LR
Vom Problem zur laufenden KI-Lösung

Ich baue das, wofür andere ein Team einplanen.

Ich zerlege Ihr Problem, entscheide, wo KI hilft und wo Code reicht, baue die erste Version selbst und messe, ob sie trägt.

Projekte ansehenKontakt
Lukas Ripota
EarlyGame, 2024

Mein Team fragte, ob ich heimlich Freelancer auf Fiverr bezahle. Nein. Ich hatte die Recherche automatisiert.

973 Studios automatisch recherchiert1.881 Kontakte gefunden6 Mailvarianten im Test9.200 Zeilen eigener Coding-Agent6.600 Zeilen Sprachassistent188 von 189 Feldern richtig gelesen973 Studios automatisch recherchiert1.881 Kontakte gefunden6 Mailvarianten im Test9.200 Zeilen eigener Coding-Agent6.600 Zeilen Sprachassistent188 von 189 Feldern richtig gelesen
01Projekte

Drei Probleme. Jede Firma kennt sie.

Ausgewählt nach Recherche. Back-Office bringt laut MIT den höchsten Ertrag. 72 % der KI-nutzenden Firmen setzen sie im Kundenkontakt ein (Bitkom 2026). Und mit der Rente geht Wissen, das nirgends aufgeschrieben ist.

01Live-Demo

Rechnungseingang mit Abgleich

Das Problem

Rechnungen kommen als PDF, Scan, Handyfoto, Kassenbon oder E-Rechnung, und jede sieht anders aus. Meist tippt sie jemand ab, sucht Bestellung und Lieferschein heraus und vergleicht Zeile für Zeile. Zu viel berechnete Mengen, falsche Preise und doppelte Rechnungen fallen oft erst auf, wenn das Geld weg ist.

9,90 $kostet die Bearbeitung einer Rechnung im Schnitt. Die besten Teams schaffen 2,67 $. Ardent Partners 2026, USA
Die Lösung

Das Modell liest jeden Beleg, Code gleicht Bestellung, Lieferschein und Rechnung ab. Jeder Wert zeigt, wo er im Original steht. E-Rechnungen liest Code direkt, ganz ohne Modell. Bezahlt wird nur, was ein Mensch freigibt.

  • Gemini liest
  • 5,3 s pro Beleg
  • 0,48 US-Cent pro Beleg
  • 188 von 189 Feldern richtig
Rechnung
RE-2026-10457
Bestellung
BE-2026-0412
Brutto
219,08 €
10 berechnet · 8 geliefert
02Live-Demo

Sprich mit meinem Portfolio

Das Problem

Wer eine Hotline anruft, landet oft im Tastenmenü: „Drücken Sie die 1.“ Chatbots drehen sich im Kreis, ein Mensch ist nicht zu erreichen, und die eigentliche Frage bleibt offen. Für die Firma heißt das volle Warteschleifen und Kunden, die aufgeben.

50 %der Online-Shopper sind mit Chatbots zufrieden. Mit einem Menschen am anderen Ende sind es 86 %. Bitkom 2025
Die Lösung

Ein Sprachassistent, der frei gesprochene Fragen versteht und sofort antwortet, rund um die Uhr. Kann er nicht helfen, gibt er an einen Menschen weiter, mit Zusammenfassung, damit niemand alles neu erklären muss. Hier spricht er über mich, zeigt Ihnen die Seite und nimmt Nachrichten für mich entgegen. Probieren Sie es aus.

  • Antwort nach ca. 1–2 s
  • 2–4,5 US-Cent pro Minute
  • sagt, dass er KI ist
Gemini 3.8 Live · bis 5 Minuten
Hallo, ich bin Friday, Lukas' persönlicher AI Assistant. Ich erzähl Ihnen gern etwas über ihn oder zeig Ihnen seine Projekte.
Was hat er bei EarlyGame gemacht?
Moment, ich schau kurz nach. Er hat dort die Studio-Recherche mit seinen ersten KI-Skripten automatisiert. Soll ich Ihnen die Stelle zeigen?
Werkzeuge
Nachgeschlagen: EarlyGameZeigt: Werdegang
Antwort beginnt meist nach1 bis 2 s
■ Hören■ Denken■ Sprechen
03Live-Demo

Wissen sichern, bevor es in Rente geht

Das Problem

Wer ist unersetzlich, und was kostet das? Das wichtigste Wissen steht in keinem Handbuch, sondern im Kopf des Instandhalters, der bald in Rente geht. Nachts wartet die Schicht, bis er ans Telefon geht.

