Ausgewählte Projekte.

Das Projekt entstand in einem Buchungsumfeld mit einem vergleichsweise komplexen Produkt und sehr vielen Filtermöglichkeiten. Viele Nutzer buchen solche Produkte nur selten und wissen deshalb nicht immer, welche Filter sie wirklich brauchen.

Ziel war eine natürlichsprachige Eingabe, bei der Nutzer ihr Anliegen als Fließtext beschreiben können. Das System sollte daraus passende Filter ableiten und setzen, ohne die bestehende Filter- und Produktlogik zu umgehen.

Ich habe die technische Konzeption des LLM-basierten Filter-Mappings begleitet und die Ansätze mit Blick auf Ergebnisqualität, Latenz, Komplexität und Wartbarkeit bewertet.

Der Kern lag darin, freie Sprache in strukturierte, kontrollierbare Filterausgaben zu übersetzen. Das LLM interpretierte die Nutzerintention, die eigentliche Produktauswahl blieb aber an die bestehende Filterarchitektur angebunden.

Als zusätzlicher Kontext war bekannt, wie einzelne Filter mit dem Produkt interagieren. Dadurch konnten negierende, doppelte oder sich gegenseitig ausschließende Filter intelligent vermieden und Filter im jeweiligen Produktkontext korrekt gesetzt werden.

Ein RAG-basierter Ansatz war für diesen Use Case nicht performant genug und lieferte schlechtere Ergebnisse. Der CAG-basierte Ansatz war schneller, erzielte bessere Filterentscheidungen und war technisch weniger komplex, wodurch er auch einfacher wartbar blieb.

Das Feature ging produktiv in einem realen E-Commerce-Umfeld live und zeigt, wie LLM-Funktionalität in bestehende Such- und Filtersysteme eingebettet werden kann, ohne deren Kontrolllogik aufzugeben.

ShouldIWatch entstand als privates Demo-Projekt und Alternative zu klassischen Bewertungsplattformen wie IMDb oder Letterboxd. Der fachliche Kern war eine fein granularere Bewertung von Filmen und Serien über mehrere Dimensionen hinweg.

Wichtiger als die konkrete Film-Idee war der Produktnachweis: eine tatsächlich nutzbare Web-App mit Suche, Entdeckung, Account-Flows und Bewertungslogik, die zeigt, dass ich vollständige Full-Stack-Produkterfahrungen umsetzen kann.

Ich habe Konzeption, Design und technische Umsetzung vollständig verantwortet und das Projekt genutzt, um moderne Web-App-Architektur mit Next.js, Supabase und Tailwind CSS praktisch zu vertiefen.

Die App kombiniert eine klare Next.js-Struktur, TypeScript, Supabase als flexibles Backend sowie Tailwind CSS und shadcn/ui für ein schnelles, konsistentes Interface.

Im Mittelpunkt standen typische Anforderungen einer SaaS-nahen Web-App: Datenmodell, Auth- und Account-Kontext, responsive UI, scanbare Medienkarten, verständliche Navigation und eine Bewertungslogik, die mehr Kontext zulässt als eine einzelne Sternebewertung.

Entstanden ist eine produktnahe Full-Stack Web-App, die als greifbarer Proof für moderne Web-Produktentwicklung dient: von UI und Produktlogik bis zu Backend-Anbindung und iterativer Weiterentwicklung.