Jedes Projekt hat eine eigene Seite mit Messungen. Die Messwerte auf dieser Seite stammen aus den Testläufen der Projekte.
Ein Rundflug durch alle Projekte
Zuerst RepoCity, die Firma im Aufbau, mit ihren sieben Teilen. Danach sechs eigenständige Projekte, jedes mit Präsentation.
RepoCity wird eine Firma, die automatisiert läuft
Sieben Teile übergeben sich die Arbeit gegenseitig. Daniel steuert und überwacht, meist mit einem Tipp im Cockpit. Stand: Teststand ohne Kundenbetrieb.
Kunden, Angebote, Aufträge, Abos, Rechnungen und Mahnungen an einem Ort. Jede ausgehende Mail, die Bitte um eine Bewertung und das Paket für den Steuerberater kommen von hier.
Misst mit 108 Prüfungen, wie sichtbar ein Betrieb bei Google, in Verzeichnissen und in KI-Assistenten ist, und macht daraus Auswertung und Angebot vor Ort. Der Sammler der Daten ist für den eigenen Server der Firma gebaut.
Gebaut für den eigenen Server der Firma: nimmt Anrufe auf der Geschäftsnummer an, mit Spracherkennung, Stimme und Sprachmodell auf diesem Server, und schreibt Anfragen und Entscheidungen zu Angeboten ins CRM.
Gebaut für den eigenen Server der Firma: liest dort eingehende Mails und ordnet sie Kunden und Angeboten zu. Eine Annahme trägt das CRM nur selbst ein, wenn Absender und Angebot eindeutig sind.
Recherche mit KI-Agenten, bei der jede Zahl ihre Quelle hat, und Beiträge für jeden Kanal, die erst nach der Freigabe durch einen Menschen rausgehen. In RepoCity die Marketing-App.
16 von 16 Fällen im Prüfstand richtig eingestuft, kein unbelegter Befund übersehen.
Rechnungen, die nur gebucht werden, wenn jede Entscheidung sicher ist und jede Prüfung besteht. Alles andere landet mit Begründung bei einem Menschen.
Im Test mit 250 Dokumenten wurde keine fehlerhafte Rechnung gebucht. Von acht verglichenen Systemen war dieser Aufbau der günstigste: 0,39 US-Dollar je 1.000 Dokumente.
Formular in n8n
Automatisierung mit n8n
Docker auf einem Hugging Face Space
Jev entscheidet
Feste Entscheidungen mit kalibrierten Wahrscheinlichkeiten
Cloudflare Workers AI
Ein Sprachmodell liest die Beträge aus
Sprachmodell über eine Programmierschnittstelle
Strukturierte Ausgabe als JSON
Regeln und Weiche
Regelprüfung in Programmcode
Sicherheitsschwelle
Zweig A: gebucht
PostgreSQL-Trigger gegen doppelte Buchung
Eindeutiger Index
Zweig B: zur Prüfung durch einen Menschen
Warteschlange mit Gründen
Zeilenrechte (Row Level Security)
Messstand mit 250 Dokumenten
Bewertung mit Messreihen
Künstlicher Testsatz mit bekannter Antwort
AI Act Compliance Helper
Fragen, die ein Jurist stellen würde, führen zur Einstufung eines KI-Systems nach der europäischen KI-Verordnung, mit der Stelle im Gesetz, auf der sie beruht. Keine Rechtsberatung.
207 von 217 amtlichen Beispielen der EU-Kommission richtig eingestuft.
Amtliche Texte abrufen
Python
Abruf über die Schnittstelle Cellar
HTML auslesen mit BeautifulSoup und lxml
Gesetz in Textstellen zerlegen
Datenprüfung mit Pydantic
Zweisprachige Daten
Suche im Gesetz
Vektorsuche mit bge-m3
Stichwortsuche BM25
Reciprocal Rank Fusion
Regelwerk in Textdateien
Regelbasierter Fragebaum
YAML
Kein Sprachmodell entscheidet
Webseite ohne Server
JavaScript-Module
Zweisprachige Textkataloge
Cloudflare Pages
Befund mit Fundstelle
Sechs mögliche Befunde
Deutsch und Englisch
Messung an amtlichen Beispielen
Bewertungslauf gegen fremde Maßstäbe
Nachgezählte Kennzahlen
Prüfstraße bei jedem Hochladen
GitHub Actions
pytest
ruff und mypy
Schraubi – Spare Parts Assistant
Das richtige Gebrauchtteil, auch ohne Teilenummer. Kunden schreiben, was sie brauchen, und Schraubi findet das passende Teil im echten Lagerbestand.
