Julien Ziolkowski — Entwickler für KI-Automatisierung

01Profil

Forward-Deployed Engineer, zu Hause im Backend wie im Frontend. Seit gut 3 Jahren über den ganzen KI-Stack unterwegs — unten bei den Frameworks (PyTorch, tinygrad), oben bei Agent-Harnesses, Deployment und der Frage, was sich überhaupt zu bauen lohnt. Das Ganze ist für echte Kunden im Einsatz, nicht nur als Demo, und läuft meist self-hosted auf gehärteten VPS oder via Vercel.

02Erfahrung

Communication Associate

beyondesign Webdesign-Agentur

Mai 2022 — Juli 2022

Onboarding-Phase; kundenseitige Kommunikation, Copywriting und Discovery-Calls.

KI- & Automatisierungsingenieur

beyondesign Webdesign-Agentur

Juli 2022 — September 2026

Ehemals Communications Engineer

Leitete technische Discovery und Onboarding für 30+ Kundenprojekte für Kundenreview- und Shopdatenanalysen.
Entwickelte eine team-interne Analyse-Plattform als Fullstack-App in Go (~ 15K LOC, kompakte binäre Datei mit DuckDB und LLM-Orchestrierung), mit deren Hilfe der Arbeitsaufwand pro Kunde von ~30 Stunden auf 10 Stunden reduziert werden konnte.
Entwickelte den internen Tool-Stack und das Design-System speziell für die Arbeit mit AI-Agents.
Definierte interne Systeme mit messbaren E-Com KPIs als Benchmark.
Schrieb custom MCP-Server in Go, um Frontier-Modelle (Claude meistens) direkt mit unseren Tools zu verbinden.
Implementierte "agentic workflows" auf eigenem VPS hinter Wireguard für absolut sicheren remote Teamzugang.
Hybride Modell-Orchestrierung, mit llama.cpp, vllm oder Claude, je nachdem, was die Ansprüche an Datenanonymität waren.
Sehr viel Erfahrung damit, wie man mit AI-Agents ko-entwickelt und Systeme exakt nach Spec schreibt, ohne dass es absoluter Spaghetti wird.
Führte zahlreiche Kundengespräche und präsentierte Daten & Abläufe in einfacher aber präziser Sprache.

03Kompetenzen

KI- & Agenten-Orchestrierung

Agentenbasierte Workflows auf gehärteten VPS
Routing zwischen lokalen (llama.cpp) und Frontier-Modellen nach Kosten und Datensensibilität
MCP-Server in Go
Solide ML-Grundlagen (PyTorch, tinygrad)
Entwicklung mit Coding-Agenten gegen selbst geschriebene Specs

Souveräne Infrastruktur

WireGuard-gesicherte private Umgebungen
Self-hosted, Privacy-first Lösungen
Datensouveränität wenn PII & GDPR wichtig sind
Single-Binary-Go-Deploys

Full-Stack-Engineering

Go-Backends und -Frontends
Wiederverwendbare, Design-System-getriebene UI-Komponenten
Interne Tools und Dashboards
Deterministische Datenpipelines

Business-Strategie

Technische Discovery und Kunden-Onboarding
Vage Ziele in messbare KPIs übersetzen
Die technische Seite für Nicht-Techies verständlich machen