EN PL DE
Kontakt
Krzysztof Kaim

KI-native Systeme, gebaut mit Produktionsdisziplin.

Agentische Softwareentwicklung, MCP-Integrationen und Enterprise-Software – verankert in Systemen, die sich im Produktionsbetrieb bewähren müssen.

Projekte ansehen ↘Kaimtosh-Modus
Senior Software Engineer · KI-Systeme & agentische SoftwareentwicklungKrakau, Polen · Remote
@krzysztofkaim
GitHub-Aktivität · 13 Mon.
…0 Punkte
GitHub ↗
Öffentliche Aktivität von @krzysztofkaim
WenigerMehr
Kaimtosh Classic
Profilkarte / System bereit
KAIM / 01
Krzysztof Kaim

Senior Software Engineer · KI-Systeme & agentische Softwareentwicklung

Standort
Krakau, Polen · Remote
Kontakt
—
Status
Produktionsbereit
Funktionsdomänen in Manufaktura MES/APS38
aktive REST-Endpunkte in Manufaktura396
xUnit- und Vitest-Testmethoden gegen Regressionen1,789
Maschinen in Telemetrieflüssen54+

KAIM / PROJEKTBIBLIOTHEK

Beginne mit den Systemen, die diese Arbeit prägen, und prüfe anschließend die Evidenz dahinter. Vollständige Case Studies haben eigene kanonische Seiten; die Archivdateien bilden eine kompakte Inspektionsebene.

Vollständige Case Study Schnellinspektion

01 / FLAGSHIP-SYSTEME

WAS / ROLLE / NACHWEIS sind sofort sichtbar. Fertige Einträge führen zur vollständigen kanonischen Fallstudie.

01 / SYSTEM PRODUKTION / KUNDEN-NDA

MES / APS · Produktionssystem

Manufaktura

PRODUKTVORSCHAU
HELL HELL 50% DUNKEL 50% DUNKEL
WAS
Produktives MES/APS für Planung, Ausführung, Lager, ERP und Maschinenzustands-Telemetrie.
ROLLE
Produktion · alleinige technische Verantwortung
NACHWEIS
38 Domänen · 396 Endpunkte · 1.789 Testmethoden
02 / SYSTEM AKTIVES EIGENSTÄNDIGES PRODUKT

Flurstück-Intelligence · georäumliche Entscheidungsunterstützung

Okolica Działki

PRODUKTVORSCHAU
HELL HELL 50% DUNKEL 50% DUNKEL
WAS
Flurstückbezogene Entscheidungsunterstützung aus Kataster-, Mobilitäts-, Planungs-, Gelände- und Risikodaten.
ROLLE
Produktarchitekt · Full-Stack Engineer
NACHWEIS
6 Domänen · 10+ Quellenfamilien · 60 Regressionstests
03 / SYSTEM IN VORBEREITUNG

Agentische Delivery

Agentic Delivery

PRODUKTVORSCHAU
VORSCHAU IN VORBEREITUNG Das visuelle Material erscheint nach Abschluss der aktuellen Überarbeitung.
WAS
Repository-bewusster agentischer Delivery-Workflow mit begrenzten Tools, Validierung und Review-Gates.
ROLLE
KI-native Software-Delivery
NACHWEIS
MCP · Validierung · unabhängige Review
Fallstudie in Vorbereitung…

02 / EVIDENZARCHIV

Case Files, Runtime-Traces, Produktionssignale und Modernisierungsnachweise. Öffne eine Datei für eine kompakte Evidenzansicht; gehört sie zu einem Flagship-System, geht es weiter zur vollständigen Case Study.

Fallakten

Problem, Engineering-Entscheidung und Ergebnis als kompakte, inspizierbare Narrative.

2 Fallakten Dateien oben ansehen ↗

Runtime-Traces

Ausführungsevidenz aus browsernativen Modellinterna statt einer vorab aufgezeichneten Demo.

3 Traces Dateien oben ansehen ↗

Produktionsevidenz

Zählungen, Abnahme- und Profiling-Signale, die direkt an produktive Delivery gekoppelt sind.

3 Signale Dateien oben ansehen ↗

Modernisierungsprotokolle

Operative Modernisierungsarbeit, die auch ohne eigenständigen Flagship-Case belastbare Evidenz liefert.

1 Protokoll Dateien oben ansehen ↗
01KI-native Softwareentwicklung

KI von Autocomplete zu einem Engineering-System machen.

Ziel war nicht mehr Code, sondern eine kontrollierte Delivery-Schleife mit Repository-Kontext, begrenzten Tools, Evidenz und menschlicher Release-Verantwortung.

01 · Problem

KI-Geschwindigkeit ohne Engineering-Kontrolle ist nur schnellere Unsicherheit.

