Ich arbeite an der Schicht zwischen den Menschen und dem, was sie finden, und zwischen der Arbeit und der Software, auf der sie läuft.
Ich bin Max Nardit, Data & AI Systems Engineer.
Diese Schicht liegt um die Modelle herum, nicht in ihnen: die Daten, das Tracking, Memory, Handoff und die operativen Systeme, die KI in realer Arbeit nützlich machen. Mein Weg hierher führte nicht über Machine-Learning-Forschung im Labor. Er führte über Technical SEO, Analytics, Automatisierung und Digital-Marketing-Infrastruktur: die Seite, auf der Sichtbarkeit, Messung und Verlässlichkeit entweder funktionieren oder leise scheitern.
Dieser Hintergrund zählt. Suche, Ads, Analytics, Reporting und Agent-Workflows sehen von außen wie verschiedene Domänen aus. Darunter teilen sie dieselben Probleme: State, Attribution, Vertrauen, Recovery und die Frage, was wem angezeigt wird.
Woran ich arbeite
Ein paar Stränge:
- Sichtbarkeit und Discovery: wie Menschen, Unternehmen und Tools auffindbar bleiben, wenn KI antwortet, zusammenfasst und routet,
- Messung und Tracking, die ohne Cookies, Referrals oder verlässliche Dashboards bestehen,
- Agent-Workflows, die reale Tools berühren: Memory, Handoff, Orchestrierung, Recovery,
- die Daten- und Betriebsinfrastruktur darunter.
Verschiedene Oberflächen, eine Schicht: die Systeme, die entscheiden, was gefunden wird, Vertrauen bekommt und in Handlung übergeht.
Wo das herkommt
Davor etwa zehn Jahre in Technical SEO, Analytics, Automatisierung und der Infrastruktur unter dem Digital Marketing.
Ich arbeitete auf der Angebotsseite: Crawl-Logs, Index-Abdeckung, die Mess-Schicht, die Systeme, die entscheiden, was gesehen wird, bevor es ein Mensch tut. Die Oberfläche war Marketing; darunter lagen unsaubere verteilte Systeme: APIs, die sich ohne Vorwarnung änderten, Pipelines, die still drifteten, Dashboards, die durch Auslassung logen.
Sichtbarkeit, Messung und Kontrolle waren immer das eigentliche Problem. Die Tools wechselten: Suche, dann Ads und Analytics, jetzt KI. Das Problem blieb.
Hauptarbeit
Seit 2016 bin ich Head of Data Analytics bei Bobdo, einer Digital-Marketing-Agentur in Österreich, und baue die Automatisierung und Agent-Systeme hinter dem Kundenbetrieb.
Das gibt mir einen praktischen Blick über viele reale Unternehmen, nicht über eine Site oder eine Theorie: dort, wo Discovery, Tracking, Ads, Reporting und Automatisierung auf echte Constraints treffen. Ich nutze das, um die Fragen zu schärfen, nicht um Kundendaten offenzulegen.
Was ich veröffentliche, ist Methode, Tooling und aggregierte Muster, nie Kundendaten oder Namen.
Was ich erforsche
Ich veröffentliche, wenn es Belege gibt: Studien mit Originaldaten, technische Notizen und reproduzierbare Methoden.
Die Richtung ist KI-vermittelte Sichtbarkeit und Arbeit: wie Systeme finden, zitieren, routen, sich erinnern, messen und sich erholen. Ich verkaufe kein neues Playbook und sage nicht die Zukunft der Suche voraus. Ich baue genug Instrumentierung, damit sich die interessanten Behauptungen prüfen lassen.
Was ich nicht tue
Ich verkaufe dir keine zehn Schritte, um Google zu schlagen. So ist das Problem nicht mehr geformt, und die meisten, die das behaupten, verkaufen vor allem die Behauptung.
Ich trainiere auch keine Frontier-Modelle und stelle keine AGI-Uhr. Die Schicht, an der ich arbeite, ist langweiliger und langlebiger: wie Dinge gefunden werden, wie Arbeit durch Software läuft und wie man tatsächlich wüsste, dass etwas davon funktioniert.
Auf dieser Seite
Diese Seite ist eine Arbeitsoberfläche für dieselbe Erkundung. Writing behandelt Engineering-Probleme und operative Notizen. Now ist, was meine Aufmerksamkeit gerade hat. Uses ist der Stack, der Agent-Arbeit wiederherstellbar hält. Artefakte sind kleine Systeme aus denselben Fragen.
Zusammenarbeit
Wenn deine Arbeit sich mit all dem überschneidet (KI-Systeme, Tracking, Sichtbarkeit, Messung, Agent-Workflows), finden sich Rahmen und aktueller Scope unter Zusammenarbeit.