13,3 Mio.Erwerbspersonen erreichen in den nächsten 15 Jahren das Rentenalter, 30 % aller von 2025. Destatis, Juni 2026
Die Lösung

Code zählt aus den Störmeldungen in Millisekunden, an wem Wissen hängt und wie viel Stillstand das schon gekostet hat. Nur dazu wird der Meister gefragt, nach Mustern statt nach Tagen. Die Leitung gibt frei, im Ticket steht die Antwort mit Quelle.

  • 9 von 12 Störfällen gelöst
  • 0 von 30 falsch mit Überzeugung
Wissens-Check62 Störmeldungen · ohne KI
JH
Josef Hainz
Instandhaltungsmeister · Rente in 6 Monaten
14
Störungen, nur er gerufen
45 h
Stillstand dabei
37 h
nachts auf ihn gewartet
  • K-2Übertemp. aus7×
  • P-204Rattert beim Anfahren3×
  • HA-1Überstrom Induktor2×
Stört die P-204, meldet die HA-1 binnen 2 h auch (3×). Steht nirgends.
04Ihr Projekt

Drei Projekte habe ich ausgesucht. Das vierte suchen Sie aus.

Sie wollen sehen, wie ich arbeite, bevor Sie mich einstellen? Geben Sie mir eine echte Aufgabe aus Ihrem Alltag. Ich zerlege sie, baue eine erste Version und zeige offen, was die KI schafft und wo nicht.

  1. 1Sie beschreiben die Aufgabe. Ein paar Sätze reichen.
  2. 2Ich melde mich mit Plan, Aufwand und meinen Fragen.
  3. 3Ich baue die erste Version und schicke Ihnen den Link.
Vorschläge zum Anklicken

Ihre Angaben gehen nur an mich und dienen nur der Antwort. Mehr in der Datenschutzerklärung.

02Arbeitsweise

Erst analysieren. Dann bauen. Dann messen. Und erst dann live.

1/4

Analysieren

Welcher Ablauf kostet am meisten Zeit? Wo hilft KI, wo reicht Code? Welches Modell passt, und was kostet ein Vorgang?

Modell liest, Code prüft, Mensch gibt frei
2/4

Bauen

Den Prototyp baue ich selbst, mit Coding-Agents. Wie die arbeiten, weiß ich von innen: Ich habe selbst einen gebaut.

LukeCode: eigener Harness, ~9.200 Zeilen
3/4

Messen

Wie genau, wie schnell, wie teuer? Gemessen an Testdaten mit bekannten Antworten. Ich zeige das Ergebnis, auch wenn es keine 100 % sind.

Rechnungseingang: 188 von 189 Feldern
4/4

Betrieb

Wer gibt frei? Was darf der Agent allein? Wer merkt, wenn etwas schiefläuft? Erst dann ist es fertig.

4 von 8 Vorgängen prüft ein Mensch
Lukas RipotaVom Problem zur laufenden KI-Lösung

Den Großteil des Codes schreibt KI. Ich entscheide, was gebaut wird, wie es getestet wird und wann es gut genug ist. Das ist der Job.

Unter der Haube

Selbst gebaut. Um zu verstehen, womit ich arbeite.

Im Frühjahr 2026 konnten die Agenten der großen Anbieter noch deutlich weniger als heute. Also habe ich die fehlenden Teile selbst gebaut. LukeCode und Jarvis habe ich eingestellt, als die Anbieter nachzogen. Was ich dabei gelernt habe, nutze ich jeden Tag.

