Zum Inhalt springen
Martin Oellermann AI & Agentic Engineering

Case Study / In Entwicklung

AI Logistics OS

Wie lässt sich komplexe operative Arbeit von einer Sammlung manueller Einzelschritte zu einem intelligenten, nachvollziehbaren Workflow entwickeln?

Typ
Eigenes Softwareprojekt
Status
Status: In Entwicklung
Rolle
Produktstrategie · Architektur · Entwicklung
Fokus
Agentic Engineering · Geschäftsprozessautomatisierung
Stack
  • React
  • Vite
  • FastAPI
  • PostgreSQL
  • OpenAI
  • Docker
  • MinIO

01 / Kontext

Operative Prozesse bestehen selten aus einem einzigen System.

Mitarbeiter kombinieren Informationen aus E-Mails, Dokumenten und unterschiedlichen Geschäftssystemen.

Entscheidungen hängen dabei häufig vom konkreten Fall, vorhandenen Daten, externen Informationen und Ausnahmen ab.

Klassische Automatisierung funktioniert gut bei vorhersehbaren Abläufen.

Interessant wird es dort, wo strukturierte Daten, unstrukturierte Informationen und Ausnahmen zusammenkommen.

02 / Das Problem

Menschen werden zur Schnittstelle zwischen Systemen.

Menschen übernehmen dabei immer wieder dieselben Vermittlungsaufgaben:

  • Informationen verstehen
  • Daten übertragen
  • Inhalte prüfen
  • Entscheidungen vorbereiten
  • Systeme synchron halten
  • Ausnahmen bearbeiten

Das erzeugt:

  • Zeitaufwand
  • Systembrüche
  • Manuelle Übertragungen
  • Fehlerpotenzial
  1. Eingabe : E-Mail
  2. Mensch : Mensch
  3. Eingabe : Dokument
  4. Mensch : Mensch
  5. System : Geschäftssystem
  6. Mensch : Mensch
  7. System : Externes System
  8. Mensch : Mensch
  9. Ergebnis : Kunde
Menschen vermitteln zwischen E-Mail, Dokumenten und Systemen.

03 / Ansatz

Ein Operating System für den Prozess statt eines weiteren isolierten Tools.

AI Logistics OS untersucht, wie strukturierte Geschäftsdaten, Dokumente, Workflows, KI-Modelle und menschliche Entscheidungen in einer gemeinsamen Architektur zusammengeführt werden können.

  1. Eingabe : Eingang
    • Geschäftsdaten
    • Dokumente
    • KI
  3. Entscheidung : Workflow
    • Bedingung: Ausnahme
      Mensch : Mensch
    • Bedingung: Routine
      System : Automatisierung
  5. Ergebnis : Systeme
Architekturidee: Daten, Dokumente und KI laufen in einem gemeinsamen Prozesskern zusammen.

04 / Architektur

Frontend, Prozesslogik und KI als getrennte Schichten.

Die Architektur trennt Oberfläche, API, Geschäftslogik, Dokumentenverarbeitung und KI in eigene Schichten. Jede Schicht hat eine klar abgegrenzte Aufgabe.

Das Frontend entsteht mit React und Vite, das Backend mit FastAPI. PostgreSQL speichert strukturierte Daten, MinIO dient als Objektspeicher.

Aktuell ist OpenAI als KI-Provider integriert. Die Provider-Abstraktion in der KI-Schicht soll Modelle austauschbar halten – weitere Provider sind derzeit nicht angebunden.

  1. Frontend : React + Vite Anwendungsoberfläche und operative Workflows
  2. API : FastAPI Backend- und API-Schicht
  3. Domain : Domain-Logik Geschäftslogik und Workflow-Regeln
  4. Dokumente : Dokumentenverarbeitung Verarbeitung und Speicherfunktionen
  5. KI-Schicht : KI-Service Provider-Abstraktion und KI-gestützte Verarbeitung
  6. Daten & Speicher : PostgreSQL / MinIO Strukturierte Daten und Objektspeicher
  7. Provider : OpenAI Aktuell integrierter KI-Provider
Vereinfachte Schichtenansicht der aktuellen Architektur.

