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.
Eingesetzt in Projekten für
Auf einen Blick
Die meisten Unternehmen brauchen keine neue Plattform, sondern drei gezielte Erweiterungen an der Software, die sie ohnehin täglich benutzen.
KI ist ein Werkzeug und muss einem konkreten Ziel dienen. Ich setze sie dort ein, wo sie messbar besser ist als die Alternative, und sage, wenn eine einfachere Lösung reicht.
Schnell starten, aber früh an Betrieb denken. Ein Pilot ohne Fehlerbehandlung und Monitoring ist nur eine Demo.
Bestehende Systeme respektieren. In den meisten Unternehmen reichen gezielte Erweiterungen an den Stellen, die den Prozess bremsen. Eine neue Plattform ist dafür selten nötig.
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. Ich habe eine semantische Suche und eine kontextbezogene KI-Hilfe 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.
Individuelle KI-Funktionen für SaaS, Portale und interne Tools, genau dort, wo Standard-APIs nicht reichen.
KI-Prozessautomatisierung für Backoffice, Support und Operations, mit einer Zeitersparnis, die sich nachweisen lässt.
RAG-Chatbots und Wissensassistenten für Unternehmen: Zugriff auf Ihre Dokumente mit Quellenangabe und Rollensteuerung.
KI-Funktionen in laufende Laravel-, Angular- oder Vue-Anwendungen einbauen, ohne Neubau der Plattform.
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. Am Ende steht ein konkreter Fahrplan mit den nächsten Umsetzungsschritten.
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.
Ich integriere die Lösung stabil in Ihre Systeme, 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. Denn in meinen Projekten habe ich gesehen, 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.
Die Zusammenarbeit passt zu Unternehmen mit 20 bis 500 Mitarbeitern, SaaS-Teams und Plattformbetreibern, die KI produktiv in ihre Software oder Prozesse integrieren wollen. Dabei soll die KI dauerhaft in der vorhandenen IT-Infrastruktur laufen und nicht als Experiment enden.
Die Arbeit mit bestehenden Systemen 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, ich übernehme auch reine Pilot- oder MVP-Projekte und empfehle meistens sogar genau diesen 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 meine Arbeitszeit fließt in Code statt in Präsentationen. Die strategischen Fragen klären wir gemeinsam am Anfang, danach baue ich.
Datenflüsse, Rollen und Berechtigungen plane ich von Anfang an mit und prüfe sie nicht erst im 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.