> Senior AI Engineer in der Steiermark: MCP-Server, LLM-Integration und Agenten-Pipelines vom Ticket zum getesteten Pull Request. Remote oder bei Graz. > > Web page: https://balazscsorba.com/de/expertise/ai-engineer · Language: Deutsch · Also available in: [English](https://balazscsorba.com/expertise/ai-engineer.md) · [Magyar](https://balazscsorba.com/hu/expertise/ai-engineer.md) Expertise # AI Engineer für MCP-Server, LLM-Integration 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 Projekte [Kontakt aufnehmen](https://balazscsorba.com/de#contact) [Alle Referenzen ansehen](https://balazscsorba.com/de/references) ## Was ich mitbringe - ### 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 LLM-Funktionen in bestehenden Produkten: 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 finden Sie bei den Referenzen. - 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 [Zum Artikel](https://balazscsorba.com/de/blog/coding-agent-skills-workflow) - balazscsorba.com ### Agentenfähiges Portfolio Diese Seite spricht mit KI-Agenten: WebMCP-Tools im Browser, llms.txt und llms-full.txt sowie jede Seite als Markdown per Content Negotiation – alles aus demselben Build generiert. - Nuxt - WebMCP - llms.txt - Markdown for agents Eigenes Projekt[balazscsorba.com](https://balazscsorba.com/) ## Werkzeugkasten - Agentic engineering - MCP servers (Model Context Protocol) - 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 ## Artikel zum Thema - [Claude in OpenCode: der Claude-Agent-Provider, API-Keys und die anderen Wege](https://balazscsorba.com/de/blog/claude-in-opencode) - [Claude Code Review ist allgemein verfügbar: wie das Review arbeitet und was es kostet](https://balazscsorba.com/de/blog/claude-code-review) - [Claude-Preise erklärt: Free, Pro, Max, Team und API sowie die Nutzungslimits](https://balazscsorba.com/de/blog/claude-plans-pricing-usage-limits) - [Claude Skills: So schreiben Sie eine SKILL.md, die zum richtigen Zeitpunkt lädt](https://balazscsorba.com/de/blog/claude-skills-guide) - [Claude Haiku 5.5: Preise, Effort-Stufen und welche Sonnet-Aufgaben wechseln können](https://balazscsorba.com/de/blog/claude-haiku-5-5) - [DeepSeek V4.1 Flash 1017: 890 Byte KV-Cache pro Token, und was ein Agent davon hat](https://balazscsorba.com/de/blog/deepseek-v4-1-flash-1017) ### Weitere Artikel zu diesem Thema - [LLM-Rate-Limits in Produktion: Retries, Backoff und Provider-Fallback](https://balazscsorba.com/de/blog/llm-rate-limits-retries-provider-fallback) - [Prompt-Versionierung in Produktion: Git, Registries, Labels und Rollbacks](https://balazscsorba.com/de/blog/prompt-versioning-management) - [LLM-Batch-APIs: Inferenz zum halben Preis für Arbeit, die warten kann](https://balazscsorba.com/de/blog/llm-batch-api-offline-workloads) - [Tools für KI-Agenten gestalten: Namen, Beschreibungen, Schemas und Fehlermeldungen](https://balazscsorba.com/de/blog/agent-tool-design-descriptions-errors) - [Embedding-Modell wählen 2026: Leaderboards, Kosten und ein Vergleichstest mit eigenen Daten](https://balazscsorba.com/de/blog/embedding-model-selection-2026) - [Contextual Retrieval und Late Chunking: RAG-Chunks ihren Kontext zurückgeben](https://balazscsorba.com/de/blog/contextual-retrieval-late-chunking) - [Zugriffskontrolle für RAG: berechtigungsbewusstes Retrieval ohne Datenlecks](https://balazscsorba.com/de/blog/rag-access-control-permissions) - [Output-Guardrails für LLMs: Moderation, sicheres Rendern und Validierung, bevor etwas passiert](https://balazscsorba.com/de/blog/llm-output-guardrails-moderation) - [Kleine Sprachmodelle: wann ein 4B-Modell reicht](https://balazscsorba.com/de/blog/small-language-models-when-enough) - [Reasoning