Workflows and agents
at scale in no time.

Google Ads steuern heißt sonst Klickarbeit in der Oberfläche, Risiko und kein Audit – oder ein Agent, der Budgets frei verändert. Dabei stecken in den Kontodaten mehr Muster, als ein Mensch nebenbei auswertet. Die Aufgabe: die Stärke von KI bei großen Datenmengen nutzen, ohne die Kontrolle über das Geld abzugeben.

Die Strategie wird einmal festgelegt. Danach prüft der Agent die Kampagnen laufend, wertet Daten aus, erkennt Muster, schlägt Änderungen vor und legt neue Kampagnen komplett an – per Chat in Telegram oder aus dem Terminal, über dieselbe Tool-Schicht. Am Ende steht ein Mensch: Veröffentlichung und Budget brauchen eine Freigabe, damit nicht aus Versehen viel Geld ausgegeben wird.

Cloudflare Workers, Google Ads API v24, MCP, Telegram, D1, Queues. Jede Änderung läuft durch validate_only, wird klassifiziert und geht entweder automatisch durch oder wartet auf einen Confirm. Die Customer-ID sitzt im Code, nicht im Parameter – der Agent kann kein fremdes Konto anfassen. Ein Changelog protokolliert beide Kanäle.

Läuft für das Google-Ads-Konto des Weinshops und erledigt Arbeit, für die sonst ein mehrköpfiges Team zuständig ist. Bedient wird er dort, wo Jean ohnehin ist: Telegram unterwegs, Claude Code am Rechner.

Die Wiederkaufrate im Shop lag bei rund 18 %, der Median bis zum Zweitkauf bei etwa 120 Tagen. Der Hebel ist nicht der Wochennewsletter, sondern eine Sequenz, die den Kunden dort abholt, wo er in seiner Customer Journey gerade steht. Generischer Agenturton verkauft hier nicht – es muss klingen wie der Händler.

Briefe schreibt und steuert personalisierte E-Mail-Sequenzen: Willkommen, Erstkauf, Zweitkauf, Saison. Jede Sequenz läuft als A/B-Test Klartext gegen HTML, mit Tracking und Trockenlauf, bevor eine einzige Mail rausgeht. Der Flow-Editor zeigt, welche Mail wann an wen geht.

Cloudflare Workers, D1, React, Resend. Die Besonderheit sitzt in der Messung: Sieger ist die abgeschlossene Order gegen eine Holdout-Gruppe, nicht die Öffnungsrate. Kein Schreibzugriff auf den Shop, kein Live-Versand ohne den SEND_LIVE-Schalter.

Internes Cockpit unter mailcockpit.weine.ai. Versand erst, wenn der Schalter bewusst umgelegt ist.

Weine müssen heute von Menschen und von Sprachmodellen gefunden werden – ein Shop allein rankt nicht als Magazin. weine.ai ist die redaktionelle Schwester des Weinshops: eine Online-KI-Weinberatung, die als Traffic-Quelle für den Shop dient.

Ein Weinmagazin mit eigenen Seiten für jede Flasche, jedes Weingut, jede Rebsorte und Region. Ein KI-Sommelier beantwortet Fragen wie „Was trinkt man zu Sushi?“ und führt zum passenden Angebot. Der Shop erscheint als konkretes, günstigstes Angebot unter dem Inhalt – nicht als Banner.

Next.js, Cloudflare, D1, Shopware-Anbindung per API für das gesamte Sortiment. Alle Produkttexte, Hersteller- und Regionsbeschreibungen wurden KI-optimiert; für jedes Produkt und jede Region entstanden generierte Bilder in einem einheitlichen Stil, ohne die Flaschen zu verändern. Die Entitäten sind GEO-tauglich aufgebaut, damit auch Modelle die Seiten zitieren.

Öffentliche Website, Familienbetrieb in vierter Generation. Der Traffic läuft in Richtung Shop.

Die eigentliche Intelligence für Investments steckt in Research-Newslettern – abtippen skaliert nicht, und Alarme ohne Filter machen taub. Gebraucht wurde ein Berater, der das Portfolio kennt und sich nur meldet, wenn etwas zu tun ist.

Ein persönlicher Investmentberater in Telegram. Newsletter landen per E-Mail in der Engine, werden zu Signalen extrahiert, geclustert, verifiziert und zum Report verdichtet. Der Bot kennt jederzeit das Depot, gibt personalisierte Empfehlungen, kann mehrere Research-Agents parallel anstoßen und schickt Kursalarme direkt aufs Handy – dorthin, wo auch die Investment-App liegt.

Cloudflare Email Workers, Queues, D1, MCP, Telegram, Modelle für Extraktion und Strategie, Kursquellen. Eine durchgehende Kette von der Inbox bis zur Order-Notiz. Der Watchdog schweigt, bis ein Stop gerissen wird oder ein harter Move ansteht.