LukeCode

~9.200 ZeilenEingestellt

Mein eigener Harness für Coding-Agents im Terminal: die Schicht zwischen Modell und Rechner, die Werkzeuge aufruft, Kontext verwaltet und Kosten zählt. Gebaut im Mai 2026.

Eingestellt, als die großen Anbieter nachzogen. Das Verständnis blieb.

Die Probleme, die ich lösen musste

  • Kontext-Fäule

    Je voller der Kontext, desto vergesslicher und teurer das Modell. LukeCode kürzt Tool-Ergebnisse nach jeder erledigten Runde auf eine Zeile, liest Dateien in Fenstern von 200 Zeilen und zeigt an, wie voll der Kontext ist.

  • Tool-Schleife

    Bis zu 12 Runden pro Auftrag, dann erzwingt der Harness eine Antwort. Kaputte Tool-Aufrufe gehen als Fehlermeldung ans Modell zurück, statt alles abstürzen zu lassen. Escape bricht sauber ab.

  • Richtig recherchieren

    Fünf Suchmaschinen als Ausweichkette, bis zu vier Suchvarianten gleichzeitig, Doku und offizielle Quellen vor Social Media. Von den drei besten Seiten kommen nur die passenden Absätze in den Kontext. Bei aktuellen Themen hängt er die Jahreszahl an.

  • Jeder Anbieter tickt anders

    DeepSeek will seine Denkschritte zurückbekommen, Fireworks braucht einen Cache-Schlüssel, OpenRouter liefert Preise live. Der Harness gleicht das aus und rechnet die Kosten pro Nachricht, auch wenn mitten in der Sitzung das Modell wechselt.

  • PC-SteuerungÜberlegt, nicht gebaut

    Nicht jedes Modell bedient einen Bildschirm gleich gut. Spezialisierte Modelle wie Holo von H Company lagen in Benchmarks vorn. Ich habe durchdacht, wie man so eins als Augen und Hände an den Harness hängt. Gebaut habe ich es nicht mehr, die großen Agenten haben aufgeholt.

LukeCode im Terminal: eine Recherche mit zwölf Tool-Aufrufen, rechts Kontext und Kosten der Sitzung
Echte Sitzung vom 31.05.2026. Eine Frage, zwölf Tool-Aufrufe: Die Suche läuft über die Ausweichkette (hier Bing RSS), gescheiterte Shell-Befehle gehen als Fehler zurück ans Modell. Rechts: 1,0 % Kontext belegt. Die Kostenanzeige (0,15 US-Cent) zählt bisher nur die letzte Modellrunde, die Sitzung hat mehr gekostet.

Jarvis

~6.600 ZeilenEingestellt

Sprachassistent für Windows, Mai 2026. Das Ziel: so wenig Wartezeit wie möglich zwischen Frage und Antwort.

Gebaut gegen Wartezeit

  • Antwortet auf Verdacht: Das Modell legt schon beim halben Satz los. Passt der fertige Satz dazu, bleibt die Antwort.
  • Spricht, während es noch schreibt: Die Stimme bekommt Text, sobald der erste Halbsatz steht.
  • Lässt sich unterbrechen: Wer dazwischenredet, stoppt die Antwort, ohne dass die ersten Silben verloren gehen.
  • Ist ein Anbieter am Limit, übernimmt der nächste: Google, Fireworks, Groq.

Nächste Gedanken, nicht in der letzten Fassung

  • Schnell und klug zugleich: Ein schnelles Modell antwortet sofort, notfalls mit einem Füllsatz. Ein starkes denkt im Hintergrund und liefert nach.
  • Träumen: Wenn niemand spricht, wertet der Agent den Verlauf aus und sortiert, was er sich merken sollte.
  • Ein Gedächtnis, das nicht vollläuft: Gedanken so ablegen, dass sie Monate später auffindbar sind, ohne jeden Kontext mit altem Wissen zu füllen. Eine erste Version habe ich gebaut und wieder ausgebaut.

