Expertise

AI Engineer für MCP-Server, RAG und Coding-Agenten

Ich baue die Werkzeuge, mit denen KI-Agenten in echten Codebasen, Ticketsystemen und CI arbeiten – und Tests, statische Analyse und menschliches Review entscheiden trotzdem, was live geht.

Offen für neue Rollen · ab 1. Dezember

Kontakt aufnehmen Alle Referenzen ansehen

Was ich mitbringe

  • MCP-Server

    Mein eigener Jira-MCP-Server gibt Coding-Agenten 20 Tools – Issues suchen, anlegen und weiterschalten, Kommentare, Anhänge und Zephyr-Testläufe – damit sie direkt mit den Tickets des Teams arbeiten.

  • Agenten-Pipelines vom Ticket zum PR

    Agent Skills, die einen Produktionsfehler mit synchronisierten Daten reproduzieren, die Ursache belegen, das Jira-Ticket anlegen, ihn mit Unit- und Playwright-Tests beheben und den Pull Request öffnen.

  • LLM-Integration & RAG

    LLM-Funktionen in bestehenden Produkten: Retrieval-Augmented Generation, Embeddings und Vektorsuche, Tool Calling und strukturierte Ausgaben – mit Evals und Guardrails statt Blackbox.

  • Agent-ready Websites

    Diese Seite spricht mit KI-Agenten: WebMCP-Tools im Browser, llms.txt und jede Seite als Markdown – aus demselben Build wie das HTML.

Projekte, die es belegen

Echte Projekte, echte Zahlen – die ganze Liste findest du bei den Referenzen.

  • 2026

    Messerle Shop

    Ticket-to-PR-Agenten-Pipeline

    Agent-Skills, die einen Bug vom Report bis zum Pull Request bringen: anhand synchronisierter Daten reproduzieren, die Ursache belegen, das Jira-Ticket anlegen, mit Unit- und Playwright-E2E-Tests beheben und das PHPUnit/PHPStan-Gate bestehen.

    • Claude Code
    • OpenCode
    • Agent skills
    • Playwright
    • PHPUnit
    • GitHub API
    Internes Projekt
  • 2026

    Jira × coding agents

    Jira-MCP-Server

    Ein Server für das Model Context Protocol mit 20 Tools – Issues, Transitions, Kommentare, Anhänge und Zephyr-Testläufe –, mit dem Coding-Agenten direkt im Jira des Teams arbeiten.

    • MCP
    • Node.js
    • Jira REST API
    • Zephyr
    Internes Projekt

Werkzeugkasten

  • Agentic engineering
  • MCP servers (Model Context Protocol)
  • RAG (retrieval-augmented generation)
  • Embeddings & vector search
  • Tool calling & structured outputs
  • Multi-agent orchestration
  • Claude Code & agent skills
  • OpenCode · Codex
  • LLM API integration (Anthropic, OpenAI)
  • Prompt & context engineering
  • LLM evals & guardrails
  • Agent guardrails: tests & CI gates
  • WebMCP · llms.txt
  • AI-assisted code review

Häufige Fragen

Was ist ein MCP-Server?

Das Model Context Protocol (MCP) ist ein offener Standard, über den KI-Assistenten und Coding-Agenten Werkzeuge und Daten anderer Systeme nutzen. Ein MCP-Server verpackt ein System – zum Beispiel Jira – in klar beschriebene Tools, sodass ein Agent Issues suchen oder Testläufe erfassen kann, ohne eigenen Glue-Code.

Können KI-Agenten sicher in einer bestehenden Codebasis arbeiten?

Ja, wenn die Guardrails echt sind. In meinen Pipelines entscheiden Unit- und End-to-End-Tests, statische Analyse und CI-Gates, was live geht – und jede Änderung geht trotzdem durch ein menschliches Review.

Mit welchen KI-Werkzeugen und Modellen arbeitest du?

Im Alltag mit Claude Code und Agent Skills, OpenCode und Codex – und mit den APIs von Anthropic und OpenAI für LLM-Funktionen in Produkten.

Wo bist du ansässig – und arbeitest du remote?

In Voitsberg, westlich von Graz in der Steiermark. Ab 1. Dezember verfügbar – remote aus Voitsberg (AT) oder hybrid.

Bist du verfügbar?

Offen für neue Rollen · ab 1. Dezember. Am schnellsten erreichst du mich per E-Mail oder LinkedIn.

In welchen Sprachen arbeitest du?

Deutsch, Englisch und Ungarisch.

Klingt nach dem, was du suchst?

Erzähl mir von deinem Projekt oder deiner Stelle – ich freue mich, von dir zu hören.

Hallo sagen Auf LinkedIn vernetzen(öffnet in neuem Tab)