Showcase meiner privaten technischen Projekte: AnaCredit-Pipelines, RAG-Systeme, MCP-Server und AWS-Infrastruktur – jeweils mit Tech-Stack, Problem und Lösung.
AnaCredit-Datenplattform mit PostgreSQL
Tech-Stack: PostgreSQL – Python – SQL – Podman
Aufbau einer vollständigen AnaCredit-Datenbank auf Basis der Bundesbank- und EBA-Vorgaben. Kern des Projekts ist ein sauber modelliertes PostgreSQL-Schema, das die granularen Meldeanforderungen (Loan-by-Loan, Borrower-by-Borrower) abbildet. Die Datenbank läuft containerisiert via Podman und bildet die Grundlage für darauf aufbauende RAG- und MCP-Dienste. Zusätzlich wurde eine interne Dokumentationsstruktur (Markdown, CLAUDE.md) aufgebaut, damit KI-Assistenten den regulatorischen Kontext sicher verstehen.
RAG-System für Regulatorik (ChromaDB / Qdrant)
Tech-Stack: Python – LangChain – ChromaDB – Qdrant – AWS Bedrock – Streamlit
Multi-MCP-Server-Architektur
Tech-Stack: Python – MCP – PostgreSQL – Qdrant – Podman – Docker Compose
AWS-Cloud-Infrastruktur mit Terraform
Tech-Stack: Terraform – AWS EC2 – S3 – Bedrock – Docker – Bash
Aufbau einer vollständigen Cloud-Infrastruktur auf AWS per Infrastructure-as-Code mit Terraform. Kernstück ist eine EC2-Instanz, die per User-Data-Script automatisch Docker-Container startet (PostgreSQL, MCP-Server, Qdrant). Die Konfigurationen werden aus S3 bezogen. Das Setup ermöglicht ein reproduzierbares, versioniertes Deployment der gesamten KI-Plattform – von der Datenbank bis zum LLM-Zugriff via AWS Bedrock.Rückblick: Dieses Projekt hat mir vor Augen geführt, wie schnell sich grundlegende Infrastruktur mit den richtigen Tools aufbauen lässt.
Regulatorischer Datenkatalog
Tech-Stack: Python – PostgreSQL – Markdown – Claude AI – MCP
Entwicklung eines internen Datenkatalogs speziell für regulatorisches Reporting. Der Katalog dokumentiert Datenquellen, Attribute, Transformationsregeln und Abhängigkeiten im Kontext von AnaCredit und verwandten Meldepflichten. Ein KI-Assistent (Claude) kann über MCP direkt auf den Katalog zugreifen und erste Fragen zu Datenobjekten, Gültigkeitsregeln und Meldeprozessen beantworten – ein erster Schritt in Richtung eines AI-nativen Compliance-Werkzeugs.
KI-gestützter Portfolio Analyzer
Tech-Stack: Python – Streamlit – Claude API – Perplexity API – SQLite – Plotly
Lokale Streamlit-App zur vollautomatischen Analyse eines Aktiendepots. Claude extrahiert Positionsdaten direkt aus vorher anonymisierten PDF-oder CSV Auszügen, schlägt Zielgewichte gegen eine hinterlegte, persönliche Anlagestrategie vor und leitet per Perplexity API eine Analyse zu einzelnen Positionen ein.
Alle Analysen werden in einer SQLite-Datenbank versioniert gespeichert.
AnaCredit Service
Neuestes Projekt und in der Erstehung begriffen. Meine Thesen aus meinem Artikel Die KI-Architektur für das Meldewesen der Zukunft möchte ich an der Stelle vertesten.
Start (Juli 2026) wird die Ausgestaltung und Design des AnaCreditServices sein. Mal schauen, inwieweit meine Ideen hier sich als tragbar erweisen. Keep you posted 🙂