Zum Inhalt springen
Berlin · verfügbarAI Product Engineer

Ich liefere fertige Produkte — nicht Prototypen.

Fullstack Product Engineer aus Berlin. Vier Systeme in Produktion, in vier Monaten neben einem Vollzeitjob entstanden: Apps in beiden Stores, eine Multi-Tenant-SaaS mit gesetzlich vorgeschriebener Fiskalisierung, ein autonomer Agent. Alles selbst gebaut — von der Migration bis zum Impressum.

Projekte ansehen
Für Recruiter
Systeme in Produktion
0
Commits in 4 Monaten
0
API-Routen (MenuCloud)
0
automatisierte Tests
0
Ausgewählte Arbeiten

Vier Produkte. Alle live. Alle allein gebaut.

Kein Übungsprojekt, kein Tutorial-Klon. Jedes System hier hat echte Nutzer, echte Zahlungen oder echte rechtliche Verpflichtungen — und ich habe jedes davon von der ersten Zeile bis zum Store-Review verantwortet.

01

Salati

Live in beiden Stores2026

Gebets- und Koran-App für den DACH-Raum — mit KI, die offline läuft

Alleiniger Entwickler · Produkt, Code, Stores, Recht

salati.pro
Startseite von salati.pro mit Download-Buttons und den vier Kernversprechen: kostenlos, kein Tracking, KI läuft lokal, offline nutzbar.
Koran-Reader von Salati auf dem Telefon mit Surenliste, arabischem Originaltext und deutscher Übersetzung.

Das Problem

Bestehende Gebets-Apps sind werbefinanziert, tracken aggressiv und behandeln den Koran-Reader als Nebensache. Wer auf Deutsch lernen will — Tafsir, Übersetzung, Umschrift, isolierte und verbundene Buchstaben — findet nichts Zusammenhängendes. Und alles bricht, sobald das Netz weg ist.

Die Lösung

Eine werbefreie Plattform über fünf Zielgeräte hinweg: iOS, Android, Android TV, Wear OS und ein HDMI-Stick für Moscheen. Gebetszeiten werden lokal berechnet, der komplette Koran-Reader mit mehreren Rezitatoren und Übersetzungen funktioniert offline, und die Fragen-Antwort-KI läuft als quantisiertes Modell auf dem Gerät — keine Anfrage verlässt das Telefon.

Die harte Stelle

Spracherkennung für Koran-Rezitation

Für den Auswendiglern-Modus muss die App hören, ob ein Vers korrekt rezitiert wurde. Der naheliegende Weg — größeres Whisper-Modell — war der falsche. Der Hebel lag in der Methode: den erwarteten Vers als Prompt ins Modell konditionieren, persische und Urdu-Buchstabenvarianten vor dem Vergleich normalisieren, und milde bewerten statt binär. Ein auf Tarteel feingetuntes Base-Modell schlägt so das dreifach größere Large-Modell — bei einem Bruchteil der Latenz auf dem Gerät.

  • Fünf Zielgeräte aus einem Monorepo: Phone, Tablet, Android TV, Wear OS, HDMI-Stick
  • On-Device-LLM (GGUF/llama.cpp) mit eigenem RAG über kuratiertem Korpus — ohne Cloud-Call
  • Whisper-basierte Rezitations-Erkennung mit vers-konditioniertem Prompting
  • Vollständiger Mushaf-Reader: vier Schriftarten, Tafsir, Übersetzung, Wort-Zeitstempel
  • 15-teiliger deutscher Koran-Arabisch-Podcast, produziert über eine ElevenLabs-Zwei-Stimmen-Pipeline
  • OTA-Updates über EAS Update — Inhaltskorrekturen ohne Store-Zyklus
  • iOS Live Activities und Android-Widgets für die nächste Gebetszeit
Aktuelle Version
0
Zielgeräte-Klassen
0
Cloud-Calls für KI-Antworten
0
salati.pro
02

MenuCloud Berlin

Live in Produktion2025 — 2026

Multi-Tenant-SaaS für Gastronomie — inklusive gesetzlicher Fiskalisierung

Gründer & alleiniger Entwickler

menucloud-berlin.de
Startseite von menucloud-berlin.de mit dem Versprechen null Provision, DSGVO und KassenSichV sowie einer Vorschau des Self-Service-Admins.

