AI Solution Architect

Produktionsreife GenAI-Systeme. Agentic Engineering für echte Teams.

Ich unterstütze Unternehmen dabei, agentische Workflows in ihre Softwareentwicklung zu integrieren und produktionsreife GenAI-Systeme aufzubauen. Hands-on mit mehr als 15 Jahren Erfahrung in komplexen Enterprise-Architekturen.

Verfügbar für Projekte und Interim-Mandate

Projekt besprechen Kostenlosen Selbsttest starten

Kamil Kubica, AI Solution Architect

Erfahrung aus Projekten für und mit Unternehmen wie

///

Kostenloser Selbsttest

Wo steht Ihre Entwicklung wirklich?

Standortbestimmung in 3 Minuten: Beantworten Sie Fragen zu Codebase, Tests, Tooling, Review-Prozess und Governance — und erfahren Sie, wo Ihr Team auf der Reifegrad-Leiter von L1 bis L6 steht.

Basierend auf Agentic-Engineering-Enablements in Konzernen und Mittelstandsunternehmen — von Greenfield bis 35 Jahre Legacy, vom Monorepo mit 20.000 Dateien bis zur Microservice-Landschaft mit 2.200 Repositories.

Sofortiges Ergebnis, ohne E-Mail-Pflicht
Verortung auf der Reifegrad-Leiter L1–L6
Konkreter Befund entlang von fünf Achsen

Readiness-Check starten

///

Die Realität in vielen Unternehmen

Die AI-Tools sind bereits da. Das System dahinter fehlt.

Entwickler nutzen Claude Code, Codex, GitHub Copilot und andere AI-Agents. Dadurch können einzelne Personen schneller Code erzeugen. Das bedeutet jedoch noch nicht, dass das gesamte Team schneller und zuverlässiger liefert.

Kosten

Die Token-Rechnung wächst schneller als der Output

Lizenzen, Token-Verbrauch und parallele Agent-Runs summieren sich schnell. Ohne klare Regeln, effizienten Kontext und Budgets zahlen Teams für Wiederholungen, Fehlversuche und aufgeblähte Prompts.

Durchsatz

Mehr Code, aber das Team liefert nicht schneller

AI-Agents erzeugen in kurzer Zeit große Mengen Code. Reviews, Abstimmungen und Freigaben werden dadurch schnell zum neuen Engpass — die individuelle Geschwindigkeit kommt beim Team nie an.

Adoption

Einzelne fliegen, das Team bleibt zurück

Wie gut AI im Team funktioniert, hängt heute von einzelnen Personen ab, nicht vom System. Ohne gemeinsame Standards, Regeln und Workflows bleibt Adoption Zufall — und skaliert nicht über das Team hinaus.

Produktivbetrieb

Der Prototyp schafft es nicht in Produktion

Bei GenAI-Produkten funktioniert die erste Demo häufig schnell. Im produktiven Betrieb scheitern Systeme jedoch an Datenqualität, Kosten, Sicherheit, fehlender Evaluation oder mangelnder Nachvollziehbarkeit.

///

Leistungen

Drei Wege, AI verlässlich in Produktion zu bringen.

Vom gemessenen Standort über agent-ready Teams bis zur agentischen Delivery-Pipeline — und zum vollständigen GenAI-System. Immer hands-on und vendor-unabhängig.

Agentic Engineering Workshop

Hands-on, auf Ihr Team zugeschnitten.

Jeder Workshop beginnt mit einer Bedarfsanalyse und Vorgesprächen: Wo steht Ihr Team, welche Codebase, welche Blocker? Darauf zugeschnitten arbeite ich dann mit Ihrem Team direkt an realen Aufgaben aus Ihrem Backlog — in Ihren Repositories, nicht an vorbereiteten Demos.

Danach optional: begleiteter Change statt Einmaleffekt.

Bestandteile

Bedarfsanalyse und Vorgespräche mit Team und Führung
Maßgeschneiderter Hands-on-Workshop am echten Code
Optional: wöchentliche Check-ins mit Fortschrittsmessung
Optional: Reporting an Engineering-Leitung, Geschäftsführung oder C-Level
1:1-Sessions mit aktuellen Patterns, Tools und Learnings
Zusätzliche Unterstützung stundenweise zubuchbar

Workshop anfragen

Agentic Engineering Enablement

Von agent-ready Teams bis zur agentischen Delivery-Pipeline.

