Jakob Grünwald

Full-Stack-KI-Engineering — Voice-KI, Agenten & Full-Stack-KI

Freelance-KI-Engineer für produktive Voice- & Chat-Agenten, agentische Systeme und Full-Stack-KI-Produkte — ausgeliefert mit Tests, Evals und CI, keine Demos.

Braunschweig, Deutschland — für Kunden weltweit

Ich konzipiere und liefere Full-Stack-KI-Produkte sowie Voice- & Chat-Agenten von Anfang bis Ende — vom Modell- und Prompt-Layer bis zu einer durchdachten UI und der Infrastruktur, die alles am Laufen hält. Meine produktiven Voice- und Chat-Agenten sind für Kunden in den VAE, Saudi-Arabien und Deutschland im Einsatz, auf einer wiederverwendbaren Infrastruktur, die rund 90% von einem Projekt zum nächsten überträgt — und ich baue eigene Full-Stack-KI-Produkte, etwa einen chat-first Lebenslauf-Agenten mit ~500 Tests. Mathematik und Computational Neuroscience haben mich gelehrt, dort präzise zu sein, wo es zählt — und es zu beweisen.

Porträt von Jakob Grünwald
5+
Produktive Voice- & Chat-Agenten in Betrieb
3
Länder mit Agenten in Produktion — VAE, Saudi-Arabien, Deutschland
~90%
Infrastruktur von Projekt zu Projekt wiederverwendet
1.200+
Automatisierte Tests in der größten Agenten-Suite
Leistungen

Eine Audit-first-Staffelung — und Sie arbeiten direkt mit dem Engineer, der baut, nicht mit einem Projektmanager. Wir starten klein und risikoarm, belegen den Nutzen und bauen dann. Jedes Projekt geht mit Tests, Evals und CI in Betrieb, und der gesamte Code gehört Ihnen.

01

KI-Audit & Roadmap

Teams mit einer KI-Idee oder einem bestehenden System, die einen klaren, risikoarmen ersten Schritt wollen, bevor Budget gebunden wird.

  • Eine schriftliche Einschätzung, wo KI passt, was machbar ist und was nicht
  • Eine priorisierte Roadmap mit abgegrenzten Phasen, Risiken und Aufwandsspannen
  • Ein funktionierender Proof-of-Concept für den riskantesten Teil

Sie gehen mit einem konkreten Plan und Belegen — und der Freiheit, ihn mit mir oder anderen umzusetzen.

Fester Umfang, 1–2 Wochen, Festpreis vorab vereinbart
02

Build-Engagement

Kunden, die ein Full-Stack-KI-Produkt oder -Feature gebaut und ausgeliefert brauchen — eine agentische Web-App, ein RAG-System oder einen produktiven Voice- oder Chat-Agenten — integriert in die Systeme, die sie bereits betreiben.

  • Ein produktives KI-Produkt oder -Feature — vom Frontend bis zur Infrastruktur — integriert in Ihr CRM, Ihre Telefonie oder Ihren Messaging-Stack
  • Eine automatisierte Test-Suite, Evals und CI/CD-Pipeline von Grund auf
  • Dokumentation und eine saubere Übergabe, damit Ihr Team es betreiben und erweitern kann

Ein laufendes System in Produktion — mit dem Sicherheitsnetz, es selbstbewusst zu verändern, und ohne Vendor-Lock-in.

Abgegrenztes Projekt, typisch 4–6 Wochen, fester Umfang und Festpreis
03

Übergabe & Befähigung

Teams, die besitzen wollen, was gebaut wird — mit eigenen Entwicklern oder einer IT, die das System betreiben, warten und erweitern können, statt von einer einzelnen externen Person abzuhängen.

  • Vollständige Dokumentation — Architektur, Runbooks und die Überlegungen hinter dem Design
  • Praxisnahe Schulung für Ihre Entwickler oder IT, um das System selbst zu betreiben, zu debuggen und zu erweitern
  • Eval- und Monitoring-Setup, damit das Modellverhalten messbar bleibt, nachdem ich mich zurückziehe

Ihr Team besitzt das System und kann es ohne mich warten — mit der Option, bei Bedarf eine erfahrene Hand auf Abruf zu behalten.

Teil jedes Projekts — laufende Beratung auf Wunsch
Typische Projektformen

Jedes Projekt wird einzeln abgegrenzt, aber die meisten fallen in eine von drei Formen. Das sind Ausgangspunkte für ein Gespräch, keine Angebote.

~1–2 Wochen Sprint
Ein Audit und eine Roadmap oder ein fokussierter Proof-of-Concept für den riskantesten Teil einer Idee — genug, um sicher zu entscheiden.
~4–6 Wochen Build
Ein produktives KI-Feature oder MVP, ausgeliefert mit Tests, Evals und CI — ein Full-Stack-KI-Produkt, eine agentische Web-App, ein RAG-System oder ein Voice- bzw. Chat-Agent im echten Einsatz.
Übergabe, dann optionale Unterstützung
Jedes Projekt endet mit vollständiger Dokumentation und Schulung, sodass Ihr Team es besitzt und selbst wartet. Eine erfahrene Hand bleibt danach auf Wunsch verfügbar — nie als Voreinstellung.