Das Problem

Berliner Restaurants zahlen 15–30 % Provision an Lieferplattformen und haben keine Kontrolle über ihre eigene Speisekarte. Die Alternativen sind entweder Baukästen ohne Kassenanbindung oder Enterprise-Systeme mit vierstelligen Einrichtungskosten — und beide lösen das Problem nicht, das jeder deutsche Gastronom tatsächlich hat: KassenSichV-Konformität.

Die Lösung

Eine Plattform, die den kompletten Weg abdeckt: Restaurant-Website mit selbst editierbarer Karte, QR-Bestellung mit direkter Auszahlung über Stripe Connect, Reservierungen, Reputationsmanagement — und darunter eine mandantenfähige Cloud-TSE, die jede Transaktion nach §146a AO signiert und in einer Hash-Kette verankert. Dazu native Apps für Betreiber und Personal.

Die harte Stelle

Fiskalisierung als Mandanten-Problem

Eine TSE ist nicht einfach ein API-Aufruf. Jeder Mandant braucht seine eigene, rechtlich zurechenbare Signatureinheit, jede Transaktion muss lückenlos in einer Hash-Kette hängen, und ein Ausfall darf niemals stillschweigend zu unsignierten Umsätzen führen — das wäre für den Gastronom eine Betriebsprüfungs-Katastrophe. Die Lösung ist eine per-Tenant provisionierte Fiskaly-Cloud-TSE mit persistierter Kette in `tse_chain_rows` und einem fail-closed-Pfad: keine Signatur, keine Buchung.

  • 1.276 API-Routen über 812 versionierte Postgres-Migrationen
  • Mandantenfähige Architektur mit Row Level Security pro Restaurant
  • Stripe Connect Destination-Charge — Restaurants werden direkt ausgezahlt, Plattformgebühr abgeführt
  • KassenSichV §146a AO: Fiskaly Cloud-TSE pro Mandant, Hash-Kette persistiert
  • 298 automatisierte Tests (254 Unit / 44 E2E) gegen Produktion
  • Self-hosted Mailstack (Mailcow) mit dreistufiger Fallback-Kette
  • 47 versionierte n8n-Workflows für Onboarding, Abrechnung, Reporting und Watchdogs
  • DSGVO Art. 30 Verzeichnis, AVV-Versand automatisiert bei Zahlungseingang
  • iOS- und Android-Apps für Betreiber und Servicekräfte
API-Routen
0
DB-Migrationen
0
Automatisierte Tests
0
Hosting & Datenhaltung
EU
menucloud-berlin.deStatus-Page
03

WohnungsJäger

Im Eigenbetrieb2026

Autonomer Agent, der den Berliner Wohnungsmarkt schneller liest als ein Mensch

Alleiniger Entwickler

Das Problem

Auf eine Berliner Wohnung kommen dreistellige Bewerberzahlen. Entscheidend ist nicht die beste Bewerbung, sondern die erste — und zwar innerhalb von Minuten nach Inseratsschaltung. Das ist ein Wettlauf, den ein Mensch strukturell nicht gewinnen kann, weil er schläft.

Die Lösung

Ein lokal laufender Agent, der rund um die Uhr fünf Portale scannt, jedes neue Inserat gegen die eigenen Kriterien prüft, zweifelhafte Fälle per LLM im Volltext bewertet und ein individuelles Anschreiben erzeugt. Standardmäßig im REVIEW-Modus: die App versendet nichts ohne Freigabe, bis man sie bewusst auf Automatik stellt.

Die harte Stelle

Ein Agent, der nicht ungefragt handelt

Der Reiz eines solchen Systems ist auch sein Risiko: ein Bot, der selbstständig Bewerbungen mit deinen echten Personendaten verschickt, kann realen Schaden anrichten. Deshalb ist der Auslieferungszustand REVIEW — Vorschlag statt Versand. Der Automatikmodus existiert, ist aber eine bewusste Entscheidung des Nutzers, nicht die Voreinstellung. Dieselbe Logik steckt in den Watchdogs meiner anderen Projekte: Selbstheilung immer mit Cooldown, Obergrenze und sichtbarem Alarm bei jedem Eingriff.

