Der Anwendungsfall ist konkret.
Nutzer, Datenquellen und gewünschtes Ergebnis sind benannt. Es geht nicht mehr darum, ob KI interessant ist, sondern wie sie sicher eingesetzt wird.
Alle Leistungen
KI-Integration
Von der KI-Demo zum Produktivsystem. Mit Zugriffsschutz und Kostenkontrolle.
Eine KI-Demo läuft immer. Produktion stellt die anderen Fragen: Wer darf welches Tool im Namen welches Nutzers aufrufen? Was passiert bei einem Fehlschlag? Was kostet ein Nutzer im Monat? Ich baue die Infrastruktur hinter agentischen Systemen. MCP-Server, sichere Tool-Anbindung und LLM-Integration in bestehende Backends.
AWS Certified Generative AI Developer – ProfessionalMCP & Tool-CallingCognito & OAuth 2
Was Sie bekommen
- Machbarkeits- und Kostenabschätzung vor dem Bau, nicht danach
- MCP-Server mit Authentifizierung, Autorisierung und Audit-Trail
- Anbindung Ihrer bestehenden Systeme als kontrollierte Tools
- Evaluationen, Guardrails und Kosten-Monitoring pro Anwendungsfall
Umfang & Zusammenarbeit
Der KI-Produktionscheck liefert innerhalb von zehn Werktagen einen konkreten Umsetzungsplan. Der Produktivbau dauert danach typischerweise zwei bis vier Monate, mit der ausdrücklichen Option, nach dem Check nicht weiterzumachen. Abgegrenzte Einzelfälle laufen kürzer und zum Einstiegspreis, sie stehen unten verlinkt.
Remote aus Deutschland. Direkt mit mir, ohne Agentur dazwischen.
Die Ausgangslage
Der Prototyp überzeugt. Der Betrieb stellt die Fragen.
Ein Agent der im Notebook funktioniert ist kein Produkt. Sobald echte Nutzer, echte Daten und echte Berechtigungen dazukommen verschiebt sich das Problem: Es geht nicht mehr um Prompts, sondern um Identität, Zugriffsrechte, Nachvollziehbarkeit, Fehlerverhalten und Kosten pro Anfrage.
Der kritische Teil eines agentischen Systems ist selten das Modell. Es sind die Tools: Was darf ein Agent im Namen eines Nutzers tun, wie wird das technisch durchgesetzt und wie sehen Sie hinterher was tatsächlich passiert ist. Genau dort setze ich an.
Typische Symptome- Der Agent läuft mit einem technischen Benutzer der alles darf.
- Niemand kann nachvollziehen welche Aktion ein Agent ausgelöst hat.
- Die Kosten pro Anfrage sind unbekannt und nach oben offen.
- Qualität wird nach Gefühl bewertet statt gemessen.
- Ein Modellwechsel bedeutet, die halbe Anwendung anzufassen.
- Es ist unklar, welche Daten überhaupt in einen Prompt gelangen.
Für wen das passt
Für Teams, die aus einem KI-Anwendungsfall ein verlässliches System machen müssen.
Das Angebot richtet sich an CTOs, technische Leiter und Produktverantwortliche in etablierten Unternehmen. Ein konkreter Anwendungsfall oder Prototyp existiert bereits – offen sind die Fragen zu Datenzugriff, Security, Kosten und Betrieb.
Die KI muss in bestehende Systeme.
Das Modell braucht kontrollierten Zugriff auf Backends, Dokumente oder Werkzeuge und muss sich in vorhandene Identitäten und Abläufe einfügen.
Der Betrieb muss verantwortbar sein.
Kosten, Berechtigungen, Qualität und Fehlerfälle sollen vor dem Rollout geklärt sein – nicht erst nach dem ersten Vorfall.
Was ich mache
Kontrolliert.
Nachvollziehbar.
Bezahlbar.
01
Anwendungsfall schärfen
Zuerst die unbequeme Frage: Braucht es dafür wirklich ein Modell? Manches ist eine Suchfunktion, manches eine Regel. Wenn ein LLM die richtige Antwort ist, definieren wir vorab was „gut genug" heißt und woran es gemessen wird.
02
MCP-Server als kontrollierte Schnittstelle
Ihre bestehenden Systeme werden als Tools verfügbar gemacht, über MCP und mit klar umrissenen Fähigkeiten. Jedes Tool hat eine Signatur, eine Berechtigungsprüfung und ein definiertes Fehlerverhalten. Kein direkter Datenbankzugriff für Modelle.