Gemessen an 207 Kundenanfragen gegen 10.000 Lagerteile: In 93,2 % der Fälle steht das richtige Teil ganz oben.
Chat-Fenster im Shop
JavaScript ohne Abhängigkeiten
Barrierefreiheit nach dem Barrierefreiheitsstärkungsgesetz
Offenlegung nach Artikel 50 der KI-Verordnung
Schutzregeln: Betriebszahlen bleiben gesperrt
Schutzregeln in der Anwendung
Rechtetrennung in PostgreSQL
Anfrage verstehen
Tippfehlerkorrektur
Wortschatz für Umgangssprache
Erkennung aus dem echten Bestand
Doppelte Suche nach Bedeutung und Wörtern
Vektorsuche mit pgvector und HNSW-Index (Hierarchical Navigable Small World)
Firmenwissen, das nur sieht, wer es sehen darf. Die Rechteprüfung liegt in der Datenbank, nicht in der Anweisung an das Sprachmodell.
149 von 149 Tests bestanden, 0 gesperrte Textstellen herausgegeben.
Oberfläche
Streamlit
Python
Schnittstelle mit signiertem Token
FastAPI
Signatur mit Hash-based Message Authentication Code (HMAC)
Pydantic
Agent mit Werkzeugen je Rolle
Werkzeuge je Rolle
Ohne LangChain, ohne Software Development Kit
Identität je Transaktion
psycopg 3
Transaktionen in PostgreSQL
Suche mit Rechteprüfung
Vektorsuche mit pgvector
HNSW-Index (Hierarchical Navigable Small World)
Zeilenrechte in PostgreSQL
Row Level Security
Datenbankrollen und Rechtevergabe
Antwort aus freigegebenen Abschnitten
Sprachmodelle direkt über HTTP
Schutz gegen eingeschleuste Anweisungen
Zugriffsprotokoll
Protokoll ohne Hintertür
Multilingual YouTube Analyzer
Fragen an ein Video stellen, Antworten mit Zeitstempel bekommen, in der Sprache der Frage. Abschlussprojekt des AI Engineering Bootcamps bei Ironhack, 02/2026 bis 05/2026.
37 von 37 Antworten im echten Testlauf vom Prüfer als voll durch die Untertitel gedeckt.
Link und Tonspur
Python
Herunterladen mit yt-dlp
Abschrift mit Zeitstempeln
Spracherkennung mit OpenAI Whisper
Wortfehlerrate mit jiwer
Zerlegen nach Videolänge
LangChain
Einstellung aus Messdaten
Wissensspeicher in ChromaDB
Retrieval-Augmented Generation: das Modell antwortet aus vorher gefundenen Textstellen
Vektorsuche
Frage, getippt oder gesprochen
Weboberfläche mit Gradio
Spracheingabe
Agent mit sieben Werkzeugen
Agent mit Werkzeugen (ReAct)
LangChain und LangGraph
Nachverfolgung mit LangSmith
Antwort mit Zeitstempel und Kosten
Mehrsprachige Antworten
Kostenrechnung je Anfrage
Prüfer bewertet jede Antwort
Bewertung mit einem Sprachmodell als Prüfer
Abgleich mit YouTube-Untertiteln
DanielHütte
Kontakt aufnehmen
RepoCity ist mein Werk. Ich bin Daniel Hütte, AI Engineer aus Münster. Mein Schwerpunkt sind KI-Agenten und automatisierte Abläufe. Ich suche eine Position als AI (Agent) Engineer.
Sieben Teile übergeben sich die Arbeit gegenseitig. Daniel steuert und überwacht, meist mit einem Tipp im Cockpit.
CRM
Cockpit
RadarAuditor
Marketing
Telefon
Mails
Webseiten
Danielsteuert und überwacht
Die Teile von RepoCity
CRM (Kundenverwaltung)Kunden, Angebote, Aufträge, Abos, Rechnungen und Mahnungen an einem Ort. Jede ausgehende Mail, die Bitte um eine Bewertung und das Paket für den Steuerberater kommen von hier.
CockpitDie Nachrichtenzentrale über allen Apps: Mitteilungen auf dem Sperrbildschirm des Handys, Aktionen mit einem Tipp.
