AI Systems Research & Development

Von Pipeline-Experimenten
zu skalierbarem
Context Management

Eine systematische Untersuchung der Frage: Wie kann man mit KI konsistente, skalierbare und reproduzierbare Ergebnisse für komplexe Systeme erzeugen?

"Das eigentliche Problem ist nicht Prompting, sondern Context Management."

5

Projekte

2+

Jahre Forschung

RAG

& Context Layer

→

Eine Evolution

Scroll

Der rote Faden

Das ist keine Projektsammlung.
Das ist eine logische Evolution.

01

Dorsalis

Erste Pipeline-Experimente

02

Textr

Strukturierte Wissensarbeit mit RAG

03

SIMPLI

Codegen & Context-Grenzen erkannt

04

Anymore

Context-Management als Lösung

Aktuelles Hauptprojekt→

Zentrale Forschungsfrage

Wie kann man mit KI konsistente, skalierbare und reproduzierbare Ergebnisse für komplexe Systeme erzeugen?

Projekte

01Aug 2024

Dorsalis

AI-assisted creation system

Google Gemini Hackathon · 18 Tage

Dorsalis entstand im Rahmen eines Google-Gemini-Hackathons. Ziel war es, mit LLMs strukturierte Outputs aus kreativen Inputs zu erzeugen und erste Konzepte für eine 'Creation Pipeline' zu testen.

Problem

LLMs liefern zwar gute Einzelantworten, aber keine reproduzierbaren, strukturierten Ergebnisse für größere Projekte.

Was ich gemacht habe

  • —Konzeption einer frühen AI-Pipeline
  • —Strukturierte Prompt- & Output-Flows
  • —Erste Experimente mit mehrstufiger Generierung

Tech Stack

Google Gemini APIJavaScriptTypeScriptPrompt-Pipelines

Erste Pipeline-Experimente zeigten das Potenzial strukturierter KI-Arbeit.

022024

Textr

Local AI editor with RAG & custom workflows

Eigenentwicklung

Textr ist ein lokales Editor-Tool, das Dokumente, Code und KI verbindet. Der Fokus lag auf RAG (Retrieval-Augmented Generation) und klar definierten, wiederholbaren Workflows für strukturierte Wissensarbeit.

Problem

Tools wie Notion oder klassische Texteditoren sind nicht für automatisierte, kontextbasierte Dokumentenarbeit geeignet.

Was ich gemacht habe

  • —Eigenes RAG-System integriert
  • —Workflow-basierte AI-Interaktion
  • —Strukturierte Dokumentenverarbeitung
  • —Fokus auf lokale Verarbeitung statt Cloud-Lock-in

Tech Stack

ElectronReactNode.jsPythonRAGLLM APIs

RAG ermöglicht strukturierte Wissensarbeit, aber Kontext bleibt fragmentiert.

032025

SIMPLI

Open-source code generation flow

Cursor + Lovable Ansatz

SIMPLI war der Versuch, die Stärken von Cursor (IDE-Integration) und Lovable (schnelle Generierung) zu kombinieren. Der Fokus lag auf einem offenen Codegen-Flow, der reproduzierbar und erweiterbar ist.

Problem

Alle Codegen-Tools stoßen schnell an Context-Grenzen. Komplexere Projekte brechen auseinander oder werden inkonsistent.

Was ich gemacht habe

  • —Open-sourced Codegen-Flow entwickelt
  • —RAG für Code-Kontext genutzt
  • —Projekt-weite Strukturierung getestet
  • —Grenzen klassischer Kontextverarbeitung klar identifiziert

Tech Stack

TypeScriptNode.jsRAG-SystemeGit-basierte ProjektstrukturLLM APIs

Das eigentliche Problem ist nicht Prompting, sondern Context Management.

042025Aktuell

Anymore

Custom context management & agent pipelines

Aktuelles Hauptprojekt

Anymore ist die konsequente Weiterentwicklung aus Dorsalis, Textr und SIMPLI. Ziel war es, das Context-Problem grundsätzlich zu lösen, statt es zu umgehen.

Problem

LLMs können große Projekte nicht stabil generieren, weil Kontext linear, begrenzt und nicht strukturiert ist.

Lösung

Ein eigenes Context-Management-System, kombiniert mit Agent-Pipelines (Langflow-ähnlich), das Projekte in klar definierte Einheiten zerlegt.

Was ich gemacht habe

  • —Eigenes Context-Management entwickelt
  • —Blueprint-basierte Projektstruktur
  • —Agenten-Pipelines für spezialisierte Aufgaben
  • —Trennung von globalem Kontext & Task-Kontext
  • —Vorbereitung für domain-übergreifende Nutzung

Tech Stack

Node.jsPythonLangflowDockerPostgreSQLRedisLLM APIsRAG & Context Layer

Context Management ist der Schlüssel zu skalierbarer KI-Generierung.

052025AktuellSide Project

Anymore

One post. One vote. One conversation.

Side-Projekt · anymore.dev

Anymore ist eine experimentelle Social-Media-Plattform, die das Konzept von 'Content Overload' radikal umkehrt. Statt endlosem Scrollen gibt es nur einen einzigen Post, über den die gesamte Community abstimmt und diskutiert – in Echtzeit.

Problem

Social Media ist fragmentiert, überladen und fördert passiven Konsum. Nutzer scrollen endlos durch algorithmisch kuratierte Feeds, ohne echtes Engagement. Jeder Post konkurriert um Aufmerksamkeit – die meisten verschwinden ungesehen.

Lösung

Eine Plattform mit künstlicher Knappheit: Ein Post existiert zu jedem Zeitpunkt. Die Community entscheidet demokratisch (Keep/Delete), ob der Inhalt bleibt. Zwei Echtzeit-Chats (Links/Rechts) erzwingen Positionierung und schaffen echte Diskussionen.

Konzept-Highlights

One Post

Globaler Fokuspunkt – alle sehen dasselbe

Keep/Delete Voting

Demokratische Kuratierung statt Algorithmus

Zwei Chats

Links vs. Rechts – Positionierung erzwingen

Queue-System

Bereite deinen Post vor, warte auf den Slot

Was ich gemacht habe

  • —Fullstack-Entwicklung mit Next.js 15 und NestJS
  • —Real-time Architektur mit WebSockets (Socket.io)
  • —Demokratisches Voting-System mit Minimum-Zeit-Mechanik
  • —Queue-System für faire Slot-Vergabe mit Race-Condition-Handling
  • —Firebase Authentication Integration
  • —Docker-basiertes Deployment für Hetzner

Tech Stack

Next.js 15NestJSTypeScriptSocket.ioTypeORMPostgreSQLFirebase AuthTailwind CSSDocker

Einschränkungen schaffen Bedeutung. Ein Post, ein Vote, eine Seite – jede Aktion zählt.

→anymore.dev

PS: anymore.dev ist meine Domain – coole Ideen nenne ich ab jetzt Anymore :)