Ich mache bestehende Entwicklungsteams und Codebases agent-ready — nicht als isoliertes Training, sondern direkt in den Projekten, Repositories und Prozessen, mit denen das Team täglich arbeitet. Für Teams mit höherem Reifegrad entwickle ich daraus schrittweise eine agentische Delivery-Pipeline mit deterministischen Quality Gates.

Stufe 1 — Agent-ready

Context Engineering für bestehende Repositories
Regeln, Skills und spezialisierte Subagents
Guardrails, Berechtigungen und Quality Gates
MCP-Integrationen und Observability
Umsetzung eines realen Pilotprojekts

Stufe 2 — Delivery-Pipeline

Issue-getriggerte Agent-Workflows
Spezialisierte Agents für einzelne SDLC-Phasen
Cross-Model-Reviews und Backpressure bei fehlgeschlagenen Tests
Selbstlernendes System: aus jedem Lauf entstehen neue Regeln und Tests
Messung von Durchlaufzeit, Fehlerrate und autonomem Anteil

Enablement anfragen

GenAI-Systeme und AI-Plattformen

Von der Systemidee bis zum produktiven Betrieb.

Ich konzipiere und entwickle produktionsreife Anwendungen auf Basis von Large Language Models, Retrieval-Augmented Generation und agentischen Architekturen. Von der ersten Systemidee bis zum produktiven Betrieb.

Typische Systeme

RAG- und Wissensplattformen
Agentische Anwendungen
Multimodale AI-Anwendungen
Interne AI-Assistenten
AI-Funktionen in bestehenden Produkten

Typische Leistungen

Lösungs- und Systemarchitektur
Auswahl geeigneter Modelle und Anbieter
Daten-, Retrieval- und Ingestion-Pipelines
Evaluation und Qualitätssicherung
Technische Leitung und Umsetzung

Projekt besprechen

///

Ausgewählte Cases

Nicht erzählt, sondern gebaut.

Drei Beispiele dafür, was am Ende meiner Arbeit steht: Systeme in Produktion, mit echten Nutzern und echten Anforderungen.

Agentic Engineering Enablement

Agentic Engineering in Konzernteams

Ich unterstütze Entwicklungsteams in MDAX-Konzernen sowie in Handel, Versicherung und Cloud-Hosting dabei, agentische Entwicklungsprozesse strukturiert und sicher einzuführen – direkt in ihren Repositories und an realen Aufgaben. So entstehen tragfähige Grundlagen für Context Engineering, Agent-Workflows, Guardrails und automatisierte Quality Gates.

„Kamils praxisorientierter Ansatz und sein fundiertes technisches Fachwissen machen komplexe KI-Themen praxisnah und wertvoll. Für die strategische KI-Implementierung sehr zu empfehlen!“

Benedikt Stemmildt, hackers&wizards GmbH

Konkrete Ergebnisse aus diesen Mandaten

GenAI-System

Wegweiser Gesundheit: AI-Chatbot für das Gesundheitswesen

Eine AI-gestützte Plattform, die Arbeitnehmerinnen und Arbeitnehmern hilft, sich im deutschen Gesundheitssystem zurechtzufinden – entwickelt mit dem BGF-Institut, gefördert vom Bundesministerium für Arbeit und Soziales und unterstützt von der AOK Rheinland/Hamburg. Auf Basis einer Retrieval-Augmented-Generation-Architektur liefert sie nachvollziehbare Antworten aus geprüften Quellen. Ich verantwortete Architektur und technische Umsetzung des GenAI-Systems.

„Selten erlebt man eine Zusammenarbeit, die so reibungslos und professionell läuft wie mit Kamil. Für das vom Bundesministerium für Arbeit und Soziales geförderte Projekt WegweiserGesundheit – eine KI-Plattform rund um Gesundheitsthemen für Arbeitnehmer – wurde die Idee in kürzester Zeit mit höchster Qualität zum Leben erweckt. Wer einen verlässlichen, kompetenten Partner für digitale Projekte sucht, ist hier genau richtig.“

Michael Beese, BIT e.V.

wegweisergesundheit.de

Eigenes GenAI-Produkt

MyTinyTales: Multimodales GenAI-Produkt in eigener Regie

MyTinyTales erstellt personalisierte Kindergeschichten, in denen das eigene Kind zur Hauptfigur wird – mit generiertem Text, eigenen Illustrationen, professioneller Sprachausgabe und einem Avatar auf Basis eines Fotos. Dahinter steht eine vollständige multimodale GenAI-Pipeline mit kindgerechten Guardrails, Nutzerverwaltung, Abo-Modell und Payment. Ich habe das Produkt selbst konzipiert und entwickelt und betreibe es heute mit zahlenden Kunden.

