Dixit Jain, KI-Ingenieur & Automatisierungsberater. Die meiste KI bleibt bei der Demo stehen. Ich baue den Teil, der bleibt.
LLM-Agenten, Retrieval-Systeme, Voice AI und die Automatisierung, die sie in bestehende Geschäftsabläufe einbindet. Über 25 Systeme produktiv im Einsatz, mit Nutzern in mehr als 10 Ländern.
25+
Systeme im Produktivbetrieb
85%+
RAG-Trefferquote
12+
Teams begleitet
40%+
Manuelle Arbeit eingespart
50+
Workflows automatisiert
10+
Länder mit aktiven Nutzern
Gebaut für Teams, die echte Produkte ausliefern
Plus Projekte im Finanz- und Behördenumfeld unter Geheimhaltung
Über mich
Systeme, die echteNutzer überstehen.
Kein Portfolio aus Demos. Ein Nachweis von KI-Systemen, die entworfen, ausgeliefert und weiterhin produktiv betrieben werden.
Demos sind einfach. Produktion ist die Arbeit.
Die meisten KI-Projekte sterben zwischen Notebook und Deployment. Ich baue den Teil, der überlebt: Evaluation, Fallbacks, Observability und robuste Systeme, die sich auch dann korrekt verhalten, wenn echte Nutzer auftauchen.
Erst das Geschäftsproblem, dann das Modell.
Jedes System, das ich ausliefere, beginnt bei einem operativen Schmerzpunkt: Leads, die im Postfach verrotten, überlaufende Support-Warteschlangen, Wissen, das in PDFs feststeckt. Von dort arbeite ich rückwärts zur kleinsten Architektur, die das Problem beseitigt.
Full Stack, von Anfang bis Ende.
Agenten-Orchestrierung in LangGraph, Retrieval über hybride Suche, FastAPI-Backends und React-Frontends. Eine Person verantwortet das gesamte System, damit an der Übergabe nichts verloren geht.
Wie ich baue
Understand, architect, build, evaluate, ship, improve. The same loop for every system, whether it is a job or something shipped alone.
Den Prozess lesenWas ich baue
Vier Schichten desselbenProblems.
Die meisten Projekte beginnen in einer davon und berühren am Ende zwei. Das Modell ist selten der schwierige Teil.
KI-Engineering
Agentische Systeme: Agenten, die entscheiden und handeln, Retrieval, das aus Ihren Dokumenten antwortet, und Sprache, die ein Gespräch trägt. Dazu die Zuverlässigkeitsarbeit, die darüber entscheidet, ob irgendetwas davon den Kontakt mit echten Nutzern übersteht.
- LLM-Anwendungen und KI-Agenten
- Multi-Agenten-Orchestrierung
- RAG und hybrides Retrieval
- +4 more
Automatisierungs-Engineering
Die Arbeit zwischen den Systemen. Der meiste operative Schmerz ist keine fehlende Funktion, sondern ein Mensch, der Daten von einem Werkzeug ins andere trägt und es gelegentlich vergisst.
- n8n-Workflow-Automatisierung
- CRM- und ERP-Automatisierung
- Lead-Erfassung, -Weiterleitung und -Nachverfolgung
- +4 more
KI-Systeme für Wachstum und Umsatz
Automatisierung, ausgerichtet auf den Umsatz. Qualifizierung, Personalisierung und Segmentierung sind KI-Probleme mit einer Umsatzzahl daran, was sie am leichtesten begründbar macht.
- KI-Lead-Qualifizierung und -Bewertung
- Vertriebsagenten und Nachfasssequenzen
- Personalisierte Kampagnen in großem Umfang
- +4 more
Individuelle Geschäftssysteme
Das führende System, angepasst an das Unternehmen statt umgekehrt. Meist ERPNext, meist deshalb, weil der Standard-Workflow nicht beschreibt, wie dieses Unternehmen tatsächlich arbeitet.
- ERPNext- und Frappe-Anpassung
- Workflows für Fertigung und Solar
- Vertriebs- und Projekt-Workflows
- +3 more
Ich verantworte die Architektur und den Bau. Wenn ein Projekt mehr Umsetzungskapazität braucht, als eine Person hat, hole ich ein kleines Engineering- und Automatisierungsteam dazu, mit dem ich bereits gearbeitet habe, und bleibe für das Ergebnis verantwortlich.
Systeme, die ich baue
Die Arbeit ist der ganzeAblauf, nicht ein Schritt.
Ein Modell, das gut antwortet, ist ein Feature. Ein Lead, der um Mitternacht eintrifft und mit Kontext die richtige Person erreicht, bevor er kalt wird, ist ein System.
