Produkt und Architektur
Das System stärken, ohne bereits nützliche Arbeit zu verwerfen.
Der Beweis liegt im System hinter dem Screen. Workflow, Schutzmechanismen und Betriebsrealität sichtbar gemacht.
KI-Engineering-Fallstudien von Smicolon: Architektur, Workflow Controls und Schutzmechanismen hinter den Produkten und internen Systemen, die wir bauen und betreiben.
- Architektur vor Skalierung
- Vor dem Release getestet
- Im Produktivbetrieb überwacht
- Unter der Kontrolle deines Teams
Das System lesen, nicht nur die Oberfläche
Jede Fallstudie zeigt Architektur, Kontrollen und Entscheidungen hinter dem Screen — die Teile, die entscheiden, ob ein Produkt echten Nutzern standhält.
Qualität und Tests
Gutes Verhalten definieren und Regressionen vor den Nutzern erkennen.
Sicherheit und Daten
Berechtigungen, sensible Pfade, Tenancy und Verantwortung klar festlegen.
Deployment und Betrieb
Nachvollziehen, was passiert ist, sicher veröffentlichen, schnell wiederherstellen und das System wartbar halten.
Produktentwicklung
BrandBuddy
BrandBuddy hilft kleinen dänischen Unternehmen, E-Mail-Kampagnen zu planen, zu schreiben und zu versenden. Rasmus baute den ersten Prototyp mit Lovable. Smicolon begleitete den nächsten Schritt mit technischer Beratung, Code-Reviews und UX/UI-Design bis zu den ersten zahlenden Kunden.
Vom Prototyp zum ProduktivbetriebKI-ProduktentwicklungAI Product Experience Design
Edge-Runtime
Mastra Runtime im Worker
Agenten und Workflows laufen innerhalb des Dashboard API Workers.
Dauerhafter Zustand
D1 speichert Workflow-Zustand und Snapshots über einzelne Requests hinaus.
Queue-Grenzen
Consumer, Retries und Dead-Letter-Pfade trennen Request Handling von längerer Arbeit.
Nachverfolgte Ausführung
Jeder Workflow-Schritt sendet Telemetrie; Mastra und Langfuse machen daraus einen lesbaren Trace.
Internes Betriebssystem
Edge-native KI-Orchestrierung
Ein technischer Deep Dive in dauerhafte Mastra Workflows innerhalb eines Cloudflare Workers mit D1-Zustand, Queues, Modell-Routing, Telemetrie und Payload-Publikation.
LLM-Anwendung skalierenVom Prototyp zum Produktivbetrieb
AI Applications
DigiBate
Digibate ist eine KI-gestützte Plattform für Social-Media-Content und Marketing, die Gründer und Marketer beim Erstellen, Planen und Veröffentlichen unterstützt – mit KI, die assistiert, und einem Nutzer, der stets die Kontrolle behält.
KI-Produktentwicklung
Angebotsprozess
Opportunity Intake
Webhook-basierte Datensätze schaffen einen konsistenten Ausgangspunkt.
Konfigurierbarer Workflow
Bewerbungsregeln und agentenunterstützte Stufen sind explizit statt in persönlichen Routinen verborgen.
Prüfbarer Zustand
Bewerbungen können bearbeitet, freigegeben, gesendet und über Statusänderungen verfolgt werden.
Kommerzieller Kontext
Economics bleiben neben der Bewerbungsentscheidung sichtbar.
Internes Betriebssystem
Opportunity und Proposal Operations
Wie Smicolon eingehende Marketplace-Chancen in einen konfigurierbaren, prüfbaren kommerziellen Entscheidungsworkflow mit Bewerbungsstatus und Economics überführt hat.
Vom Prototyp zum Produktivbetrieb
