Ich entwickle Backends und Anwendungen rund um LLMs, Retrieval und Agenten – vom Python-Experiment bis zum System, das auf einem Server läuft. Dazu gehören auch Web-Apps und interaktive Live-Systeme.
Eigene Software, KI-Prototypen und Hochschulprojekte – mit technischen Hintergründen statt nur Buzzwords. Visualisierungen von laufenden und internen Projekten sind als Konzepte gekennzeichnet.
Ein selbst gehostetes Twitch-RPG, das Streams über Echtzeit-Events in ein interaktives Spiel verwandelt.
Bosskämpfe, Loot, Klassen, Quests, Handel, OBS-Overlays und Discord-Anbindung. Das Backend verarbeitet Twitch-Events mit Signaturprüfung, persistenter Event-Inbox und Schutz gegen doppelte Verarbeitung.
Ein KI-Assistent, der Hochschulinformationen auffindbar und nachvollziehbar macht.
Ich untersuche Crawling, Chunking, Quellennachweise und Tool-gestützte LLM-Agenten für Hochschulinformationen. Dazu gehören auch Retrieval-Strategien, Evaluierung und der Umgang mit unvollständigen Treffern – nicht nur ein Chat-Frontend.
Fragen an Dokumente stellen – mit semantischer Suche statt blindem Raten.
Im Unternehmenskontext habe ich eine Python-API für dokumentenbasierte Fragen erprobt: FastAPI, Vektorsuche in ChromaDB und ein LLM als Antwortschicht. Fokus: Retrieval, API-Design und nachvollziehbare Antworten. Interne Inhalte bleiben vertraulich.
Welche von zwei KI-Antworten würden Menschen bevorzugen?
Wie lässt sich modellieren, welche KI-Antwort Menschen bevorzugen? Ich vergleiche klassische Merkmale und TF-IDF-Baselines mit BERT- und Qwen-Ansätzen, experimentiere mit LoRA-Finetuning und werte Modelle auf konsistenten Datensplits aus.
Ein Social-Media-Webprojekt aus dem Web-Engineering-Kontext.
Im Hochschulprojekt stand die Umsetzung einer modernen Webanwendung im Mittelpunkt – mit Vue als Frontend-Technologie, automatisierten Tests mit Jest und Cypress und einer Docker-basierten Entwicklungsumgebung. Ein Einblick in UI-Architektur, Testbarkeit und den Weg von Komponenten zur Anwendung.
Ich bin Felix, Informatikstudent an der Hochschule Stralsund und beschäftige mich gern mit Software, die mehr ist als ein kleines Demo-Projekt.
Mein Schwerpunkt liegt heute vor allem bei LLMs, Retrieval-Augmented Generation (RAG) und Tool-gestützten Agenten. Ich interessiere mich dafür, wie Modelle verlässliche Informationen finden, externe Funktionen nutzen und Antworten anhand von Quellen überprüfbar machen. Gleichzeitig arbeite ich gerne klassisch an Backends, APIs und Datenmodellen.
Bei der Clausohm-Software GmbH arbeite ich im Java-/Spring-Umfeld an realen Softwareaufgaben und habe mich mit einem RAG-Prototyp für dokumentenbasierte Frage-Antwort-Systeme beschäftigt. Im Studium und in eigenen Notebooks vertiefe ich Retrieval, Evaluation, Transformer und Finetuning. Das Gegenstück dazu sind eigenständig betriebene Projekte wie mein Streambot.
Ich beschäftige mich besonders mit dem Teil vor und nach dem Modellaufruf: Welche Informationen landen im Kontext? Welche Tools sind sinnvoll? Und woran erkenne ich, ob die Antwort belastbar ist?
Quellen erschließen, Dokumente aufbereiten, passende Stellen abrufen und mit LLM-Antworten verbinden. Mich interessieren Retrieval-Qualität, Tool-Aufrufe, Zugriffsgrenzen und nachvollziehbare Ergebnisse.
TF-IDF, Transformer-Modelle, Qwen und LoRA: Baselines bauen, Ergebnisse vergleichen, konsistente Train-/Validation-Splits nutzen und Fehler nicht hinter einer einzelnen Kennzahl verstecken.
KI wird für mich interessant, wenn sie in eine Anwendung passt: FastAPI-Endpunkte, Datenanbindung, Logging, Container und reproduzierbares Deployment statt isolierter Demos.
Technologien, mit denen ich arbeite – je nachdem, welches Problem gelöst werden soll.
Ich mag es, Dinge nicht nur zu verstehen, sondern auch so weit zu bauen, dass sie tatsächlich funktionieren.
Arbeit an Java-/Spring-Anwendungen mit Web-Interfaces, Datenbankanbindung, Hibernate/JPA, SQL und Testing. Dazu zählen datenorientierte Entwicklungsaufgaben, Automatisierung und die Integration bestehender Systeme.
Technischer RAG-Prototyp mit Python, FastAPI und ChromaDB: Dokumente finden, passende Textstellen abrufen und per LLM für eine Frage nutzbar machen – bewusst ohne Veröffentlichung interner Daten.
Software Engineering und KI: Hochschulassistent, Retrieval-/Agenten-Konzepte, ML-Experimente in Jupyter und Web Engineering mit einem Instagram-Clone als Hochschulprojekt.
Vom Twitch-RPG bis zu Bots und Automatisierung: entwickeln, deployen, Bugs finden, verbessern und weiterbauen.
Projekte, Studium und beruflicher Hintergrund – mit direkten Links zu den jeweiligen öffentlichen Seiten.
Zum Streambot-Webauftritt und seinen Features.
streambot.felixjahns.deÖffentliche Repositories, Code und weitere Experimente.
github.com/Guppi350Mein Hochschulumfeld und die Ausgangsbasis für den Hochschulbot.
hochschule-stralsund.deUnternehmen, in dem ich praktische Softwareentwicklung kennenlerne.
clausohm.deHinweis: Verlinkte Unternehmens- und Hochschulseiten sind externe Angebote, nicht meine eigenen Projekte. Interne Projektinhalte und Quelltexte bleiben bewusst außen vor.
Ob Software, API, KI oder einfach eine spannende technische Frage – schreib mir gern.