MCP-Server

2 im Einsatz

MCP ist der Standard, über den KI-Agenten Werkzeuge anschließen. Was meinen Agenten fehlt, baue ich dazu.

  • Video, Audio, YouTube

    Claude kann keine Videos ansehen und kein Audio hören. Mein Server reicht das an Gemini weiter: YouTube, Audio, PDFs. Ist ein Gemini-Modell überlastet, springt das nächste ein.

  • lokales Videomodell

    Codex erzeugt Videos lokal über ComfyUI mit dem Videomodell MiniMax H3. Aufträge laufen im Hintergrund, Dateipfade und Workflows sind auf eine Freigabeliste beschränkt.

Meine Modelle, Stand Oktober 2026
Baut

Claude Opus

Der teure Arbeiter. Schreibt Code, plant, prüft. Läuft in Claude Code, auch diese Seite ist so entstanden.

Sieht und hört

Gemini

Bilder, Videos, YouTube, Audio. Über meinen MCP-Server auch für Opus. Liest in der Rechnungs-Demo die Belege.

Günstig und schnell

DeepSeek

Für Masse und Vergleiche. Im Rechnungstest fast so genau wie Gemini und rund zehnmal schneller. Chinesischer Anbieter, deshalb nicht für echte Kundendaten.

Zum Testen

OpenRouter

Viele Modelle über eine Schnittstelle, einige gratis. So probiere ich neue Modelle aus, bevor ich mich festlege.

Darin schreiben meine Agenten. Ich lese und prüfe, tippen muss ich es nicht.

  • TypeScript
  • Python
  • Bun
  • Next.js
  • React
  • Tailwind CSS
  • GitHub

Gestaltung

  • BDEngine
  • Blender
03KI & Daten

Trainiert die KI mit Firmendaten? Das entscheidet der Tarif.

Eine Kalkulation, schnell in einen KI-Chat kopiert, weil das Angebot heute noch rausmuss. Hinterher bleibt ein ungutes Gefühl. Lernt das Modell daraus? Taucht die Kalkulation irgendwann bei der Konkurrenz auf? Wer liest mit, und wo liegt sie jetzt? Und wer im Team macht es gerade genauso?

45 %

der Firmen fürchten, dass Firmendaten über KI in falsche Hände geraten. 2025 waren es 39 %.

Bitkom, September 2026
66 %

der Firmen, die KI schon nutzen, nennen Datenschutz als Hemmnis. So oft wie nichts anderes.

Bitkom, September 2026
42 %

der Firmen: Beschäftigte nutzen private KI-Tools im Job, belegt oder vermutet.

Bitkom, Oktober 2025

Vier Wege, KI zu nutzen. Wo die Daten jeweils landen.

Ob KI mit Firmendaten sicher ist, hängt weniger am Modell als am Weg dorthin. Das größte Risiko ist das private Chat-Konto, gratis oder im Abo: Dort wird meist ab Werk trainiert, und es gibt keinen Vertrag mit der Firma. Bei Business-Zugängen und bezahlten APIs ist Training ab Werk aus, vertraglich zugesichert. Was dort bleibt, sind Speicherfristen und US-Recht. Hier die vier üblichen Wege, vom riskantesten zum sichersten, und wofür jeder taugt.

01Nicht für Firmendaten

Privates Chat-Konto

Zum Vergleich: so passiert es heute oft

Im Haus
EU
USA
FirmaModell
Training
BeispieleChatGPTGemini-App
Firmendatenlandet im Training
Was passiert

Jemand kopiert einen Vertrag oder eine Kundenmail in ChatGPT oder die Gemini-App, mit dem privaten Konto, gratis oder im Abo. Rechtlich ist das ein Vertrag zwischen dieser Person und dem Anbieter. Die Firma ist gar nicht beteiligt und erfährt meist nichts davon.

