John Goltz | KI-Architekt

00 NACHRICHTEN

Was gerade passiert.

Kein fester Verlaufseintrag wie die Meilensteine weiter unten, sondern eine kurze Zeile, die ich regelmäßig austausche: was gerade fertig geworden ist, und woran ich gerade arbeite.

AKTUELL

Risikogestufte Freigabe-Grundlage für die Task-Pipeline gebaut und live getestet, Sicherheitsgrenzen bleiben dabei unverändert bestehen.

IN ARBEIT

ATLAS Forge Organisationsmodell, Kernfunktionen laufen bereits über die eigene API, Feinschliff einzelner Design-Entscheidungen läuft weiter.

IN PLANUNG

Ein eigenständiges neues Modul und eine eigene Plattform: ein zusätzliches, effizientes System für Hintergrund-Aufgaben, aktuell in der Konzeptions- und Planungsphase.

Was die autonomen Recherche-Dienste heute gemacht haben

IDLE LEARNER

Prüft eigenständig, ob ältere Wissenseinträge noch aktuell sind. Heutiger Lauf: keine neuen Erkenntnisse, dafür ein wiederkehrendes Muster über mehrere ältere Fälle markiert.

AI-OS RESEARCH

Rotiert täglich durch Fachthemen rund um KI-Betriebssysteme. Heute bestätigte die Recherche den bestehenden Wissensstand und brachte ein neues Architekturkonzept als Denkanstoß für das eigene geteilte Gedächtnis mit.

MARKT-ANALYSE-RECHERCHE

Sucht täglich nach neuen On-Chain-Datenquellen. Heute zwei bisher übersehene kostenlose Quellen gefunden und vorgeschlagen, eine zusätzliche Kennzahl testweise als neues Signal-Merkmal zu ergänzen.

Stand 26.08.2026

01 DIE GESCHICHTE

Kein Demo. Keine Folien. Laufender Code.

Ich habe zu oft gesehen, wie beeindruckende Dashboards nur Marketing waren: Zahlen ohne Substanz dahinter. Deshalb ist die Regel bei allem, was ich baue, einfach: jede Behauptung muss sich im Code nachvollziehen lassen. Zwei Systeme laufen aktuell durchgehend und zeigen genau das, für Unternehmen heißt das: prüfbare Ergebnisse statt Versprechen.

Vier Begriffe tauchen in der KI-Welt gerade überall auf: LLM, RAG, Agenten und MCP. Kurz erklärt, und wo ATLAS jeweils steht:

LLM (Denken)

Das Sprachmodell selbst: erkennt Muster, formuliert Antworten, schreibt Code. ATLAS routet automatisch zwischen mehreren Modellen, lokal und in der Cloud, je nach Aufgabe.

RAG (Prüfen)

Bevor eine Behauptung als Antwort gilt, wird sie an echten Quellen abgeglichen. ATLAS hat dafür einen eigenen Research-Agenten und ein geteiltes Wissen-Gedächtnis.

Agenten (Handeln)

Das Modell führt Aufgaben selbst aus, statt nur Text vorzuschlagen. Bei ATLAS übernimmt eine autonome Pipeline aus spezialisierten Agenten, jeder mit klar abgegrenzter Aufgabe.

MCP (Verbinden)

Der Standard, über den KI-Systeme mit externen Werkzeugen sprechen. ATLAS nutzt ihn heute schon intern, mehr dazu in der Roadmap.

Die meisten Projekte bleiben bei einer einzelnen Ebene stehen. ATLAS deckt alle vier gleichzeitig ab, vom Denken bis zum Verbinden mit der Außenwelt.