Effort und Thinking-Budgets: Wie viel soll ein Modell denken?](https://balazscsorba.com/de/blog/reasoning-models-effort-thinking-budget) - [Legacy-Codebase mit Coding-Agenten migrieren: ein Strangler-Fig-Playbook](https://balazscsorba.com/de/blog/coding-agents-legacy-codebase-migration) - [Coding-Agenten im Hintergrund: Pull Requests, Queues und Review](https://balazscsorba.com/de/blog/background-agents-async-pr-workflow) - [Query Rewriting für die konversationelle Suche: Kontext, HyDE und Filter](https://balazscsorba.com/de/blog/conversational-search-query-rewriting) - [Synthetische Testdaten für RAG-Evaluierungen erzeugen](https://balazscsorba.com/de/blog/synthetic-test-data-rag-evals) - [AI-Red-Teaming-Checkliste für LLM-Apps: was man angreifen sollte, bevor es Nutzer tun](https://balazscsorba.com/de/blog/ai-red-teaming-checklist-llm-apps) - [Structured Outputs mit JSON Schema: was die Garantie abdeckt und was nicht](https://balazscsorba.com/de/blog/structured-outputs-json-schema-llm) - [KI-Agenten evaluieren: Trajektorien, Ergebnisse und Zuverlässigkeit bewerten](https://balazscsorba.com/de/blog/evaluating-ai-agents-trajectories) - [LLM-Modellmigration ohne Regressionen: Deprecations, Evals, Shadow-Traffic](https://balazscsorba.com/de/blog/llm-model-migration-regression-testing) - [Context Rot bei langlaufenden Agenten: Leeren, Compaction, Memory und Sub-Agenten](https://balazscsorba.com/de/blog/context-rot-compaction-long-running-agents) - [PDF-Parsing für RAG: Layout-Pipelines, OCR und Vision-Modelle im Vergleich](https://balazscsorba.com/de/blog/pdf-document-parsing-for-rag) - [Mehrsprachiges RAG für Deutsch und Ungarisch: Embeddings, Komposita und sprachübergreifende Suche](https://balazscsorba.com/de/blog/multilingual-rag-german-hungarian) - [Text-to-SQL mit LLMs: Schema-Kontext, Read-only-Rollen und Validierung, die hält](https://balazscsorba.com/de/blog/text-to-sql-llm-guardrails) - [Slopsquatting: wenn Coding-Agenten Pakete installieren, die es nicht gibt](https://balazscsorba.com/de/blog/slopsquatting-ai-package-hallucinations) - [Browser-Agenten für E2E-Tests: Agenten Playwright-Tests schreiben lassen, nicht ausführen](https://balazscsorba.com/de/blog/browser-agents-e2e-testing-playwright) - [Semantisches Caching für LLM-Apps: wann Antworten wiederverwenden sicher ist und wann nicht](https://balazscsorba.com/de/blog/semantic-caching-llm-responses) - [Embedding-Quantisierung: Binär-, int8- und Matryoshka-Vektoren ohne Qualitätsverlust beim Retrieval](https://balazscsorba.com/de/blog/embedding-quantization-binary-matryoshka) - [RAG-Poisoning: wie wenige Dokumente einen Assistenten steuern und wie man die Wissensbasis verteidigt](https://balazscsorba.com/de/blog/rag-poisoning-knowledge-base-attacks) - [Das A2A-Protokoll erklärt: Agent Cards, Tasks und sein Platz neben MCP](https://balazscsorba.com/de/blog/a2a-protocol-agent-interoperability) - [LLMs selbst hosten für die DSGVO: wann es nötig ist und was es kostet](https://balazscsorba.com/de/blog/self-hosted-llm-gdpr-cost) - [OpenCode im Test: der Open-Source-Coding-Agent für jedes Modell](https://balazscsorba.com/de/blog/opencode) - [Coding-Agenten und Secrets: Schlüssel aus Kontext, Logs und Commits](https://balazscsorba.com/de/blog/coding-agent-secrets-hygiene) - [Pydantic AI im Test: typisierte Python-Agenten mit geprüfter Ausgabe](https://balazscsorba.com/de/blog/pydantic-ai) - [llms.txt versus Markdown Content Negotiation: was Agenten wirklich abrufen](https://balazscsorba.com/de/blog/llms-txt-vs-markdown-content-negotiation) - [Gemini CLI im Test: Open Source, aber für Einzelnutzer nicht mehr kostenlos](https://balazscsorba.com/de/blog/gemini-cli) - [Temporal