Warum das riskant ist

Bei Verbraucher-Konten ist Training die Regel. Bei ChatGPT Free, Plus und Pro und in der Gemini-App fließen Chats ab Werk ins Training, bei Claude.ai, wenn die Einstellung an ist. Was einmal im Training steckt, lässt sich nicht gezielt zurückholen. In der Gemini-App lesen zur Qualitätskontrolle auch Menschen mit. Abschalten kann das nur jeder Einzelne für sich, und die Firma sieht nicht, ob es passiert ist.

Passt für

Private Fragen und öffentliche Infos. Nie Kundendaten, Verträge oder Quellcode.

Training
ja, ab Werk
Vertrag mit der Firma
keiner
Daten liegen
meist in den USA
Restrisiko
Daten im Training
Kosten
gratis oder Abo
Passt für
nur Öffentliches

Von Menschen geprüfte Gemini-Chats bleiben bis zu 3 Jahre gespeichert, auch nach dem Löschen. 34,8 % dessen, was Beschäftigte in KI-Tools eingeben, ist sensibel, am häufigsten Quellcode (Cyberhaven 2025).

02Für die meisten Abläufe

Bezahlte API

Schnellster Start, beste Modelle

Im Haus
EU
USA
FirmaModell
kein Training
BeispieleOpenAIClaudeGemini
Firmendatenlandet im Training
Was passiert

Die Firma schließt einen Geschäftsvertrag mit dem Anbieter, samt Auftragsverarbeitungsvertrag (AVV). Die eigene Software schickt Daten direkt an das Modell, ohne Chatfenster dazwischen. So ist auch meine Rechnungs-Demo gebaut.

Wie sicher das ist

Trainiert wird nicht: Bei OpenAI, Anthropic und der bezahlten Gemini-API ist das ab Werk aus und vertraglich zugesichert. Gespeichert wird trotzdem, zur Missbrauchskontrolle bis zu 30 Tage, bei Gemini 55. Und die Daten liegen meist in den USA. Dort können Behörden über den CLOUD Act die Herausgabe verlangen.

Passt für

Rechnungen, Anfragen, interne Texte, wenn AVV und Data Privacy Framework passen. Nicht für Geschäftsgeheimnisse.

Training
nein, per Vertrag
Vertrag mit der Firma
AVV
Daten liegen
meist in den USA
Restrisiko
US-Recht, CLOUD Act
Kosten
ca. 0,5 US-Cent pro Beleg
Passt für
Rechnungen, Anfragen

Null-Speicherung (Zero Data Retention) gibt es bei OpenAI, Anthropic und Vertex AI auf Antrag. Meine Regel: nur bezahlte Zugänge mit AVV, nie Gratis-Stufen mit echten Daten.

03Wenn Daten in der EU bleiben müssen

Cloud in der EU

Rechenzentrum in Europa

Im Haus
EU
USA
FirmaModell, EUCLOUD Act
kein Training
BeispieleVertex AIAzureMistral
Firmendatenlandet im Training
Was passiert

Dieselben großen Modelle, aber gebucht in einer Cloud-Region in Europa: Gemini über Vertex AI in Frankfurt, GPT über Azure mit EU-Datenzone. Oder gleich ein europäischer Anbieter wie Mistral.

Wie sicher das ist

Die Berechnung bleibt in der EU, Übermittlungen in die USA entfallen, Training ist aus. Ein Rest bleibt: Gehört der Anbieter zu einem US-Konzern, gilt der CLOUD Act auch für Daten in Frankfurt. Microsoft konnte das 2025 unter Eid vor dem französischen Senat nicht ausschließen.

Passt für

Personal- und Kundendaten, wenn der Datenschutz verlangt, dass alles in der EU verarbeitet wird.

Training
nein
Vertrag mit der Firma
AVV
Daten liegen
in der EU
Restrisiko
CLOUD Act bei US-Anbietern
Kosten
ähnlich wie API
Passt für
Personal- und Kundendaten

Wichtig ist der regionale Endpunkt: Globale Endpunkte garantieren keine Verarbeitung in der EU. Mistral ist ein EU-Anbieter und hostet standardmäßig in der EU.