Eine aktuelle Analyse von Mitarbeiterbewertungen zeigt: die Stimmung gegenüber KI am Arbeitsplatz kippt spürbar ins Negative, nicht wegen der Technologie selbst, sondern wegen schlechter Einführung. Daraus lassen sich sechs Prinzipien ableiten, an denen ich ATLAS bewusst ausrichte:

Wirkung zeigen (nicht nur "fertig")

Echte Meilensteine werden aktiv gemeldet, nicht nur stillschweigend abgehakt. Fortschritt soll sichtbar sein, nicht nur behauptet.

Gates als Helfer (nicht Hindernis)

Freigabe-Stufen richten sich nach echtem Risiko statt einer einzigen starren Schranke für alles. Schnell, wo es sicher ist, streng, wo es nötig ist.

Ziel-Anker (gegen Drift)

Fehlgeschlagene Aufgaben laufen nicht endlos weiter. Sie brechen kontrolliert ab und melden sich zurück, statt ein überholtes Ziel stur weiterzuverfolgen.

Verifikation vor Vertrauen

Jede Behauptung, auch von externen KI-Werkzeugen, wird gegen den echten Code geprüft, bevor sie als wahr gilt.

Tempo als Feature

Kurze, wiederholte Arbeitszyklen statt eines einzigen großen Durchlaufs. Schneller sichtbares Ergebnis, schnelleres Korrigieren.

Lokaler Betrieb (Vertrauensvorteil)

Kernfunktionen laufen komplett offline und lokal. Cloud-Modelle sind Ergänzung, kein Zwang.

Kein Selbstzweck, sondern eine bewusste Haltung: Geschwindigkeit ohne Kontrolle nutzt niemandem, beides zusammen schon.

ATLAS

In der griechischen Mythologie trägt der Titan Atlas das Himmelsgewölbe auf seinen Schultern, für alle Ewigkeit. Genau das ist der Anspruch hinter dem Namen: ein System, das die Last der Komplexität trägt, damit andere sich auf das Wesentliche konzentrieren können.

Abstrakte Visualisierung modularer Systemarchitektur

OCC AI-OS

aktiv

OpenClaw · Claude · LLMs · Multi-Agenten-Betriebssystem

Keine einzelne Pipeline, kein einzelnes Tool: ein ganzes Betriebssystem für KI-Agenten. ATLAS ist modular aufgebaut, mit eigenem Backend, Web-Oberfläche, Blockchain-Audit-Trail, geteiltem Agenten-Gedächtnis und einer eigenen Evolutions-Engine für Code. Jede Komponente funktioniert eigenständig, alle zusammen ergeben eine Plattform, die autonom entwickelt, protokolliert, simuliert und sich selbst überwacht, ohne dass ein Mensch jeden Schritt absegnen muss.

Core

Zentrales Backend mit Task-Pipeline, LLM-Routing, API-Server und geschütztem Kernbereich (Ring-0).

Fälschungssicherer Nachweis

Jede Änderung wird kryptographisch signiert und lässt sich im Nachhinein nicht mehr unbemerkt verändern, egal ob durch das System selbst oder von außen. Technisch umgesetzt über eine eigene, selbst gebaute Chain (Atlas-Chain, ed25519-signiert, 93 automatisierte Tests) statt eines einfachen Log-Files, das man stillschweigend editieren könnte.

Systeminterne Ressource (ATC)

ATC ist kein Finanzprodukt und kein System zum Geldverdienen, sondern bildet einen technischen Aufwand innerhalb von ATLAS ab: Schreibaktionen auf der Chain benötigen ATC als interne Gas-Einheit, wodurch jede protokollierte Aktion mit einem echten, messbaren Aufwand verknüpft ist statt kostenlos zu bleiben. Geplant, noch nicht live: Staking und Slashing als Bewertungsmechanismus für die Verlässlichkeit einzelner Agenten.

Simulation

Multi-Agenten-Evolutions-Arena, in der konkurrierende KI-Agenten Code gegeneinander antreten lassen und sich weiterentwickeln.

UI-Code (User Interface Coding)

Eigene Web-IDE mit Task-Visualisierung, Chat, Editor und Live-Metriken.

