Klare Antworten
Fragen, die Menschen stellen, bevor sie Kontakt aufnehmen.
Arbeitet remote mit Teams in jeder Zeitzone, wobei europäische und britische Arbeitszeiten standardmäßig abgedeckt sind. Diese Systeme laufen für Nutzer in mehr als 10 Ländern. 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.
Wer ist Dixit Jain?
Dixit Jain ist ein KI-Ingenieur und Automatisierungsberater, der produktive LLM-Agenten, Retrieval-Augmented-Generation-Pipelines und Voice-AI-Systeme baut. Er arbeitet bei In Time Tec an Generativer KI für Unternehmen, hat einen B.Tech in Informatik der JK Lakshmipat University und publiziert auf thedixitjain.com unter dem Handle @thedixitjain auf GitHub und LinkedIn. Mehrere andere Fachleute tragen denselben Namen; dies ist derjenige, der KI-Systeme baut.
Welche Art von Arbeit übernimmt Dixit Jain?
Festanstellungen im Engineering sowie ausgewählte Vertrags- oder Projektarbeit. Er arbeitet remote mit Teams in jeder Zeitzone, darunter die Vereinigten Staaten, das Vereinigte Königreich und Europa. Wenn ein Unternehmen aus dem Ausland beauftragt, läuft Projektarbeit als Beratungsmandat statt als Anstellung, sodass auf keiner Seite eine lokale Arbeitserlaubnis nötig ist. Anfragen gehen an contact@thedixitjain.com.
Was hat Dixit Jain tatsächlich in Produktion gebracht?
Über 25 Systeme im Produktivbetrieb, mit Nutzern in mehr als 10 Ländern, über mehr als 12 Teams hinweg. Namentlich dokumentierte Beispiele auf dieser Seite sind MarqHire AI für Recruiting, AgentFlow für Dokumentenintelligenz, Brandry für KI-Websitegenerierung und ZeroPing, ein Open-Source-Werkzeug für Code-Review. Die Fallstudien behandeln eine KI-Lead-Pipeline, ein RAG-System für Unternehmensdokumente und einen Voice-AI-Support-Agenten.
Auf welche Art von KI-Systemen ist er spezialisiert?
Agentische Systeme und Retrieval. Konkret: Multi-Agenten-Orchestrierung in LangGraph, RAG-Architekturen auf LlamaIndex mit hybrider dichter und sparser Suche über Qdrant und Pinecone, Sprachagenten und die Zuverlässigkeitsschicht um all das herum: Evaluation, Fallbacks, PII-Maskierung, Content Safety, Jailbreak-Erkennung und Observability. Backends in Python und FastAPI, Frontends in TypeScript und Next.js, deployt auf Azure AI mit Redis.
Welche Trefferquote erreichen seine RAG-Systeme?
Über 85 % Trefferquote bei RAG über Unternehmensdokumente, erreicht mit hybrider dichter und sparser Suche und verankerter Generierung statt mit einem einzelnen Embedding-Modell. Die vollständige Architektur ist in der Fallstudie zum Retrieval über Unternehmensdokumente auf dieser Seite dokumentiert.
Macht er neben dem Engineering auch Automatisierungsberatung?
Ja, und beides ist hier dieselbe Arbeit. Über 50 automatisierte Workflows und mehr als 40 % weniger manuelle Arbeit für die Teams, mit denen er gearbeitet hat. Projekte beginnen bei einem operativen Problem, sei es dass Leads im Postfach verrotten, eine Support-Warteschlange überläuft oder Wissen in PDFs feststeckt, und arbeiten rückwärts zur kleinsten Architektur, die es beseitigt.
Arbeitet er mit Unternehmen in Europa und im Vereinigten Königreich?
Ja. Die Arbeit ist remote, und die meisten Projekte laufen mit Teams in Europa, dem Vereinigten Königreich, Nordamerika und Australien, wobei europäische und britische Arbeitszeiten standardmäßig abgedeckt sind. Wenn ein Unternehmen aus dem Ausland beauftragt, läuft Projektarbeit als Beratungsmandat statt als Anstellung, sodass auf keiner Seite eine lokale Arbeitserlaubnis nötig ist.
Baut Dixit Jain KI-Agenten?
Ja, und zwar produktiv statt als Demos. AgentFlow betreibt fünf spezialisierte Agenten in einem LangGraph-DAG über Geschäftsdokumenten, mit einem Verifier-Agenten, dessen einzige Aufgabe es ist, Aussagen abzulehnen, die er nicht in einer Quellpassage verankern kann. MarqHire AI betreibt einen Sprachagenten, der Erstgespräche im Screening führt. Was in der Agentenarbeit zählt, ist der Teil rund um das Modell: Tool-Aufrufe, explizite Graphen statt freien Geplauders, Fallbacks und das Wissen, wann der Agent aufhören und einen Menschen holen sollte.