  • Playwright mit persistenten Chrome-Profilen je Portal — echte Sessions statt brüchiger Scraper
  • LLM-Volltextprüfung mit regelbasiertem Fallback, wenn kein Key hinterlegt ist
  • Lokale SQLite-Datenhaltung, Server bindet standardmäßig nur auf 127.0.0.1
  • REVIEW-Modus als Auslieferungszustand — kein Versand ohne menschliche Freigabe
  • Watchdog mit automatischem Neustart nach Absturz
  • Mehrinstanz-Betrieb für parallele Accounts, Weitergabe-Paket ohne persönliche Daten
Überwachte Portale
0
Scan-Betrieb
0/7
Sicherer Auslieferungszustand
REVIEW
04

NOURI

Beta2026

Fitness- und Ernährungsplattform mit Web-App, Mobile-App und eigener API

Alleiniger Entwickler

nouri-fitness.vercel.app
Startseite der NOURI-Plattform mit Rezeptkatalog, Wochenplanung und Trainingsbereich.

Das Problem

Ernährungs-Apps sind entweder Tracker ohne Planung oder Planer ohne echte Datenbasis. Und fast alle behandeln Fehler als Kosmetik: Wenn der Server nicht erreichbar ist, zeigen sie „gespeichert“ an und verlieren die Eingabe.

Die Lösung

Eine Plattform aus Web-App, Expo-App und Fastify-API auf einem gemeinsamen Katalog von fast 12.000 Rezepten — mit Makro-Tracking, Wochenplanung, Einkaufslisten, Vorratsverwaltung und Trainingsplänen. Und mit einer API, die drei Zustände sauber unterscheidet, statt sie zu verschleiern.

Die harte Stelle

Fehler ehrlich melden

Jeder schreibende Endpunkt unterscheidet explizit: Secrets fehlen (Dry-Run, kein Datenverlust vorgetäuscht), Datenbank nicht erreichbar (503), Datenbank erreichbar aber lehnt ab (echter 4xx mit Postgres-Fehlercode). Das klingt nach Kleinkram, ist aber der Unterschied zwischen einem System, dem man beim Debuggen glauben kann, und einem, das lügt. Genau dieselbe Disziplin wende ich auf KI-Output an: eine Behauptung ohne Beleg zählt nicht.

  • Monorepo mit geteiltem Katalog über Web, Mobile und API hinweg
  • 59 Tabellen über 12 versionierte Migrationen, Row Level Security aktiv
  • Supabase-Auth mit geräteübergreifender Profilsynchronisation
  • Nutzung ohne Account bleibt vollständig lokal — kein Login-Zwang
  • Explizite Fehlerzustände statt stiller 500er
Rezepte im Katalog
0
Tabellen
0
Migrationen
0
Wer ich bin

Vier Jahre gelernt. Vier Monate ausgeliefert.

Softwareentwicklung habe ich mir ab 2022 selbst beigebracht — erst über strukturierte Kurse von Meta und Udemy, dann über eigene Projekte. Kein Informatikstudium, kein Bootcamp. 2026 ist daraus Ernst geworden: vier Produktionssysteme in vier Monaten, zwei davon mit Apps in beiden Stores, eines mit gesetzlich vorgeschriebener Fiskalisierung — entstanden neben einem Vollzeitjob.

Was ich dabei gelernt habe und was heute meine Arbeitsweise bestimmt: Ein grüner Testlauf beweist nichts. Ich hatte ein Android-Widget, bei dem alle Tests durchliefen und das auf dem echten Gerät leer blieb. Und ich habe monatelang geglaubt, meine Update-Auslieferung funktioniere, weil das Werkzeug nach jedem Veröffentlichen „Published“ meldete — angekommen ist bei keinem Nutzer je etwas.

Seitdem gilt in jedem meiner Repositories dieselbe Regel: „Sollte jetzt funktionieren“ ist kein Ergebnis. Jede Änderung wird am Live-System nachgewiesen — durch HTTP-Response, Datenbankabfrage oder Screenshot vom echten Gerät. Das ist der Grund, warum ich mit KI-Agenten schnell liefern kann, ohne dass Qualität zur Behauptung wird.

Commits in 4 Monatenneben einem Vollzeitjob
0
Systeme in Produktionalle allein gebaut
0
App StoresiOS und Android, live
0
Autodidakt seitMeta- & Udemy-Zertifikate
0

Werdegang

  1. seit 04/2026

    Gründer & Product Engineer

    MenuCloud — Inh. Domenic Moran, Berlin

    Aufbau und Betrieb von vier Produktionssystemen als alleiniger Entwickler — Produkt, Architektur, Auslieferung, Betrieb und Recht in einer Hand.

  2. seit 2022

    Softwareentwicklung, autodidaktisch

    Meta (Coursera) · Udemy · eigene Projekte

    Kein Informatikstudium, kein Bootcamp. Der Nachweis sind vier Systeme in Produktion und eine prüfbare Git-Historie.