HEAVY CONTEXT MANAGER

aktiv

SQLite · Knowledge-Graph · Kiwix · Multi-Agenten-Gedächtnis

Das Fundament, auf dem die anderen Projekte erst aufbauen konnten (intern ATLAS HCM genannt): ein geteiltes Gedächtnis zwischen mehreren KI-Agenten über einen eigenen Knowledge-Graph, damit Wissen nicht in einzelnen Sitzungen verloren geht. Jeder Agent kann Entscheidungen, Ideen und Kontext ablegen und wiederfinden, unabhängig davon, welches Werkzeug oder welche Oberfläche gerade genutzt wird. Ohne diese gemeinsame Datenbank wären die anderen Projekte, die nachträglich entstanden sind, in dieser Form nicht möglich gewesen.

Geteilter Knowledge-Graph

SQLite mit Volltextsuche, generisches Datenmodell ohne feste Schema-Grenzen, erweiterbar ohne aufwendige Migration.

Mehrere Anbindungen

Verbunden mit OpenClaw und den Chat-Threads, jeweils mit eigener Kennzeichnung der Herkunft statt vermischtem Wissen.

Lokales Wissen (Kiwix)

Rund 50 GB Offline-Kopie der englischen Wikipedia als kostenlose erste Quelle, bevor überhaupt eine kostenpflichtige Cloud-Suche nötig wird.

Bewusste Schreibgrenze

Schreibender Zugriff ist nach einem früheren Vorfall mit unzuverlässigen Einträgen bewusst eingeschränkt, nicht jeder Agent darf ungeprüft neues Wissen ablegen.

Externe Doku-Suche (DeepWiki)

Eine separate, selbst gehostete DeepWiki-Instanz liefert kurze Dokumentations-Auszüge zu bekannten Drittbibliotheken wie FastAPI oder Redis, bevor ein Cloud-Modell befragt wird. Kein Teil des Knowledge-Graphs selbst, sondern ein eigenständiges Werkzeug daneben.

AI MARKET ANALYSIS

live

LLMs · Multi-Agenten · Markt-Analyse-Forschung

Der Beweis, dass ATLAS nicht nur Code schreiben kann, sondern reale Datenströme auswerten: ein privates Forschungssystem, das echte Marktdaten in Echtzeit beobachtet und per Mustererkennung eigene Analyse-Signale bildet. Statt eines einzigen Modells laufen inzwischen sechs Varianten parallel gegeneinander (fixer Stop, kalibriertes Signal-Gate, ATR-adaptiver Trailing-Stop, zusätzliche Bestätigung durch ein gröberes 4-Stunden-Zeitfenster, hartes Pausieren bei extremer Marktangst, Pause um wichtige Wirtschaftstermine mit zusätzlicher Bestätigung vor dem Einstieg), damit echte Ergebnisse zeigen, was funktioniert, nicht Bauchgefühl. Ein eigenes Dashboard zeigt jede simulierte Positionsänderung und jedes verworfene Signal samt Grund.

Rein privates Forschungsprojekt: kein Finanzprodukt, keine Anlageberatung, kein Angebot an Dritte, ausschließlich simuliertes Kapital.

6 Varianten

Sechs parallele Analyse-Varianten, jede mit eigenem simulierten Kapital, gegeneinander im Vergleich.

Mustererkennung

k-Nearest-Neighbor-Musteranalyse auf echten Binance-Kerzendaten, keine simulierten Kurse.

Live-Dashboard

Portfolio-Simulation, Marktregime-Auswertung und verworfene Signale samt Begründung, in Echtzeit.

Kein Echtgeld

Reine Simulation mit echten Marktdaten, kein echtes Geld im Risiko, keine Anlageberatung.