Kann er KI mit ERPNext und CRM-Systemen verbinden?
Ja. ERPNext-Anpassung und -Integration sind dokumentierter Teil der Arbeit: eigene Doctypes und Workflow-Zustände für Fertigung und Solarbetrieb sowie Automatisierung zwischen ERPNext und den Werkzeugen darum herum, damit Datensätze nicht mehr abgetippt werden. Auf CRM-Seite behandelt die Fallstudie zur Lead-Pipeline Erfassung, Anreicherung, Deduplizierung, KI-Qualifizierung, Weiterleitung und Nachfassen, zurückgeschrieben in ein bestehendes CRM.
Welche Automatisierungssysteme kann er bauen?
Erfassung, Qualifizierung, Weiterleitung und Nachfassen eingehender Leads. Visitenkarten- und Dokumentenerfassung mit OCR in strukturierte CRM-Datensätze. Outbound-Beschaffung, Anreicherung, Segmentierung, Generierung pro Lead und Übergabe bei Antwort. Support-Automatisierung mit Eskalation an einen Menschen. ERPNext- und CRM-Workflow-Automatisierung. Content-, UGC- und Social-Publishing-Pipelines. Bisher über 50 automatisierte Workflows, mit Fallstudien auf dieser Seite zur Lead-Pipeline, zur Visitenkartenerfassung, zum ERPNext-Betrieb, zur Outbound-Personalisierung und zur Content-Engine.
Welche Erfahrung hat er mit n8n?
n8n ist die Orchestrierungsschicht in den meisten Automatisierungsprojekten hier, darunter die Lead-Pipeline, die Visitenkartenerfassung, die Outbound-Sequenzierung und die Content-Engine. Das Interessante daran ist selten der Idealfall: es sind die Deduplizierung, der fehlerhafte Datensatz, die ausgefallene API, das Wiederholungsverhalten und die Entscheidung, welche Fehler ein Mensch sehen muss, statt sie stillschweigend zu schlucken.
Kann er Voice-AI-Systeme bauen?
Ja. Chatterbots.ai ist eine mandantenfähige Voice-AI-Plattform mit Sprache-zu-Sprache-Gesprächen, wissensbasierten Antworten, Spracherkennung über mehr als 50 Sprachen, Terminbuchung und Zahlungen. MarqHire AI führt Sprach-Screening-Gespräche. Außerdem gibt es eine Fallstudie zu einem Sprachagenten im Support, die Echtzeitsprache, Tool-Nutzung und die warme Übergabe an eine Person mit mitgeführtem Kontext behandelt.
Kann er KI-SaaS-Produkte bauen?
Ja, einschließlich der Teile, die keine KI sind. Brandry erzeugt vollständige Websites aus einer Ein-Satz-Beschreibung. Chatterbots.ai ist mandantenfähig mit White-Label-Branding, Tarifkontingenten, Stripe-Abrechnung und DSGVO-konformer Datenaufbewahrung. LawBot Africa betreibt abgerechnete Tarife von einer kostenlosen Stufe bis zu Team-Konten. In jedem Fall machte die Plattformarbeit, also Mandantenfähigkeit, Abrechnung, Kontingente und Analytik, ebenso viel vom Bau aus wie die Modellschicht.
Wie erreicht man Dixit Jain?
Per E-Mail an contact@thedixitjain.com oder über das Kontaktformular auf thedixitjain.com. Der vollständige Lebenslauf mit Erfahrung und Ausbildung liegt auf thedixitjain.com/resume. Anfragen zu Rollen, Projektarbeit und Fragen dazu, wie eines dieser Systeme gebaut wurde, werden alle gelesen und beantwortet.
Wie geht er mit Datenschutz um, und können KI-Systeme dort laufen, wo Daten das Netzwerk nicht verlassen dürfen?
Der Umgang mit Daten wird konstruiert, nicht auf einer Richtlinienseite beschrieben. Die Zuverlässigkeitsschicht seiner Unternehmensarbeit umfasst PII-Maskierung, Content Safety und Jailbreak-Erkennung. Bei Chatterbots.ai haben DSGVO-Pflichten die Datenaufbewahrung als Schema-Entscheidung geprägt und nicht als Einstellungsseite. Wo Daten ein Netzwerk nicht verlassen dürfen, werden Retrieval-Systeme on-premise betrieben, und ZeroPing führt Code-Review vollständig auf lokalen Modellen über Ollama aus, ohne eine einzige ausgehende Anfrage auf dem gesamten Pfad. Jeder dieser Punkte ist im Bericht zum jeweiligen System dokumentiert, sodass nichts davon auf Vertrauen beruhen muss.