03
Identität und Autorisierung
Der Agent handelt im Namen eines Nutzers, nicht anstelle aller. OAuth 2 über Cognito, ein Token-Broker für nachgelagerte Systeme und Berechtigungen die dort geprüft werden wo sie hingehören. Jeder Tool-Aufruf ist einem Nutzer zuordenbar.
04
Betrieb, Kosten und Guardrails
Token-Verbrauch pro Nutzer und Anwendungsfall, Limits und Budgets, Caching wiederkehrender Anfragen, kleinere Modelle wo sie reichen. Dazu Timeouts, Retries und ein sauberer Fallback wenn ein Anbieter ausfällt.
05
Qualität messbar machen
Testdatensätze aus echten Fällen, automatisierte Evaluationen in der Pipeline, Regressionen sichtbar vor dem Release. Ein Modell- oder Prompt-Wechsel wird damit zu einer Entscheidung mit Zahlen statt zu einem Gefühl.
Einzelfälle
KI-TelefonassistentAnrufe rund um die Uhr annehmen, wiederkehrende Fragen beantworten und Anliegen strukturiert an Ihr Team übergeben. Eigene Seite zu Funktionsumfang, Betrieb und dem Festpreis von 3.900 Euro.Claude Code einführenAgenten schreiben inzwischen den größeren Teil des Codes, und der Ausstoß steigt sofort. Was später auffällt, ist der Drift: Kein einzelner Commit ist falsch, aber nach drei Wochen hat eine Modulgrenze ein stilles Loch. Eigene Seite zur Struktur, die das verhindert.MCP-Server entwickelnEin MCP-Server ist an einem Nachmittag geschrieben. Was nicht an einem Nachmittag geschrieben ist: mit wessen Rechten der Agent zugreift, was das Protokoll hergibt und was ein Nutzer im Monat kostet. Eigene Seite dazu.LLM-Kosten senkenEine AWS-Rechnung lässt sich aufschlüsseln, eine Rechnung für Inferenz kennt nur eine Summe. Eigene Seite dazu, wie Kosten je Vorgang und je Nutzer sichtbar werden und welcher Hebel zuerst greift.
Ihre KI-Idee soll in Produktion, sicher und bezahlbar?
Lassen Sie uns in 30 Minuten über den Anwendungsfall sprechen.
Ablauf
Erst prüfen, ob es sich lohnt.
Die Abbruchentscheidung ist Teil des Vorgehens. Nach der Machbarkeit wissen Sie, ob sich der Produktivbau rechnet, und dürfen Nein sagen.
SCHRITT 01
Anwendungsfall prüfen
Anwendungsfall, Datenlage, Erwartung. Wenn ein Modell nicht die richtige Lösung ist, sage ich das im Gespräch und nicht nach drei Monaten.
SCHRITT 02
KI-Produktionscheck
Prüfung von Architektur, Datenzugriffen, Security, Kosten und Integration. Ergebnis: ein priorisierter Umsetzungsplan innerhalb von zehn Werktagen.
SCHRITT 03
Produktivbau
MCP-Server, Tool-Anbindung, Auth und Audit-Trail. Deployment auf AWS in Terraform, wie jeder andere Service auch.
SCHRITT 04
Betrieb und Übergabe
Evaluationen in der Pipeline, Kosten- und Qualitäts-Dashboards, Übergabe an Ihr Team inklusive Pairing.
Einstieg
KI-Produktionscheck. Ab 2.400 €
Vom Prototyp in den sicheren Betrieb.
Ich prüfe Architektur, Datenzugriffe, Security, Kosten und Integration Ihrer KI-Lösung und liefere einen konkreten Umsetzungsplan.
Was Sie bekommen
- Architekturprüfung vom Modellaufruf bis zum produktiven Betrieb
- Datenflüsse und Zugriffsrechte: welche Daten wohin gelangen und wer was auslösen darf
- Security-Review für Identität, Secrets, Tool-Zugriffe und Protokollierung
- Kostenbild je Anfrage und Anwendungsfall, einschließlich der wichtigsten Kostentreiber
- Prüfung der Integration in bestehende Systeme, Schnittstellen und Betriebsabläufe
- Konkreter Umsetzungsplan mit Prioritäten, Risiken und den nächsten sinnvollen Schritten
Was Sie nicht bekommen
- Keine Umsetzung der empfohlenen Maßnahmen innerhalb des Checks
- Kein Penetrationstest und keine rechtliche oder datenschutzrechtliche Prüfung
- Keine pauschale Freigabe für den Produktivbetrieb ohne Zugriff auf die relevanten Unterlagen und Systeme
- Voraussetzung ist ein vorhandener Prototyp oder eine bereits konkret entworfene KI-Lösung
- Sie stellen Architekturunterlagen, relevante Zugänge und einen technischen Ansprechpartner bereit
- Der Preis beginnt bei 2.400 Euro netto. Umfang und verbindlicher Preis stehen vor dem Start fest
- Der Umsetzungsplan gehört Ihnen und kann von Ihrem Team, von mir oder von einem anderen Dienstleister umgesetzt werden
- Sie sind zu keiner anschließenden Beauftragung verpflichtet
Das Ergebnis
Was in Produktion ankommt.
