Unsere Arbeit

Ausgewählte Engineering-Projekte

Oronts-Produkte, Open-Source-Tools und das produktive KI-System dieser Website. Alles hier ist unser eigenes Engineering: einsehbar, dokumentiert und von Tag eins mit Produktionsdisziplin gebaut.

6Engineering-Projekte
2Open Source auf GitHub
3Projektkategorien
2024-25Aktive Jahre
Wie wir arbeiten

Ingenieurdisziplin vor allem anderen

  • 01Jedes Engagement beginnt mit einem schriftlichen Architecture Decision Record. Wir dokumentieren Abwägungen, Alternativen und Begründungen für jede technische Entscheidung, bevor Code geschrieben wird.
  • 02Kein Feature geht live ohne definierten Rollback-Pfad, Observability-Instrumentierung und Lasttests unter realistischen Bedingungen.
  • 03Production-Readiness-Reviews kontrollieren jedes Release. Wir prüfen Sicherheitsgrenzen, Fehlermodi, Datenintegritätsgarantien und Betriebsrunbooks vor dem Go-Live.
  • 04Wir veröffentlichen wiederverwendbare Komponenten als Open Source, wo Kundenvereinbarungen es erlauben. Unsere Open-Source-Tools laufen in Produktion neben den Systemen, aus denen sie extrahiert wurden.
Zum vollständigen Case
Open SourceAktiv

Vendure Data Hub

Enterprise-ETL- und Datenintegrations-Plugin für Vendure. Visueller Pipeline-Builder, 9 Extraktoren, 61 Transform-Operatoren, 24 Entity-Loader und Feed-Generatoren für Google Merchant und Amazon.

2024Laufend
9Extraktoren (im Repository nachprüfbar)
GitHubLeitfaden lesen
Die Herausforderung

Vendure-Projekte bauen immer wieder dieselbe Plumbing-Schicht: Produktimporte aus ERP- und PIM-Systemen, Bestandsabgleich, Preisupdates, Marktplatz-Feeds. Jede Integration startet bei null, landet als Einmal-Skript und bricht still, wenn ein Lieferant eine Spalte ändert. Im Ökosystem fehlte eine produktionsreife, wiederverwendbare Datenpipeline-Schicht.

Unser Ansatz

Data Hub ist ein vollwertiges Vendure-Plugin: deklarative Pipelines aus Extraktoren (CSV, JSON, XML, REST, GraphQL, FTP, S3 und mehr), 61 Transform-Operatoren mit Dry-Run-Vorschau und Loader für 24 Vendure-Entitätstypen. Pipelines laufen per Zeitplan oder Webhook, mit Retries, idempotenten Upserts, Echtzeit-Logs und visuellem Editor in der Admin-UI. Feed-Generatoren publizieren Google-Merchant- und Amazon-Feeds aus demselben Pipeline-Graphen.

Das Ergebnis

Ein einziges Plugin ersetzt die Integrationsskripte eines typischen Commerce-Projekts. Open Source auf GitHub veröffentlicht; produktionserprobt mit großvolumigen Katalogimporten und bis auf jeden Operator im Repository nachprüfbar.

Zum vollständigen Case
Oronts-ProduktAktiv

OGuardAI

Semantische Datenschutz-Runtime für KI-Systeme. Policy-Engine, PII-Erkennung und reversible Tokenisierung zwischen Anwendung und beliebigem LLM.

2024Laufend
99.7%PII-Erkennungsrate auf unserem Testkorpus
Leitfaden lesen
Ähnliches Projekt besprechen
Die Herausforderung

Produktive LLM-Systeme teilen eine Fehlerklasse: PII gelangt in Prompts und Ausgaben, halluzinierte Daten erreichen Kunden, generierte Texte verletzen Kommunikationsrichtlinien. Ad-hoc-Filter lösen einen Vorfall und brechen am nächsten Edge Case. Die DSGVO macht daraus ein Architekturproblem, kein Patching-Problem.

Unser Ansatz

OGuardAI läuft als synchroner Filter im Request- und Response-Pfad des LLM. Drei Validierungsschichten: Content-Policy-Klassifikation gegen hot-reloadbare YAML-Regelwerke, PII-Erkennung aus Pattern-Matching plus Named Entity Recognition, und semantische Tokenisierung, die sensible Werte durch reversible Tokens ersetzt, sodass das Modell nie Rohdaten sieht. Die Wiederherstellung erfolgt pro Ausgabekanal-Policy.

Das Ergebnis

Eine wiederverwendbare, framework-agnostische Guardrail-Schicht, die DSGVO-bewusste KI von projektweisem Feuerlöschen zu Infrastruktur macht. Proprietäres Oronts-Produkt; die Architektur ist in unserem Data-Leakage-Guide dokumentiert.

Zum vollständigen Case
Hier in ProduktionAktiv

Oronts AI Assistant

Das produktive Mastra-Agentensystem auf dieser Website: fünf Agenten, vier Tools, Streaming-Antworten und eine gehärtete API-Schicht. Unten rechts ausprobieren.

2025Laufend
5Spezialisierte Agenten in Produktion
Live-DemoLeitfaden lesen
Ähnliches Projekt besprechen
Die Herausforderung

KI-Versprechen sind billig. Der ehrliche Beweis ist ein Agentensystem in Produktion, mit denselben Randbedingungen, die Kunden haben: Rate Limiting, CSRF, Prompt-Injection-Fläche, Kostenkontrolle, Observability und eine echte Lead-Pipeline dahinter.