Es gibt keinen veröffentlichten Tagessatz. Umfang und Preis werden gemeinsam in einem kurzen Erstgespräch festgelegt, sodass Sie die Zahl kennen, bevor die Arbeit beginnt.

Branchen

Bei den meisten Kundenprojekten an NDAs gebunden — beschrieben nach Branche und Region. Referenzen auf Anfrage.

Immobilien & Hypotheken
VAE
Autohaus-Netze
Deutschland & Saudi-Arabien
B2B-Telekommunikation
Deutschland
Coaching & Training
Deutschland
Autoglas / Abrechnung
Deutschland
Wie ein produktiver Voice-Agent zusammenpasst
Eine typische produktive Voice-AI-Pipeline: Telefonie und Messaging rein, Speech-to-Text, eine Orchestrierungsschicht mit Dialogmodell plus Tools und CRM-Abfragen, dann Text-to-Speech zurück zum Anrufer — eingebettet in Evals, Observability und CI. Ablaufdiagramm: Ein Anrufer über Telefonie oder WhatsApp gelangt zu Speech-to-Text, dann zu einer Orchestrierungsschicht (das Dialogmodell mit Tools), dann zu Text-to-Speech und schließlich als Audio-Antwort zurück zum Anrufer. Die Orchestrierungsschicht greift auf eine Wissensdatenbank, CRM und Tools sowie Qualitätskontrollen zu. Anrufer Telefonie / WhatsApp Speech-to-Text Audio → Text Orchestrierung Dialogmodell + Tools Text-to-Speech Text → Audio Audio-Antwort zurück zum Anrufer Wissensdatenbank RAG / Vektoren CRM & Tools Buchungen, Abfragen Qualitätskontrollen Evals + Tests
Eine typische produktive Voice-AI-Pipeline: Telefonie und Messaging rein, Speech-to-Text, eine Orchestrierungsschicht mit Dialogmodell plus Tools und CRM-Abfragen, dann Text-to-Speech zurück zum Anrufer — eingebettet in Evals, Observability und CI.
Ausgewählte Projekte
Kundenprojekte · Referenzen auf Anfrage

Bot-Suite für Immobilien & Hypotheken — VAE

Kundenprojekt · Conversational & Voice AI

Vier produktive Bots: Inbound über WhatsApp und Sprache plus Outbound-Anrufe, zweisprachig Englisch/Arabisch. Integriert in ein CRM mit 200+ Feldern und WhatsApp Business, mit BANT-Lead-Qualifizierung und regulatorischer Do-not-call-Sperre. Eine Multi-Modell-Pipeline trennt Dialog, QA, Extraktion und Formatierung — und 1.200+ automatisierte Tests halten die gesamte Suite zusammen.

Bots für Terminbuchung & Qualifizierung im Autohaus — Deutschland & Saudi-Arabien

Kundenprojekt · Conversational & Voice AI

Inbound-Servicetermin-Buchung und Outbound-Lead-Qualifizierung für Premium-Händlernetze, bis zu drei Sprachen pro Bot (DE/EN/FR und AR/EN). Live-Bestand und Echtzeit-Terminsuche-APIs lassen Anrufer wirklich buchen — nicht nur weiterleiten — mit CRM-Lead-Routing dahinter und 180+ automatisierten Tests pro Deployment.

B2B-Telekom-Outbound-Qualifizierung — Deutschland

Kundenprojekt · Conversational & Voice AI

Ein Outbound-Qualifizierungs-Bot für 350+ Zielstädte, der 27 strukturierte Felder pro Anruf extrahiert. Ein PostgreSQL-Namens-Disambiguierungsdienst gleicht Kontakte gegen eine 34.000-Namen-Datenbank ab, sodass jeder Anruf die richtige Person erreicht und saubere, strukturierte Daten hinterlässt.

Open-Source- & eigene Projekte

ResumeTailor

Open-Source · Full-Stack-KI-Produkt

Ein Full-Stack-KI-Produkt, das ich von Anfang bis Ende gebaut habe: ein chat-first Agent, der beim Erstellen und Zuschneiden von Lebensläufen hilft. Die aktuelle Version läuft auf Next.js, dem Vercel AI SDK und Drizzle ORM mit ~500 Tests; eine frühere Full-Stack-v1 verband ein React-Frontend mit einem FastAPI-/LangGraph-Backend und einer selbstgebauten PDF/DOCX-Pipeline — und ist Open Source. v1 auf GitHub →