Lang laufende Softwarearbeit braucht Kontinuität, explizite Kontextgrenzen, wiederholbare Validierung und eine Möglichkeit, Modellkonfidenz von Evidenz zu trennen.

02 · System

Repository-bewusster Kontext + Agents + MCP + unabhängige Review.

Aufgaben werden über Architektur, Implementierung, Tests und Dokumentation in begrenzte Stufen zerlegt. Tool-Zugriff ist kontrolliert, Akzeptanzkriterien sind explizit und Validierung gilt als eigenständiges Ergebnis.

03 · Ergebnis

Ein Delivery-Workflow für kumulierenden Kontext statt One-Shot-Prompting.

Merge und Release bleiben in menschlicher Verantwortung; wiederkehrende Analyse, Implementierung und Review wandern in eine strukturierte agentische Schleife.

MCPkontrollierte Tool-Integrationen
Repo-awareKontext im tatsächlichen Codebestand
Review-Gatesunabhängige Validierung vor Release
Human-ownedMerge- und Produktionsentscheidungen
AgentsMCPContext engineeringEvaluationSoftware delivery
02Produktionsplattform

Manufaktura: eine technische Verantwortung über den operativen Produktionspfad.

Ein Live-MES/APS, in dem Planung, Ausführung, Lager, ERP und Maschinentelemetrie denselben operativen Zustand abbilden müssen.

01 · Problem

Planung, Ausführung, Bestand und Maschinenzustand lebten in unterschiedlichen operativen Welten.

Die Plattform musste Produktionsabsicht und Ausführung über verschiedene Maschinentypen, Hallen, Lagerflüsse, ERP-Daten und operatornahe Kiosk-Workflows modellieren.

02 · Build

Zuerst das Domänenmodell, dann die Schnittstellen darum herum.

Ich baute die Plattform mit .NET 10, EF Core, PostgreSQL, React und TypeScript, definierte Anwendungsverträge für PLC-/Maschinenzustands-Ingestion und verantwortete Security, Observability, Tests und Deployment-Guidance.

03 · Nachweis

Produktionsverhalten wurde gemeinsam mit dem Kunden gemessen, getestet und abgenommen.

Die Arbeit umfasste UAT-Lösung, Regressionsevidenz, Training, Übergabe und Profiling. Große N+1-Hotspots wurden entfernt und senkten den gemessenen Backend-Ressourcenverbrauch in profilierten Workflows um bis zu rund 80 %.

38Funktionsdomänen
396aktive REST-Endpunkte
1.789automatisierte Testmethoden
112Persistenzentitäten
.NET 10ReactPostgreSQLOpenTelemetryERPUAT
Zur vollständigen Case Study
02Browsernative Inferenz

GPT Nano / Browser-Runtime

Ein echter Transformer läuft vollständig im Browser über natives WebAssembly. Der reale Forward Pass wird mit Zwischentensoren, Attention-Gewichten, Residualzustand und 42 beobachtbaren Stufen inspizierbar.

01 · Runtime

Die Inferenz bleibt im Browser.

Ein natives WASM-Modul führt das Modell lokal ohne externe Modell-API aus und stellt Zwischentensoren direkt aus dem WebAssembly-Speicher bereit.

02 · Inspektion

Die Visualisierung wird vom realen Modellzustand angetrieben.

SolidJS und Three.js bilden die aktuelle Operation auf Live-Tensoren, Attention-Matrizen und Vektoren im Residualraum ab. Nutzer können alle 42 Stufen durchlaufen.

03 · Interaktion

Das Modell ist ein Instrument, keine vorab aufgezeichnete Animation.

Tokensequenzen lassen sich ändern, Passes tracen und Tokens interaktiv erzeugen. Die 3D-Szene folgt der gewählten Operation, der Inspector zeigt die numerische Struktur.

42beobachtbare Forward-Pass-Stufen
3Transformer-Blöcke
3Attention-Heads
48Modellkanäle
WebAssemblyThree.jsSolidJSTransformersBrowser inference
QAProduktionsevidenz

Delivery sollte Evidenz hinterlassen, nicht nur ein Release.

Bei Fabriksoftware und Modernisierung liegt der Nachweis in messbarer Systemgröße, automatisierten Checks, UAT-Lösung, Profiling und Deployment-Verhalten – nicht allein in einer polierten Demo.

01 · Skalierung

Skalierung wurde als Modell zum Verstehen behandelt, nicht als Vanity Metric.

Der statische Audit fand 38 Frontend-Funktionsdomänen, 68 Anwendungsansichten, 396 aktive REST-Endpunkte und 112 Persistenzentitäten. Diese Zählungen beschreiben die Architekturfläche; sie sind Evidenz für Umfang, nicht für sich allein ein Qualitätswert.