04Für Geschäftsgeheimnisse

Lokal

Daten verlassen das Haus nie

Im Haus
EU
USA
Firma
Modell im Haus
BeispieleQwen3-VLPaddleOCR
Firmendatenlandet im Training
Was passiert

Ein offenes Modell läuft auf einem Rechner im eigenen Haus. Kein Anbieter sieht die Daten, keine Leitung nach außen ist nötig.

Wie sicher das ist

So sicher wie die eigene IT. Der Preis: Hardware kaufen, selbst warten, und offene Modelle sind meist schwächer als die besten Cloud-Modelle. Ob das für eine Aufgabe reicht, muss man messen, nicht schätzen.

Passt für

Konstruktionspläne, Rezepturen, Verträge, alles, was das Haus nie verlassen darf.

Training
nein
Vertrag mit der Firma
nicht nötig
Daten liegen
im eigenen Haus
Restrisiko
eigene IT-Sicherheit
Kosten
1.500–5.000 € Hardware
Passt für
Pläne, Rezepturen, Verträge

Kleine Lesemodelle wie PaddleOCR-VL passen auf eine Grafikkarte mit 16 GB. Die Messung auf meiner RTX 5070 Ti folgt.

Die Fragen, die immer kommen
Was man wissen muss

AI Act, Art. 50

Gilt seit 02.08.2026: Wer mit einer KI spricht, muss das spätestens beim ersten Kontakt erfahren, sofern es nicht offensichtlich ist.

Data Privacy Framework

Vom EU-Gericht am 03.09.2025 bestätigt. Die Berufung beim EuGH (C-703/25 P) läuft, ein Urteil gibt es noch nicht. Es gilt, mit Restrisiko.

Auftragsverarbeitung

KI als Cloud-Dienst ist laut Datenschutzkonferenz im Grundsatz Auftragsverarbeitung: pro Anbieter ein AVV nach Art. 28 DSGVO. Manche Gratis-Stufen trainieren mit den Eingaben, deshalb dort nie Kundendaten eingeben.

Hochrisiko-KI

Verschoben: eigenständige Systeme nach Anhang III auf den 02.12.2027, KI in Produkten wie Maschinen (Anhang I) auf den 02.08.2028.

Keine Rechtsberatung. Angaben nach den Bedingungen der Anbieter, Stand: Oktober 2026.

04Side Projects

Gebaut, weil es schwer ist. Nicht, weil es jemand verlangt.

Nebenher baue ich gern Dinge, die eine Nummer zu groß wirken. Dabei lerne ich am meisten. Dazu gehören ein eigener Harness für Coding-Agents, ein Sprachassistent und Klavierfassungen mit KI.

Das meiste davon spielt aber in Minecraft. Dort hat alles angefangen, und dort zeigt sich jedes Ergebnis sofort: Die Maschine läuft, oder sie tut es nicht.

Ohne Mods gibt es nur Blöcke, ein paar Display-Entities und 50 Millisekunden pro Server-Tick. Jede Bewegung entsteht im Code. In diesem Rahmen baue ich Maschinen, die laufen, klettern und zielen. Es ist dieselbe Arbeit wie im Job: Problem zerlegen, messen, schneller machen.

13

Der Anfang

Erstes Plugin mit 13, später ein eigener Server mit eigenen Spielern. Daher kam der Wunsch, Informatik zu studieren. Programmieren habe ich mir selbst beigebracht.

0 Mods

Warum Minecraft

Kein Mod, kein Resource Pack: Was Spieler sehen, ist Vanilla. Je weniger das Spiel hergibt, desto sauberer muss die Lösung sein.

Star Wars

Warum Star Wars

Runde, schwere Maschinen in einer Welt aus Würfeln. Größer kann der Gegensatz kaum sein, und genau das macht den Reiz aus.

Die Projekte

Jede Karte lässt sich öffnen.

01Design + Plugin

AT-ST

Ein Zweibeiner aus 187 Teilen, der jeden Schritt selbst plant.

02Plugin · mit KI-Agenten

Droiden

Sechs Droiden-Typen mit Formationen und Gunship, in gut einer Woche mit KI-Agenten gebaut.

