Sprint 0 für ESCRIBA

Hallo ESCRIBA. Ich habe schon mal angefangen.

Ihr sucht einen AI Enablement Engineer. Statt eines Anschreibens: was ich bei euch gelesen habe, was ich in den ersten vier Wochen bauen würde, und ein Use-Case-Scorer zum Ausprobieren. Mein Angebot: freelance, 2 bis 3 Tage pro Woche, Start in zwei Wochen.

Die Stelle ist die Antwort auf eure eigene Studie.

47,8 %

nutzen KI-Tools, die im Unternehmen nicht freigegeben sind

36,5 %

prüfen KI-Ergebnisse selten oder nie

62,1 %

wünschen sich Schulung im Umgang mit KI

28,5 %

haben schon einmal einen KI-Agenten gebaut

Eure Studie (Juni 2026, n = 1.037) und der Blogpost vom 31. August beschreiben es so: Mitarbeiter sind schneller als die Organisation, es fehlen Regeln, Prüfroutinen und Training. Die Stellenanzeige beschreibt das Gegenstück: Prompt-Bibliothek, Guardrails, interne Tools, Befähigung der Kollegen.

Dazu das Timing. Im Juli habt ihr EAN gelauncht, eine Agenten-Plattform mit Graph-Editor, Tool-Calling, RAG und MCP-Support. Seit Ende August vertreibt adesso ECAP und EAN. Wer das verkauft, sollte es intern sichtbar selbst nutzen.

Was ich mitbringe: drei Jahre KI-Automatisierung als Selbstständiger, über 20 umgesetzte Projekte, meist in unter zwei Wochen produktiv. Mein Werkzeugkasten ist eurer: Claude Code, MCPs, n8n, Make, Supabase, Python.

Was ich nicht behaupte: Ich bin kein Java-Entwickler. Die Rolle lese ich als interne Tooling-Spur (Python, Postgres, Docker), die über APIs und MCP an EAN und EIS andockt. Da bin ich zu Hause.

Die ersten 4 Wochen

Fünf Use Cases, abgeleitet aus euren Anzeigen und Texten.

Jeder Punkt liefert in wenigen Tagen ein testbares Ergebnis. Die Reihenfolge legen wir mit den Fachbereichen fest, dafür gibt es den Scorer.

Woche 1Gespräche mit Finance, HR, Ops, Sales. Prozesse mit dem Scorer bewerten, Backlog priorisieren, Zugänge klären.

Woche 2Erster MVP live. Prompt-Bibliothek und Spec-Template in Markdown angelegt.

Woche 3Zweiter MVP. Erster interner Workflow auf EAN über MCP. Guardrails mit CISO abgestimmt.

Woche 4Enablement-Session pro Fachbereich, Doku, Review mit CTO/COO.

Finance

Aus eurer Finance-Manager-Anzeige: "Automatisierung von Reporting-Routinen", Intercompany Deutschland und Indien, eigenes Finance-ERP, DATEV.

Reporting-Routinen automatisieren

DATEV-Export, ERP und Bank in ein Postgres-Modell ziehen, Kennzahlen berechnen, Abweichungen von Claude kommentieren lassen, als Dashboard und PDF ausspielen. Intercompany-Abgleich DE/IN als eigener Agent mit Prüfliste.

DATEV · ERP · Bank→Extraktion & Mapping→Postgres→Kommentar-Agent→Dashboard · PDF · Slack

5 bis 8 Tagen8nPythonPostgreSQLClaude

Sales · PreSales

Aus eurer PreSales-Anzeige: Ausschreibungsunterlagen, Custom-Demos, Proof-of-Concepts. Der adesso-Kanal erhöht den Bedarf.

Ausschreibungs-Copilot

RAG über bisherige Ausschreibungsantworten, Produktdoku und Zertifizierungen. Neue Anforderungskataloge werden zeilenweise beantwortet, mit Quelle und Konfidenz. Unbeantwortete Zeilen gehen an den Menschen.

Ausschreibung (XLSX/PDF)→Zeilen-Parser→Vektor-Index→Antwort mit Quelle→Review-Sheet

6 bis 10 TageSupabase pgvectorClauden8n

Entwicklung · QA

Java-Produkt auf AgileApps, EDS-Dokumentenrendering, mehrsprachige Templates: regressionsanfällig, QA-Kapazität ist meist der Engpass.