Ein System das ein Audit übersteht
Jeder Tool-Aufruf hat einen Nutzer, eine geprüfte Berechtigung und einen Log-Eintrag.
Kosten die planbar sind
Verbrauch pro Anwendungsfall sichtbar, Limits gesetzt, teure Aufrufe erkannt bevor sie zur Gewohnheit werden.
Austauschbarkeit
Modelle und Anbieter lassen sich wechseln, ohne die Anwendung neu zu bauen.
Eingesetzte Technologien
Bewährte Tools. Kein Experiment.
KI-Dienste
- Amazon Bedrock
- SageMaker
- Claude
- Titan Embeddings
KI-Bausteine
- MCP
- FastMCP
- RAG
- Tool-Calling
- Prompt Engineering
- Guardrails
Backend
- Golang
- Python
- PHP 8
- TypeScript
- gRPC
- REST
Daten
- DynamoDB
- PostgreSQL
- OpenSearch
- S3
- Valkey / Redis
Sicherheit
- IAM
- Cognito
- OAuth 2
- KMS
- Secrets Manager
Plattform
- ECS Fargate
- Lambda
- EventBridge
- Step Functions
- API Gateway
Infrastruktur
- Terraform
- AWS CDK
- Docker
- GitHub Actions
Betrieb
- CloudWatch
- OpenTelemetry
- Datadog
- Grafana
Mit wem Sie es zu tun haben
Direkt mit mir als Freelancer. Keine Agentur dazwischen.
Ich bin Tim Rutte. Über 20 Jahre Softwareentwicklung, heute bringe ich KI-Systeme in Produktion, dorthin also, wo sie messbar werden. Sie sprechen mit der Person, die Ihren Code anfasst, vom ersten Gespräch bis zur Übergabe.
- 20+Jahre Softwareentwicklung
- 50+erfolgreiche Projekte
- 2003seit diesem Jahr remote im Einsatz
Zusammenarbeit
Mitarbeit im Team oder eigenständige Umsetzung.
Sie müssen kein bestimmtes Setup mitbringen. Ich passe die Zusammenarbeit daran an, wie Ihr Unternehmen aufgestellt ist und wie viel Verantwortung Sie abgeben möchten.
01Gemeinsam
Ich arbeite in Ihrem Team.
Wenn Wissen und Verantwortlichkeiten bereits bei Ihnen liegen, steige ich dort ein, wo zusätzliche Erfahrung gebraucht wird. In Ihren Abläufen, mit direkter Abstimmung und ohne Parallelwelt.
- Integration in Ihre Sprints, Reviews und technischen Entscheidungen
- Pairing und Wissenstransfer während der Umsetzung
- Code, Dokumentation und Betrieb bleiben vollständig bei Ihrem Team
02Eigenständig
Ich übernehme die Umsetzung.
Wenn intern Zeit oder Kapazität fehlt, übernehme ich ein klar abgegrenztes Vorhaben von der technischen Klärung bis zum produktiven Einsatz. Sie geben Ziel und Rahmen vor, ich kümmere mich um den Weg dorthin.
- Ein Ansprechpartner von der Klärung bis zur Umsetzung
- Regelmäßige, verständliche Zwischenstände statt laufender Steuerung
- Saubere Übergabe mit Dokumentation und Einweisung
In beiden Modellen gilt: Sie sehen jederzeit, was entsteht, welche Entscheidungen anstehen und was als Nächstes passiert. Abgerechnet wird je nach Projektbedarf und Ihrem bevorzugten Modell: klar abgegrenzte Vorhaben zum Festpreis, längere und dynamische nach Aufwand.
Kontinuität
Ihr System bleibt Ihres.
Auch bei eigenständiger Umsetzung entsteht keine Abhängigkeit von mir. Alles, was für Weiterentwicklung und Betrieb nötig ist, liegt vom ersten Tag in Ihrer Umgebung und wird laufend übergabefähig gehalten.