Risikomanagement

Die eingesetzte Positionsgröße sinkt automatisch nach aufeinanderfolgenden Verlusten und erholt sich schrittweise, ergänzt um einen Marktzyklus-Filter für historisch überhitzte Phasen und eine Variante, die neue Positionen bei extremer Marktangst (Fear-and-Greed-Index) komplett pausiert. Ein gestaffelter Trailing-Stop schützt zusätzlich bereits erwirtschaftete Gewinne ab einem definierten Portfolio-Höchststand, unabhängig von der laufenden Verlustabsicherung.

Belastbarkeitscheck

Statt einer einzelnen Kennzahl zeigt eine Simulation über tausend mögliche Verläufe, wie stabil ein Ergebnis wirklich ist.

Nachvollziehbare Entscheidungen

Zu jeder ausgeführten Position gehören Signal, Marktkontext und Ergebnis sichtbar zusammengeführt, keine Blackbox. Ein gezielter Check deckte zudem auf, dass ein Teil der Entscheidungen auf noch unvollständigen Daten lief, und wurde behoben. Eine spätere Vorher-Nachher-Auswertung bestätigte ehrlich, dass die bereinigten Ergebnisse schwächer, aber realistischer ausfielen als vorher, ohne den eigenen Fehler zu beschönigen.

FORGE AI

aktiv

Ollama · ChromaDB · React · Persona-System

Ein drittes, kleineres Projekt daneben: ein privates Experimentiersystem für charakterbasierte KI-Profile aus frei verfügbaren Quellen, mit eigener Web-Oberfläche statt nur Kommandozeile. Drei Bereiche greifen ineinander: einzelne Profile im direkten Gespräch, mehrere Profile gemeinsam auf einer Arbeitsfläche, und im Hintergrund ein eigenes Organisationsmodell, das Rollen, Zuständigkeiten und Entscheidungen strukturiert festhält.

Chat mit Personas

Fachliche Perspektiven

Mehrere eigenständige Profile lassen sich zu einem Thema befragen, um unterschiedliche fachliche Einschätzungen einzuholen und gegeneinander zu diskutieren, jedes mit eigenem System-Prompt und eigenen Modellparametern.

Klare Abgrenzung

Jede Antwort ist als Repräsentation gekennzeichnet, nie als die reale Person selbst. Themen außerhalb der belegten Quellen werden offen als Einschätzung markiert, nicht als Tatsache.

Bearbeiten & neu anlegen

Bestehende Profile lassen sich direkt im Browser anpassen, komplett neue lassen sich frei erstellen, inklusive eigenem System-Prompt und Modellparametern.

Prüf-Warteschlange

Neue Quellen landen erst in einer Warteschlange zur menschlichen Prüfung, bevor sie aktiv in ein Profil einfließen.

Roundtable

Arbeitsfläche

Frei verkabelbare Arbeitsfläche: Fragen, Profile, Diskussionen und Zusammenfassungen lassen sich wie Bausteine miteinander verbinden, ähnlich einem Node-Graph-Werkzeug.

Diskussion & Synthese

Mehrere Profile lassen sich zu einer gemeinsamen Diskussion oder einer zusammenfassenden Synthese verkabeln, statt nur einzeln befragt zu werden.

Organisation

Rollen & Zuständigkeiten

Ein eigenes Organisationsmodell bildet Abteilungen, Rollen und Zuständigkeiten strukturiert ab, inklusive nachvollziehbarer Freigabe-Regeln für Entscheidungen.

Entscheidungs-Protokoll (im Aufbau)

Getroffene Entscheidungen werden mit Begründung festgehalten, nicht nur das Ergebnis. Dieser Teil ist aktuell noch im Aufbau, nicht vollständig abgeschlossen.