Ein Lead trifft ein und nichts wartet auf einen Menschen
Qualifizierung, CRM-Eintrag, personalisierte Antwort und Nachfassen passieren alle, bevor irgendjemand das Postfach öffnet. Der Vertriebler bekommt eine Benachrichtigung mit Kontext statt einer Zeile zum Sortieren.
Über Ihren Workflow sprechenEingehender Lead workflow. Hauptablauf: Lead trifft ein, dann KI qualifiziert, dann CRM aktualisiert, dann Personalisierte Antwort, dann Vertriebler informiert. Verbundene Pfade: Anreicherung speist KI qualifiziert; Nachfasssequenz als bedingter Pfad von Personalisierte Antwort.
Ausgewählte Arbeiten
Systeme, gebaut,ausgeliefert und im Betrieb.
Drei, die es wert sind, ganz gelesen zu werden. Der Rest des Archivs ist einen Klick entfernt, jedes mit eigenem Bericht.
LawBot Africa
KI-Rechtsplattform für afrikanische Jurisdiktionen: ein Assistent, der in verständlicher Sprache antwortet, ein Vertragsgenerator und eine Dokumentenanalyse, alles in einem Arbeitsbereich.
Fragen, Entwerfen und Prüfen in einem Arbeitsbereich
Chatterbots.ai
Plattform für KI-Sprachassistenten, die ein echtes Gespräch führen, aus Ihren eigenen Inhalten antworten, den Anrufer qualifizieren und den Termin buchen.
Sprachassistenten, die qualifizieren, buchen und übergeben
MarqHire AI
Recruiting-Plattform, die Lebensläufe parst, sie gegen eine Stellenbeschreibung bewertet und Erstgespräche per Sprache führt.
Screening durchgängig automatisiert
Fallstudien
Kundensysteme,im Detail.
Gebaut für Teams mit einem operativen Problem, jedes dokumentiert mit der Architektur, den Abwägungen und dem, was sich nach dem Start geändert hat.
01 Vertriebsautomatisierung
KI-Lead-Pipeline für ein Vertriebsteam
Ein B2B-Dienstleistungsteam sortierte über 200 eingehende Leads pro Woche von Hand, und die Vertriebler verbrachten mehr Zeit mit Datenerfassung und Triage als mit Verkaufen.
80%
weniger manuelles Sortieren
3x
schnellere Erstreaktion
02 Wissensrecherche
Produktives RAG für Unternehmensdokumente
Ein internes Team verlor jede Woche Stunden damit, verstreute PDFs, Wikis und ERPNext-Datensätze zu durchsuchen, um Routinefragen zu beantworten.
85%+
Trefferquote
Stunden
pro Team und Woche gespart
03 Kundensupport
Voice AI im Kundensupport
Ein wachsendes Support-Team war von repetitiven Tier-1-Anfragen überrollt, was zu langen Wartezeiten und Erschöpfung bei den Mitarbeitenden führte.
60%
ohne Menschen gelöst
24/7
Verfügbarkeit
KI, Daten, Automatisierung, Wachstum
Die Systeme sind auf eine Zahl gerichtet, nicht auf eine Demo
Neben dem Engineering lief die Arbeit auch auf der kommerziellen Seite: Kampagnenpersonalisierung, Segmentierung, Lebenszyklus- und Bindungsanalyse sowie die Kundenintelligenz unter allen dreien. Das ist der Grund, warum Architekturgespräche hier bei einem operativen Problem beginnen und nicht bei einer Modellwahl.
Akquise
Qualifizierung und Weiterleitung, die einen passenden Lead zu einem Menschen bringen, solange die Absicht noch warm ist.
Konversion
Personalisierung auf Basis von Anreicherung statt von Platzhalterfeldern, und Assistenten, die buchen statt nur antworten.
Interaktion
Segmentierung, gezielte Ansprache und Verhaltenssignale, um zu entscheiden, was gesendet wird und wann man besser still bleibt.
Bindung
Lebenszyklus- und Abwanderungsanalyse, damit die Intervention passiert, bevor der Kunde schon weg ist.
Support
Entlastung bei den repetitiven Kontakten, Kapazität bleibt für die, die Urteilsvermögen brauchen.
Vertriebseffizienz
Weniger Zeit im CRM, mehr Kontext pro Gespräch und Nachfassen, das nicht vom Gedächtnis abhängt.
In ihren Worten
Die Menschen, diedie Arbeit beauftragt haben.
Jedes Zitat verlinkt auf das System, um das es geht, damit Aussage und Arbeit nebeneinander stehen.
MarqHire und Brandry sind beide von einer Idee zu etwas geworden, das wir Kunden zeigen konnten, wobei Dixit den Bau von Anfang bis Ende verantwortet hat. Er hat die Produktseite genauso genau gelesen wie die technische, ist schnell vorangekommen und hat noch vage Anforderungen in funktionierende Software verwandelt. Beide Produkte sind dadurch spürbar besser.