im Test: Agenten, die Abstürze überstehen und auf Menschen warten](https://balazscsorba.com/de/blog/temporal) - [Zep-Review: Agenten-Memory auf einem temporalen Graphen](https://balazscsorba.com/de/blog/zep) - [DeepEval-Test: pytest für LLM-Ausgaben, samt Richter-Rechnung](https://balazscsorba.com/de/blog/deepeval) - [DSPy im Test: Prompts gegen eine Metrik kompilieren, nicht von Hand](https://balazscsorba.com/de/blog/dspy) - [llama.cpp im Test: die lokale Engine unter Ollama und LM Studio](https://balazscsorba.com/de/blog/llama-cpp) - [Opik im Test: Open-Source-Tracing und Evals mit US-gehosteter Cloud](https://balazscsorba.com/de/blog/opik) - [GraphRAG und Knowledge-Graph-RAG: wann ein Graph die Vektorsuche schlägt](https://balazscsorba.com/de/blog/graphrag-knowledge-graph-rag) - [KI-Coding-Tools und Betriebsrat: wann Nutzungsprotokolle als Überwachung gelten](https://balazscsorba.com/de/blog/works-council-ai-tools-austria-germany) - [E2B-Test: Firecracker-Sandboxes für Agenten-Code, nach Sekunden abgerechnet](https://balazscsorba.com/de/blog/e2b) - [EU AI Act jenseits von Artikel 50: GPAI, Hochrisiko-Fristen und To-dos](https://balazscsorba.com/de/blog/eu-ai-act-gpai-high-risk-2026) - [Lokales Text-to-Speech im großen Maßstab: 96 Artikel mit offenen Modellen vertont](https://balazscsorba.com/de/blog/local-text-to-speech-pipeline) - [Ein Senior mit Coding-Agenten gegen ein Team: was die Belege sagen](https://balazscsorba.com/de/blog/ai-assisted-development-economics) - [DSFA für einen LLM-Support-Assistenten: ein Beispiel nach Art. 35 DSGVO](https://balazscsorba.com/de/blog/dpia-llm-feature-worked-example) - [Multimodales RAG mit ColPali: Seitenbilder, Multi-Vektor-Kosten und wann sie gewinnen](https://balazscsorba.com/de/blog/multimodal-rag-colpali) - [RAG über Code: AST-Chunking, Repo-Maps und Code-Embeddings für Agenten](https://balazscsorba.com/de/blog/code-rag-repository-indexing) - [Spec-driven Development für Coding-Agenten: den Plan vor dem Code festlegen](https://balazscsorba.com/de/blog/spec-driven-development-coding-agents) - [Browserbase und Stagehand im Test: gemietetes Chrome für KI-Agenten](https://balazscsorba.com/de/blog/browserbase-stagehand) - [WebMCP: Tools veröffentlichen statt Pixel ausliefern](https://balazscsorba.com/de/blog/webmcp) - [Cross-Encoder-Reranker im Vergleich: Cohere, bge, Voyage, Jina und Late Interaction (2026)](https://balazscsorba.com/de/blog/reranking-models-compared) - [Vektorsuche in Elasticsearch und OpenSearch: kNN, hybride Suche und die Lizenzfrage](https://balazscsorba.com/de/blog/elasticsearch-opensearch-vector-search) - [OpenAI dots: Was Always-on-Agenten verändern werden, und was nicht](https://balazscsorba.com/de/blog/openai-dots-always-on-agents-impact) - [Ollama im Test: der freundliche Weg zu offenen Modellen](https://balazscsorba.com/de/blog/ollama) - [Guardrails AI: prüfen, was das Modell zurückgibt](https://balazscsorba.com/de/blog/guardrails-ai) - [turbopuffer im Test: Vektorsuche auf Object Storage und was eine Anfrage kostet](https://balazscsorba.com/de/blog/turbopuffer) - [Tabellenextraktion für RAG: Extraktionsebenen, Serialisierung und belastbare Abfragen](https://balazscsorba.com/de/blog/table-extraction-rag) - [Portkey: ein LLM-Gateway für die Produktion, geprüft auf Routing, Guardrails und Kosten](https://balazscsorba.com/de/blog/portkey) - [Embedding-Modelle für die eigene Domäne feintunen: Hard Negatives, Losses und Evals](https://balazscsorba.com/de/blog/embedding-fine-tuning-domain) - [SPLADE und gelernte spärliche Suche in der Praxis: BM25, Indexgröße, Latenz](https://balazscsorba.com/de/blog/splade-learned-sparse-retrieval) - [MCP-Referenzserver: was sie zeigen und was sie auslassen](https://balazscsorba.com/de/blog/mcp-reference-servers) - [Wissensgraphen mit LLMs extrahieren: Ontologie, Entitätsauflösung, Herkunft](https://balazscsorba.com/de/blog/knowledge-graph-extraction-llm) - [RAG-Index aktuell halten: inkrementelles Indexieren, CDC und Blue/Green-Neueinbettung](https://balazscsorba.com/de/blog/incremental-indexing-cdc) - [Aider im Test: Pair Programming im Terminal, git zuerst](https://balazscsorba.com/de/blog/aider) - [Claude Opus 5.5 holt Platz 1 bei Artificial Analysis – die eigentliche Story ist medium](https://balazscsorba.com/de/blog/artificial-analysis-leaderboard-claude-opus-5-5) - [EU AI Act Article 50: was Entwickler seit 2. August 2026 tun müssen](https://balazscsorba.com/de/blog/eu-ai-act-article-50-developer-checklist) - [LanceDB: Vektorsuche, die als Bibliothek beginnt](https://balazscsorba.com/de/blog/lancedb) - [pgvector im Review: die Vektordatenbank, die du nicht betreiben musst](https://balazscsorba.com/de/blog/pgvector) - [Mem0: was eine Agent-Speicherschicht pro Runde kostet](https://balazscsorba.com/de/blog/mem0) - [Typisierte Entscheidungen für LLM-Routing und Triage: kalibrierte Konfidenz mit Jev](https://balazscsorba.com/de/blog/jev-typed-decisions-llm-routing) - [OpenAI Agents SDK: eine schlanke Agent-Runtime mit scharfen Kanten](https://balazscsorba.com/de/blog/openai-agents-sdk) - [Memory für KI-Agenten entwerfen: Ebenen, Schreibregeln, Poisoning und DSGVO](https://balazscsorba.com/de/blog/ai-agent-memory-design) - [OpenHands: der Open-Source-Coding-Agent im Eigenbetrieb](https://balazscsorba.com/de/blog/openhands) - [Milvus-Review: die vollständigste Vektordatenbank im Betrieb](https://balazscsorba.com/de/blog/milvus-zilliz) - [Microsoft GraphRAG: ein Wissensgraph-RAG mit Vorabrechnung](https://balazscsorba.com/de/blog/graphrag) - [Harness Engineering: Guides und Sensors, die Agent-PRs mergebar machen](https://balazscsorba.com/de/blog/harness-engineering-coding-agents) - [Cursor im Test: ein KI-Code-Editor, der über den Listenpreis hinaus abrechnet](https://balazscsorba.com/de/blog/cursor) - [Prompt Injection abwehren: lethal trifecta und sechs Designmuster](https://balazscsorba.com/de/blog/prompt-injection-lethal-trifecta-patterns) - [Claude Code: der Coding-Agent im Terminal, im Test](https://balazscsorba.com/de/blog/claude-code) - [OpenAI Codex CLI: der Agent, der Rechte als Konfigurationsdatei behandelt](https://balazscsorba.com/de/blog/openai-codex-cli) - [DSGVO-LLM-Datenresidenz: Regionssteuerung, Zero Retention, EU-Optionen](https://balazscsorba.com/de/blog/gdpr-llm-api-eu-data-residency) - [Top 20 Wege, Tokens bei Coding-Agents zu sparen: rtk, lean-ctx, Serena und mehr, nach Belegen gerankt](https://balazscsorba.com/de/blog/token-saving-tools-coding-agents-top-20) - [Firecrawl: eine Web-Crawling-API für RAG-Pipelines im Test](https://balazscsorba.com/de/blog/firecrawl) - [LLM-Halluzinationen in Produktion reduzieren: Grounding, Zitate und das Nein zur richtigen Zeit](https://balazscsorba.com/de/blog/llm-hallucination-grounding-citations) - [Semgrep: statische Analyse, die in einen Pull Request passt](https://balazscsorba.com/de/blog/semgrep) - [Langfuse-Test: Tracing, Prompts und Evals selbst gehostet](https://balazscsorba.com/de/blog/langfuse) - [MCP-Sicherheits-Checkliste: Tool-Poisoning, Rug Pulls und OAuth](https://balazscsorba.com/de/blog/mcp-server-security-checklist) - [GitHub Copilot Coding Agent: ein Test des Pull-Request-Agenten](https://balazscsorba.com/de/blog/github-copilot-coding-agent) - [Multi-Agent-Systeme: wann sie einen Agenten schlagen und wann