RadarAuditorMisst mit 108 Prüfungen, wie sichtbar ein Betrieb bei Google, in Verzeichnissen und in KI-Assistenten ist, und macht daraus Auswertung und Angebot vor Ort. Der Sammler der Daten ist für den eigenen Server der Firma gebaut.
MarketingRecherche, bei der jede Zahl gegen ihre Quelle geprüft wird, und ein Planer für 13 Kanäle. Ein Mensch gibt frei, gepostet wird von Hand.
Telefon-AssistentGebaut für den eigenen Server der Firma: nimmt Anrufe auf der Geschäftsnummer an, mit Spracherkennung, Stimme und Sprachmodell auf diesem Server, und schreibt Anfragen und Entscheidungen zu Angeboten ins CRM.
Eingehende MailsGebaut für den eigenen Server der Firma: liest dort eingehende Mails und ordnet sie Kunden und Angeboten zu. Eine Annahme trägt das CRM nur selbst ein, wenn Absender und Angebot eindeutig sind.
WebseitenWebseiten für Betriebe, von der Gestaltung bis zum Livegang. Diese Seite ist ein Beispiel dafür.
Alle Teile teilen sich eine Datenbank in Supabase.
Der Sammler des RadarAuditors, das Lesen eingehender Mails und der Telefon-Assistent sind für den eigenen Server der Firma gebaut.
Der Ablauf
1
Prüfung und Angebot
RadarAuditorDaniel entscheidet
2
Angebot geht per Mail hinaus
CRM (Kundenverwaltung)Daniel entscheidet
3
Annahme per App, Mail oder Telefon
CRM (Kundenverwaltung)der Kunde entscheidet
4
Optimierung von Webseite und Google-Profil
RadarAuditorDaniel entscheidet
5
Auftrag fertig, Rechnung geht hinaus
CRM (Kundenverwaltung)läuft automatisch
6
Bitte um eine Bewertung
CRM (Kundenverwaltung)läuft automatisch
7
Monatsrechnung für jedes Abo
CRM (Kundenverwaltung)läuft automatisch
8
Monatsprüfung fällig
Cockpitläuft automatisch
9
Ein Tipp startet die Prüfung
CockpitDaniel entscheidet
10
Bericht mit vorher und nachher
RadarAuditorläuft automatisch
11
Mahnung erst nach Freigabe
CockpitDaniel entscheidet
12
Paket für den Steuerberater mit DATEV
CRM (Kundenverwaltung)Daniel entscheidet
Der Telefon-Assistent
Er sagt zu Beginn, dass eine künstliche Intelligenz spricht und das Gespräch mitgeschrieben wird. Er antwortet nur aus den Angaben im CRM und verspricht nichts darüber hinaus.
Anrufauf der Geschäftsnummer
LiveKitnimmt das Gespräch an
faster-whispermacht aus Sprache Text
Qwen 3 mit Ollamaversteht und antwortet
Piperspricht mit deutscher Frauenstimme
CRMAnfrage, Entscheidung zum Angebot, Gesprächsnotiz
CockpitMitteilung an Daniel
Projekte, die in RepoCity aufgegangen sind
RadarAuditorwurde das Produkt: die Prüfung der Sichtbarkeit örtlicher Betriebe.
Agentic Marketingwurde die Marketing-App mit Planer für jeden Kanal.
RadarAuditor
Misst, wie sichtbar ein Betrieb bei Google, auf der Karte, in Verzeichnissen und in KI-Assistenten ist, und was fehlt. Das Produkt von RepoCity.
1
App auf Handy, Tablet und PC
Installierbare Web-App (Progressive Web App)
Preact und TypeScript
Cloudflare Pages
2
Warteschlange in Supabase
PostgreSQL mit Migrationen
Zeilenrechte (Row Level Security)
3
Sammler, gebaut für den eigenen Server
Docker-Container
Python
Browser-Automatisierung mit Playwright
4
Bewertung nach festen Regeln
Prüfkatalog als YAML-Datei
Datenmodelle mit Pydantic
Tests mit pytest
5
Auswertung in Worten, ohne Bildschirm
KI-Auswertung mit dem Skill /auswerten
Rechte auf das Nötigste begrenzt
Prüfung der Ausgabe gegen ein Schema
6
Bericht als PDF
PDF mit WeasyPrint
Vorlagen mit Jinja2
Diagramme mit Matplotlib
7
Angebot vor Ort
Datenbankfunktionen des CRM statt eigener Schnittstelle
8
Auftrag im CRM und Cockpit
Optimierung mit dem Skill /optimieren
Datenbank-Auslöser meldet „Auftrag fertig“
108 Prüfungen aus einem einzigen Prüfkatalog. Die Punkte rechnet Code nach festen Regeln aus, kein Sprachmodell.
Recherche mit KI-Agenten, bei der jede Zahl ihre Quelle hat, und Beiträge für jeden Kanal, die erst nach der Freigabe durch einen Menschen rausgehen. In RepoCity die Marketing-App.