„Ich entwickle GenAI-Systeme nicht nur für Kunden. Ich betreibe selbst ein solches Produkt und kenne die praktischen Entscheidungen von der ersten Architektur bis zu Qualität, Support und laufenden Generierungskosten.“

Kamil Kubica

mytinytales.ai

///

Aus echten Enablement-Sessions

Was in Hands-on-Enablements am echten Code entsteht.

Von einem halben Tag auf 15 Minuten.

Ein Team, das Software-Migrationen durchführt, erledigte eine wiederkehrende Migrationsaufgabe nach dem Enablement in 15 Minuten statt in einem halben Tag.

20.000+ Dateien für agentische Entwicklung erschlossen.

Ein gewachsenes Monorepo wurde durch strukturierten Kontext, klare Arbeitsbereiche und Quality Gates so vorbereitet, dass Agents darin zuverlässig navigieren und definierte Aufgaben bearbeiten können.

35 Jahre Legacy-Code für agentische Workflows zugänglich gemacht.

Ein abgeschottetes Legacy-System mit 35 Jahren Entwicklungsgeschichte wurde über eine kontrollierte MCP-Schnittstelle für agentische Workflows erschlossen, ohne den bestehenden Sicherheitsrahmen zu verlassen.

Alle Ergebnisse entstanden in Hands-on-Sessions am echten Code der Teams, nicht in vorbereiteten Demos.

///

Über mich

Softwarearchitektur als Fundament. AI Engineering als Schwerpunkt.

Seit mehr als 15 Jahren entwickle ich komplexe Softwaresysteme, seit über zehn Jahren selbstständig als Software- und Solution-Architekt – für E-Commerce, Industrie, Aviation, Healthcare und Medien. Heute liegt mein Schwerpunkt auf GenAI-Systemen und agentischer Softwareentwicklung, aus eigenen Produkten und aus realen Kundenprojekten.

Ein leistungsfähiges Modell allein löst kein Engineering-Problem. Entscheidend sind Architektur, Kontext, Regeln, Qualitätssicherung und die Einbindung in das Gesamtsystem.

Kamil Kubica

15+ Jahre

Erfahrung in Softwareentwicklung und Systemarchitektur

10+ Jahre

selbstständig als Software- und Solution-Architekt unterwegs

500.000+ LoC

Zeilen Code in agentischen Workflows generiert und integriert

10+ Konzerne

beim Einstieg in agentische Softwareentwicklung begleitet

///

Stimmen

Stimmen aus gemeinsamen Projekten.

“Transparent, professionell, zuverlässig und maximal sympathisch. Wir arbeiten seit Jahren mit Kamil zusammen und haben schon verschiedene Projekte zusammen umgesetzt. Klare Empfehlung.”

DAL

Dr. Alexandra Löwe

IST-Hochschule für Management

“Kamil ist einer der komplettesten Berater, die ich je erlebt habe, fachlich stark und zwischenmenschlich genial. Ich empfehle ihn jedem, der mit Software wirklich etwas bewegen will, uneingeschränkt.”

Björn Kaiser

Division Manager, Otto Group

“Kamil hat die Frontend-Architektur des neuen INTERSPORT Shops geplant und umgesetzt und zugleich eine zentrale Komponenten-Library aufgebaut. Mit Gespür für UX, technischer Exzellenz und starkem Teamgeist.”

Ina Keller

Team Lead, INTERSPORT Digital GmbH

Projekt besprechen

Sie wollen AI nicht nur ausprobieren, sondern zuverlässig einsetzen?

Ob agentische Softwareentwicklung, RAG-Plattform oder vollständiges GenAI-System: Lassen Sie uns klären, welches Problem Sie lösen wollen und welcher Einstieg dafür sinnvoll ist.

Unverbindliches Erstgespräch buchen

Oder direkt per E-Mail: kamil@nice-solutions.de