationspunkte, Risiken. Aufwand und Meilensteine schriftlich.
Architektur-DocBauen in 1-2-wöchigen Iterationen. Jede Iteration liefert lauffähigen Code mit Tests, nicht nur ein Konzeptpapier.
Working CodeAnschluss an bestehende Systeme, Monitoring, Feedback-Schleifen. Übergabe an dein Team mit Doku und Test-Suite.
Production-DeployEinstieg
Ein klarer Einstieg macht es einfacher, aus einer Idee ein umsetzbares Projekt zu machen.
Gemeinsam identifizieren wir zwei bis drei KI-Anwendungsfälle mit dem besten Aufwand-Nutzen-Verhältnis. Ergebnis: ein konkreter Fahrplan, keine PowerPoint-Strategie.
Ein KI-Anwendungsfall, fokussiert in 4–8 Wochen umgesetzt. Ziel: ein funktionierender Prototyp mit echten Daten, damit Sie Nutzen und Machbarkeit bewerten können, bevor Sie skalieren.
Die Lösung wird stabil in Ihre Systeme integriert, mit Rollen, Monitoring und Fehlerbehandlung. Auf Wunsch begleite ich den Betrieb und die Weiterentwicklung über mehrere Iterationen.
Über mich
Ich bin Martin Tomczak. Seit über 15 Jahren entwickle ich Portale, Webapps, APIs, E-Commerce- und Business-Systeme. Meine Stärke liegt in der Verbindung aus technischer Tiefe und pragmatischer Umsetzung.
Seit 2023 liegt mein Fokus auf der Integration von KI in reale Software, nicht weil es trendy ist, sondern weil ich in meinen Projekten gesehen habe, wie viel operative Zeit in Prozessen steckt, die von Automatisierung und Sprachmodellen profitieren.
Mehr über michÜber 15 Jahre Webentwicklung mit Laravel, PHP, Angular, Vue und komplexen API-Landschaften. Projekte für Krankenversicherung, Energie, Mode-E-Commerce, Mobility, Behörden und Kosmetik-D2C: Portale, CRMs, ERPs und Backoffice-Plattformen, die täglich von zehntausenden Nutzern verwendet werden. Integration in bestehende Enterprise-Systeme mit Legacy-Stack, Tenant-Logik und realen SLAs.
Seit 2023 liegt mein Fokus auf der Integration von KI in reale Software. Nicht weil es trendy ist, sondern weil ich in meinen Projekten gesehen habe, wie viel operative Zeit in Prozessen steckt, die von Sprachmodellen und Automatisierung profitieren.
Kein Agentur-Overhead, keine Vertriebsschleife. Sie arbeiten direkt mit dem Entwickler, der auch den Code schreibt. Ich kommuniziere offen, schätze realistisch und sage klar, wenn etwas keinen Sinn ergibt.
FAQ
Die wichtigsten Fragen rund um Scope, Technik, KI-Integration und Projektstart.
Für Unternehmen mit 20 bis 500 Mitarbeitern, SaaS-Teams und Plattformbetreiber, die KI produktiv in ihre Software oder Prozesse integrieren wollen, nicht als Experiment, sondern als festen Bestandteil der vorhandenen IT-Infrastruktur.
Das ist sogar der häufigste Fall. Etwa 70 % meiner Projekte drehen sich darum, KI-Funktionen in laufende Laravel-, Angular- oder Vue-Anwendungen einzubauen, ohne die Plattform neu zu schreiben. Der Schlüssel ist, die vorhandene Architektur, Datenmodelle und Rollen zu respektieren.
Ja, und ich empfehle es meistens als Einstieg. Ein fokussierter Pilot mit echten Daten zeigt in 4–6 Wochen, ob der Ansatz funktioniert. Das ist deutlich günstiger als ein halbes Jahr Konzeptphase und liefert eine belastbare Entscheidungsgrundlage für den nächsten Schritt.
Mein Schwerpunkt liegt klar auf der technischen Umsetzung. Strategie ist wichtig, aber ich arbeite nicht an Präsentationen, sondern an Code. Die strategischen Fragen klären wir gemeinsam am Anfang, danach baue ich.
Datenflüsse, Rollen und Berechtigungen plane ich von Anfang an mit, nicht als nachträglichen Audit. Konkret heißt das: Logging, Fehlerbehandlung, Timeout-Strategien und Fallback-Logik gehören zum Standard-Scope. Bei sensiblen Daten arbeite ich bevorzugt mit Azure OpenAI, weil die Daten in EU-Rechenzentren bleiben und nicht für Modelltraining genutzt werden.
Aktuelles aus dem Blog
Artikel über KI-Entwicklung, Integrationspraxis und technische Umsetzung im Unternehmenskontext.
KI-Grundlagen
Kein Verstehen, kein Bewusstsein: Neuronale Netze lernen durch iterative Fehlerkorrektur. Die vier Schritte von Vorwärtsdurchlauf bis Gradientenabstieg, erklärt ohne Formeln, mit den Konsequenzen für Datenqualität und Projektkosten.
KI-Grundlagen
GPT, Llama und Gemini basieren auf derselben Idee von 2017: Self-Attention. Wie ein Transformer Text in Tokens zerlegt, Bedeutung aus Kontext berechnet und warum Halluzinationen kein Bug sind, sondern Architektur.
KI-Grundlagen
KI ist der Oberbegriff, Machine Learning die Teilmenge, Deep Learning die Spezialform mit neuronalen Netzen. Was dahintersteckt, welche Technik zu welchen Daten passt und warum Sie dafür kein eigenes Modell trainieren müssen.
Projektstart
Dann lassen Sie uns über Ihren Anwendungsfall sprechen. Im Erstgespräch schauen wir auf Ziele, bestehende Systeme, mögliche Stolperstellen und einen konkreten nächsten Schritt.
Kurze Projektbeschreibung, bestehende Systeme, Zielbild und gewünschter Startzeitpunkt.
Direkt, technisch fundiert und ohne Agentur-Schleifen.