Jeder Bereich ist keine Theorie — sondern ein laufendes System das täglich genutzt wird. So sieht AI-native Arbeit in der Praxis aus.
AI-Native bedeutet nicht, ein Sprachmodell gelegentlich zu befragen. Es bedeutet, Arbeitsabläufe so zu konstruieren, dass AI-Systeme als permanente Denkpartner und Ausführungsebene integriert sind — in die Architektur, in die Datenpipelines, in den Entscheidungsprozess. Der Unterschied zur klassischen Softwareautomatisierung: das System lernt aus Kontext, handelt situativ und dokumentiert sich selbst.
Was früher ein Spezialistenteam erforderte, wird zu einer strukturierten, wartbaren Einzelperson-Infrastruktur. 57+ wiederverwendbare Bausteine, tagtäglich laufende Pipelines, persistentes Systemgedächtnis — kein Showcase-Projekt, sondern operative Realität.
Seit 2025 betreibt Pierre Kromat eine vollständige eigene Produktionsumgebung: ein selbst verwalteter Server (Hetzner, Docker, nginx), 57+ Automatisierungsbausteine und sechs vollautomatische Pipelines die täglich ohne manuelle Eingriffe laufen — von Finanzmarkt-Briefings bis zu Security-Scans.
Mandanten erhalten einen Berater, der AI-Transformation nicht empfiehlt — sondern demonstriert. Pierre kann Architekturen beurteilen, weil er vergleichbare Systeme selbst betreibt. Automatisierungspotenziale benennen, weil er die Grenzen aus eigener Erfahrung kennt. Umsetzungsrisiken einschätzen, weil er Produktionsprobleme bereits gelöst hat.
Dieselben Patterns — Pipeline, Parallel Fan-out, Adversarial Verify, Loop-until-done — lassen sich auf Kunden-Codebases, interne Prozesse und Analyse-Aufgaben übertragen. Mit einem Berater, der den Unterschied zwischen AI-Prompt und AI-nativer Arbeitsarchitektur aus der eigenen Praxis kennt.
Kein SaaS-Abo, kein Drittanbieter-Signal-Dienst — ein vollständig selbst entwickeltes, produktionsbetriebenes Options-Trading-System das täglich autonom SPX-Optionen analysiert, filtert und über den Broker-Gateway platziert. Gebaut von einem Entwickler der die Strategie selbst handelt: jede Designentscheidung hat echten finanziellen Druck hinter sich.
0DTE-SPX-Trading-Agent
Vollautomatischer Tagesablauf: Scan → Selektion → Order via Interactive-Brokers-Gateway, ohne manuellen Eingriff. Regime-Gates (VIX-Level, SPY 50DMA, Consecutive-Loss-Gate, Directional-Cap 8/15) verhindern Overtrading in instabilen Marktphasen.
Disziplinierte Regelbindung ersetzt emotionale Handelsführung — skalierbar ohne Personalaufwand.
Options Screener (Variante-D)
DuckDB-basierter Screener liest Gateway-IV, berechnet Expected Move und gibt strategiekonforme Empfehlungen aus. Ersetzt den LLM-Vorgänger vollständig — schneller, deterministisch, auditierbar. Kein Black-Box-Output.
Reproduzierbare Entscheidungsgrundlage — compliance-tauglich dokumentiert.
OI Pressure Map & Strike-Finder
Call/Put-Walls, Max Pain und Expected-Move-Bänder (±1σ/±2σ). Strike-Finder nimmt Zielwahrscheinlichkeit als Input und gibt Strike plus Prämie über Black-Scholes zurück. OI-Change-Delta zum Vortag zeigt, wo Institutionelle umpositionieren.
Strukturiertes Marktbild in Sekunden statt stundenlanger Analyse.
Momentum Scanner v2
ADX (Wilder), RSI, 150MA und Golden-Stack kombiniert mit Relative Strength über 9 Sektor-ETFs. GTC-Stop-Loss wird automatisch beim Einstieg via Broker gesetzt — kein offenes Risiko durch vergessene Stops.
Systematische Selektion mit eingebautem Risikomanagement.
