Jan-Hendrik KummertKI-Engineering für E-Commerce und Mittelstand

Jan-Hendrik Kummert ist Inhaber und Geschäftsführer von Storetown Media in Tornesch bei Hamburg und seit 2012 in E-Commerce-Projekten selbstständig. Sein Schwerpunkt ist heute KI-Engineering: LLM-Assistenten, agentische Workflows und Datenpipelines für Onlineshops und Mittelstand – auf der Grundlage von 14 Jahren Praxis mit Magento, WooCommerce, Shopware, Shopify und ERP-Anbindungen.

Beim Agentic Engineering übernehmen KI-Agenten die Umsetzung, und ein Mensch verantwortet das Ergebnis. Bei mir implementiert Claude Code in parallelen Arbeitsständen, ein zweites Modell prüft nach festen Regeln, und automatische Tests sichern jeden Schritt ab – freigeben kann nur ein Mensch. Beim Preisvergleich Prizavo entstanden so 87 Pull Requests in drei Wochen.

Die Umsetzung übernehmen KI-Coding-Agenten, ich verantworte Architektur, Anforderungen, Review, Tests und Freigabe. Jede Änderung läuft als Pull Request durch automatische Prüfungen und eine unabhängige Zweitprüfung – freigeben kann nur ein Mensch.

In der Entwicklung mit Claude Fable 5.1 und Claude Opus 5.5 über Claude Code, als unabhängiger Prüfer mit GPT-6 Astra über OpenAI Codex. In den Anwendungen laufen Claude Opus 5, Sonnet 5 und Haiku 4.5 über die Anthropic-API sowie die OpenAI-API – kleine, schnelle Modelle für Chats, große für Recherche und Prüfung. Die Anwendungen sind modellunabhängig gebaut: Neue Modelle setze ich ein, sobald sie verfügbar sind und meine Tests bestehen.

Über einen eigenen Server-Endpunkt im Shop oder in WordPress, der die Anfragen an das Sprachmodell weitergibt – der API-Schlüssel bleibt auf dem Server. Das Wissen kommt aus der Live-Datenbank, etwa Produkte, Preise oder Termine, oder über Werkzeuge, die das Modell gezielt aufruft: Produktsuche, Verfügbarkeit, Versandkosten. Aktionen wie „in den Warenkorb“ laufen nur nach Klick des Kunden und mit serverseitiger Prüfung.

Das Wissen kommt aus Live-Daten und Werkzeugen, nicht aus dem Modellgedächtnis. Aussagegrenzen und ausdrücklich ausgeschlossene Fakten stehen im Prompt, und jede Schwäche aus einer Testrunde wird zu einer Regel mit Nachtest. Ist eine Antwort nicht belegt, sagt der Assistent das.

Retrieval ja, eine Vektordatenbank bisher bewusst nicht. Meine Assistenten beziehen ihr Wissen direkt aus der Live-Datenbank, aus kuratierten Wissensblöcken mit Schlagwort-Auswahl und über Tool-Aufrufe – das ist aktuell, nachvollziehbar und kommt ohne zusätzliche Infrastruktur aus. Eine Vektorsuche lohnt sich dort, wo große Mengen unstrukturierter Texte durchsucht werden, etwa Handbücher oder Support-Archive.

Mit festen Testfragen statt Bauchgefühl. Jede Testrunde folgt dem Muster Befund, Regel, Nachtest; dazu kommen gezielte Tests gegen Prompt-Injection, Themenabweichung und Halluzinationsköder. Die Wissensauswahl prüft ein Offline-Test ohne API-Kosten: Bei Käpt’n Ole sanken die Fehlzuordnungen in 32 typischen Kundenfragen so von 9 auf 0.

Käpt’n Ole und Johnny speichern keine Chats. Bei Sophie liegt der Verlauf zwei Stunden auf dem Server, damit das Gespräch zusammenhängt. Der KI-Einsatz ist im Chatfenster gekennzeichnet und in der Datenschutzerklärung beschrieben.

Datensparsam und transparent: Der API-Schlüssel liegt nur auf dem Server, Eingaben sind in Länge und Anzahl begrenzt, und die Datenschutzerklärungen der Live-Systeme beschreiben Anbieter und Datenübermittlung. Wer einen Menschen sprechen möchte, wird an ein Kontaktformular, den Live-Chat oder das Telefon übergeben. Wo es eine Spracheingabe gibt, erscheint vor der ersten Aufnahme ein eigener Hinweis.

Das hängt von Modell, Wissensumfang und Nutzung ab. In einem Projekt kostete eine Antwort des kleinen Modells unter einen halben Cent; Prompt-Caching senkte die Input-Kosten für Folgefragen um rund 90 %. Budgets und Rate-Limits begrenzen die Kosten nach oben.

Ja. Ich arbeite von Tornesch bei Hamburg aus; Projekte laufen remote in ganz Deutschland, Termine vor Ort sind nach Absprache möglich.