Praktische KI-Systeme für Selbstständige, Unternehmen, Studios und Kreative. Klein starten, echten Nutzen prüfen, sauber erweitern – für den Arbeitsalltag, nicht für Demos.
Ich bin Gregory Schlepper, Gründer von gschlepperAI. Ich entwickle KI-Agenten, die konkrete Arbeitsabläufe unterstützen: Anfragen strukturieren, Informationen vorbereiten, Recherche verdichten, Routinen entlasten.
Was ich Kunden empfehle, nutze ich selbst – jeden Tag. Mein eigener Personal Agent MAX liefert mir morgens das Briefing, hält Kosten im Blick, nimmt mir wiederkehrende Arbeit ab. Diese tägliche Praxis schärft den Blick dafür, was auch in Ihrem echten Arbeitsalltag funktioniert und was nur in der Demo gut aussieht.
Technische Tiefe ist vorhanden – aber sie steht nicht im Vordergrund. Entscheidend ist, dass Sie verstehen, welchen Nutzen Ihr System bringt, was es darf und wie es sauber erweitert werden kann.
↗ GitHub als technischer NachweisWir klären zuerst, welche Aufgabe wirklich entlastet werden soll. Danach wird entschieden, ob ein Agent, ein Formular, ein Skript oder ein anderer Weg sinnvoll ist.
Ein gut begrenzter Pilot ist besser als ein großes System ohne Betriebserfahrung. Der erste Agent soll schnell zeigen, ob der Workflow trägt.
KI verursacht laufende Kosten. Ich plane Modellwahl, Umfang und Automatisierung so, dass Nutzen und Aufwand in einem gesunden Verhältnis bleiben.
Ich baue KI nicht als lose Prompt-Sammlung, sondern als System mit klaren Grenzen, dokumentierten Abläufen und nachvollziehbaren Entscheidungen.
Der beste Einstieg ist meistens klein: ein klar abgegrenzter Agent, ein konkreter Workflow, ein überprüfbarer Nutzen. Daraus kann später ein größeres System mit Weboberfläche, Mail-/Kalenderanbindung, Recherchepfad oder Dokumentation entstehen.
→ Eigenen Use Case besprechenKurzer Workshop, Use-Case-Schärfung und ein realistischer Umsetzungsplan. Ideal, wenn Sie wissen wollen, ob ein Agent für Ihr Geschäft überhaupt sinnvoll ist.
Ein schlanker Agent für einen konkreten Workflow: Anfragen vorstrukturieren, Ideen sammeln, Recherche vorbereiten, Briefings erstellen oder interne Routinen unterstützen. Aufgebaut auf AbraxasOS, meinem eigenen Framework – mit Memory, persönlichem Kontext und kostenbewusster Modellwahl.
Ein kundenspezifischer Agent für wiederkehrende Aufgaben: Mailüberblick, Kalenderkontext, Kundenfragen, Projektordnung, Reporting oder interne Wissensarbeit.
Für redaktionelle, beratende oder wissensintensive Arbeit: Quellen sammeln, strukturieren, bewerten und zu nachvollziehbaren Übersichten verdichten.
Konzept für Creator und kleine Medienteams: Ideen, Skripte, Assets, Veröffentlichungspläne, Analytics und Community-Arbeit besser organisieren.
Agenten brauchen Pflege. Ich unterstütze bei Updates, Erweiterungen, Dokumentation, Kostenkontrolle und sinnvollen nächsten Ausbaustufen.
Mein eigener, täglich genutzter Agent: Daily Briefings, Kostenreports, Skills, persönlicher Kontext. Auf Nanobot aufgebaut, Migration auf das eigene Framework AbraxasOS in Vorbereitung. Mit klaren Rollen und kontrollierten Freigaben. Das Repo zeigt die Architektur als Blueprint – ohne Secrets, ohne Personendaten.
→ MAX Agent Showcase auf GitHubSelbst entwickelter Telegram-Agent als Lern- und Praxisbasis: Memory, Mail-/Kalenderkontext, Briefing-Logik, Approval-Gate. Wurde im April 2026 von MAX abgelöst. Steht als Beleg für den Builder-Ansatz weiterhin offen.
→ NEO auf GitHubGegen den Themenmangel in Redaktionen, ob investigativ oder Mainstream: VERITAS liefert kontinuierlich neue Stoffe – erkennt Trends, sichtet Quellen, bereitet Briefings vor, macht Vorschläge und dokumentiert nachvollziehbar. Entwickelt für Magazine und Medienhäuser, die nicht auf Inspiration warten wollen.
Dreistufiges Konzept für ein Rug-/Interior-Studio: Studio-Agent als Einstieg, später Web-Konfigurator und visuelle Workflows. Aktuell als neutrale Gesprächs- und Konzeptbasis.
Zukünftige Produktlinie für Creator-Workflows: Content-Ideen, Shortform-Planung, Assets, Publishing, Analytics und Community-Prozesse in einem klareren System.
Eigenes Agent-Framework in Entwicklung – als bewusste Alternative zu größeren Systemen wie Nanobot, Hermes oder OpenClaw. AbraxasOS trennt sauber zwischen Kernel (Runtime, Sicherheit, Freigaben – fest verbaut) und Skills (aktivierbare Bausteine wie Daily Briefing, Mail-Übersicht, Recherche – vom Nutzer ein- und ausschaltbar). Jeder Skill macht transparent, welche Daten er liest, welche Rechte er braucht und welche Kosten er erzeugt.
Eingebautes Rollenmodell: Kundenmodus mit harten Grenzen, Developer-Modus für kontrollierte Erweiterung. Konsequente Ausrichtung auf Human Outcome: nicht jede technische Möglichkeit wird gebaut, sondern nur das, was dem Menschen am Ende wirklich hilft.
Ich baue KI-Systeme nicht als Prompt-Sammlung, sondern als nachvollziehbare Architektur: mit klaren Rollen, festen Grenzen, Prüfungen, Logs, Versionierung und kontrollierten Freigaben.
LLMs sind stark — aber sie brauchen ein System, das sie rahmt. Gerade für Unternehmen reicht „Prompt rein, Hoffnung raus“ nicht aus.
Ein Agent braucht definierte Aufgaben und Verantwortlichkeiten. Nicht jedes Modell darf alles tun – und nicht jeder Nutzer bekommt denselben Werkzeugraum.
Gute Systeme setzen technische Leitplanken: erlaubte Aktionen, ausgeschlossene Bereiche, geprüfte Datenflüsse und bewusst begrenzte Automatisierung.
Wichtige Änderungen laufen nicht im Blindflug. Logs, Versionierung und Freigaben machen nachvollziehbar, was passiert ist und warum es passiert ist.
Sie haben ein Projekt, eine Idee oder einfach eine Frage zu KI-Agenten? Schreiben Sie mir kurz, worum es geht. Ich antworte persönlich – ohne Autoresponder und ohne Verkaufsmaschine.
Oder direkt per Mail:
gregory@gschlepper.de