THREADS AI

aktiv

opencode · Tavily · React · Multi-Modell-Routing

Ein viertes, kleineres System daneben: eine eigene Chat-Oberfläche für wiederkehrende Recherche- und Gesprächsverläufe, aufgebaut auf einer bestehenden Agenten-Laufzeit statt einem komplett selbst geschriebenen Backend. Jeder Verlauf läuft als eigene, isolierte Sitzung mit freier Modellwahl zwischen mehreren Cloud-Anbietern und lokal laufenden Ollama-Modellen. Eine echte Websuche liefert bei Bedarf zunächst eine reine Trefferliste, erst danach folgt auf Wunsch das Gespräch dazu, wahlweise mit vertiefter Recherche über mehrere Quellen hinweg. Ein eigener Sicherheitsdurchgang deckte dabei auf, dass die genutzte Agenten-Laufzeit standardmäßig ungesandboxten Zugriff auf Kommandozeile und Dateisystem sowie ungefilterten Schreibzugriff auf das geteilte Wissensgedächtnis hatte, inzwischen gezielt deaktiviert.

Isolierte Sitzungen

Jeder Gesprächsverlauf läuft als eigene Sitzung ohne Vermischung mit anderen Verläufen, mit freier Wahl zwischen mehreren Cloud-Modellen und lokal laufenden Ollama-Modellen.

Websuche & vertiefte Recherche

Eine Suche liefert zunächst eine reine Trefferliste wie bei einer klassischen Suchmaschine, mit einer zusätzlichen Option für eine tiefere Recherche über mehrere Quellen hinweg vor der eigentlichen Antwort.

Themen-Übersicht auf Wunsch

Eine unabhängig erzeugte, strukturierte Übersicht zu einer Suche entsteht in einer eigenen, isolierten Hilfs-Sitzung, die den restlichen Gesprächsverlauf nicht sieht.

Sicherheitsgehärtet

Ein eigener Sicherheitsdurchgang fand und schloss unsandboxten Kommandozeilen- und Dateizugriff sowie ungefilterten Schreibzugriff auf das geteilte Wissensgedächtnis, ohne die eigentliche Funktion einzuschränken.

Papierkorb & Archiv

Löschen ist über einen 30-Tage-Papierkorb reversibel, Verläufe lassen sich farblich markieren, als Markdown herunterladen oder dauerhaft nach Kategorie in einem geteilten Wissensspeicher sichern.

Ausblenden per Code

Einzelne Verläufe und der Papierkorb lassen sich zusätzlich per Zahlencode ausblenden, als reiner Sichtschutz für die private Nutzung, keine echte Verschlüsselung.

Gelesen & ungelesen

Neue Antworten in einem Verlauf werden wie in einem E-Mail-Postfach fett hervorgehoben, bis der Verlauf tatsächlich geöffnet wurde.

Lokal oder Cloud, kein Zwang

LLM-Anfragen laufen zuerst über lokale Modelle (Ollama), Cloud-Provider wie OpenRouter oder Groq sind nur der Fallback, wenn lokal nicht reicht. Vor jedem Cloud-Aufruf scannt ein eigener Filter den Prompt auf Secrets und API-Keys und blockiert den Versand, statt sie mitzuschicken.

Qualität vor Tempo

Jede Ausgabe durchläuft ein Quality-Gate, bevor ein Task als abgeschlossen gilt: abgebrochene, hohle oder wiederholte Antworten werden erkannt und aussortiert. Das Brainstorming-Tool und ein eigener Research-Agent gründen Ideen zusätzlich auf echten externen Quellen (GitHub, HuggingFace, Websuche) statt auf reiner Annahme.

42 Dienste, eine Aufgabe pro Dienst

Task-Verarbeitung, Qualitätsprüfung, Architektur-Analyse, Recherche und mehr laufen als eigenständige Hintergrunddienste im Dauerbetrieb, nicht als ein einzelnes Skript. Jeder Dienst hat eine einzige, klar abgegrenzte Aufgabe.

Beide Systeme sind kein einmaliger Launch, sondern ein fortlaufender Prozess: Signale werden nachweisbar verbessert, Fehler werden gefunden und behoben, jede Entscheidung wird dokumentiert. Genau das ist der Teil der Arbeit, der in einem Screenshot nie zu sehen ist, für ein Unternehmen aber den Unterschied zwischen einem Prototyp und einem verlässlichen System ausmacht.