Hedge Advisor (Tail-Risk)
Live-Backend das Tail-Risk-Hedging-Empfehlungen berechnet: Black-Scholes-Delta, VIX-Regime, Expected Move, Sizing-Berechnung (Short-Exposure-basiert). Methodik aus Taleb/Spitznagel, durch 5-Linsen-Red-Team adversarial verifiziert.
Institutionelle Hedge-Logik — Empfehlung in Sekunden statt Stunden.
Lessons & Learned Pipeline
Wöchentliche Trading-Reviews fließen automatisch in DuckDB. Das Cockpit visualisiert Prämie, Win-Rate, NAV-Entwicklung und Drawdown über Zeit — Lernkurve wird messbar. Keine Strategie-Regression durch fehlende Review-Disziplin.
Institutionelle Review-Kultur auf Einzeltrader-Ebene.
Stack: Python · Flask · DuckDB · yfinance · IBKR API (ib_async) · Docker · Cron-Pipelines
Zwölf Docker-Container, 27 Flask-Blueprints, vollautomatisches Webhook-Deployment — und alles läuft auf einem Hetzner-VPS den Pierre selbst konfiguriert, betreibt und weiterentwickelt. Das Backend ist kein Showcase-Projekt: es verarbeitet täglich Marktdaten, Trading-Signale und AI-Briefings im Produktivbetrieb — automatisiert, überwacht und dokumentiert.
Flask-Microservice-Architektur
27+ Blueprints, 12+ Docker-Container, nginx reverse proxy, automatisches Webhook-Deployment via GitHub Actions. Vollständige Trennung von Daten, Auth und Business-Logik. Drift-sichere Deployments durch gitignorierte Runtime-Files und Watchdog-System.
Produktionsreife Microservice-Architektur — reproduzierbar, dokumentiert, auditierbar.
AI-Briefing-Pipelines
Drei tägliche Briefings (0DTE-Marktlage, Backend-Status, Workbench-Agenda) laufen vollautomatisch: Cron → Claude API → validiertes HTML-Output. Validator-Gate bricht bei Crash oder Output unter 3 KB hart ab — keine stillen Fehler im Produktivbetrieb.
Produktionsreife AI-Pipelines mit nachgewiesener Fehlertoleranz.
Knowledge Graph (AST-Analyse)
AST-Analyse des gesamten Python-Backends erzeugt einen Graphen mit 1.338 Knoten und 2.462 Kanten, aufgeteilt in 101 Communities. God-Node-Detection identifizierte architekturelle Hotspots — Basis für gezielte Refactoring-Priorisierung ohne externe Tools.
Objektive Komplexitätsanalyse — zeigt welche Module zuerst Aufmerksamkeit brauchen.
Proprietäre API-Integrationen
Mercedes-me inoffizielle API reverse-engineered: Protobuf-Decode, automatischer Token-Refresh, 10-Minuten-Cache. Banking via FinTS (DK-Produktregistrierung). IBKR-Gateway (ib_async, Paper + Live). Zeigt: proprietäre Schnittstellen ohne offizielle Doku integrierbar.
Kein Vendor-Lock-in — Integration auch ohne offizielle API möglich.
Backup & Datenbank-Governance
4 Datenbanken (DuckDB + SQLite) mit GPG-AES256-Verschlüsselung, wöchentlichem NAS-Snapshot und SHA256-Integritätskette. Single-Writer-Regel verhindert Concurrent-Write-Konflikte. Automatischer Validator bei jedem Cron-Lauf.
DSGVO-konformes Backup-Konzept mit kryptografisch nachweisbarer Integrität.
Stack: Python · Flask · Docker Compose · nginx/openresty · DuckDB · SQLite · GitHub Actions · Hetzner VPS
Der gesamte kaufmännische Betrieb der GmbH läuft über eine selbst entwickelte Buchhaltung — vier ineinandergreifende Module um eine zentrale Kunden-Tabelle, mit automatischer Bank-Anbindung via FinTS, OCR-Belegerfassung und Dokument-Generierung. Vom angenommenen Angebot bis zur versendeten Rechnung ein durchgängiger, dokumentierter Fluss — ohne manuelle Erfassung, ohne CSV-Import.
