Rechnungssammler sucht passende Unternehmen für die Public Beta
AI-Engineering für pragmatische KMU
Ich baue AI-Software, die einen echten Engpass löst.
Ich bin Luca Knaack, AI Engineer und Full-Stack-Entwickler aus Deutschland. Für kleine Unternehmen entwickle ich schlanke Tools, Automatisierungen und Produktideen, die nicht nach AI-Demo aussehen, sondern Arbeit aus dem Alltag nehmen.
Direkt mit dem Entwickler sprechen
Erst Nutzen, dann Automatisierung
Hosting in Deutschland möglich
Rechnungen, Leads, Postfächer, Dateien, interne Tools und Integrationen
Beratung, Prototyp und Umsetzung ohne Übergabe zwischen Vertrieb und Entwicklung
Leistungen
Vom diffusen AI-Wunsch zur brauchbaren Software
Ich arbeite am liebsten an kleinen, scharf geschnittenen Problemen: ein Prozess, eine Zielgruppe, ein messbarer Vorteil. Daraus entsteht schneller etwas Nützliches als aus einem großen AI-Strategieprojekt.
AI Consulting für sinnvolle Use Cases
Wir identifizieren, welche Prozesse sich wirtschaftlich lohnen und wo AI tatsächlich operative Reibung reduziert.
- Use-Case-Priorisierung für kleine Teams
- Machbarkeits- und Datenprüfung
- Roadmap für schnellen ROI statt Innovations-Theater
Individualsoftware mit AI-Fokus
Ich entwickle Lösungen, die AI-Komponenten, Business-Logik, Datenflüsse und UI/UX sauber zusammenbringen.
- Full-Stack Entwicklung
- LLM-gestützte Produkterweiterungen
- Self-hosted oder cloudbasierte Bereitstellung
Workflow-Automatisierung
Bestehende Prozesse müssen selten neu erfunden werden. Oft reicht eine gute Verbindung aus Daten, Regeln und AI.
- Postfach-, Datei- und CRM-Workflows
- Anbindung an n8n, Make oder eigene APIs
- Schrittweise Einführung statt großer Umstellung
Projekterfahrung
AI lohnt sich nicht abstrakt. Sie lohnt sich bei klarer Reibung.
Rechnungsautomatisierung
Eingehende Rechnungen aus E-Mail-Postfächern erfassen, verstehen, benennen und so ablegen, dass sie nicht mehr verloren gehen und sauber weitergegeben werden können.
Lead-Qualifizierung
Große Unternehmenslisten nicht mehr manuell prüfen, sondern mit LLMs nach klaren Profilen filtern, verbessern und für den Vertrieb vorbereiten.
Pragmatische Einführung
Kein monatelanges Transformationsprojekt: lieber ein konkreter Prozess, der sichtbar besser wird und danach erweitert werden kann.
Produkte
Eigene Produkte als Werkbank, nicht als Showroom
Ich entwickle eigene AI-Produkte, weil daran schnell sichtbar wird, ob eine Idee im Alltag trägt. Rechnungssammler ist bewusst als Public Beta geöffnet; CompanyScorer ist ein wiederverwendbarer Qualification-Flow für Vertriebsfälle.
Rechnungssammler
Holt Rechnungen aus E-Mail-Postfächern, erkennt Inhalte mit AI und legt sie nachvollziehbar ab. Noch nicht als fertiges Massenprodukt gedacht, sondern für Unternehmen, die ihren Rechnungsprozess in der Beta mitprägen wollen.
CompanyScorer
Nutzt LLMs und Web Crawling, um lange Firmenlisten nach individuellen Zielkundenprofilen zu bewerten. Sinnvoll, wenn eine konkrete Longlist und ein klares Vertriebsprofil vorhanden sind.
Zusammenarbeit
Klein starten, sauber bauen, real benutzen.
Ich arbeite bevorzugt mit Unternehmen, die eine klare Verantwortung, kurze Wege und einen realen Engpass haben. Genau dort entsteht Geschwindigkeit.
Problem klarziehen
Wo entsteht heute Aufwand, Fehlerquote oder verlorene Zeit?
Lösung eingrenzen
Wir definieren Datenquellen, Risiken, Nutzen und einen schlanken Startpunkt.
Umsetzen
Vom Prototyp bis zur produktiven Anwendung mit Fokus auf Alltagstauglichkeit.
Verbessern
Feedback, Metriken und reale Nutzung fließen direkt in die nächsten Iterationen.
Testimonials
Kundenstimmen und Referenzen
Diese Fläche ist vorbereitet für freigegebene Kundenstimmen und wird automatisch angezeigt, sobald sie in der Konfiguration hinterlegt sind.
FAQ
Fragen, die vor einer Anfrage wirklich wichtig sind
Wenn du schon einen konkreten Prozess im Kopf hast, können wir direkt dort einsteigen.
Ist das eher Beratung oder Entwicklung?
Beides. Ich kann bei der Priorisierung von AI-Use-Cases helfen und dieselben Lösungen anschließend auch technisch umsetzen.
Was ist, wenn wir noch keinen perfekten Use Case haben?
Dann ist genau das der erste Schritt. Wir schneiden den Prozess klein genug, um Nutzen, Datenlage und Risiken realistisch zu prüfen.
Kann das in bestehende Tools integriert werden?
Ja. Typische Anbindungen laufen über APIs, Postfächer, Dateispeicher, CRMs, n8n oder Make.
Ist Rechnungssammler schon fertig?
Nein. Rechnungssammler läuft als Public Beta. Ich suche Unternehmen mit echtem Rechnungsproblem, die Feedback geben und den Prozess mitformen wollen.