KI-gestützte Test-Automatisierung

Claude Code erzeugt aus User Stories Playwright-Regressionssuiten für ECAP-Apps, dazu Snapshot-Diffs für EDS-Dokumente. Für EAN-Graphen ein Eval-Harness mit definierten Eingaben und erwarteten Ausgaben.

User Story · UI→Claude Code + Playwright MCP→Testsuite→CI-Report

4 bis 6 Tage für die erste SuiteClaude CodePlaywrightDocker

Alle Bereiche

Aus der Anzeige: Prompt-Bibliothek, Specs in Markdown, Guardrails. Aus der Studie: fehlende Regeln, ungeprüfte Ergebnisse. Claude Enterprise ist im Haus.

Prompt-Bibliothek, Guardrails, Freigabeliste

Versionierte Bibliothek in Markdown: Rollen-Prompts pro Fachbereich, Spec-Template, Prüf-Checkliste für KI-Output. Als Claude-Projekte ausgerollt. Dazu eine Datenklassifizierung, was in welches Tool darf, abgestimmt mit CISO und Datenschutz.

Interviews→Bibliothek (Markdown, Git)→Claude Enterprise Projekte→Schulung · Feedback

Grundgerüst in 3 Tagen, dann laufendClaude EnterpriseMarkdownGit

HR · Operations

Aus eurem Blogpost "Fünf KI-Use-Cases in HR": Posteingangs-Klassifizierung, Policy-Chatbot mit Quellen, Aktenvalidierung.

Eigene Prozesse auf EAN

Zwei interne Workflows auf EAN bauen und über MCP an Claude anbinden: Klassifizierung des internen Postfachs und ein Policy-Assistent mit Quellenangabe. Ergebnis: interne Referenzen für Vertrieb und Marketing, und ehrliches Feedback ans Produktteam.

Postfach · Richtlinien→EAN-Graph (Klassifizierung, RAG)→MCP→Claude · Ticket · Antwort

5 bis 8 TageESCRIBA EANMCPClaude

Welcher Prozess zuerst? Der RIDE-Scorer.

Mein Raster für KI-Use-Cases: Repetitivität, Impact, Datenbasis, Error-Toleranz. Beschreibe einen Prozess in ein bis zwei Sätzen. Ein Sprachmodell (OpenAI API) bewertet nach festen Regeln, sicherheitskritische Prozesse werden abgelehnt.

Prozess beschreiben

Antwort in wenigen Sekunden. Eingaben werden nicht gespeichert.

Sofort startenRIDE 17 / 20

RepetitivitätWie oft, wie gleichförmig

ImpactZeit, Geld, Risiko

DatenbasisVorhanden, zugänglich

Error-ToleranzWie schlimm ist ein Fehler

Wiederkehrend, hoher Zeitaufwand pro Vorgang, die Antworten liegen in alten Angeboten und der Doku vor. Fehler werden im Review vor dem Versand abgefangen.

Erster SchrittZehn abgeschlossene Ausschreibungen und die aktuelle Produktdoku indexieren, Antworten zeilenweise mit Quelle vorschlagen lassen und mit einem Review-Sheet starten.

Beispiel. Nach dem Klick auf "Bewerten" bewertet das Modell live.

Womit ich täglich arbeite.

Agentisches Coding

Claude Code als Standard, mit MCP-Servern für Playwright, Supabase, n8n und Context7. Eigene CLAUDE.md-Konventionen und Skills für wiederkehrende Deliverables.

Claude CodeMCPSkillsCursor

Workflows und Agenten

n8n self-hosted, auch produktiv für Kunden. Make.com seit Jahren. Agenten mit Tool-Calling, RAG über pgvector, Human-in-the-loop als Standard.

n8nMakeClaude APIOpenAI

Apps, Daten, Doku

Supabase als Backend, Lovable und Next.js für Oberflächen, Python für Datenpipelines, Docker für alles, was laufen muss. Doku in Markdown, Wissensbasis in Notion und Obsidian. Eigene iOS-Apps mit Expo.

SupabasePythonDockerNext.jsExpo

Zwei bis drei Tage pro Woche, ab sofort.