4 Module, ein Klick im Monat
Vier ineinandergreifende Module, alle aktiv seit Mai 2026: Angebotsanlage (M04), Stundenerfassung (M03), Debitoren/Ausgangsrechnungen (M01) und Kreditoren/Eingangsrechnungen (M02) — orchestriert um eine zentrale Kunden-Tabelle in DuckDB. Ein angenommenes Angebot übernimmt Kunde und Stundensatz automatisch; die erfasste Zeit wird mit einem Klick pro Monat zur fertigen Rechnung (Angebot.docx, Rechnung.docx + .pdf).
Vom Angebot bis zur Rechnung ein durchgängiger, automatisierter Fluss — kein Medienbruch.
Bank-Abgleich vollautomatisch (FinTS/HBCI)
Ein Cron-Job (Mo/Mi/Fr, python-fints, read-only, kein TAN dank PSD2) synchronisiert die Kontobewegungen automatisch — der manuelle CSV-Import entfällt vollständig. Ein Auto-Matching ordnet Zahlungseingänge offenen Forderungen und Ausgaben den Belegen zu, mit einer Toleranz von ±0,02 €. Offene Forderungen, YTD-Umsatz und Ergebnis stehen als KPIs jederzeit bereit.
Buchhalterische Vorarbeit vollständig automatisiert — Abgleich ohne manuelles Zutun.
Dokument-Pipeline E2E — OCR rein, PDF-Template raus
End-to-End ohne manuelle Erfassung: Eingehende Lieferantenrechnungen werden per Vision-OCR ausgelesen (Vendor, Betrag, MwSt) und nach §14-UStG-Prüfung als Kreditor verbucht. Ausgehende Dokumente entstehen aus DOCX/PDF-Templates, automatisch befüllt aus der zentralen Kundentabelle. Vom Kunden-Eingang bis zum versendeten Beleg ein durchgängiger, dokumentierter Fluss.
Beleg-Erfassung und -Erstellung vollständig automatisiert — kein Abtippen, kein Copy-Paste.
Stack: Python · Flask · DuckDB · python-fints (FinTS/HBCI) · Vision-OCR · DOCX/PDF-Templating · §14-UStG-Logik
Kein generisches CMS, keine Low-Code-Plattform: Pierre Kromat entwickelt produktionsreife Webanwendungen vollständig selbst — von der Datenbankschicht bis zur Auth-Pipeline. Das firmeneigene Intranet aggregiert Trading-Cockpits, GmbH-Buchhaltung, Server-Monitoring und KI-Tools in einer konsistenten Oberfläche.
Firmen-Intranet — 38+ Seiten, 6 Sektionen
Vollständig selbst entwickeltes Intranet mit JWT-Authentifizierung und TOTP-Zweifaktor. Sections: Investments/Trading, GmbH/Buchhaltung, Server-Infrastruktur, Persönlich, KI-Tools, Kalender/Mail. Hub-Design mit 38+ Kacheln, konsistenter Tab-Navigation und Echtdaten aus DuckDB via REST-API.
Keine SaaS-Abhängigkeit, kein Vendor-Lock-in — vollständige Datenkontrolle.
Trading- & Investment-Dashboards
CapTrader-Cockpit auf FlexQuery-Basis: NAV-Chart, Cash-Positionen in EUR/USD/CHF, offene Optionen, Dividenden-Dashboard, Sektor-Heatmap, Momentum-Scanner, OI-Pressure-Map. Alle Daten aus der eigenen DuckDB-Pipeline — kein Excel, kein manueller Export.
Institutionelle Dashboard-Qualität auf persönlicher Infrastruktur.
Server-Health-Dashboard (8 Tabs)
Ressourcen, Verlaufskurven, Security-Events, Schnittstellen-Status (41 Connectors), Lynis-Hardening-Score und vollständige DOKU-Ansicht. 8 Architektur-Diagramme in etablierten Frameworks (TOGAF, C4, ArchiMate, STRIDE, Zero-Trust). Dient gleichzeitig als Betriebsdokumentation und Frühwarnsystem.
Vollständige Systemtransparenz — jederzeit audit-bereit.
Buchhaltungs-Frontend mit Vision-OCR
Kreditoren/Debitoren-Verwaltung, FYRST-Banking-Sync, automatischer FX-Match (USD/EUR), §14-UStG-Compliance-Prüfung. Rechnungsscans werden per Vision-OCR ausgelesen und direkt ins System überführt — manuelle Dateneingabe entfällt.