98 Tage liegen zwischen dem ersten Commit von ATLAS OCC und heute: über 107.000 Zeilen Code in 399 Dateien, über 3.000 automatisierte Tests, mehrere eigenständige Teilsysteme statt einzelner Anwendungslogik (Multi-Agenten- Architektur, eigenes Blockchain-Modul mit kryptographischer Signierung, dynamisches Multi-Provider-KI-Routing). Allein die Entwicklung in Claude Code schöpft dabei das monatliche Sonnet-Kontingent des genutzten Abos regelmäßig aus (geschätzt rund 10 Millionen Tokens pro Woche), ohne weitere eingesetzte Werkzeuge mitgerechnet. Ein Projekt dieser Größenordnung würde in klassischer Einzelentwicklung typischerweise mehrere Jahre beanspruchen.

02 ROADMAP

Vom Werkzeugkasten zum Betriebssystem.

ATLAS hat als einzelne Pipeline angefangen und ist zu einem modularen KI-Betriebssystem gewachsen. Der nächste Schritt ist, dieses System für die Werkzeuge zu öffnen, die ein Unternehmen bereits täglich nutzt.

HEUTE, LIVE

Autonomes KI-Betriebssystem

Fünf Module im Verbund, Freigabe-Pflicht für riskante Änderungen, ein geschützter Kernbereich mit Integritätsprüfung und ein automatischer Nothalt bei Fehlerhäufungen. Bereits im Dauerbetrieb, nicht nur als Demo.

IN ARBEIT

Konnektoren zu externen Werkzeugen

Der Fachbegriff dafür ist MCP (Model Context Protocol), ein offener Standard, über den KI-Agenten sich mit externen Anwendungen verbinden. ATLAS nutzt diesen Standard heute schon intern, etwa für die eigene Task-Pipeline, das geteilte Gedächtnis und die Browser-Automatisierung. Der erste externe Kanal ist bereits live: ein Telegram-Bot mit direktem Zugriff auf dieselbe Pipeline und dasselbe Gedächtnis, von unterwegs nutzbar, inzwischen auch mit Sprachnachrichten statt nur Text, und mit automatischer Statusmeldung, sobald das System nach einer Pause wieder verfügbar ist.

VISION

Brücke zu Unternehmenssoftware

Dieselben Konnektoren geöffnet für E-Mail, Kalender, CRM, Ticketsysteme und Team-Chat, damit ATLAS nicht nur mit sich selbst spricht, sondern in die bestehende Werkzeuglandschaft eines Unternehmens hineinwirkt, mit denselben Sicherheitsregeln wie im Kern des Systems.

Meilensteine

laufend aktualisiert

Entwicklungsverlauf von ATLAS OCC, vom Startpunkt bis heute

Lokales Wissen zuerst, Cloud nur bei Bedarf

Bevor überhaupt eine kostenpflichtige Cloud-Anfrage gestellt wird, prüft das System zuerst, was bereits lokal vorhanden ist, darunter eine rund 50 GB große Offline-Kopie der englischen Wikipedia. Nur wenn das nicht reicht, folgt die externe Suche. Wenig Einsatz für den größtmöglichen Nutzen, statt jede Anfrage ungefiltert an die Cloud durchzureichen.

Gedächtnis mit echtem Rückgriff

Die mehrstufige Gedächtnis-Architektur wurde nach einer tiefgehenden Analyse vollständig geschlossen: eigene Architektur-Entscheidungen fließen jetzt direkt in das Langzeitgedächtnis ein und stehen bei künftigen Aufgaben tatsächlich wieder zur Verfügung, statt nur in einem Protokoll zu verschwinden. Dabei wurde ein struktureller Fehler gefunden und behoben, der das Wachstum dieses Gedächtnisses lange Zeit unbemerkt blockiert hatte.