Start in zwei Wochen. Kein Recruiting-Prozess, keine Kündigungsfrist, keine Einarbeitung in die Tools.
Kapazität nach Bedarf. Zwei bis drei feste Tage pro Woche in Sprints mit klaren Deliverables. Mehr, wenn nötig. Weniger, wenn nicht.
Langfristig. Mit mehreren Kunden arbeite ich seit über einem Jahr wöchentlich, darunter ein Schweizer Travel-Tech-Unternehmen und ein Berliner Marktforschungsinstitut. Doku und Übergabe sind Teil jedes Sprints.
Blick von außen. Ich sehe jede Woche andere Prozesse und Tool-Landschaften. Was woanders funktioniert hat, bringe ich mit. Was bei euch nicht passt, sage ich früh.
Option auf mehr. Wenn es nach ein paar Monaten eine feste Stelle werden soll, reden wir. Ich bin in Berlin und komme gerne ins Büro.

Offen gesagt: Django und Next.js sind bei mir Werkzeuge, keine Spezialgebiete. Eure Anzeige sagt, entscheidend sei der effektive Einsatz von KI-Tools in diesen Umgebungen. So arbeite ich, und so ist diese Seite entstanden.

Pilot-Sprint: vier Wochen

Vorschlag für den Einstieg. Danach entscheidet ihr.

1Priorisiertes Backlog aus Gesprächen mit Finance, HR, Ops und Sales, mit RIDE-Bewertung, Aufwand und Nutzen.
2Zwei produktive MVPs mit Doku und einem Kollegen, der sie bedienen kann.
3Prompt-Bibliothek v1 in Markdown, als Claude-Projekte ausgerollt, plus Prüf-Checkliste und Freigabeliste für Tools.
4Enablement-Session pro Fachbereich, 90 Minuten, an euren eigenen Prozessen.
5Review mit CTO/COO: was skaliert, was auf EAN gehört, was nicht.

Julian Posmeck

SEIT 01/2025 · BERLIN

KI- und Automations-Berater, selbstständig

ki-automation.dev, ki-workshop-kmu.de. Über 20 KI-Projekte für Mittelstand und Startups. Keynote ZZF-Forum 2026.

SEIT 08/2025 · BERLIN

GTM & Growth Advisor, Shlau.com

02/2024 – 01/2025 · BERLIN

Founder's Associate, Taizen (Techstars '23)

Erster Mitarbeiter eines B2B-Startups für KI-Agenten im Vertrieb. Sales-Strategie, KI-gestützte Lead-Generierung, CRM-Aufbau, Pre-Seed-Fundraising.

08/2023 – 03/2024 · BERLIN

Business Development & Growth Associate, Techstars

Zwölf Deep-Tech-Startups: ICPs, Lead-Generierung, KI-gestützte Outreach-Strategien, Fundraising-Material.

2023 · LONDON

GTM Strategy Consultant, B GARAGE

2021 · BONN

Analyst, Freigeist Capital · Summer Analyst, 10x DNA Capital Partners

2020 – 2021 · BONN

Gründer, pre now (Vorbestell-App für Restaurants)

2018 – 2020

CHECK24 (Corporate Venture Capital, Business Development) · Deutsche Bank (WM Global CIO-Office)

Hallo ESCRIBA. Ich habe schon mal angefangen.

Die Stelle ist die Antwort auf eure eigene Studie.

Fünf Use Cases, abgeleitet aus euren Anzeigen und Texten.

Reporting-Routinen automatisieren

Ausschreibungs-Copilot

KI-gestützte Test-Automatisierung

Prompt-Bibliothek, Guardrails, Freigabeliste

Eigene Prozesse auf EAN

Welcher Prozess zuerst? Der RIDE-Scorer.

Sechs Projekte, die produktiv laufen.

Ops-Agent für Standort-Kontrollen

Accounting und Reporting

Lead-Enrichment

Logistik-App

E-Mail-Klassifizierung

Vertragsanalyse

Womit ich täglich arbeite.

Agentisches Coding

Workflows und Agenten

Apps, Daten, Doku

Zwei bis drei Tage pro Woche, ab sofort.

Pilot-Sprint: vier Wochen

Julian Posmeck

Ausbildung

30 Minuten über euren ersten Use Case?