Manuel Porras
Arbeitsweise

Ich stelle KI-Agenten ein, arbeite sie ein und führe sie.

Das Modell ist selten das Schwierige. Schwierig ist zu entscheiden, was ein Agent tun soll, was er nie tun darf — und dass er weiterläuft, wenn niemand hinschaut.

So läuft ein Projekt

4 schritte
  1. Den Prozess wählen. Welche Prozesse sich für einen Agenten lohnen — und welche nicht. Es entscheiden Häufigkeit, Kosten eines Fehlers und ob die Daten vorhanden sind.
  2. Wissen, Werkzeuge, Grenzen. Jeder Agent bekommt eigene Anweisungen und Wissensdateien, nur die Werkzeuge, die er braucht, und Grenzen im Code — standardmäßig nur lesend.
  3. Mit der Firma verbinden. Slack, Projekttools, Meetings, Werbeplattformen, CRM: Der Agent arbeitet dort, wo das Team schon arbeitet — und ein Mensch gibt frei, wo ein Fehler Vertrauen kostet.
  4. Rund um die Uhr betreiben. Watchdog jede Minute, automatischer Neuaufbau, Schutz vor Neustart-Schleifen, Queues, damit keine Aufgabe verloren geht — und Blindtests, damit jede Änderung gemessen wird.

Prinzipien

einstellungen
Einstellungen · Prinzipien
01
Ein Mensch gibt frei, wo ein Fehler Vertrauen kostet

Agenten schlagen vor, Menschen bestätigen. Jede Entscheidung wird zu Daten — eindeutige Fälle lassen sich später automatisieren.

02
Agenten dürfen nur, was sie brauchen

Rechte werden im Code gesetzt, pro Kunde — standardmäßig nur lesend.

03
Jede Änderung wird gemessen

Blindtests statt Bauchgefühl: Der Richter sieht die Quelle nie. 56 dokumentierte Testzyklen.

04
Systeme müssen die Nacht überstehen

Watchdog, automatischer Neuaufbau, Schutz vor Neustart-Schleifen und Wissen in Dateien — nach einem Neustart geht nichts verloren.

Hintergrund

seit 2006

Seit 2006 arbeite ich remote für US-Firmen — zuerst in Digitalmarketing und Webentwicklung für Kliniken für ästhetische Chirurgie, dann für eine US-Marketingagentur für Haustechnikbetriebe, wo ich seit 2024 die KI-Automatisierung leite.

Seit Ende 2022 nutze ich generative KI jeden Tag. Vor den Agenten habe ich eine KI-Content-Engine (2023), eine White-Label-Plattform mit über 30 KI-Assistenten und eine RAG-Chatbot-Plattform für Kliniken (2025) gebaut. Heute betreibe ich eine Flotte von 38 Claude-Code-Agenten.

Vertrauliches läuft lokal auf meiner eigenen GPU, Cloud-Modelle nur dort, wo die Daten es erlauben.

  • StandortBerlin — remote oder vor Ort
  • SprachenDeutsch (C2), Spanisch (Muttersprache), Englisch (verhandlungssicher), Italienisch (fließend)
  • AusbildungM.A. Technologie- und Innovationsmanagement · Diplom-Systemingenieur
  • VerfügbarProjekte und Festanstellung

Werkzeuge im Alltag

stack
Claude CodeAnthropic APIOpenAI APIGemini APINode.jsPythonTypeScriptSQLitePostgreSQLtmuxpm2DockerLinuxApachenginxCloudflarePlaywrightn8nLangChainPineconepgvectorollamafaster-whisperGPU/CUDA

Häufige Fragen

faq

Was macht ein KI-Agenten-Engineer?

Ich entscheide, welche Prozesse sich für einen KI-Agenten lohnen, gebe jedem Agenten Wissen, Werkzeuge und klare Grenzen, verbinde ihn mit den Systemen, die das Team schon nutzt, und sorge dafür, dass er rund um die Uhr läuft — mit Überwachung und Selbstheilung.

Betreiben Sie KI-Agenten im Produktivbetrieb?

Ja. Ich betreibe eine Flotte von 38 Claude-Code-Agenten auf zwei Servern. 18 davon sind Kunden-Experten-Agenten für eine US-Marketingagentur für Haustechnikbetriebe, täglich im Einsatz.

Wie verhindern Sie teure Fehler von Agenten?

Grenzen stehen im Code, nicht im Prompt: Agenten sind standardmäßig nur lesend, und ein Mensch gibt frei, wo ein Fehler Geld oder Vertrauen kostet — zum Beispiel jede Aufgabe, die aus einem Kundenmeeting vorgeschlagen wird.

Wie messen Sie, ob KI-Ausgaben gut sind?

Mit Blindtests: Ein Richter, der die Quelle nie sieht, erzählt nach, was er verstanden hat, und Positivkontrollen prüfen den Richter. In meinem eigenen Messwerkzeug stieg so das Verständnis über 56 dokumentierte Zyklen von 3,3 auf 7,8 von 10.

Können Sie mit vertraulichen Daten arbeiten?

Ja. Vertrauliches läuft lokal auf meiner eigenen GPU ohne Verbindung nach außen; Cloud-Modelle nur dort, wo die Daten es erlauben. Beispiel: 266 Kundenanrufe ausgewertet, ohne dass die Aufnahmen den Rechner verlassen haben.

Mit welchen Werkzeugen und Modellen arbeiten Sie?

Täglich mit Claude Code und der Anthropic API, dazu OpenAI- und Gemini-API, Node.js, Python, TypeScript, SQLite und PostgreSQL, tmux, pm2, Docker, Playwright sowie lokalen Modellen mit ollama und faster-whisper.

Sind Sie verfügbar, und wo?

Ja — für Freelance-Projekte und Festanstellungen. Ich sitze in Berlin und arbeite remote oder vor Ort, auf Deutsch, Englisch oder Spanisch. Schreiben Sie an [email protected].