02 · Abnahme

Qualitätsevidenz blieb an die Delivery gekoppelt.

Die auditierte Regressionsebene enthält 1.789 automatisierte Testmethoden: 955 Backend-xUnit- und 834 Frontend-Vitest-Methoden. Abnahme-, Regressions- und Übergabeevidenz stehen neben diesen Repository-Zählungen.

03 · Profiling

Performance-Änderungen wurden gegen reale Workflows gemessen.

OpenTelemetry und Profiling entfernten große N+1-Hotspots und reduzierten den gemessenen Backend-Ressourcenverbrauch um bis zu etwa 80 %. Frühere Modernisierung senkte Browser-Speicher um rund 70 % und wiederholte Deployment-Zeit um etwa 95 %.

396aktive REST-Endpunkte
1.789automatisierte Testmethoden
38Funktionsdomänen
~80%Backend-Ressourcenreduktion in profilierten Workflows
UATxUnit / VitestOpenTelemetryChrome DevToolsDelivery automation
03Modernisierungsprotokoll

Modernisierung einer Produktionsplattform

Kundensicheres Protokoll zur Stabilisierung und Modernisierung einer übernommenen Produktionsanwendung: schichtübergreifende Fehleranalyse, robustes Datenverhalten, wiederhergestellter Live-UI-Zustand und ein wiederholbarer Release-Prozess.

01 · Übernommenes System

Modernisierung begann beim Produktionsverhalten, nicht mit einem Greenfield-Rewrite.

Die Anwendung enthielt bereits Geschäftsregeln, Operator-Workflows und Maschinenzustandspfade. Die Arbeit begann mit der Nachverfolgung von Fehlern über Frontend, Backend und Persistenz sowie der Trennung von Architekturschuld und echten Domänenzwängen.

02 · Zuverlässigkeit

Concurrency und veralteter Zustand wurden als Systemprobleme behandelt.

Ein Persistenzpfad wurde für konkurrierendes Lesen/Schreiben gehärtet. Parallel wurde die React-Oberfläche so geändert, dass Produktionsupdates ohne manuellen Refresh sichtbar werden; Request-Tracing deckte subtile Status-Mapping-Fehler auf.

03 · Delivery

Manuelles Kopieren auf Server wurde zu einem wiederholbaren Release-Pfad.

Deployments hatten vom manuellen Verschieben kompilierter Builds zwischen Maschinen abgehangen. Die Modernisierung bewegte den Prozess zu automatisierter, versionierter Delivery und einer sichereren Entwicklungsumgebung.

04 · Produktdenken

Mehrdeutige Anforderungen wurden vor der Implementierung in operative Modelle übersetzt.

Planung, Maschinenzuweisung und Fortschrittsansichten wurden als Szenarien und visuelle Prototypen durchgespielt, bevor Code festgeschrieben wurde. So wurden versteckte Randfälle früh sichtbar.

WALHärtung der Persistenz-Parallelität
LiveWiederhergestellte UI-Zustandspropagation
CI/CDModernisierter manueller Release-Pfad
SzenariobasiertAnforderungen vor dem Build übersetzt
.NETReact 18TypeScriptCI/CDOperational UX

Interaktives Modell · GPT Nano

Ein echter Transformer mit 3 Blöcken, 3 Attention-Heads und 48 Kanälen läuft vollständig im Browser. Ändere die Tokensequenz, durchlaufe 42 beobachtbare Stufen und untersuche Tensoren, Attention-Gewichte und den Residualstrom, die beim realen WASM-Forward-Pass entstehen.

Forward-Pass-Mikroskop Reale Gewichte. Reale Tensoren. Keine Server-Inferenz.
85.728 Parameter42 Stufen3 × 3 Heads11 Token Kontext
Case Study in Vorbereitung

Reale Tensoren · natives WASM · Inferenz nur im Browser

GPT Nano / Forward-Pass-Mikroskop

0 Parameter · 0 B
LÄDT
LÄDT
Modellgraph42 beobachtbare Stufen
3 Blöcke3 Köpfe48 dmodel11 Kontext
3 Operationen
B1·ATTN
12 Operationen
12 Operationen
3 Operationen
negativpositiv
Sequenz · Seed-Tokens anklicken, um A/B/C zu wechseln
Forward-Pass-Mikroskop
B1·ATTN07 / 42
Berechnung nur bei Interaktion · der Residual Stream bleibt im Idle-Zustand statisch6 / 11 Positionen · 0 Live-Werte · mit Ziehen drehenInfluenced by llm-viz
Ziehen: drehen · Mausrad / Pinch: zoomen · Sequenz hovern: Position inspizieren · Doppelklick: neu zentrieren

Das reale Modell wird geladen.