05 / Agentic Engineering

KI innerhalb kontrollierter Workflows.

Das Ziel ist nicht maximale Autonomie.

Das Ziel ist eine sinnvolle Aufteilung zwischen deterministischer Geschäftslogik, KI-Unterstützung und menschlicher Entscheidung.

Automatisiere die Routine. Eskaliere die Ausnahme.

  1. Eingabe : Eingabe
  2. KI : KI versteht
  3. Schritt : Geschäftsregeln
  4. Entscheidung : Sicherheit der Bewertung
    • Bedingung: Hoch
      System : Automatisieren
    • Bedingung: Mittel
      Mensch : Prüfen
    • Bedingung: Niedrig
      Mensch : Eskalieren
Die Bewertung entscheidet, wie viel Mensch ein Fall braucht.

06 / Aktueller Stand

Modular entwickeln statt alles gleichzeitig bauen.

AI Logistics OS wird in abgegrenzten Modulen entwickelt. So bleibt jeder Bereich für sich überprüfbar – und der Stand lässt sich ehrlich benennen.

  1. Technisches Fundament

    Status: Umgesetzt

  2. Domänenmodell für Sendungen

    Status: Umgesetzt

  3. Dokumentenverarbeitung

    Umgesetzt und in Weiterentwicklung.

    Status: Umgesetzt

  4. OpenAI-Provider

    Status: Umgesetzt

  5. Frontend mit React + Vite

    Status: In Entwicklung

  6. Agentische Workflows

    Status: In Entwicklung

  7. Operative Integrationen

    Status: Geplant

Stand: September 2026

07 / Engineering

AI-unterstützte Entwicklung mit Engineering Guardrails.

KI-gestützte Coding-Tools beschleunigen Recherche, Implementierung und Iteration.

Architektur, Geschäftslogik, Tests und technische Entscheidungen müssen trotzdem verständlich und überprüfbar bleiben.

Leitplanken

  • Kleine, nachvollziehbare Schritte
  • Klare Architekturgrenzen
  • Tests vor Vertrauen
  • Änderungen reviewbar halten
  • Technische Entscheidungen dokumentieren
  1. Schritt : Planen
  2. Schritt : Implementieren
  3. Schritt : Testen
  4. Entscheidung : Prüfen
  5. System : Commit
  6. Schritt : Iterieren
Kleine, überprüfbare Schritte – in wiederkehrenden Zyklen.

08 / Learnings

Welche Fragen das Projekt untersucht.

Diese Fragen sind aktive Engineering-Themen des Projekts – nicht abschließend beantwortet.

  • Wie lassen sich deterministische Geschäftsregeln mit LLMs verbinden?
  • Wann braucht ein Prozess einen Agenten – und wann reicht Automatisierung?
  • Wie bleiben AI Provider austauschbar?
  • Wie werden Unsicherheit und Ausnahmen behandelt?
  • Wo sollte ein Mensch bewusst im Prozess bleiben?
  • Wie lassen sich KI-gestützte Workflows zuverlässig testen?

09 / Nächste Schritte

Vom technischen Fundament zum agentischen Operations-System.

AI Logistics OS entwickelt sich schrittweise von einer technischen Plattform zu einem System, das Daten, Dokumente, Workflows, Benutzeroberfläche, Integrationen und KI-gestützte Assistenzfunktionen zusammenführt.

Case Study wird mit der Weiterentwicklung aktualisiert

Sie haben einen ähnlich komplexen Prozess?

Wenn Mitarbeiter Informationen aus Dokumenten, E-Mails und mehreren Systemen zusammenführen müssen, lohnt sich ein genauer Blick auf die Prozessarchitektur.

Prozess besprechen