Läuft über signals@weine.ai, als Claude-Connector und in Telegram für das eigene Portfolio – mit Wochenreport und Alarmen nur bei Handlungsbedarf.

Notizen, Tasks und Agenten laufen sonst in parallelen Gehirnen – Kontext geht zwischen Rechner, Handy und Tools verloren. Gebraucht wurde ein Assistent, der auf dasselbe Wissen zugreift wie Jean selbst.

Ein persönlicher Assistent in Telegram mit Zugriff auf alle Projekte. Ob zu Hause am Rechner oder unterwegs am Handy: dasselbe Wissen, derselbe Chat. Er liest und schreibt den Second Brain, schickt Agenten los – ein Briefing vorbereiten, ein PDF erstellen, ein Skript schreiben –, liefert Cron-Briefings und kann Änderungen per Rollback im Chat zurücknehmen.

Cloudflare Workers, D1, Telegram, GitHub Actions, Obsidian, Mac-Sync per launchd. Die Entscheidung: derselbe Vault wie Obsidian, kein Schatten-Wiki. Bei Konflikten gewinnt der Vault. Agent-Jobs laufen mit Budget und dürfen nicht „done“ melden, ohne Dateien angefasst zu haben.

Mein persönlicher Assistent ist in der Telegram App immer dabei und täglich im Einsatz.

Die Systemdiktierfunktion bricht bei Fachsprache und langen Takes still ab – Output-Limit, keine Segmente, ein halber Text. Für jemanden, der den Tag über diktiert, ist das keine Option.

Eine Diktierfunktion auf Steroiden für den Mac. Hotkey startet die Aufnahme, der Text landet live im Fokusfeld und in der Zwischenablage. Sprachnachrichten und Audiodateien werden per Drop Zone nativ auf dem Desktop transkribiert – in Rekordgeschwindigkeit, mit Rekordpräzision und integriertem Clean-up: Transkript, bereinigt oder Kurzfassung.

Python, rumps, OpenAI Realtime, Carbon-Hotkeys, py2app; Web-Ableger als Cloudflare Worker. Die Besonderheit: 120-Sekunden-Segmente mit Buchhaltung statt Hoffnung – ein halber Text verlässt stop() nicht. Stop-Latenz rund eine Sekunde, egal ob 40 Sekunden oder 30 Minuten.

macOS-App im eigenen Alltag, zehnmal am Tag angestoßen. Die Web-Version nimmt Dateien bis 25 MB.

Deutscher Social-Content braucht Eigennamen, saubere Schnittgrenzen und Formate, die die Timeline schluckt – nicht Roh-Whisper. Untertitel nachzubauen kostete am Schnittplatz mehr Zeit als der Schnitt selbst.

Audio oder Video rein, korrigierte Untertitel direkt für Final Cut raus: Zweizeiler, Einzeiler, Hybrid mit Hook, Wort-für-Wort oder SRT. Vorschau im 9:16-Format, Schrift und Größe wählbar, Drehbuch als Kontextdokument für Eigennamen.

Python, Whisper, GPT, FCPXML, PySide. Die Pipeline arbeitet mit Glossary-Bias, Halluzinationsfilter und einem Quality Gate vor dem Export – gebaut für denselben Schnittplatz, an dem die Filme entstehen.

Lokale macOS-App, Drag-and-Drop am Cutter-Platz.

Karten bauen kostet beim Vokabellernen mehr Zeit als das Lernen selbst – und leere Decks sterben. Gebraucht wurde eine App, bei der der Aufwand im Befüllen sitzt, nicht beim Lernenden.

Russisch-Vokabeln lernen nach FSRS, dem aktuellen Stand der Spaced-Repetition-Forschung. Neue Wörter kommen per Telegram – als Text, als Sprachnachricht oder als Auftrag wie „zehn Wörter für einen Kinoabend“. Der Worker ergänzt Übersetzung, Lautschrift, Beispielsatz, Symbolbild und Muttersprachler-Audio und nimmt die Karten in den Lernplan auf.

PWA, Cloudflare Worker, D1, R2, FSRS; Bild und Audio über Hedra und ElevenLabs. Die Oberfläche ist absichtlich karg – Wort, Bild, Satz, vier Buttons. Die Erzeugung dahinter ist agentisch.

Installierbare PWA auf dem Handy, Telegram als Nachschubkanal. Tägliche Lernsession.

16.700 Songs, unsaubere Tags, und Serato braucht Camelot-Keys. Handarbeit skaliert nicht, und der Browser-Speicher platzt bei dieser Menge.

Ein Analyse-Tool für DJs: Ordner wählen, PetiBPM bereinigt Titel und Interpret und ergänzt Jahr, Genre, BPM, Camelot-Key, Tanzart und Stimmung. Die Dateien werden nach Schema in einen Zielordner geschrieben – die Originale bleiben unangetastet, die Kopie ist fertig für Serato.