Gewichte + nativer WASM-Rechenkern · keine Server-Inferenz

Fokus

Ich verlagere meinen Schwerpunkt bewusst in Richtung KI-native Engineering, ohne das aufzugeben, was am meisten zählt: Architektur, Zuverlässigkeit, Observability, Security und Delivery unter realen operativen Randbedingungen.

01

KI-Systeme & agentische Softwareentwicklung

Agenten-Workflows, MCP-Integrationen, Context Engineering, Tool-Orchestrierung, Evaluation und Guardrails – ergänzt um browsernative Inferenz und Architektur für LLM-Plattformen.

02

Produktionsreife Plattformen

Enterprise- und Industriesysteme mit .NET, TypeScript, Daten, Integrationen und Observability. Dieselbe Disziplin, die operative Software zuverlässig am Leben hält, bringe ich in KI-Systeme ein.

03

Technische Verantwortung & Modernisierung

Architektur, Implementierung, Performance, Security, Tests, Deployment, UAT und Übergabe bleiben in einer technischen Verantwortung. Dazu gehört auch die Stabilisierung von Systemen, die sich nicht einfach neu schreiben lassen.

Tools / Technologie-Stack
MCPAgenten-WorkflowsContext EngineeringEvaluationC#.NET 10ASP.NET CoreEF CoreReact 18TypeScriptPostgreSQLSQL ServerSignalROpenTelemetryxUnitVitestDockerGitHub ActionsCloudflareAWS

Erfahrung

Der Weg führt über Infrastruktur, Security, Full-Stack-Produkte und Produktionssysteme hin zu KI-nativer Softwareentwicklung. Der gemeinsame Nenner ist technische Verantwortung: die Domäne verstehen, das System bauen, messen und bis in den Produktionsbetrieb tragen.

Manufaktura MES/APS · Kunde unter NDA

Technical Owner / alleiniger Full-Stack-.NET-Engineer · Vertrag über Vapture

Produktives Manufaktura MES/APS: 38 Funktionsdomänen, 396 aktive REST-Endpunkte, 112 Persistenzentitäten und 1.789 automatisierte Testmethoden; Telemetrieflüsse bilden 54+ Maschinen ab. Parallel habe ich einen repository-bewussten agentischen Delivery-Workflow mit eigenen Agents und MCP-Tools entworfen und betrieben.

NATA Automation

Full-Stack Software Engineer / MES Engineer · Vertrag über Vapture

Frontend-Modernisierung, Produktionsdomänenlogik, Deployment-Automatisierung, Maschinenupdates über SignalR sowie Modernisierung von Authentifizierung und Credential-Speicherung.

Vapture · unabhängige Softwareberatung

Gründer / Softwareberater & Full-Stack Engineer

Fünf langfristige NDA-Kunden aus Healthcare, Travel, Localization und Enterprise-Software; vollständige SDLC-Verantwortung von Discovery bis Wartung.

WSEI Kraków

Softwareentwickler & Projektleiter

Interne .NET- und WordPress-Systeme, Azure-Umgebungen und funktionsübergreifende technische Leitung bei Hackathons mit mehr als 100 Teilnehmenden.

Archman

Penetration Tester & Security Consultant · Teilzeit

Black-Box-Tests und OWASP-Top-10-Assessments einer Enterprise-ECM-Plattform mit Burp Suite, Nmap, OWASP ZAP und Wireshark.

Salzbergwerk Wieliczka

Datenbankadministrator & Netzwerkspezialist

Dokumentation zur Übergabe von Netzwerktopologie und Infrastruktur sowie Oracle-Database-Migrationen.

Notizen

Pointierte Notizen über agentische Softwareentwicklung, Kontext, MCP, Produktionsarchitektur, Performance und die Entscheidungen, die Software verlässlich machen. Die Artikel selbst sind derzeit auf Englisch verfügbar.

Alle Notizen
KI-Engineering2 Min.

Agents brauchen Release Engineering – nicht nur bessere Prompts

Ein praxisnahes Modell, das agentisches Coding vom eindrucksvollen Demo zur kontrollierten Delivery-Schleife mit Kontext, Evidenz und menschlich verantworteten Releases macht.
Delivery2 Min.

UAT ist nicht das Ende der Entwicklung

Was mir 112 vom Kunden gemeldete UAT-Issues darüber gezeigt haben, Acceptance als Feedbackschleife für Produktionsdesign statt als Release-Gate zu behandeln.
KI-Engineering2 Min.

MCP als operativen Vertrag behandeln

Warum MCP-Integrationen nützlicher werden, wenn sie wie Produktionsschnittstellen entworfen sind: enge Fähigkeiten, explizite Vertrauensgrenzen und beobachtbare Tool-Aufrufe.