GmbH-Buchhaltungsaufwand um >70 % reduziert.
Öffentliche Website (pierrekromat.com)
Vollständig eigenentwickelte statische Website auf Netlify mit automatischem GitHub-Deploy. V3-Design mit Source Serif 4 + Inter Tight, Insights-Library, Projekt-Pages. Kein CMS, kein WordPress, keine Drag-and-Drop-Werkzeuge — saubere CI/CD-Pipeline.
Jeder git push ist ein Deploy in 30 Sekunden — kein manueller FTP-Upload.
Kalender, Mail & Medien-Integration
Outlook MCP (OAuth2, XOAUTH2, read-only), Zoho-Mail-Integration, Reolink-Kamera-Galerie (JWT-geschützt, MP4-Range-Request-Streaming), Mercedes-me-Live-Cockpit. Alle Feeds konsolidiert im Intranet — ohne Drittanbieter-Apps.
Vollintegrierter Arbeitsplatz ohne App-Switching-Overhead.
Stack: HTML · CSS · JavaScript (Vanilla) · Flask · Chart.js · Inline SVG · DuckDB · nginx · Netlify · GitHub CI/CD
Security ist bei Pierre Kromat kein nachträglicher Schritt, sondern Bestandteil jedes Builds. Vom gehärteten Linux-Server über verschlüsselte Datenbank-Backups bis zum vollständigen M365/Entra-Audit: die Maßnahmen folgen etablierten Frameworks — nachvollziehbar dokumentiert, messbar in Score-Verbesserungen, nicht nur auf dem Papier.
Server-Hardening — Lynis-Score 71 → 82
Systematisches Linux-Hardening in 12 idempotenten Clustern: SSH-Härtung, Kernel-Parameter, Paket-Auditing, File-Integrity, Logging-Konfiguration. Score-Verbesserung von 71 auf 82 dokumentiert und reproduzierbar. Systemd-Units korrigieren Datei-Rechte automatisch nach jedem Deploy.
Messbare Security-Verbesserung — kein manueller Nachpflege-Aufwand.
M365 / Entra ID Security-Audit
Vollständiges Security-Audit des GmbH-Tenants nach Microsoft-Best-Practices. Drei kritische Härtungen umgesetzt: Break-Glass-Admin-Account eingerichtet, App-Consent auf verifizierte Publisher beschränkt, Gast-Einladungen auf Admin-Only reduziert. Identity Secure Score: 73,68 %.
M365-Tenant nach Enterprise-Best-Practice gehärtet — auch für kleine GmbHs umsetzbar.
Secret-Management & Klartext-Prävention
Pre-Tool-Use-Hook (block-secret-writes) blockiert jeden Schreibvorgang mit Klartext-Credentials in Echtzeit — greift vor dem Speichern, nicht danach. GPG-AES256-Verschlüsselung für alle Datenbank-Backups. Zentrale Secrets-Manifest-Datei als Single Source of Truth.
Keine versehentlichen Credential-Leaks — technisch erzwungen, nicht nur dokumentiert.
Zero-Trust-Architektur
JWT-Authentifizierung auf allen privaten Endpunkten, TOTP-Zweifaktor, NPM-Rate-Limiting auf API-Routen. FinTS-Lockout-Prevention für Banking-Credentials (max. 1 Testaufruf). Gast-Zugriffe strukturell ausgeschlossen — kein „Trust by Default“ auf keiner Ebene.
Zero-Trust nicht als Framework-Präsentation — als betriebene Praxis.
Watchdog & Self-Healing-Architektur
Server-seitiger Python-Watchdog heilt kritische Blueprints (Auth, Zahlungen, Expenses) automatisch bei Konfigurationsdrift. Garantierte Reihenfolge: Blueprint-Heilung vor Container-Restart verhindert kurze Auth-Blindfenster. Systemd-.path-Unit für deploy-sofortige Berechtigungskorrektur.
Security-kritische Zustände werden automatisch wiederhergestellt.
Architektur-Dokumentation (8 Frameworks)
Acht aktuelle Architektur-Sichten: TOGAF, AWS Well-Architected, C4-Model, ArchiMate, STRIDE-Bedrohungsmodell, Zero-Trust, Trust-Boundary, IV&Options-Pipeline. Alle Stand Juni 2026, regelmäßig aktualisiert. Grundlage für DSGVO-Compliance-Nachweise und Sicherheits-Audits.