03Plugin

FluidRealism

Endliches Wasser: Nichts entsteht aus dem Nichts, nichts verschwindet.

04Musik · kein Minecraft

KI-Klavier

Klavierfassungen bekannter Songs, von KI gesetzt, von mir nach Gehör abgenommen.

05KI-Werkzeug · kein Minecraft

LukeCode

Mein eigener Coding-Agent fürs Terminal, mit Websuche und Kosten pro Nachricht.

06Sprachassistent · kein Minecraft

Jarvis

Mein Sprachassistent für Windows, der losdenkt, bevor die Frage zu Ende ist.

07Plugin · Prototyp
Clip folgt

Weltgenerator

Realistische Gebirge mit einem portierten Erosionsfilter.

08Modell
Clip folgt

UH-1 Huey

Ein UH-1 Huey aus Blöcken.

05Über mich
Lukas Ripota
Lukas Ripota
München · Deutsch, Englisch

Schnell gelernt. Lieber gebaut.

Ich bin Lukas aus München. Fachabitur Wirtschaft, ein Semester Informatik an der Hochschule München. Zu viel Theorie, zu wenig Bauen. Danach freiwilliger Wehrdienst, seit April 2026 eigene KI-Projekte.

Werdegang
Wie ich zur KI kam

Ich war schon vor ChatGPT dabei. Damals noch als Zuschauer.

  1. GPT-3

    Interviews mit einer Maschine

    Schon vor ChatGPT habe ich mir Video-Interviews mit GPT-3 angesehen und in den Kommentaren mit anderen diskutiert, wohin das führt. Meine Vorstellung damals: KI, die selbst forscht und neue Technik erfindet.

    Interview mit GPT-3
    MenschGPT-3
    Kommentare
  2. Ende 2022

    ChatGPT im Deutschunterricht

    ChatGPT kam raus, während ich im Deutschunterricht saß. Ich habe sofort losgelegt, experimentiert und angefangen zu programmieren.

    Neuer Chat
    Nachricht senden
  3. 2024

    Der erste Einsatz im Job

    Im Praktikum bei EarlyGame hat KI zum ersten Mal echte Arbeit gemacht: Skripte für die Studio-Recherche, noch von Hand gestartet, Schritt für Schritt.

    Studio-Recherche
    Skript starten
    läuft
    Studios0
    Kontakte0
    Mailvarianten0

    Von Hand gestartet, Schritt für Schritt

  4. ab 2024

    Programmieren im Chatfenster

    Dann habe ich richtig programmiert, im ganz normalen ChatGPT- und Gemini-Chat. Code-Klassen als .txt reingeschickt, analysieren lassen, mit den Modellen darüber geredet. So lief das ziemlich lange.

    Chat
    ChatGPTGemini
    Klasse_A.txt
    Klasse_B.txt
    Datei anhängen
  5. 04/2026

    Agenten und Harness

    Nach der Bundeswehr habe ich voll losgelegt und meinen Weg zu KI-Agenten gefunden. Zuerst wollte ich verstehen: Was ist Claude Code überhaupt? Was ist ein Harness? Ein paar Wochen später lief mein eigener.

    Claude Code
    ›Bau den Abgleich mit Bestellung und Lieferschein.
    Liest das Projekt
    Plant die Schritte
    Ändert den Code
    Startet die Tests
    WerkzeugeKontextKostenHarness
    Kontext
    12 %
  6. Heute

    Immer auf dem aktuellen Stand

    Bei den Modellen bleibe ich dran: Welches ist gerade das beste? Welches das günstigste? Was kann es wirklich? Genau davon hängt ab, was eine Automatisierung später kostet.

    Modelle im Vergleich
    QualitätPreisTempo
    Claude
    Gemini
    DeepSeek
    Mistral
    Neues Modellneu
06Kontakt

Lass uns reden.

Festanstellung oder Projekt: Schreib mir, worum es geht. Antwort in der Regel am selben Tag.

lukas.ripota@gmail.com