KI & Agentic Development
Hier fliesst der Grossteil meiner Energie rein. Ich baue KI-gestützte Workflows für mein Team bei Pyango, für unsere Kunden und für meine eigenen Projekte. Claude und Anthropics Tooling stehen im Zentrum von allem, was ich mache.
Wie ich mit KI arbeite
Ich nutze Claude Code und OpenCode (eine Claude CLI) als meine Hauptentwicklungstools. Nicht als "Copilot", der Zeilen vervollständigt, sondern als agentic System, das über Code nachdenken, Änderungen über Dateien hinweg machen, Tests ausführen und seine eigene Arbeit iterieren kann. Der Unterschied ist riesig. Statt dass ich Code tippe und eine KI die nächste Zeile vorschlägt, beschreibe ich was ich will und der Agent findet heraus, wie er dahin kommt.
Bei Pyango treiben wir die KI-Adoption im ganzen Team voran. Unser bester Ingenieur, Melek, arbeitet mit einem AI-first Workflow. Er nutzt Claude für Code-Generierung, Tests, Dokumentation und Reviews. Die Qualität und Geschwindigkeit sind deutlich anders als bei Teammitgliedern, die diese Tools noch nicht voll übernommen haben.
Ich führe auch interne Workshops durch, um den Rest des Teams auf den neusten Stand zu bringen. Der Plan ist, diese Sessions aufzuzeichnen, daraus Content zu machen und sie irgendwann extern anzubieten. Jede Agentur und jedes KMU in der Schweiz hat dasselbe Problem: ihre Leute sind zu langsam mit KI-Tools, weil es ihnen niemand richtig beigebracht hat.
Was ich gebaut habe
Wissensmanagement-System
Mein ganzes Obsidian-Vault läuft auf LLM-gestützter Inhaltsaufnahme. Custom Commands lassen mich Inhalte erfassen, und Claude schreibt Notizen in meiner Stimme, baut Wiki-Links über den Wissensgraph und findet Zusammenhänge, die ich übersehen würde. Jede LLM-geschriebene Notiz ist getaggt, damit ich sie beim Review von meinen eigenen unterscheiden kann.
Live Trading Plugin
Ich habe ein proprietäres Cython-Trading-Plugin reverse-engineered und komplett in Python neu aufgebaut, mit agentic Coding. 5'000+ Zeilen, 158 Tests, volle Binance-Integration. Ein Projekt, das Wochen gedauert hätte, war in Tagen fertig, weil Claude die schwere Arbeit übernommen hat.
Cold-Email-Outreach-System
Ein KI-gestützter Outreach-Bot, der lokale Geschäftsdaten von Google Maps, Facebook und Instagram scrapt und dann personalisierte Cold Emails generiert. Gebaut für Pyangos interne Leadgenerierung auf unserer Helios-Plattform.
LinkedIn-Automatisierung
Ein Django + Celery System für automatisiertes LinkedIn-Posting über mehrere Accounts. Datenbankgestützte Post-Queues, Scheduling und Content-Management. Teil von Pyangos Content-Pipeline.
Der Wissensgraph
Eines der interessanteren Dinge, die ich gebaut habe, ist ein persönliches Wissensmanagement-System in Obsidian, das LLMs als Erfassungs- und Verbindungsschicht nutzt. Ich nenne es den FLAP-Workflow: Flüchtige Notizen und Literatur werden zu atomaren Notizen verarbeitet, die in Projekte einfliessen.
Wenn ich etwas erfasse (einen Artikel, einen Podcast, eine Idee aus einem Gespräch), nimmt Claude es auf, schreibt eine Zusammenfassung in meiner Stimme, erstellt Wiki-Links zu verwandten Notizen und generiert Spaced-Repetition-Karteikarten. Es erklärt auch warum Dinge zusammenhängen, und da liegt der eigentliche Wert. Ich habe Verbindungen zwischen Trading-Strategien und Neurowissenschaft gefunden, zwischen Agentur-Operations und Systemdenken, die ich allein nicht gesehen hätte.
Das langfristige Ziel ist ein dicht vernetzter Wissensgraph, der unerwartete Zusammenhänge über alles aufzeigt, was ich lerne und woran ich arbeite.
Teams trainieren
Die meisten Teams, die ich gesehen habe, behandeln KI-Tools wie eine bessere Autocomplete-Funktion. Sie lassen sich Boilerplate schreiben, vielleicht einen Test oder zwei generieren, und das war's. Die echten Gewinne kommen, wenn man die KI als Agent behandelt, der mehrstufige Arbeit autonom erledigen kann.
Ich bringe Teams bei, wie man diese Tools wirklich nutzt: gute Prompts für agentic Workflows schreiben, Projekte so strukturieren, dass KI darüber nachdenken kann, AGENTS.md-Dateien aufsetzen die Kontext liefern, und KI-generierten Code effektiv reviewen. Der Unterschied im Output zwischen jemandem, der weiss was er tut, und jemandem der es nicht weiss, ist locker 3-5x.
Wir bauen auch Custom-KI-Agenten für spezifische Aufgaben: Code-Review-Bots, Dokumentationsgeneratoren, Onboarding-Assistenten für Kunden. Das Ziel: ein 8-Personen-Team soll sich anfühlen wie 20.
Tech Stack
Lust über KI-gestützte Entwicklung zu reden oder euer Team auf agentic Workflows zu trainieren?