Zugänge bleiben bei Ihnen.
Code, Cloud-Accounts, Pipelines und Secrets liegen in Ihren Systemen. Der Betrieb hängt nicht an einem persönlichen Konto oder einem Zugang, den nur ich kontrolliere.
Wissen bleibt nicht in meinem Kopf.
Architekturentscheidungen, Betriebsabläufe und bekannte Risiken werden dort dokumentiert, wo Ihr Team sie später findet – und während des Projekts aktuell gehalten.
Ein anderer kann übernehmen.
Reproduzierbare Umgebungen, automatisierte Deployments und regelmäßige Übergaben sorgen dafür, dass Ihr Team oder ein anderer Dienstleister ohne Neustart weiterarbeiten kann.
Das Ziel ist nicht, dass Sie mich dauerhaft brauchen. Das Ziel ist, dass Sie jederzeit frei entscheiden können, wer das System weiterentwickelt.
Häufige Fragen
Bevor Sie fragen.
Was ist ein MCP-Server und warum brauchen wir einen?
Das Model Context Protocol ist ein offener Standard dafür, wie ein Modell mit externen Systemen spricht. Ein MCP-Server stellt Ihre Systeme als klar definierte Tools bereit, mit Schema, Berechtigungsprüfung und Fehlerverhalten. Der Vorteil: Sie kontrollieren an einer Stelle was ein Agent tun darf, statt diese Logik in jede Anwendung zu kopieren.
Müssen unsere Daten dafür zu einem Modellanbieter?
Nicht zwingend. Über Amazon Bedrock bleiben Aufrufe innerhalb Ihrer AWS-Umgebung und Region. Welche Daten überhaupt in einen Prompt gelangen, wird auf Tool-Ebene entschieden und protokolliert. Das ist Teil des Entwurfs, nicht eine Einstellung am Ende.
Wie halten wir die Kosten unter Kontrolle?
Durch Messung und Grenzen: Token-Verbrauch pro Nutzer und Anwendungsfall, harte Limits, Caching wiederkehrender Anfragen und kleinere Modelle dort wo sie ausreichen. Die Kostenabschätzung entsteht in der Machbarkeitsphase, bevor gebaut wird, nicht wenn die erste Rechnung kommt.
Wir haben schon einen Prototyp. Können Sie darauf aufsetzen?
Ja, das ist ein häufiger Ausgangspunkt. Der Prototyp beantwortet meist die Frage ob es fachlich funktioniert. Was dann fehlt ist der Weg in den Betrieb: Identität, Berechtigungen, Fehlerverhalten, Evaluationen und Kostenkontrolle. Genau diese Schicht baue ich.
Was, wenn sich der Anwendungsfall als untauglich erweist?
Dann sagen wir das nach der Machbarkeitsphase und Sie haben ein bis zwei Wochen investiert statt zwei Quartale. Ein sauberes Nein mit Begründung ist ein legitimes Ergebnis, und deutlich billiger als ein Projekt, das niemand abbrechen will.
Weitere Leistungen
Womit ich sonst helfe.
Backend-Entwicklung
Backends für SaaS und Plattformen, die unter echter Last halten: in Go und PHP 8, event-getrieben, mit Mandantentrennung und Wiederanlauf im Entwurf.
Mehr erfahrenLegacy-Modernisierung
Gewachsene Systeme schrittweise modernisieren: Strangler-Fig statt Rewrite, laufender Betrieb unangetastet, jeder Schritt umkehrbar.
Mehr erfahrenAWS-Migration
Vom eigenen Rechenzentrum oder aus einer anderen Cloud nach AWS, mit Kostenmodell vor dem Umzug und Rollback-Pfad für jeden Schritt.
Mehr erfahrenAWS-Kosten senken
Ich finde wo Ihr AWS-Budget versickert, messbar reduziert, ohne Abstriche bei Performance oder Verfügbarkeit.
Mehr erfahrenAWS-Ausfallsicherheit verbessern
Damit ein einzelner Fehler nicht die ganze Anwendung mitnimmt: Abhängigkeiten und Single Points of Failure gefunden, Wiederanlauf geprobt statt dokumentiert, Änderungen als Terraform.
Mehr erfahrenProzessautomatisierung
Manuelle Abläufe durch echte Systeme ersetzen: angebunden an Ihre Bestandssysteme, mit Berechtigungen und Protokoll statt Tool-Kette.
Mehr erfahren