Unser Ansatz

Gebaut auf Mastra mit fünf spezialisierten Agenten (Quote, Chat, Vision, Voice, Analytics) und vier Tools, die Gespräche in qualifizierte Leads strukturieren: Proposal-Einreichung, Terminbuchung, E-Mail-Entwurf und Gesprächszusammenfassung. Antworten streamen über das Vercel AI SDK. Die API-Schicht erzwingt Rate Limiting, CSRF, Origin-Checks und Request-Tracing; Tool-Aufrufe laufen über einen authentifizierten internen Proxy in die Oronts-API. Der Agent erfindet keine Preise: Er qualifiziert, strukturiert und übergibt an einen Menschen.

Das Ergebnis

Eine funktionierende Antwort auf die Frage, die jeder Einkäufer einem KI-Anbieter stellen sollte: Zeigen Sie mir Ihres. Der Assistent auf dieser Seite ist das Deployment; die Designentscheidungen sind in unseren Guides dokumentiert.

Open SourceAktiv

Pimcore Asset Pilot Bundle

Regelbasierte Asset-Organisation für Pimcore: konfigurierbare Regeln, Prioritäten und Audit-Log für Bibliotheken, die schneller wachsen, als Teams sortieren können.

2025Laufend
100%Aktionen im Audit-Log erfasst
GitHub
Die Herausforderung

Große Pimcore-Installationen sammeln Zehntausende Assets. Redakteure laden Dateien ab, wo gerade ein Dialog offen ist; Namenskonventionen driften; das DAM wird zur Rumpelkammer. Manuelles Aufräumen skaliert nicht, Einmal-Migrationsskripte verrotten.

Unser Ansatz

Asset Pilot wendet deklarative Organisationsregeln auf den Asset-Baum an: Match-Bedingungen auf Metadaten, Dateityp, Namensmuster oder Upload-Kontext, dann Aktionen wie Verschieben, Umbenennen, Taggen oder Zuweisen. Regeln tragen Prioritäten und laufen bei Upload-Events oder als Batch-Jobs über Bestandsbibliotheken. Jede Aktion landet im Audit-Log, ein Dry-Run zeigt die Wirkung, bevor sich etwas bewegt.

Das Ergebnis

Asset-Chaos wird ein Konfigurationsproblem statt eines wiederkehrenden Aufräumprojekts. Open Source auf GitHub veröffentlicht.

Oronts-ProduktAktiv

Vendure Customer Intelligence

Customer-Engagement-Plugin für Vendure: Wunschlisten, Bewertungen, Treuepunkte und Warenkorb-Wiederherstellung als eine kohärente Domäne statt vier angeschraubter Apps.

2025Laufend
4Engagement-Domänen in einem Plugin
Leitfaden lesen
Ähnliches Projekt besprechen
Die Herausforderung

Shops bauen Engagement aus unverbundenen Plugins zusammen: eines für Bewertungen, eines für Wunschlisten, ein drittes für Treuepunkte. Jedes hat eigenes Datenmodell und eigene Admin-UI; keines teilt ein Kundenbild. Marketing exportiert dann CSVs, um Segmente zu raten.

Unser Ansatz

Ein Plugin, eine Customer-Engagement-Domäne. Wunschlisten, Bewertungen mit Kaufnachweis, eine konfigurierbare Loyalty-Engine und Warenkorb-Wiederherstellung teilen Entitäten, Events und Admin-Oberflächen. Alles emittiert Vendure-Events, sodass Segmente und Automationen auf Echtzeitsignalen statt Exporten aufbauen.

Das Ergebnis

Eine Engagement-Schicht mit einheitlicher Kundensicht, gebaut auf Vendures Plugin-Architektur und Event-Bus. Oronts-Produkt, im Portfolio dokumentiert.

Oronts-ProduktAktiv

PimTx

Transaktions- und Concurrency-Schicht für Pimcore: Field Ownership, kooperative Locks, Version Guards und Idempotenz-Engine für Multi-Writer-Installationen.

2025Laufend
5Concurrency-Primitive: Ownership, Locks, Guards, Idempotenz, Subscriber-Kontrolle
Leitfaden lesen
Ähnliches Projekt besprechen
Die Herausforderung

Mehrere Systeme, die in dieselben Pimcore-Objekte schreiben, überschreiben einander: Importe rasen gegen Redakteure, Integrationen zerstören manuelle Korrekturen, und niemand kann sagen, welches System welches Feld besitzt.

Unser Ansatz

PimTx legt eine Transaktionsdisziplin über Pimcore: deklarierte Field Ownership pro Writer, kooperative Locks für Editing-Sessions, Version Guards, die veraltete Writes ablehnen, eine Idempotenz-Engine für sicher wiederholbare Importe und Event-Subscriber-Kontrolle gegen Kaskaden-Stürme.

Das Ergebnis

Konkurrierende Writer sind keine Datenqualitäts-Lotterie mehr. Proprietäres Oronts-Engineering-Muster; Architektur und gelöste Probleme sind in unserem Pimcore-Workflow-Guide dokumentiert.

Ein Projekt im Sinn?

Wir übernehmen ausgewählte Engagements pro Quartal. Erzählen Sie uns, was Sie bauen.