Kontrollierter Selbstentwicklungszyklus

Ein eigener Verbesserungsvorschlag durchlief erstmals den vollständigen Prozess: Sandbox-Verifikation, menschliche Freigabe und Anwendung im geschützten Kernbereich, mit lückenlosem Nachweis bei jedem Schritt. Nicht nur ein funktionierender Patch, sondern der Beleg für einen wiederholbaren Prozess, auf den die Architektur von Grund auf ausgelegt ist.

Verifizierter Selbstverbesserungs-Zyklus

Der erste eigene Verbesserungsvorschlag durchlief den kompletten Weg bis zur freigegebenen Anwendung und deckte dabei sogar einen Fehler in der eigenen Prüfinstanz auf, statt nur ein theoretisches Sicherheitsversprechen zu bleiben.

Sicherheitsschicht scharf geschaltet

Zentrale Sicherheitsschicht für jede Systemaktion fertiggestellt und scharf geschaltet, aufbauend auf dem bereits bestehenden Erweiterungssystem für neue Fähigkeiten.

Erweiterungssystem

Neue Fähigkeiten werden über eine zentrale Registry eingebunden, mit einer technisch erzwungenen, harten Grenze zum geschützten Kernbereich.

Geprüfte Befehls-Positivliste

Jede Systemaktion läuft über eine geprüfte Liste erlaubter Befehle, statt offen und ungeprüft zu sein, mit einer Beobachtungsphase vor dem scharfen Einsatz.

Prüfbarer Audit-Trail

Jede Änderung wird kryptographisch signiert und auf einer eigenen Blockchain protokolliert, statt nur in einem Log-File zu verschwinden.

Selbstverbesserung mit Kontrolle

Das System lernt aus eigenen Ergebnissen und verbessert sich selbst, mit einem geschützten Kernbereich, der niemals ohne menschliche Freigabe verändert wird, und mathematisch bewiesenen Sicherheitsgarantien.

Fundament

Autonome Pipeline, die Aufgaben selbstständig annimmt, bearbeitet und bewertet, über mehrere KI-Anbieter hinweg statt an ein einzelnes Modell gebunden zu sein.

Startpunkt

Eine einzelne Aufgaben-Pipeline, von Grund auf selbst gebaut, auf privater Hardware, ohne Team und ohne Unternehmen im Rücken. Der Ausgangspunkt für alles, was daraus geworden ist.

Jede neue Anbindung folgt demselben Prinzip wie der Rest von ATLAS: nichts handelt unbeobachtet. Jede Aktion eines Konnektors bleibt protokolliert, nachvollziehbar und im Zweifel durch einen Menschen freizugeben. Automatisierung ohne Kontrollverlust ist das eigentliche Ziel, nicht Automatisierung um ihrer selbst willen.

03 WER ICH BIN

Von der Chemie zur Logistik auf den Server-Rack.

40 Jahre, zuhause in Krefeld. Vater von Zwillingen, mit einer tollen Mutter an meiner Seite, das lehrt Geduld und System-Denken schneller als jedes Lehrbuch.

22 Jahre Arbeitsleben, und die Begeisterung für IT ist nie kleiner geworden. Elf Jahre davon in der Chemie, wo ich gelernt habe, wie unerbittlich Prozesse und Verfahrensanweisungen sein müssen, damit nichts schiefgeht. Heute bin ich in der Logistik, und beide Welten haben mir dasselbe beigebracht: worauf es bei verlässlichen Systemen wirklich ankommt, nicht die Demo, sondern der Dauerbetrieb. Diese Denkweise übertrage ich jetzt auf Software und baue Agenten-Systeme, die genauso robust laufen sollen wie ein gut durchdachter Prozess.

