Reale Projekte aus eigener Entwicklung und Kundenarbeit — anonymisiert: keine Namen, keine Domains, nur Technik, Struktur und Werkzeuge.
P-01
Verzeichnisplattform mit Datenpipeline aus amtlichen Registern — Eigenprodukt, live
Django · PostgreSQL · HTMX · SEO
Abb. 1 — Schematische Darstellung
Problem
Die amtlichen Registerdaten eines regulierten Berufsstands liegen verstreut über Dutzende Registerstellen — als HTML-Listen und PDF-Register, ohne zentrale Suche.
Architektur
Server-gerendertes Django mit HTMX und Tailwind auf PostgreSQL. Idempotente Scraper laden die Register (HTML und PDF) in eine dreistufige Pipeline — Rohdaten, Staging, Produktion — mit manuellen Freigabe-Gates zwischen den Stufen. SEO-Landingpages je Kategorie, Ort und Kombination; Redirect-Middleware (301/410) hält die URL-Struktur sauber; Kontaktanfragen laufen per n8n in ein Ops-Backend.
Ergebnis
Live-Verzeichnis mit rund 870 Profilen aus amtlichen Quellen; der Index wächst kontrolliert, Registerstelle für Registerstelle.
P-02
Ratgeber-Portal mit PLZ-Umkreissuche — Eigenprodukt, im Aufbau
Django · PostGIS · HTMX
Abb. 2 — Schematische Darstellung
Problem
Ein handwerksnaher Markt ist stark fragmentiert; Interessenten recherchieren viel, finden aber Anbieter in ihrer Nähe schlecht.
Architektur
Django mit PostGIS für die Umkreissuche — HTMX-Partials statt Single-Page-App. Datenpipeline mit leichtgewichtigen Scrapern und Quellen-Nachweis je Datensatz, Markdown-CMS für Ratgeberinhalte, Informationsarchitektur strikt aus Keyword-Daten abgeleitet: feste Indexierungs-Regeln und Qualitäts-Gates, bevor eine Seite überhaupt live geht.
Ergebnis
Datenmodell, erste Datenquelle (≈1.300 Datensätze), Umkreissuche und Regionalseiten stehen; der Ausbau folgt der Keyword-Priorität statt dem Bauchgefühl.
P-03
Agent-Workflow: vom Foto zum Marktplatz-Listing — internes Werkzeug
LLM · Vision · APIs
Abb. 3 — Schematische Darstellung
Problem
Ein Angebot auf einem großen Online-Marktplatz kostet manuell viele Handgriffe: Fotos aufbereiten, Kategorie und Pflichtmerkmale recherchieren, Text schreiben, einstellen.
Architektur
Agent-gesteuerter Workflow: Skript-basierte Bildaufbereitung (Freistellen, Normieren), ein Vision-Modell liest die Fotos und erdet den Angebotstext auf das tatsächlich Sichtbare, Kategorie- und Merkmalschema kommen live aus der Marktplatz-API — veröffentlicht wird erst nach expliziter Freigabe.
Ergebnis
Aus Fotos und einer Kurznotiz entsteht ein prüfbarer Listing-Entwurf; publiziert wird nur Freigegebenes — keine erfundenen Produktangaben.
P-04
Multi-Agent-Pipeline für Markt-Research — Eigenprodukt
Python · LLM-Agents · Scheduling
Abb. 4 — Schematische Darstellung
Problem
Öffentliche Kapitalmarktsignale — Pflichtmeldungen, Insider-Transaktionen, Screens — sind zu zahlreich für manuelle Sichtung; und einzelne LLM-Antworten sind zu unkritisch, um ihnen zu vertrauen.
Architektur
Zweimal wöchentlich laufende Pipeline: Scan mehrerer Datenquellen, Anreicherung und Regelfilter, dann adversariale Prüfung durch mehrere Agenten mit Gegenpositionen. Ergebnis ist ein Report mit These, Katalysator und Invalidierungsmarke je Idee, gerendert als statische Report-Site.
Ergebnis
Pro Lauf 3–5 geprüfte Ideen statt Hunderter Rohtreffer; jede Idee dokumentiert, woran sie scheitern würde.
P-05
Katalog- & Marketing-Site für einen Gerätehersteller — Kundenprojekt
Django · Docker · CI
Abb. 5 — Schematische Darstellung
Problem
Ein Hersteller technischer Geräte brauchte eine pflegeleichte Katalog- und Marketing-Site — ohne schwergewichtiges CMS und ohne laufenden Agentur-Aufwand.
Architektur
Server-gerendertes Django mit Produktkatalog; Inhalte pflegt der Betreiber im Admin. Docker-Image aus der CI-Pipeline, Deploy per Skript auf den Produktionshost; Admin und JSON-Feed sind nur per Umgebungs-Schalter aktiv.
Ergebnis
Schlanker Betrieb mit minimaler Angriffsfläche; Inhalte lassen sich ohne Entwickler aktualisieren.