innerdance — ein RAG-System, dem man seine Quellen glaubt
Retrieval-augmentierte Q&A über einen großen, gemischten Korpus — mit gemessener Antwortqualität.
Ich konzipiere und liefere vollständige Web-Anwendungen end-to-end — vom Kern der Logik bis zu einem wirklich guten Interface, bis in die Produktion. KI und LLMs sind meine Spezialität, eingesetzt, wenn sie echten Mehrwert bringen. Eine Person, die alles verantwortet — und die Qualität dabei misst.
Das Problem
KI wird schneller ausgerollt, als Teams sie in etwas Echtes verwandeln können. Eine Demo beeindruckt; ein Produkt muss verlässlich, nutzbar und vertrauenswürdig sein — die selbstbewusst falsche Antwort elegant abgefangen, die lange Wartezeit erträglich gemacht, der Fehler bemerkt, bevor ein Nutzer ihn sieht. Diese Lücke zu schließen ist die eigentliche Arbeit — und dass ich die Qualität dabei messe, hält sie geschlossen.
Belege
Zwei Projekte, die den Loop end-to-end zeigen — gemessene Qualität und das Interface drumherum.
Retrieval-augmentierte Q&A über einen großen, gemischten Korpus — mit gemessener Antwortqualität.
Präzise zeitsynchronisierte, analysefertige Physiologie-Daten — zuverlässig auf Mobilgeräten.
Was ich mache
Die meisten KI-Berater liefern ein Backend-Skript; die meisten Agenturen ein UI ohne Substanz dahinter. Ich baue das ganze Feature — die KI, das Interface und die Produktions-Infrastruktur — richtig gemacht.
01
Die ganze Anwendung, kein Notebook — Datenmodell, API, UI und Deployment, mit KI-/LLM-Kern, wenn das Produkt es braucht. Eine Person verantwortet es end-to-end, vom ersten Prototyp bis zum Betrieb in Produktion, damit nichts zwischen Spezialisten verloren geht.
02
Vier Jahre React/TypeScript-Handwerk, das fast kein KI-Engineer hat. Interfaces, die KI wirklich nutzbar machen: klare Flows, Perceived Performance für langsame Modellaufrufe, souveräner Umgang mit Unsicherheit — die Schicht, an der Nutzer über Vertrauen entscheiden.
03
Die KI richtig gemacht: RAG (hybrides Retrieval, Reranking), Agenten und Tool-Use, Prompt- und Context-Engineering, Streaming. Echte Integration der Claude API und moderner LLM-Tools — kein dünner Wrapper.
So läuft's
Ein ehrliches Gespräch. Wir finden heraus, worum es geht und wo das echte Risiko liegt. Keine Formulare, kein Fachchinesisch.
Meist ein Eval-System-Konzept auf deinen echten Daten: Baseline-Metriken und eine Error Analysis, damit wir beide genau wissen, wo du stehst.
Ich baue das Feature end-to-end — den Eval-Loop und das Interface, das Menschen wirklich nutzen — und jede Änderung wird gemessen, nicht geraten.
Ein System, das mit der Nutzung besser wird, statt still zu verrotten. Optionale laufende Eval-Wartung hält die Qualität stabil.
Zusammenarbeit
Dein Produkt, gebaut und ausgeliefert — Web-App oder KI-Feature. Von der Kernlogik und API bis zum polierten Interface und der Produktion. Eine Person, das Ganze.
ab 15.000 €
Eine fokussierte Umsetzung: eine konkrete Idee — ein RAG-Assistent, ein Agent, ein Chat-Feature — in ein funktionierendes, gut gestaltetes Produkt verwandeln. Ideal für ein erstes gemeinsames Projekt.
projektbasiert
Senior React/TypeScript oder Full-Stack-Hände nötig? Arbeit zum Tagessatz — KI-Feature oder nicht.
Tagessatz auf Anfrage
Nach dem Launch weiterbauen: neue Features, Iteration und gemessene Qualität, während dein Produkt wächst.
monatlicher Retainer
Richtwerte für den Einstieg — Umfang und Preis legen wir gemeinsam fest.
“Der Pluspunkt, den die meisten auslassen: Ich messe Qualität schon beim Bauen — Baseline-Metriken, Error Analysis, LLM-as-judge — damit „funktioniert“ keine Vermutung ist. So bleibt End-to-End-Lieferung vertrauenswürdig.”
Über mich
Ich bin Hac — ich baue Web-Anwendungen end-to-end, mit einem Interface, das Menschen wirklich gern nutzen. KI und LLMs sind meine Spezialität, wenn ein Produkt sie braucht.
Zur Software kam ich über Umwege: ein Game-Design-Studium mit starkem technischem Kern (Programmierung, Algorithmen, Shader), Jahre als Concept Artist, dann vier Jahre als Frontend-Entwickler bei openpack — eine React/TypeScript-Architektur im Nx-Monorepo, Component-Libraries, E2E-Tests, Auth0/Keycloak, ein KI-gestütztes Übersetzungs-Feature.
Dabei sah ich immer wieder dieselbe Lücke: Teams liefern schneller aus, als sie etwas Solides und Vertrauenswürdiges schaffen können — besonders bei KI. Also baue ich das Ganze — Interface, Backend und den Weg in die Produktion — und gehe tief bei der Qualität: ein eigenes RAG-System mit vollständigem Evaluations-Framework und eine End-to-End-Forschungsplattform für eine NGO-Gesundheitsklinik, in Produktion.
Das ist der rote Faden. Ich übergebe kein Modell — und kein Mockup — und hoffe. Ich baue das ganze Produkt und messe die Qualität dabei, ob mit KI oder ohne. Berater liefern ein Notebook mit Scores, Agenturen ein hübsches UI ohne Substanz dahinter. Ich liefere das funktionierende Produkt.
Womit ich arbeite
FAQ
Kontakt
Lass uns herausfinden, wo du stehst — und was es braucht, ihm im echten Einsatz zu vertrauen.