nicht](https://balazscsorba.com/de/blog/multi-agent-systems-when-worth-it) - [Observability für LLM-Agenten mit OpenTelemetry: Traces, Tokens, PII und Evals](https://balazscsorba.com/de/blog/agent-observability-opentelemetry) - [KI-Agent-Sandbox-Checkliste: Lehren aus einem CI-Einbruch](https://balazscsorba.com/de/blog/sandboxing-coding-agents-ci-checklist) - [Lakera Guard: Prompt-Injection-Filter an der Request-Grenze](https://balazscsorba.com/de/blog/lakera-guard) - [detect-secrets: Secret Scanning mit eingecheckter Baseline](https://balazscsorba.com/de/blog/detect-secrets) - [RAG im Jahr 2026: hybrides Retrieval, agentisches Suchen oder Long Context?](https://balazscsorba.com/de/blog/rag-2026-hybrid-agentic-long-context) - [MCP 2026-07-28: Migrationsleitfaden für zustandslose MCP-Server](https://balazscsorba.com/de/blog/mcp-2026-07-28-stateless-migration-guide) - [Human in the Loop bei KI-Agenten: wo Freigaben hingehören](https://balazscsorba.com/de/blog/human-in-the-loop-ai-agents) - [RAG-Pipeline in Produktion, Schritt für Schritt: Chunking, hybride Suche und Reranking](https://balazscsorba.com/de/blog/rag-pipeline-chunking-hybrid-search-reranking) - [OpenRouter: ein API-Schlüssel vor jedem Modell im Katalog](https://balazscsorba.com/de/blog/openrouter) - [Chroma: einfache Vektorsuche mit einem Haken](https://balazscsorba.com/de/blog/chroma) - [Goose: der quelloffene Agent, den man auf dem eigenen Rechner ausführt](https://balazscsorba.com/de/blog/goose-block) - [LangGraph: eine Low-Level-Laufzeit für zustandsbehaftete Agenten](https://balazscsorba.com/de/blog/langgraph) - [Die Agentenschleife erklärt: wie Coding-Agenten laufen und wie man sie stoppt](https://balazscsorba.com/de/blog/agent-loop-explained) - [Mastra im Test: TypeScript-Agenten mit echter Evaluationsschleife](https://balazscsorba.com/de/blog/mastra) - [LlamaIndex im Test: das breiteste Daten-Toolkit, dessen Schwerpunkt schon gewandert ist](https://balazscsorba.com/de/blog/llamaindex) - [Zed im Review: der Editor, der den Agenten ins Fenster holt](https://balazscsorba.com/de/blog/zed) - [Pinecone: ein Test der verwalteten Vektordatenbank](https://balazscsorba.com/de/blog/pinecone) - [Braintrust im Test: Eval-first Observability mit hartem Zähler](https://balazscsorba.com/de/blog/braintrust) - [Promptfoo: LLM-Evals und Red Teaming aus einer YAML-Datei](https://balazscsorba.com/de/blog/promptfoo) - [Arize Phoenix im Test: LLM-Tracing und Evals auf eigener Infrastruktur](https://balazscsorba.com/de/blog/arize-phoenix) - [Helicone: Observability, die im Request-Pfad sitzt](https://balazscsorba.com/de/blog/helicone) - [Skills statt Prompts: Wie meine Coding-Agenten einen Bug vom Report bis zum Pull Request bringen](https://balazscsorba.com/de/blog/coding-agent-skills-workflow) - [vLLM geprüft: Inferenz auf eigener Hardware](https://balazscsorba.com/de/blog/vllm) - [PII-Schwärzung in LLM-Pipelines: wo, wie und was die DSGVO dazu sagt](https://balazscsorba.com/de/blog/pii-redaction-llm-pipelines) - [Rebuff: vier Schichten Prompt-Injection-Erkennung, inzwischen archiviert](https://balazscsorba.com/de/blog/rebuff) - [Protect AI Modell-Scanning: Guardian gibt es nicht mehr, ModelScan schon](https://balazscsorba.com/de/blog/protect-ai) - [Kontext-Engineering für Coding-Agenten: AGENTS.md, Skills, MCP oder CLI?](https://balazscsorba.com/de/blog/agents-md-skills-mcp-cli-decision-matrix) - [Cline im Test: ein offener Coding-Agent mit jedem Modell und ohne Leitplanken](https://balazscsorba.com/de/blog/cline) - [pgvector oder Vektordatenbank? So wählst du 2026 den Vektorspeicher](https://balazscsorba.com/de/blog/pgvector-vs-vector-databases) - [Voice Agents bauen: Realtime Speech-to-Speech oder STT, LLM und TTS?](https://balazscsorba.com/de/blog/voice-agents-realtime-latency) - [Generative Engine Optimization in der Praxis: ein vollständiges GEO-Audit meiner eigenen Site](https://balazscsorba.com/de/blog/generative-engine-optimization-audit) - [CrewAI im Test: Crews, Flows und die Token-Rechnung](https://balazscsorba.com/de/blog/crewai) - [Weaviate: eine Vektordatenbank, die bei der Suche gewinnen muss, nicht nur bei der Ähnlichkeit](https://balazscsorba.com/de/blog/weaviate) - [Prompt-Caching und Modell-Routing: LLM-Kosten und Latenz senken](https://balazscsorba.com/de/blog/llm-cost-latency-prompt-caching-routing) - [WebMCP in der Praxis: eine Website agentenfertig machen mit deklarierten Tools](https://balazscsorba.com/de/blog/webmcp-agent-ready-website-guide) - [Playwright: eine Browser-API für Tests, Skripte und Agents](https://balazscsorba.com/de/blog/playwright) - [ElevenLabs: Sprachsynthese als API](https://balazscsorba.com/de/blog/elevenlabs) - [Qdrant: eine Vektordatenbank, gebaut um Filtern](https://balazscsorba.com/de/blog/qdrant) - [LangSmith: aus einem Observability-Produkt wurde eine Agent-Plattform](https://balazscsorba.com/de/blog/langsmith) - [Replicate im Test: eine Modell-API pro Sekunde abgerechnet, mit allen scharfen Kanten benannt](https://balazscsorba.com/de/blog/replicate) - [Unstructured-Review: Dokumente für RAG parsen](https://balazscsorba.com/de/blog/unstructured) - [LiteLLM: das OpenAI-kompatible Gateway, das die meisten Plattformteams betreiben](https://balazscsorba.com/de/blog/litellm) - [Ragas-Review: der Standard für RAG-Evaluation](https://balazscsorba.com/de/blog/ragas) - [KI-Code-Review ist der neue Engpass: Umgang mit einer Flut agentengeschriebener PRs](https://balazscsorba.com/de/blog/ai-generated-pr-review-bottleneck) - [KI-Agenten sind Identitäten: Least Privilege für Nicht-Menschen](https://balazscsorba.com/de/blog/ai-agent-identity-least-privilege) - [LLM-Evals für Produktfeatures: von handgelesenen Traces zum CI-Gate](https://balazscsorba.com/de/blog/llm-evals-for-product-features) - [RAG evaluieren: Retrieval-Metriken, Faithfulness und wie du erkennst, welche Hälfte versagt hat](https://balazscsorba.com/de/blog/rag-evaluation-metrics) - [Prompting vs. RAG vs. Fine-Tuning vs. Distillation: Entscheidungshilfe für 2026](https://balazscsorba.com/de/blog/fine-tuning-vs-rag-vs-prompting) [Alle Artikel →](https://balazscsorba.com/de/blog) ## 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 arbeiten Sie? 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 sind Sie ansässig – und arbeiten Sie remote? In Voitsberg, westlich von Graz in der Steiermark. Remote in ganz Europa und UK oder hybrid in der Steiermark. Sind Sie verfügbar? Offen für neue Projekte. Am schnellsten erreichen Sie mich per E-Mail oder LinkedIn. In welchen Sprachen arbeiten Sie? Englisch und Ungarisch. Projektkommunikation, Tickets, Dokumentation und Code laufen auf Englisch – auf Deutsch arbeite ich nicht. ## Auch auf dieser Seite - [Code-Audit für KI-generierten Code](https://balazscsorba.com/de/expertise/code-audit) - [Legacy-Modernisierung](https://balazscsorba.com/de/expertise/legacy-modernisation) - [Vue.js- & Nuxt-Entwicklung](https://balazscsorba.com/de/expertise/vue-nuxt-developer) - [B2B-E-Commerce & PIM](https://balazscsorba.com/de/expertise/b2b-ecommerce-developer) - [Spiel](https://balazscsorba.com/de/game) ## Klingt nach dem, was Sie suchen? Erzählen Sie mir von Ihrem Projekt oder Ihrer Stelle – ich freue mich, von Ihnen zu hören. [Kontakt aufnehmen](mailto:contact@balazscsorba.com) [Auf LinkedIn vernetzen](https://www.linkedin.com/in/balazs-csorba)