Rechnungen, die nur gebucht werden, wenn jede Entscheidung sicher ist und jede Prüfung besteht. Alles andere landet mit Begründung bei einem Menschen.
1
Formular in n8n
Automatisierung mit n8n
Docker auf einem Hugging Face Space
2
Jev entscheidet
Feste Entscheidungen mit kalibrierten Wahrscheinlichkeiten
Cloudflare Workers AI
3
Ein Sprachmodell liest die Beträge aus
Sprachmodell über eine Programmierschnittstelle
Strukturierte Ausgabe als JSON
4
Regeln und Weiche
Regelprüfung in Programmcode
Sicherheitsschwelle
5
Zweig A: gebucht
PostgreSQL-Trigger gegen doppelte Buchung
Eindeutiger Index
6
Zweig B: zur Prüfung durch einen Menschen
Warteschlange mit Gründen
Zeilenrechte (Row Level Security)
7
Messstand mit 250 Dokumenten
Bewertung mit Messreihen
Künstlicher Testsatz mit bekannter Antwort
Im Test mit 250 Dokumenten wurde keine fehlerhafte Rechnung gebucht. Von acht verglichenen Systemen war dieser Aufbau der günstigste: 0,39 US-Dollar je 1.000 Dokumente.
Fragen, die ein Jurist stellen würde, führen zur Einstufung eines KI-Systems nach der europäischen KI-Verordnung, mit der Stelle im Gesetz, auf der sie beruht. Keine Rechtsberatung.
1
Amtliche Texte abrufen
Python
Abruf über die Schnittstelle Cellar
HTML auslesen mit BeautifulSoup und lxml
2
Gesetz in Textstellen zerlegen
Datenprüfung mit Pydantic
Zweisprachige Daten
3
Suche im Gesetz
Vektorsuche mit bge-m3
Stichwortsuche BM25
Reciprocal Rank Fusion
4
Regelwerk in Textdateien
Regelbasierter Fragebaum
YAML
Kein Sprachmodell entscheidet
5
Webseite ohne Server
JavaScript-Module
Zweisprachige Textkataloge
Cloudflare Pages
6
Befund mit Fundstelle
Sechs mögliche Befunde
Deutsch und Englisch
7
Messung an amtlichen Beispielen
Bewertungslauf gegen fremde Maßstäbe
Nachgezählte Kennzahlen
8
Prüfstraße bei jedem Hochladen
GitHub Actions
pytest
ruff und mypy
207 von 217 amtlichen Beispielen der EU-Kommission richtig eingestuft.
Fragen an ein Video stellen, Antworten mit Zeitstempel bekommen, in der Sprache der Frage. Abschlussprojekt des AI Engineering Bootcamps bei Ironhack, 02/2026 bis 05/2026.
1
Link und Tonspur
Python
Herunterladen mit yt-dlp
2
Abschrift mit Zeitstempeln
Spracherkennung mit OpenAI Whisper
Wortfehlerrate mit jiwer
3
Zerlegen nach Videolänge
LangChain
Einstellung aus Messdaten
4
Wissensspeicher in ChromaDB
Retrieval-Augmented Generation: das Modell antwortet aus vorher gefundenen Textstellen
Vektorsuche
5
Frage, getippt oder gesprochen
Weboberfläche mit Gradio
Spracheingabe
6
Agent mit sieben Werkzeugen
Agent mit Werkzeugen (ReAct)
LangChain und LangGraph
Nachverfolgung mit LangSmith
7
Antwort mit Zeitstempel und Kosten
Mehrsprachige Antworten
Kostenrechnung je Anfrage
8
Prüfer bewertet jede Antwort
Bewertung mit einem Sprachmodell als Prüfer
Abgleich mit YouTube-Untertiteln
37 von 37 Antworten im echten Testlauf vom Prüfer als voll durch die Untertitel gedeckt.
