Interne KI-Tools
Euer Team googelt, copy-pastet, fragt sich gegenseitig. Und verliert dabei Stunden. Ich bau euch ein Tool, das Wissen findet, Dokumente versteht und Antworten liefert. Kein Prototyp, den niemand nutzt. Etwas, das im Alltag läuft.
KI-Agenten und Prozess-Automatisierung aus Stuttgart von Brandon Agil
Ihr habt einen Prozess, der nervt. Zu viel Handarbeit, zu wenig Übersicht, irgendwas dauert ewig. Ich bau euch das System, das es löst. Mit KI, Automatisierung, whatever works. Keine Agentur, kein Bullshit. Nur Ergebnis.
2 freie Tage
Belegung aus meinem Kalender.
20 freie Slots in den nächsten 5 Werktagen.
Was ich bau
Erst euer Problem verstehen. Dann bauen. Nicht andersrum.
Prozesse automatisieren
Immer die gleichen Handgriffe: CRM updaten, Report ziehen, Daten abgleichen. Das muss kein Mensch machen. Ich bau die Brücke zwischen euren Tools und nehm euch den Kram ab.
KI-Agenten
Nicht der 100. Chatbot. Agenten, die echt was wegarbeiten: Leads nachfassen, Daten aufbereiten, Kunden qualifizieren. Euer Team macht weniger Monkey Work, mehr echte Arbeit.
Von Idee bis Live
Ich bau nicht nur den KI-Teil und übergeb dann ein Konzeptpapier. Backend, Frontend, Deployment, alles aus einer Hand. Am Ende ist das Ding live und ihr arbeitet damit.
So sieht das aus
ACISO x ELEMENTS Fitness
Mitglieder halten, bevor sie gehen
Das Problem: Fitnessstudios merken erst, dass Mitglieder abspringen, wenn die Kündigung schon da ist. Zu spät.
Was ich gebaut hab: Ein System, das Abwanderung vorhersagt, bevor sie passiert. ML-Scoring pro Mitglied, ein Agent der automatisch Maßnahmen vorschlägt, und ein Dashboard, damit das Team weiß, wo es hinschauen muss. Kein manuelles Durchklicken mehr. Das System arbeitet, das Team handelt.
- Vorlaufzeit
- 30 Tage vor möglicher Kündigung
- Mitglieder gescort
- 12k+ täglich, vollautomatisch
PythonOpenAI APIBigQuery MLNext.jsCRM
Läuft bei mir
Agentischer RAG-Server
Genom-Intelligenz
Ein Agent, mit dem ich über meine kompletten Genom-Daten reden kann. Millionen Varianten, dutzende Datenquellen, alles auf meinem eigenen Rechner.
Der Agent hat über 30 Werkzeuge und sucht sich pro Frage selbst aus, welche er braucht: Gene nachschlagen, Wirkstoff-Interaktionen prüfen, Studien aus dem GWAS Catalog ziehen. Er kippt nicht den ganzen Datensatz ins Modell, sondern holt sich nur die Zeilen, die er für die Frage braucht. Das hält die Antworten schnell und die Kosten niedrig. Jede Aussage kommt mit Quelle, ohne Beleg antwortet er nicht. Dasselbe Muster brauchen KMU, die einen Agenten über ihre eigenen Dokumente wollen.
- Agent-Tools
- 30
- Datenquellen
- 11
- Cloud-Uploads
- 0
FastAPISQLite + DuckDBSSE-StreamingTailscale-privatOn-device
Lokale Sprach-Pipeline
Applaud
Aufnahme rein, fertiges Protokoll raus. Transkript, erkannte Sprecher, Zusammenfassung und Action Items, komplett auf dem eigenen Rechner.
Ich habe ein Open-Source-Tool zur Meeting-Aufnahme zu einer eigenen Pipeline ausgebaut: Whisper transkribiert, Pyannote trennt die Sprecher, ein Abgleich gegen Stimm-Profile benennt sie, ein Modell räumt den Text auf und zieht die Aufgaben raus. Ein Webhook schiebt das Protokoll automatisch nach n8n. Dazu habe ich einen eigenen MCP-Server gebaut: Damit kann mein KI-Assistent das komplette Meeting-Archiv durchsuchen und Fragen dazu beantworten, ohne dass ein Transkript den Rechner verlässt. Für Betriebe, deren Gespräche nichts in einer fremden Cloud verloren haben, ist das die Voraussetzung, nicht das Feature.
- Verarbeitung
- lokal
- Sprecher-Erkennung
- ja
- Audio in Cloud
- nie
WhisperPyannoteSpeaker-IDMCP-Servern8n-Webhooks
So arbeiten Agenten
Drei Demos aus meiner Werkstatt. Die Zahlen und Firmen sind Beispieldaten. Gebaut sind die Demos so, wie sie bei euch laufen würden.
