Ich baue eine produktionsbereite n8n- oder Claude-Code-Automatisierungs-Agent

D
daratello
D
daratello
Sergei Dr
Einige Informationen wurden automatisch übersetzt.

Über diesen Service

Automatische Übersetzung

Die meisten Automatisierungen funktionieren, bis etwas Unerwartetes auftaucht. Dann stoppen sie, und niemand bemerkt es für zwei Tage.


Ich erstelle Workflows, die weiterlaufen, wenn das Modell etwas Seltsames zurückgibt, eine API ausfällt oder die Eingabe nicht dem entspricht, was geplant war.


WAS ICH BAUE


Lead-Erfassung und Routing – Formular oder E-Mail, sortiert in dein CRM

Kundenantworten – klassifiziert, beantwortet oder eskaliert

Dokumente und Rechnungen – Felder extrahieren, prüfen und weiterleiten

Meeting-Notizen zu Aktionen – Transkript, Zusammenfassung und Aufgaben


WAS BEINHALTET JEDER BUILD


Validierung – eine fehlerhafte Antwort bewegt sich niemals weiter

Wiederholungen mit Backoff und eine Fallback-Option, wenn das Modell oder die API ausfallen

Ein Entscheidung-Log – jede Routing-Entscheidung mit Begründung dokumentiert

Alles, was nicht verarbeitet werden kann, geht an einen Menschen


WARUM DAS WICHTIG IST


Die meisten KI-Workflows scheitern still und leise: eine Kategorie, die nicht existiert, eine API, die timeoutet, der Job stoppt ohne Fehler, den niemand bemerkt. Man merkt es erst, wenn ein Kunde fragt, warum niemand geantwortet hat.


Die Lösung ist kein besserer Prompt. Der Code entscheidet, die KI klassifiziert nur – so kannst du immer nachvollziehen, warum.


Seit über 12 Jahren als Systemanalyst tätig: Robotik, Telekom, Einzelhandel, Logistik, Regierung.

Lerne Sergei Dr kennen

Sergei Dr

Automation Engineer: n8n, Claude Code, LLM pipelines

  • AusGeorgien
  • Mitglied seitAug. 2026
  • Sprachen

    Russisch, Englisch
Systems and business analyst, 12+ years across robotics, telecom, retail, logistics, government and smart-city systems — at Navio, EPAM, Netcracker (on-site in Tokyo) and Russian Post. I build automations that keep running when something goes wrong: a model returns a category nobody defined, an API times out, an input arrives that nobody planned for. What holds them is the data contract, the validation, the retry and fallback path, and a decision log you can read afterwards. Since 2025 I run multi-agent LLM pipelines in production: deterministic quality gates and hundreds of automated tests.

Automatische Übersetzung