Sieben Teile übergeben sich die Arbeit gegenseitig. Daniel steuert und überwacht, meist mit einem Tipp im Cockpit. Stand: Teststand ohne Kundenbetrieb.
Der Sammler des RadarAuditors, das Lesen eingehender Mails und der Telefon-Assistent sind für den eigenen Server der Firma gebaut. Alle Teile teilen sich eine Datenbank in Supabase.
CRM (Kundenverwaltung)
Kunden, Angebote, Aufträge, Abos, Rechnungen und Mahnungen an einem Ort. Jede ausgehende Mail, die Bitte um eine Bewertung und das Paket für den Steuerberater kommen von hier.
Misst mit 108 Prüfungen, wie sichtbar ein Betrieb bei Google, in Verzeichnissen und in KI-Assistenten ist, und macht daraus Auswertung und Angebot vor Ort. Der Sammler der Daten ist für den eigenen Server der Firma gebaut.
Gebaut für den eigenen Server der Firma: nimmt Anrufe auf der Geschäftsnummer an, mit Spracherkennung, Stimme und Sprachmodell auf diesem Server, und schreibt Anfragen und Entscheidungen zu Angeboten ins CRM.
Gebaut für den eigenen Server der Firma: liest dort eingehende Mails und ordnet sie Kunden und Angeboten zu. Eine Annahme trägt das CRM nur selbst ein, wenn Absender und Angebot eindeutig sind.
Er sagt zu Beginn, dass eine künstliche Intelligenz spricht und das Gespräch mitgeschrieben wird. Er antwortet nur aus den Angaben im CRM und verspricht nichts darüber hinaus.
Anruf auf der Geschäftsnummer
LiveKit nimmt das Gespräch an
faster-whisper macht aus Sprache Text
Qwen 3 mit Ollama versteht und antwortet
Piper spricht mit deutscher Frauenstimme
CRM Anfrage, Entscheidung zum Angebot, Gesprächsnotiz
Der RadarAuditor und sechs eigenständige Projekte, jedes mit eigener Seite. Jede Seite hat vier Reiter: Projekt, Organigramm, Messungen und Präsentation.
RadarAuditor
Misst, wie sichtbar ein Betrieb bei Google, auf der Karte, in Verzeichnissen und in KI-Assistenten ist, und was fehlt. Das Produkt von RepoCity.
108 Prüfungen aus einem einzigen Prüfkatalog. Die Punkte rechnet Code nach festen Regeln aus, kein Sprachmodell.
Angewandte Fähigkeiten
1
App auf Handy, Tablet und PC
Installierbare Web-App (Progressive Web App)
Preact und TypeScript
Cloudflare Pages
2
Warteschlange in Supabase
PostgreSQL mit Migrationen
Zeilenrechte (Row Level Security)
3
Sammler, gebaut für den eigenen Server
Docker-Container
Python
Browser-Automatisierung mit Playwright
4
Bewertung nach festen Regeln
Prüfkatalog als YAML-Datei
Datenmodelle mit Pydantic
Tests mit pytest
5
Auswertung in Worten, ohne Bildschirm
KI-Auswertung mit dem Skill /auswerten
Rechte auf das Nötigste begrenzt
Prüfung der Ausgabe gegen ein Schema
6
Bericht als PDF
PDF mit WeasyPrint
Vorlagen mit Jinja2
Diagramme mit Matplotlib
7
Angebot vor Ort
Datenbankfunktionen des CRM statt eigener Schnittstelle
Recherche mit KI-Agenten, bei der jede Zahl ihre Quelle hat, und Beiträge für jeden Kanal, die erst nach der Freigabe durch einen Menschen rausgehen. In RepoCity die Marketing-App.
16 von 16 Fällen im Prüfstand richtig eingestuft, kein unbelegter Befund übersehen.
Rechnungen, die nur gebucht werden, wenn jede Entscheidung sicher ist und jede Prüfung besteht. Alles andere landet mit Begründung bei einem Menschen.
Im Test mit 250 Dokumenten wurde keine fehlerhafte Rechnung gebucht. Von acht verglichenen Systemen war dieser Aufbau der günstigste: 0,39 US-Dollar je 1.000 Dokumente.