Demo für den Vertrieb
Anfragen-Agent
Anfragen landen im Postfach und warten. Wer nach drei Tagen antwortet, hat den Auftrag oft schon verloren.
Der Agent liest jede Mail und jedes Kontaktformular, zieht Stückzahl, Termin und Material raus, prüft Preisliste und Kapazität und legt einen fertigen Antwortentwurf hin. Spam und Bewerbungen sortiert er direkt weg. Freigeben muss ein Mensch, rausgehen tut nichts ungeprüft.
- Antwortentwurf
- 41 Sek.
- Vorher manuell
- 2,4 Std.
- Vorqualifiziert
- 96 %
E-Mail-EingangLead-ScoringPreislisten-CheckFreigabe-Workflow
Demo für die Buchhaltung
Beleg-Agent
Jede Rechnung wird von Hand abgetippt, kontiert und abgelegt. Skonto-Fristen verstreichen, weil niemand draufschaut.
Der Agent liest jeden Beleg, extrahiert alle Felder, macht die Rechenprobe, prüft auf Dubletten und schlägt die Kontierung vor. Fertig kontiert geht es in den DATEV-Export. Bei Unklarheiten fragt er nach, statt zu raten.
- Pro Beleg
- 38 Sek.
- Vorher manuell
- ca. 9 Min.
- Automatisch verarbeitet
- 87 %
Beleg-ExtraktionDATEV-ExportSkonto-WächterVier-Augen-Prinzip
Demo für den Kundenservice
Support-Agent
Dieselben Fragen, jeden Tag. Wo ist mein Paket, wie geht die Retoure. Und der Kunde wartet trotzdem Stunden auf Antwort.
Standardfälle beantwortet der Agent selbst. Für alles andere legt er einen Entwurf hin, mit Quellenangaben aus euren eigenen Unterlagen: Anleitungen, FAQ, Sortiment. Jede Aussage ist belegt. Was er nicht sicher weiß, eskaliert er an euer Team.
- Autonom gelöst
- 58 %
- Antwortzeit
- 4 Min.
- Vorher manuell
- 5,1 Std.
Wissensbasis (RAG)Shop-AnbindungQuellenangabenEskalationsregeln
Erfahrung
Mercedes-Benz AG
Product Management MB.OS
KI-Use-Cases fürs Fahrzeug-Betriebssystem bewertet. Was davon macht Sinn, was ist Hype. Zwischen Tech-Teams und Business übersetzt, Marktanalysen gebaut, Prioritäten gesetzt. Gelernt: Die besten Ideen scheitern an schlechter Kommunikation.
MHP / Porsche
Werkstudent Software Engineering
Interne Tools und Kundenprojekte in der Porsche-Tochter. Der Job, bei dem ich gemerkt hab, dass ich lieber baue als berate.
Über mich
Kurz zu mir
Wirtschaftsinformatik-Background, aktuell im Master Entrepreneurship. Hab bei Mercedes-Benz und MHP/Porsche gesehen, wie Konzerne über KI reden, und wie wenig davon am Ende gebaut wird. Deswegen mach ich das jetzt selbst: Systeme bauen, die laufen. Nicht Slides, die gut aussehen.
Mein Stack
- Python
- TypeScript
- Next.js
- FastAPI
- OpenAI API
- LangChain
- Docker
- BigQuery
Häufige Fragen
Kurze Antworten. Alles Weitere im Erstgespräch.
Wie läuft die Zusammenarbeit ab?
Erstgespräch, 30 Minuten, kostenlos. Wir schauen, wo euch Zeit verloren geht und ob KI oder Automatisierung da überhaupt hilft. Wenn ja: kleiner, klar umrissener erster Schritt, der schnell live geht. Danach iterieren wir. Kein Pflichtenheft-Marathon, kein Workshop-Theater.
Für wen arbeitest du?
Für Teams, die Probleme gelöst haben wollen statt Konzepte zu kaufen: Mittelstand, Studios, Agenturen, einzelne Abteilungen in größeren Firmen. In und um Stuttgart gern vor Ort, sonst remote in ganz Deutschland.
Was unterscheidet dich von einer Agentur?
Ihr redet direkt mit dem, der baut. Keine Übergaben zwischen Beratung, Design und Entwicklung, kein Wasserkopf auf der Rechnung. Wenn etwas hakt, ruft ihr die Person an, die den Code geschrieben hat.
Mit welchen Technologien arbeitest du?
Python, TypeScript, Next.js, FastAPI, OpenAI API, LangChain, Docker, BigQuery. Wichtiger als der Stack: Ich integriere in das, was ihr schon habt (CRM, Datenbanken, interne Tools), statt euch ein neues System überzustülpen.
Wie starte ich?
Erstgespräch über beagil.de/booking buchen oder eine Mail an brandon@beagil.de schreiben. Kurz das Problem schildern reicht, den Rest klären wir im Gespräch.