Tushar Jain
CEO, TechMarqX
Wir brauchten, dass unsere Leads ordentlich bearbeitet werden, kein weiteres Dashboard. Das KI-Lead-Management-System, das Dixit gebaut hat, hat die Nachverfolgung übernommen, die wirklich lohnenden Gelegenheiten sichtbar gemacht und für ein kleines Team zu qualifizierten Leads und echtem Wachstum geführt. Er hat verstanden, unter welchen Einschränkungen wir arbeiten, und dafür gebaut.
Jonathan
Audtri
Disziplin ist das Wort, das ich verwenden würde. Während seiner Zeit bei UB Webs hat er Projekte im Zeitplan geführt, sich unbekannte Technologie angeeignet, ohne dass man ihn an die Hand nehmen musste, und eigenständig Verantwortung getragen, während er in der Arbeit stetig besser wurde. Der Typ Ingenieur, auf den sich ein Team verlassen kann.
Sandeep Aggarwal
Geschäftsführer, UB Webs
Unter der Haube
Die Werkzeuge, und die Schleife,in der sie laufen.
Jedes Werkzeug, mit dem ich ausliefere, verbunden so wie die Arbeit verbunden ist, und die Denkschleife unter jedem agentischen System, das ich baue.
The map · drag a node to explore
drag nodes · hover to explore
The loop · every system runs this
User
Query, voice, or event
Agent
LangGraph orchestrator
Reasoning Core
LLM · tools · memory
Vector DB
Hybrid semantic retrieval
Response
Grounded and cited
Wo sich das auszahlt
Womit kann ich Ihnenbeim Automatisieren helfen?
Wenn einer dieser Sätze in diesem Quartal bei Ihnen im Unternehmen gefallen ist, dann ist das ein System, das bereits eine Form hat.
Leads kommen rein und niemand fasst nach.
Automatische Qualifizierung, Weiterleitung und eine Erstantwort, die in Minuten rausgeht.
Das Vertriebsteam verbringt den Tag damit, das CRM zu pflegen.
Datensätze, die die Pipeline schreibt, sodass das CRM ein Nebenprodukt der Arbeit ist statt eines Zweitjobs.
Dieselben Kundenfragen landen täglich bei einem Menschen.
Ein Assistent, verankert in Ihren eigenen Inhalten, der nur das eskaliert, was er sollte.
Irgendetwas zu finden heißt, Dokumente zu durchsuchen.
Retrieval über Ihre Dateien, das mit einem Beleg antwortet statt mit einem Ordner.
Kampagnen lassen sich in großem Umfang nicht personalisieren.
Erst Anreicherung, dann Generierung pro Datensatz, damit Personalisierung Fakten hinter sich hat.
Kundendaten liegen verteilt über vier Systeme.
Integration und Deduplizierung zu einem Datensatz, den jedes System lesen kann.
Kernprozesse laufen immer noch über Tabellen.
Der Prozess zieht ins führende System, und die Schritte, die Menschen außerhalb erfunden haben, bleiben erhalten.
Die ERP-Arbeit ist manuell und niemand vertraut den Berichten.
ERPNext, angepasst an den tatsächlichen Workflow, mit Automatisierung zwischen ihm und allem drumherum.
Menschen kopieren den ganzen Tag Daten zwischen Systemen.
Ereignisgesteuerte Synchronisierung, mit einer Prüfwarteschlange für die Fälle, die eine Maschine nicht entscheiden sollte.
Content dauert zu lange, also hört er auf.
Eine Recherche-, Generierungs- und Veröffentlichungspipeline, die eine volle Woche übersteht.
Support-Anrufe fressen die Kapazität des Teams.
Sprachagenten für die repetitiven Anrufe, mit warmer Übergabe, die den Kontext mitnimmt.
Es gibt ein KI-Budget und keine Idee, worauf man es richten soll.
Ein kurzes Engagement, das findet, wo Automatisierung sich selbst trägt, bevor irgendetwas gebaut wird.
Kontakt
Ein Workflow,der Automatisierung verdient?
Oder eine offene Rolle, ein Produkt, das gebaut werden muss, oder ein Prozess, den niemand übernehmen will. Alles oben ist die Einleitung; sagen Sie, was Sie hierher geführt hat, und die Antwort wird sich genau darauf beziehen.
Übernimmt Festanstellungen im Engineering sowie ausgewählte Vertrags- oder Projektarbeit, remote und in jeder Zeitzone. Der Großteil dieser Arbeit läuft mit Teams in Europa, dem Vereinigten Königreich, Nordamerika und Australien. Wenn ein Unternehmen aus dem Ausland beauftragt, läuft Projektarbeit als Beratungsmandat statt als Anstellung, sodass auf keiner Seite eine lokale Arbeitserlaubnis nötig ist.