Zur Einordnung, ehrlich gesagt: alles auf dieser Seite ist in Eigenregie entstanden, auf privater, selbst zusammengestellter Hardware, ohne Team und ohne Unternehmen im Rücken. LLMs nutze ich dabei gezielt als Werkzeug, um als Einzelperson auf professionellem Niveau hochwertige Architekturen zu entwerfen und neue, kreative Ideen tatsächlich technisch umzusetzen statt sie nur zu skizzieren.

Selbst zusammengestellte Hardware, auf der ATLAS läuft

Setup

RTX 3090 Ti · 96 GB RAM

Software

Python, LangGraph, WSL, Claude, DeepSeek und OpenCode (Cloud)
Ollama (3B bis 32B), Open WebUI, ComfyUI, Stable Diffusion (lokal)

Neben der Maschine

Technik ist nicht mein ganzes Leben. Ich möchte Dinge nicht nur analysieren, sondern sie erleben, wahrnehmen und selbst umsetzen.

Familie
Fotografie & Video
Handwerk
Lesen, Spazieren & Laufen
Bodybuilding
PC-Gaming (selten)
Kochen & Grillen, Garten

Der Architekt

Ich schreibe keine Bücher. Was ich hinterlassen will, ist etwas, das man anfassen und benutzen kann, das für andere weiterarbeitet, auch wenn ich selbst längst an etwas Neuem sitze. Für mich ist das, was ich hier baue, kein Job und kein Nebenprojekt, sondern näher an einem Kunstwerk: etwas Eigenes, mit Anspruch gebaut, größer als ich selbst.

Am Ende zählt für mich nicht die eigene Karriere, sondern was davon bei der Gesellschaft, bei Familie und Freunden bleibt. Familie steht dabei im Mittelpunkt, alles andere ordnet sich dem unter.

All for one, one for all!

04 NACHWEISE

Fundament, nicht nur Praxis.

Neben dem, was ich selbst baue, habe ich mir das Fundament gezielt zertifizieren lassen.

GOOGLE IT SUPPORT

The Bits and Bytes of Computer Networking

GOOGLE IT SUPPORT

Technical Support Fundamentals

VANDERBILT UNIVERSITY

Prompt Engineering for Large Language Models

05 DIENSTE

Womit ich helfen kann.

Prozessoptimierung & Digitalisierung

Ich analysiere bestehende Arbeitsabläufe, finde Optimierungspotenzial und baue daraus digitale Lösungen, oft zuerst als klickbarer Prototyp, bevor überhaupt Code entsteht. Erst zeigen, dann bauen.

KI-Automatisierung & Agenten-Workflows

Von der Idee zum laufenden System, mit echten Sicherheitsschichten statt Blackbox.

Automatisierungen

Python, Next.js. Wiederkehrende Arbeit wird zu Code.

Webseitenpflege

Laufender Betrieb, Updates, Inhalte.

Technik-Support

Windows und macOS, pragmatisch und ohne Umwege.

Content

Texte, Konzepte, Redaktion, von der Idee bis zur fertigen Publikation.

06 KONTAKT

Du hast einen Prozess, der unnötig Zeit kostet?

Beschreib mir kurz, was heute manuell passiert. Gemeinsam können wir prüfen, ob und wie sich daraus eine sinnvolle KI-Automatisierung bauen lässt.

Jetzt schreiben

GitHub · LinkedIn · frgmnt

Ich baue Systeme,die tatsächlich laufen.

Was gerade passiert.

Kein Demo. Keine Folien. Laufender Code.

OCC AI-OS

HEAVY CONTEXT MANAGER

AI MARKET ANALYSIS

FORGE AI

THREADS AI

Vom Werkzeugkasten zum Betriebssystem.

Meilensteine

Von der Chemie zur Logistik auf den Server-Rack.

Der Architekt

Fundament, nicht nur Praxis.

Womit ich helfen kann.

Du hast einen Prozess, der unnötig Zeit kostet?

Ich baue Systeme,
die tatsächlich laufen.