Data & AI Systems Engineer mit Fokus auf Sichtbarkeit, Messung und agentische Systeme.
KI sitzt heute zwischen den Menschen und dem, was sie suchen, und zwischen der Arbeit und der Software, auf der sie läuft. Sie antwortet, leitet weiter, erinnert sich, vergisst und handelt inzwischen von selbst. Meist, bevor jemand prüfen kann, ob das Ergebnis stimmt. Ich untersuche diese Schicht mit Originaldaten und baue die Tools, um darin zu arbeiten. Mein Hintergrund ist die Angebotsseite des Digital Marketing: das Crawling, die Analytics, die Automatisierung und das Reporting, die Leitungen unter dem, was nach Marketing aussah. Das Marketing war nie das eigentliche Problem. Sichtbarkeit, Messung und Kontrolle waren es. KI hat dieses Problem nicht kleiner gemacht. Sie hat es dorthin verschoben, wo man es nicht sieht.
Beetroot vorgestellt in 窓の杜 (Japan) · Forschung mit Originaldaten · veröffentlichte Open-Source-Tools
die Systeme, die entscheiden:
was wird gefunden,
bekommt Vertrauen, wird genutzt
These
KI verändert zwei Dinge gleichzeitig: wie Menschen Informationen finden und wie Arbeit durch Software läuft.
Dieser Wandel ist nicht nur ein Suchproblem. Er betrifft Tracking, Attribution, Kontext, Memory, Handoff und Vertrauen: die Systeme, die entscheiden, was eine Person sieht, bevor sie eine Wahl trifft.
An dieser Schicht arbeite ich. Ein Teil davon ist Forschung: messen, was sich ändert, und veröffentlichen, was standhält. Ein Teil ist Engineering: Tools und Workflows bauen, die Kontext halten, Fehler sichtbar machen und KI-gestützte Arbeit überprüfbar halten.
Fokus
Texte
Drei Beweisschichten (zerfallender Verlags-Traffic, Alphabets Umsatzmix, das geleakte Google-Ranking-Schema) zeigen, warum keine algorithmische Erholung kommt.
Jedes Jahr dieselben Artikel. Kontrafaktische Bewertungen, das Roadtrip-Gerücht, die Mann-beißt-Pizza-Schlagzeile. Niemand verfolgt die echten Coins. Also habe ich es gemacht. Hier ist, was die Chain zeigt und was 'jene spezifischen Bitcoins' überhaupt bedeutet.
Anthropic nennt es einen Character-Tic. Ich habe geschaut, was es tatsächlich produziert, und am Ende den veröffentlichten System-Prompt, das Character-Training-Paper und das Emotion-Concepts-Paper gelesen. Das Verhalten ist das, was der Stack wahrscheinlich macht.
Artefakte
Tools, die ich rund um dieselbe Schicht gebaut habe: Memory, Clipboard, Agent-Handoff, Monitoring. Local-first, wo es sinnvoll ist, aus Problemen, auf die ich direkt stoße.
Eine local-first Clipboard-Umgebung, um Workflow-Kontext unter Windows zu bewahren. KI-Transformationen, OCR, smarte Suche, unbegrenzte History. Gebaut um die Idee, dass das Clipboard nicht temporär ist — es ist Teil des Workflow-Memorys.
Mehr erfahren →
Eine Clipboard-Brücke zwischen Menschen und KI-Agenten. Clipboard-State über MCP lesen, schreiben und beobachten. Ein kleines Interaktions-Primitiv für agent-native Workflows.
Mehr erfahren →
Eine Browser-zu-Agent Handoff-Oberfläche. Sende Seiten über einen Webhook in Agent-Workflows und bewahre den Kontext im Moment des Browsens.
Mehr erfahren →
Scoped persistentes Memory für lang laufende Coding-Agenten. Local-first, MCP-natives Memory, das über eine Session hinaus überlebt, ohne dass Kontext zu Rauschen wird.
Mehr erfahren →
Ein kleiner operativer Monitor für Claude.ai-Limits.
Mehr erfahren →