Gut gestaltete, dokumentierte und versionierte Schnittstellen sind die Grundlage, um KI-Systeme mit Unternehmensdaten und Geschäftsfunktionen zu verbinden. Darauf aufbauend entwerfe ich MCP-basierte Integrationen, Agenten-Workflows und produktionsreife KI-Architekturen, die LLMs sicher, beobachtbar und betreibbar mit Tools, Ressourcen und APIs verbinden. Der Fokus liegt nicht auf isolierten Demos, sondern auf echten Systemen: strukturierter Tool-Zugriff, Orchestrierung, Governance und die Engineering-Muster, die erforderlich sind, um von Copilots zu verlässlicher KI-Automatisierung zu kommen.
Was Friedrichs IT liefert
Produktionsreife KI-Integrationen mit MCP, Orchestrierung, Observability und Governance — entwickelt, um LLMs sicher, nachvollziehbar und betreibbar mit realen Systemen zu verbinden.
MCP-Server
Ich entwickle robuste MCP-Server, die bestehende APIs und Datenquellen für LLM-Workflows nutzbar machen. Dazu gehört, Änderungen am MCP-Schema im Blick zu behalten, den passenden Transport für den jeweiligen Anwendungsfall auszuwählen und Tools, Ressourcen sowie Prompts so zu gestalten, dass sie token-effizient, zuverlässig und testbar sind. OAuth-basierte Sicherheit, sauberes Secret-Handling und produktionsreifer Serverbetrieb sind von Anfang an mitgedacht.
LightNow
Ich bin Gründer von LightNow, einer Plattform für den sicheren Einsatz von MCP-Servern in Unternehmen. LightNow verbindet Trust, Capabilities, Policies und Usage: Fähigkeiten und Trust-Signale werden pro Server und Version sichtbar, Policies definieren, welche Server erlaubt sind, und Installation sowie tatsächliche Nutzung lassen sich team- und umgebungsübergreifend besser steuern.
Agenten-Workflows
Ich konzipiere und implementiere KI-Workflows, die LLMs mit Tools, APIs und Geschäftslogik verbinden. Dazu gehören MCP-Client-Integration, Orchestrierung mit Plattformen und Frameworks wie n8n, LangChain und LangGraph sowie die Anbindung von Chatbots oder Assistenten an reale Systeme. Das Ergebnis ist nicht nur ein Chatbot, sondern ein betreibbarer Workflow, der Kontext abrufen, Tools aufrufen und definierte Aufgaben über mehrere Schritte hinweg ausführen kann.
Observability & Evaluation
Produktive KI braucht mehr als Prompts und Tool-Calls. Ich ergänze Tracing, Evaluation und operative Transparenz für mehrstufige KI-Workflows, einschließlich Tool-Nutzung, Latenzen, Fehlern und Entscheidungswegen. Observability-Stacks wie Langfuse oder Phoenix helfen dabei, Agentenverhalten debugbar, messbar und im realen Betrieb sicherer steuerbar zu machen.
So kann ich unterstützen
- MCP-basierte KI-Integrationen für APIs, Tools und interne Systeme umsetzen.
- Agenten-Workflows mit klarer Orchestrierung und sauberen Ausführungsgrenzen gestalten.
- Tracing, Evaluation und Observability in produktive KI-Systeme integrieren.
- Governance, Vertrauen und kontrollierten Rollout für Enterprise-KI etablieren.
Von Expertise zu Insights