Projekte

Was ich gebaut habe – von PropTech bis Systems Engineering

GitHub: andreassigloch

PropTech

Astro Aktiv

sigloch-immobilien

Immobilien-Website für Sigloch Immobilien.

Ziel: Mit Coding Agent wartbare Website, minimierte Abhängigkeiten, optimale SEO/GEO Performance.

  • Astro 5.x, PropStack CRM Integration
  • IONOS SFTP Deployment
  • Keine externen JS-Frameworks
  • DSGVO/BFSG Compliance als Git-Hooks
TypeScript Aktiv

propstack-mcp

MCP Server für PropStack Immobilien-API.

Ziel: CRM-Daten verfügbar machen für Workflows & Agents.

  • Read-only, DSGVO-konform
  • GPS-Koordinaten gerundet, Makler-Daten gefiltert
  • npm-Paket oder .mcpb-Bundle
JavaScript Aktiv

imphoto

Electron-App zur Automatisierung des Immobilien-Foto-Workflows.

Ziel: Effizienzsteigerung und MVP für App-Deployment

  • 6 Phasen von Import bis Export
  • Automatische Benennung ({ObjektNr}-{Raum}-{Nr})
  • Drag&Drop Sortierung

Systems Engineering & Graphs

TypeScript Aktiv

GraphEngine

Weiterentwicklung von AiSE.

Ziel: Optimierte LLM-Engine mit Streaming, schnellen Responses und erweiterten Rules für Self-Learning.

  • AgentDB als zentrale In-Memory-Datenbank
  • Optimiertes Datenhandling (Prompt Compression, Diff)
  • Reines Terminal UI
JavaScript/Python Archiv

AiSe

Graph-basierte SE-Plattform mit LLM-Assistent.

Ziel: Nutzung von LLM zum Erstellen von SE-Modellen auf Basis einer Ontologie.

  • Neo4j Backend
  • UI zur Anzeige und Manipulation von Graphen
- Archiv

sysli

Prototyp für KI-gestütztes Systems Engineering.

Ziel: Beispieldaten, Prompts und Scripts zu LinkedIn-Posts. Grundlage für AiSe/GraphEngine Ontologie.

Python Abgeschlossen

PromptCompression

Forschungsprojekt zur Token-Optimierung von Graph-Daten für LLMs.

Ziel: 69% Token-Reduktion bei 100% LLM-Erfolgsrate.

  • Entwickelt 'Format E' als kompaktes Austauschformat

Sonstiges

Methodik Aktiv

Projektprozess

6 Schritte zur strukturierten Datenreife.

Ziel: Vom Status-Check bis zur KI-Aktivierung – strukturiert zum Business Value.

  • Status-Check: Wo stehen Sie auf der Datenreife-Leiter?
  • Struktur vor KI: 70-80% des Werts aus Regeln
  • Reproduzierbare, auditierbare Ergebnisse
JavaScript/HTML Aktiv

PitchTrainer

Pitch-Trainer mit Echtzeit-Feedback.

Ziel: Feasibility-Studie für Spracherkennung + KI-Bewertung.

  • Deutsche Spracherkennung (Web Speech API + Voxtral)
  • KI-Bewertung (Mistral)
  • 45s/60s Formate, mobil-optimiert

Interesse an Zusammenarbeit?

Lassen Sie uns besprechen, wie diese Technologien für Ihr Projekt eingesetzt werden können.

Gespräch vereinbaren