Zertifikate

Meta — über Coursera

  • Introduction to Front-End Development
  • Introduction to Back-End Development
  • Introduction to Mobile Development
  • Programming in Python
  • Version Control

iOS & Swift

  • App-Entwicklung mit Swift 5 für iOS 15 (Udemy, 39 Std.)
  • Introduction to Swift 5
  • Table Views
Arbeitsweise

KI ist ein Werkzeug, keine Ausrede

Ich arbeite seit über einem Jahr agentengestützt. Das komprimiert Lieferzeiten von Monaten auf Tage — aber nur, weil um die Agenten herum ein System steht, das ihre Fehler abfängt. Ohne dieses System ist KI-gestützte Entwicklung eine Maschine zur Erzeugung von plausibel aussehendem Schrott.

  1. 01

    Kontext als versionierter Code

    Jedes Projekt trägt seine Konventionen als Datei im Repo: Import-Regeln, Test-Muster, Design-Tokens, Sicherheits-Defaults. Dazu ein persistentes Gedächtnis über Sessions hinweg — jede gelernte Lektion wird ein Eintrag mit Begründung, nicht eine Notiz in einem Chatverlauf, der morgen weg ist. Ein Agent ist nur so gut wie der Kontext, den er zuverlässig vorfindet.

    • CLAUDE.md pro Repo
    • Persistentes Memory
    • Append-only Projektlog
  2. 02

    Parallelisierung statt Wartezeit

    Lange Läufe — Builds, Testsuites, Store-Uploads — laufen im Hintergrund, während ich weiterarbeite. Unabhängige Recherchen gehen an spezialisierte Sub-Agenten mit eigenem Kontextfenster. Der Engpass bei agentengestützter Entwicklung ist selten das Modell, sondern die serialisierte Arbeitsweise davor.

    • Sub-Agenten
    • Hintergrund-Tasks
    • Turborepo-Caching
  3. 03

    Verifikation statt Vertrauen

    „Sollte jetzt funktionieren“ ist kein Ergebnis. Jede Behauptung über den Systemzustand braucht einen Beleg: HTTP-Response, DB-Query, Playwright-Screenshot, empfangene E-Mail, echte Cron-Execution. Diese Regel hat in meinen eigenen Projekten mehrfach Bugs aufgedeckt, die durch grüne Test-Suites gerutscht waren — weil die Tests das falsche geprüft haben.

    • Playwright gegen Produktion
    • Screenshot-Diffs
    • Live-DB-Verifikation
  4. 04

    Wiederkehrende Fixes werden Automatisierung

    Wenn ich denselben Handgriff zum dritten Mal mache, wird er ein Workflow. Cron-bewusste Watchdogs überwachen Dienste, heilen bekannte Ausfälle selbst und melden nach Slack. Immer mit Schutzgeländer: Cooldown, Obergrenze, Alarm bei jedem Eingriff. Ein Watchdog, der blind repariert, richtet mehr Schaden an als er verhindert.

    • 75+ n8n-Workflows
    • Self-Healing mit Cap
    • Slack-Ops-Alerts
  5. 05

    Recht als Definition of Done

    Jedes kundenwirksame Feature durchläuft dasselbe Gate: DSGVO-Rechtsgrundlage vorhanden? UWG §7 bei Outreach beachtet? EU AI Act Art. 50 — ist die KI als solche gekennzeichnet? Wird auf der Website etwas versprochen, das wir nicht liefern? Bei Consumer-Produkten in der EU ist das kein Beiwerk, sondern Teil des Produkts.

    • DSGVO Art. 30
    • AVV automatisiert
    • AI-Act-Disclosure
agent-session

So sieht eine typische Iteration aus — nachgestellter Ablauf, keine Live-Sitzung.

Größenordnung

Der Unterschied ist nicht, dass ich schneller tippe.

Er ist, dass Recherche, Implementierung, Test und Verifikation parallel statt nacheinander laufen — und dass der Kontext zwischen den Sitzungen nicht verloren geht.

Klassisch, alleinWochen bis Store-Release
Mit Agenten-Setupdieselbe Feature-Tiefe

Relative Darstellung aus meinen eigenen Projekten — kein Branchen-Benchmark. Die belastbare Zahl daneben: Salati steht bei 44 ausgelieferten Versionen über fünf Gerätetypen, gebaut neben drei weiteren Systemen in Produktion.

