Wojciech Nakielski
Ich baue KI-Systeme, die Unternehmen gehören — nicht Hyperscalern.
Ich arbeite daran, wie Unternehmenswissen in KI-Systeme kommt — nachvollziehbar, DSGVO-konform und ohne Abhängigkeit von Hyperscalern. Bei NOVEDAS Consulting (COHEMI Group) leite ich die KI-Fokusgruppe; mein Tagesgeschäft als Solution Architect ist Cloud- und Schnittstellenarchitektur im Automotive-Umfeld. Was ich in KI baue, baue ich öffentlich: Architekturentscheidungen und Code liegen auf GitHub, nicht nur in Folien.
Woran ich arbeite
Wissen in KI-Systeme bringen
Der Engpass ist selten das Modell, sondern der Zugriff auf das eigene Wissen. Ich baue Systeme, die Unternehmenswissen strukturiert verfügbar machen — mit nachvollziehbarem Zugriff statt Ähnlichkeitswerten, und ohne dass Wissen dabei das Haus verlässt.
Souveräne KI & Datenschutz
KI, deren Daten im Haus bleiben: lokale Modelle, europäische Infrastruktur, DSGVO und EU AI Act von Anfang an mitgedacht statt nachträglich aufgesetzt.
KI-Architektur & Agenten
Agentische Systeme vom Prototyp bis zur produktiven Architektur — mit dem Anspruch, dass nachvollziehbar bleibt, warum ein System entschieden hat.
Cloud-, Software- & Systemarchitektur
Skalierbare Cloud-Architekturen, Schnittstellen- und Datenbankdesign, dokumentiert nach arc42 — seit 2004, unter anderem im Automotive-Umfeld.
Ein Agent braucht kein größeres Kontextfenster, sondern ein Register
Quelldokumente und Rohdaten, unveränderlich. Der Agent liest hier nur.
Wissen, das der Agent selbst erzeugt: Erkenntnisse, Verknüpfungen, Indizes.
Verträge, Prompts und Vorlagen für den Betrieb.
Warum mein AI-Agent ein Second Brain hat
Ein dateibasiertes Wissenssystem für autonome Agenten — ohne Vektordatenbank, lokal gehostet.
Artikel lesen →22 Jahre IT, vom Softwareentwickler zum Solution Architect
Projekte
Neben meiner Beratungstätigkeit baue ich eigene Software-Projekte — privat, öffentlich dokumentiert. Ich zeige Architekturentscheidungen, nicht nur fertige Ergebnisse.
second-brain
Dateibasiertes Wissenssystem für AI-Agenten. Drei Schichten, fünf Operationen (Ingest, Query, Lint, Review, Eval) — kein Vektor-Index nötig.
obsidian-mcp
MCP-Server für sicheren, strukturierten Agentenzugriff auf Obsidian-Vaults — inklusive Graph-Analytics und Vault-Health-Check.
humanizer-de
Erkennt KI-typische Muster in deutschen Texten: 40 Muster in 7 Kategorien plus ein Stilometrie-Scanner für Satzlängen-Varianz, Floskeln und Typografie.
Sprechen wir
KI-Systeme und die Architektur darunter sind mein Thema — von Wissenszugriff und Agenten über Datenschutz und Governance bis zu Cloud und Integration. Worüber ich mich gerne unterhalte:
KI & Agenten
- LLMs & Agentensysteme
- RAG & Embedding-Strategien
- Model Context Protocol (MCP)
- Lokale Modelle (Ollama, LM Studio)
- Agentic Engineering
- n8n · Langflow
Souveräne KI & Governance
- EU AI Act · DSGVO
- KI-Governance & Policies
- STACKIT (souveräne Cloud)
- On-Premise & Self-Hosting
- Confidential Computing
Daten & Wissenssysteme
- Vektordatenbanken (Qdrant, pgvector)
- Embedding- & Chunking-Strategien
- PostgreSQL · MySQL · Oracle
- Neo4J · ElasticSearch
- Schema-Design & Modellierung
- Query- & Performance-Optimierung
Cloud & Infrastruktur
- AWS (CloudFormation, CDK)
- Microsoft 365 Copilot & Copilot Studio
- Google Vertex AI & Gemini Enterprise
- Kubernetes & Container
- Infrastructure-as-Code
Architektur & Vorgehen
- Enterprise- & Solution-Architektur
- Schnittstellen & Integration
- Migrationsstrategien
- arc42 · UML · BPMN
- Requirements Engineering
- SCRUM & Qualitätssicherung
Branchen
- Automotive
- Banken
- Luftfahrt
- Behörden
- Energie
- Großhandel
- Gaming
Wenn dich eines dieser Themen beschäftigt, freue ich mich über den Austausch — per Mail oder auf LinkedIn.