Eine einzige HTML-App, Grok für die Metadaten, GetSongBPM, Cloudflare KV, ID3. Der Stand liegt in KV statt im Browser, damit 16.700 Einträge nicht verloren gehen.

Chrome auf Windows, Kopier-Workflow in den Serato-Zielordner. Gebaut für einen DJ, der keine Software installieren will – eine Seite öffnen reicht.

Vor der Kamera braucht es einen Plan, der ohne Account und ohne Netz hält – und den man live mit dem Kunden durchgehen kann, damit sichtbar wird, wo die Zeit am Drehtag wirklich hingeht.

Startzeit, Protagonisten und Interviewblöcke eingeben, Abläufe mit Minuten, Darsteller und Ort sortieren – die Vorschau rechnet den Zeitplan live durch. Ein Klick kopiert den fertigen Drehplan in ein standardisiertes Format für Kunde und Team.

Eine HTML-Datei, kein Backend. Templates aus echten Drehs liegen daneben; Hosting ist die nächste Stufe, nicht die Bedingung.

Lokal im Browser am Set, auf Handy oder Laptop – und im Kundengespräch vor dem Dreh.

„Dein nächster Job findet dich.“ Fachkräfte wie Physiotherapeut:innen haben die Wahl und keine Lust auf Lebenslauf und Anschreiben. JobMatches dreht den Prozess um: Der Kandidat beschreibt seinen Wunschjob, die KI matcht Arbeitgeber und Arbeitnehmer – und die Arbeitgeber melden sich.

Ein mobiler Konfigurator in zwölf Schritten, unter drei Minuten. Aus Wohnort und Fahrzeit entsteht eine Isochrone, daraus eine Rangliste passender Arbeitgeber in Reichweite. Der Kandidat entscheidet, wer von ihm erfährt – der aktuelle Arbeitgeber bekommt nichts mit, für Kandidaten ist es kostenlos.

Statisches HTML, CSS und JavaScript ohne Build-Step, gehostet auf Cloudflare Pages mit Auto-Deploy aus GitHub. Das Backend sind Pages Functions (Geocoding, Gebiet, Karte, Auswertung, Lead) auf D1. Eigenes Design-System, Berufskatalog nach BA-Klassifikation, Schrittkataloge je Berufsgruppe. Daneben personalisierte Stellenseiten per Token und Job-Landingpages mit Lead direkt in Close.

Live unter konfigurator.jobmatches.de, Sub-Brand von mitarbeiter.com. Erste Zielgruppe Physiotherapeut:innen, Job-Landingpages seit September für erste Kunden im Einsatz.

1.881 aktive Produkte im Shop, 1.875 davon ohne eigene Bildwelt. Ein Shooting pro Flasche ist unbezahlbar – und generierte Bilder dürfen Flasche und Etikett nicht verändern, sonst sind sie wertlos.

Produkt wählen, Szene wählen, Bild generieren. Die KI-Auswahl liest die Wein-Eigenschaften und entscheidet selbst zwischen Weingut und Fass, Food Pairing, Mediterran, Studio, Alpin, Weinkeller oder Weinabend mit Freunden. Der Aroma-Packshot extrahiert die Geschmacksnoten und arrangiert sie um die Flasche. Ausgabe in 2K, im Format der Wahl.

Eigenständiges Tool mit direkter Anbindung an das Sortiment. Image-to-Image mit dem Originalproduktbild als Referenz, damit die Flasche bleibt, wie sie ist; der Prompt wird aus Wein-Daten und gewählter Szene generiert, die Aromen für den Packshot zieht die KI aus der Produktbeschreibung. Ablage in Cloudflare Images und R2.

Intern für Shop und weine.ai – Produktseiten, Magazinartikel, Mailings greifen auf dieselbe Bildwelt zu.

Zwei Gründer, eine Marke, kein Shop-Template, das dazu passt. Weinall brauchte eine eigene Welt auf Premium-Niveau – etwas, das man sich merkt, keine weitere Produktliste.

Eine Brand-Website als Weinuniversum: Alex und Lars als Vinonauten im Cockpit, jedes Produkt ein Planet, Varianten als Monde, eine Flugkarte als Navigation. Erstmals sind alle Weinplaneten als Bildwelt dargestellt – die Oberfläche jedes Planeten ist der Wein selbst, beim Wermut seine Zusätze.

Astro mit Islands-Architektur auf Cloudflare Pages, Zero JavaScript by Default. Modernes CSS statt Libraries: Scroll-Driven Animations, View Transitions, Container Queries, OKLCH-Farben; Bilder als AVIF/WebP mit Performance-Budget. Die Bildwelt ist astronomisch präzise generiert und durchgehend in einem Stil – Hero, Universum, Produktseiten aus einem Guss.

Öffentliche Website.