Angewandte Fähigkeiten
1
Formular in n8n
Automatisierung mit n8n
Docker auf einem Hugging Face Space
2
Jev entscheidet
Feste Entscheidungen mit kalibrierten Wahrscheinlichkeiten
Fragen, die ein Jurist stellen würde, führen zur Einstufung eines KI-Systems nach der europäischen KI-Verordnung, mit der Stelle im Gesetz, auf der sie beruht. Keine Rechtsberatung.
207 von 217 amtlichen Beispielen der EU-Kommission richtig eingestuft.
Fragen an ein Video stellen, Antworten mit Zeitstempel bekommen, in der Sprache der Frage. Abschlussprojekt des AI Engineering Bootcamps bei Ironhack, 02/2026 bis 05/2026.
37 von 37 Antworten im echten Testlauf vom Prüfer als voll durch die Untertitel gedeckt.
Angewandte Fähigkeiten
1
Link und Tonspur
Python
Herunterladen mit yt-dlp
2
Abschrift mit Zeitstempeln
Spracherkennung mit OpenAI Whisper
Wortfehlerrate mit jiwer
3
Zerlegen nach Videolänge
LangChain
Einstellung aus Messdaten
4
Wissensspeicher in ChromaDB
Retrieval-Augmented Generation: das Modell antwortet aus vorher gefundenen Textstellen
Sprach- und Chat-Assistenten, die Fragen beantworten, Aufträge in normaler Sprache annehmen und an die richtige Stelle weitergeben.
Für RepoCity entsteht so der Telefon-Assistent: Er nimmt Anrufe an, mit selbst betriebener Spracherkennung und eigenem Sprachmodell, gebaut für den eigenen Server der Firma.
Highend AI Content Production
Bilder, Videos und Musik mit KI
featuring Ibtihal
Bilder, Bewegtbilder, Videos und Musik, mit KI erzeugt.
Website Setup and Design
Webseiten, die man erlebt
Webseiten vom Konzept bis zum Livegang: Recherche, Texte, Gestaltung und Umsetzung. Diese Seite ist das Beispiel: ein Flug in Echtzeit-3D aus dem All bis in den Arbeitsraum der Agenten, zweisprachig, mit allen Texten zusätzlich als gewöhnliche Seite für Suchmaschinen.
Three.js
WebGL
Cloudflare
Wer baut RepoCity?
RepoCity ist das Werk von Daniel Hütte, AI Engineer aus Münster. Sein Schwerpunkt sind KI-Agenten und automatisierte Abläufe: Er baut sie, misst ihre Ergebnisse, sucht die Fehler und baut sie besser.
Daniel Hütte sucht eine Position als AI (Agent) Engineer.
Häufige Fragen zu KI-Agenten
Was ist ein KI-Agent?
Ein KI-Agent ist ein Programm, das eine Aufgabe selbstständig in mehreren Schritten erledigt. Er liest Eingaben, entscheidet über den nächsten Schritt, nutzt Werkzeuge und liefert ein Ergebnis.
KI-Agent oder klassische Automatisierung: Was passt wann?
Klassische Automatisierung passt, wenn jeder Fall gleich abläuft. Ein KI-Agent passt, wenn Eingaben verschieden aussehen, zum Beispiel Dokumente, E-Mails oder frei formulierte Aufträge. In den Projekten auf dieser Seite arbeiten beide zusammen: Der Agent liest und entscheidet, gewöhnlicher Programmcode rechnet nach.
Kann man KI-Agenten entwickeln lassen?
Ja. Ein Agent wird für eine bestimmte Aufgabe gebaut, mit den Daten und Werkzeugen, die er dafür braucht. Die Projekte auf dieser Seite zeigen, wie das aussieht.
Wie wird verhindert, dass ein Agent Fehler durchwinkt?
Durch Prüfungen, die nicht vom selben Modell stammen. Beträge werden nachgerechnet, Zahlen in der Quelle nachgeschlagen, und was unsicher bleibt, entscheidet ein Mensch.
Was ist ein Multi-Agenten-System?
Ein Multi-Agenten-System verteilt eine große Aufgabe auf mehrere spezialisierte Agenten. Jeder erledigt einen Teil, und ein weiterer Agent prüft das Ergebnis.
Wo sitzt RepoCity?
In Münster in Nordrhein-Westfalen. Die Software von RepoCity ist im Teststand, noch ohne Kundenbetrieb.
Kontakt aufnehmen
Schreiben Sie, woran Sie arbeiten oder was Sie an RepoCity interessiert.