Fähigkeiten

Breit genug für das ganze Produkt, tief genug für die harten Stellen.

Jede Einschätzung unten steht neben dem System, an dem sie entstanden ist. Selbsteinschätzungen ohne Beleg sind wertlos — deshalb steht hier keine ohne.

Frontend & Produkt

Interfaces, die auf einem Fünf-Jahre-alten Android genauso funktionieren wie auf einem Studio-Display.

  • React / Next.js App RouterNext.js 16 RSC in Produktion
  • React Native / ExpoExpo SDK 57, RN 0.86, fünf Gerätetypen
  • TypeScriptStrict überall, 0 Fehler als Merge-Gate
  • Motion & InteractionReanimated 4, Framer Motion
  • Core Web VitalsLCP/CLS/INP-Budgets im CI
  • BarrierefreiheitTV-Fokus-Navigation, Reduced-Motion

Backend & Daten

Mandantenfähige Systeme mit echtem Geld, echten Steuern und echten Konsequenzen bei Fehlern.

  • Postgres / Supabase59-Tabellen-Schema, RLS, Migrationen
  • API-DesignFastify, Route Handlers, Zod-Validierung
  • ZahlungenStripe Connect Destination-Charge
  • Multi-TenancyRLS + per-Tenant-Provisionierung
  • E-Mail-InfrastrukturSelf-hosted Mailcow + Fallback-Kette
  • Compliance-SystemeKassenSichV-TSE, DSGVO Art. 30

Cloud, Delivery & Betrieb

Ich betreibe, was ich baue — inklusive der Nachtschicht, wenn etwas ausfällt.

  • Vercel / EdgeStatische Exports, Rewrites, ISR
  • Docker / Coolify / HetznerEigener VPS-Stack in Produktion
  • CI/CDGitHub Actions, Turborepo, EAS Build
  • Store-AuslieferungApp Store & Play, inkl. OTA-Updates
  • ObservabilitySentry, Uptime-Kuma, Slack-Alerts
  • Automatisierung75+ n8n-Workflows, Self-Healing

KI-Integration

Von der Agenten-Pipeline in meinem Editor bis zum quantisierten Modell auf dem Telefon des Nutzers.

  • Agenten-OrchestrierungSub-Agenten, Tool-Pipelines, Loops
  • On-Device-Inferenzllama.cpp/GGUF, whisper.rn
  • RAG & RetrievalEigener Korpus, Granularität gemessen
  • Prompt-EngineeringVers-Konditionierung schlägt Modellgröße
  • EvaluationLokale Iteration gegen dieselbe GGUF
  • KI-Recht (EU AI Act)Art.-50-Disclosure als Gate
Für Recruiter & CTOs

Das Wichtigste in 60 Sekunden

Kein Anschreiben nötig. Hier steht, was ich kann, was ich suche und wie du mich erreichst.

Rolle
AI Product Engineer / Fullstack
Schwerpunkt
Produkt end-to-end, KI-gestützte Lieferung
Standort
Berlin · Remote EU
Verfügbar
Nach Absprache
Sprachen
Deutsch (Muttersprache) · Englisch
Modell
Festanstellung oder Freelance
Quellcode
Repos privat — Lese-Zugriff auf Anfrage

Ich liefere fertig, nicht fast fertig

Vier Systeme in Produktion — inklusive Store-Reviews, Zahlungsabwicklung, DSGVO-Dokumentation und Impressum. Der Teil, den die meisten Portfolios auslassen, ist genau der Teil, der am längsten dauert.

Ich arbeite über den ganzen Stack

React-Native-Widget, Postgres-Migration, Docker-Compose auf dem eigenen VPS, Fiskal-Compliance. Kein Ticket-Ping-Pong, weil etwas „nicht mein Bereich“ ist.

Belegpflicht statt Bauchgefühl

Ein grüner Testlauf beweist nichts — das habe ich zweimal teuer gelernt. Deshalb wird jede Änderung am Live-System nachgewiesen, bevor sie als fertig gilt. Genau das macht agentengestützte Entwicklung erst belastbar.

Kontakt

Lass uns etwas bauen

Ob konkrete Rolle, Projektanfrage oder einfach eine technische Frage — ich antworte innerhalb von 24 Stunden.

domenicmoran@gmail.com
Standort
Berlin, Deutschland
Verfügbarkeit
Offen für Festanstellung & Freelance · Remote (EU) oder Berlin hybrid
Antwortzeit
In der Regel unter 24 Stunden