Audit-bereite Dokumentation — immer aktuell, nicht nur bei der nächsten Prüfung.
Stack: Lynis · GPG · systemd · nginx / NPM · JWT · TOTP · GitHub Actions Security · M365 / Entra ID
Die meisten Berater nutzen AI als Werkzeug — sie öffnen ein Chatfenster, stellen eine Frage, kopieren die Antwort. AI-native bedeutet etwas anderes: Die gesamte Arbeitsweise ist um AI-Pipelines herum gebaut, mit persistentem Gedächtnis, automatisierten Qualitätsgates und modularen Skill-Bausteinen die sich in Kundenprojekte übertragen lassen.
Custom Skill Stack (57+ Skills)
57+ versionierte Custom Skills für Claude Code — von Deployment-Orchestrierung über Datenvisualisierung bis zu adversarialem Review. Jeder Skill ist isoliert testbar, regressionssicher und in unter einer Stunde auf neue Projektkontexte adaptierbar. Aufgaben die manuell 10 Minuten kosten, laufen in 30 Sekunden.
Übertragbar auf Kunden-Workflows — anpassbar in <1 Stunde.
Multi-Agent-Orchestrierung
pk-agent trifft den Architekturentscheid automatisch: einfacher Subagent, paralleles Fan-out oder sequenzieller Workflow mit Übergabe-Protokoll. Das Entscheidungsframework ist explizit dokumentiert — kein Black-Box-Prompt-Engineering. Eingesetzt für parallele Research-Synthese, Code-Review, schrittweise Deployment-Validierung.
Strukturierter Multi-Agent-Ansatz statt Ad-hoc-Prompting.
Research-Pipelines (YouTube, PDF, Web)
Vollständig automatisierte Pipeline: Transkript-Extraktion, N parallele Agenten lesen und klassifizieren, Synthese erzeugt strukturierte Intranet-Seite inkl. Bias-Bewertung. Ausgewertet: 131 Videos (O4W-Optionskanal), 50 Videos (Meinegeldseite), 137 Folien OMR-Keynote (43 Screenshots). Ergebnis: Handlungsempfehlungen statt Browsing-Stunden.
Strukturierte Wissensextraktion aus beliebigen Medien — skalierbar auf Kunden-Dokumente.
Knowledge Graph aus eigenem Code
Graphify analysiert den eigenen Code-Stack per AST: 1.338 Knoten, 2.462 Kanten, 101 Communities. Star-Network-Visualisierung, God-Node-Detection, statisches Dashboard — 0 € Betriebskosten. Anwendbar auf Kunden-Codebases und Legacy-Systeme überall dort, wo Struktur sichtbar gemacht werden muss.
Objektive Code-Komplexitätsanalyse — ohne externe Tools, in Stunden statt Wochen.
Deterministisches Quality Gate
pk-quality-gate prüft jeden Artefakt vor Deployment: BOM-Check, py_compile, HTML-Escape-Vollständigkeit, Intranet-Strukturkonformität, YAML-Frontmatter. Das Ergebnis ist binär und reproduzierbar — kein Reviewer-Bias, keine vergessene Checkliste. Automatisch in pk-deploy eingehangen.
GO / REVIEW / NO-GO — kein Ermessen, kein Vergessen.
Adversariales Verification-Pattern
Für kritische Entscheidungen — Architektur-Weichenstellungen, regulatorisch relevante Inhalte, Investmentlogik — läuft ein strukturiertes Multi-Agenten-Review: fünf Rollen mit unterschiedlichem Blickwinkel, dann ein Red-Team das aktiv nach Fehlern sucht. Kein Konsens-Bias, keine blinden Flecken durch Einzelperspektive.
5 Experten-Agenten + 5-Linsen-Red-Team — für Entscheidungen die zählen.
Stack: Claude Code · Custom Skills · Multi-Agent Workflow · DuckDB · Python · AST-Analyse · GitHub Actions
Pierre Kromat steht für ein vertrauliches Erstgespräch zur Verfügung — ohne Agentur, ohne Umweg. Einschätzung, Einordnung, Umsetzungsoptionen.