Happy Coder — Voice- & UX-Erweiterungen

Open-Source · Voice AI & Developer-UX

Ein Open-Source-Fork mit ~480 Commits über rund sieben Monate. Ich habe eine vollständige Voice-Schicht von Grund auf auf LiveKit/Pipecat gebaut, die Permission-UX neu gestaltet und CI/CD von null aufgesetzt. React Native/Expo im Frontend, Fastify und Python dahinter. Auf GitHub ansehen →

green-wald.de

Open-Source · Genau diese Website

Genau diese Website: ein zweisprachiger, privacy-first Static-Build auf Astro 5 — keine Cookies, kein Tracking, keine Drittanbieter-Requests, selbst gehostete Schriften. Gehärtet mit einer strikten Content-Security-Policy, einer typisierten DE/EN-Content-Schicht, die ein Auseinanderdriften der Sprachen verhindert, und durchgängig zugänglicher Progressive Enhancement. Open Source, von vorne bis hinten. Auf GitHub ansehen →

Developer Tooling

Persönlich · wie ich Lieferung schnell & verlässlich halte

Kein Produkt, das ich verkaufe — der Motor hinter ~90% Infrastruktur-Wiederverwendung und ein Einblick in meine Arbeitsweise: eigene MCP-Server (einer mit 73 Tools, abgesichert durch 452 Tests), eine 3-stufige TypeScript-Test-Bibliothek (902 Self-Tests), ein ~8.800-LOC typsicheres Workflow-Framework und ein Claude-Code-Plugin, das den gesamten Projekt-Lebenszyklus als 20 aufrufbare Skills abbildet.

Arbeitsweise

Ich bin lieber messbar als beeindruckend. Das sind Zusagen, an denen Sie mich festhalten können — keine Adjektive.

Ein Senior Engineer, von Anfang bis Ende

Sie arbeiten direkt mit mir, von der Abgrenzung bis zur Übergabe — keine Account-Manager, keine Übergaben, kein Overhead zwischen Ihnen und dem Code.

Wöchentliche schriftliche Updates

Jede Woche ein kurzes schriftliches Update zu dem, was ausgeliefert wurde, was als Nächstes kommt und welche Entscheidungen offen sind — damit Sie nie über den Status rätseln.

Geht mit Tests und CI in Betrieb

Code kommt mit automatisierter Test-Suite und funktionierender CI-Pipeline, damit Änderungen lange nach dem Projekt sicher bleiben.

Antwort innerhalb eines Werktags

E-Mails erhalten innerhalb eines Werktags eine inhaltliche Antwort — auch wenn die vollständige Lösung länger dauert.

Code und IP gehören Ihnen

Der Code gehört Ihnen — dokumentiert und übergeben, frei von Lock-in, auf Ihrer eigenen Infrastruktur. Ich schule lieber Ihr Team, es zu betreiben und zu erweitern, als Ihnen eine Black Box zu hinterlassen, an die nur ich herankomme.

KI geht mit Evals live, nicht mit Bauchgefühl

Modellverhalten wird vor Produktion mit Evals und strukturierten Tests gemessen, sodass Qualität eine nachvollziehbare Zahl ist — kein Gefühl.

Forschungsreife Sorgfalt bei den schwierigen Teilen

Wenn ein Problem wirklich schwierig ist, wende ich die Disziplin hinter meiner begutachteten Forschung an: präzise definieren, Annahmen testen, dann bauen.

Hintergrund

Ich bin auf Umwegen zum AI Engineering gekommen: ein Mathematikstudium, dann Forschung in Computational Neuroscience, dann produktives Engineering. Dieser Weg hat mich gelehrt, mit schwierigen, mehrdeutigen Problemen zu arbeiten und mich systematisch herauszutesten — genau das verlangt zuverlässige KI. Ich lese die Forschung, aber ich werde dafür bezahlt, dass Dinge in Produktion funktionieren.

Toolbox
Sprachen
PythonTypeScriptRCMATLABMathematica
AI & ML
Agentic AIConversational & Voice AILLMsRAGMCPPipecatLiveKitDeepgramPyTorchTensorFlowSpiking Neural Networks
Frameworks & Stack
FastAPINext.jsReactLangChainLangGraphVercel AI SDKSQLAlchemy 2.0PydanticZodSupabase
Cloud & DevOps
DockerKubernetesAzureGitHub ActionsCoolifyHPC
Sprachen
Deutsch MutterspracheEnglisch FließendThai MittelstufeSpanisch MittelstufeFranzösisch GrundkenntnisseRussisch Grundkenntnisse
Aktuell offen für ausgewählte neue Projekte

Lassen Sie uns etwas Zuverlässiges bauen

Sie haben ein Full-Stack-KI-Produkt, einen Voice- oder Chat-Agenten oder ein kniffliges Tooling-Problem, das sauber gelöst werden soll — mit Tests, Evals und einer sauberen Übergabe? Sagen Sie mir, woran Sie arbeiten und wie ein gutes Ergebnis aussieht, und ich antworte innerhalb eines Werktags.