agentic-data-analyst
Fragen Sie Ihre Daten im Chat: Claude schreibt lesendes DuckDB-SQL, ein zweiter Agent prüft es, und deterministische Guardrails sowie Kostenbudgets begrenzen jede Abfrage – Antworten, Tabellen und Diagramme in Chainlit.
Öffentliche Fallstudien
Öffentliche Projekte, vollständig einsehbar.
Sechs Open-Source-Repositories und ein laufendes KI-Forschungslabor – nachprüfbare Belege dafür, wie ich Data Engineering, Machine Learning, Umsetzung und Betrieb angehe.
Open-Source-Repositories
Kundenprojekte bleiben vertraulich.
Dieser Code nicht.
Fokussierte Bibliotheken, entstanden aus wiederkehrenden Problemen in Kundenprojekten – abgesicherte Analytics-Agenten, Datenqualität, Experimente und Messdaten aus der Fahrzeugentwicklung –, dazu die Engine und das Template hinter Retro Speedlab.
spark-data-quality
Typisierte, Spark-native Validierung und Profilierung der Datenqualität, die kompatible Prüfungen in einem einzigen Aggregationsdurchlauf zusammenfasst.
experimentation-toolkit
Eine typisierte Bibliothek für A/B-Experimente mit Inferenz, Diagnose von Sample Ratio Mismatch, Poweranalyse und Korrektur für multiples Testen.
spark-asammdf
Ein Apache-Spark-DataSource-V2-Connector für die verteilte Analyse von ASAM-MDF4-Fahrzeugmessdaten, mit Filter-Pushdown bis in die Datei.
retro-speedlab-core
Die Engine hinter dem Labor: Go-Explore und Baumsuche über Emulator-Save-States, gelenkt von einer PPO-Policy und einer aus einem TAS-Video gelesenen Routenkarte; jeder Lauf wird ab dem Einschalten bildgenau verifiziert.
retro-speedlab
Ein Cookiecutter-Template für Spielpakete: ein Grundgerüst, das nichts über sein Spiel weiß, bis geplante Claude-Code-Laborläufe es ausbauen.
Warum es das gibt
Nützliche Belege, ohne Vertrauen zu brechen.
Ein Großteil meiner Arbeit findet in Kundenumgebungen statt und ist durch Geheimhaltungsvereinbarungen geschützt. Retro Speedlab bietet eine bescheidene, transparente Alternative: ein echtes System, das öffentlich eingesehen, genutzt und kritisch geprüft werden kann.
Das Labor stellt eine klar umrissene Frage: Wie schnell kann eine KI Snake Rattle ’n’ Roll ohne Warps ab dem Einschalten durchspielen? Die Antwort verbindet zwei Disziplinen, die Unternehmen zunehmend gemeinsam brauchen. Die Engine durchsucht Emulator-Save-States in parallelen Emulatoren, gelenkt von einer PPO-Policy, die lernt, welche Tasten wirken, und von einer Routenkarte, die aus einem Referenzvideo eines Tool-Assisted Speedruns gelesen wird. Ein neuer Abschnitt des Laufs zählt erst, wenn er sich ab dem Einschalten bildgenau abspielen lässt – alles auf einem Desktop-PC von 2017 mit einer RTX 2070. Kommt die Suche nicht weiter, verbessert ein zeitgesteuertes Team aus Claude-Code-Agenten das Spielpaket, und ein zweiter Claude-Agent hält die Plattform selbst am Laufen.
Das spielerische Thema macht das Experiment zugänglich; die Technik dahinter ist dieselbe, die ich in Kundensystemen einsetze.
Alles geschieht öffentlich: Der Lauf wird live auf Twitch gestreamt, und jeder Laborbericht und jeder Rekord wird auf der Website des Labors veröffentlicht.
Es soll weder Größe noch Rahmenbedingungen eines Enterprise-Projekts ersetzen. Es macht lediglich die Arbeitsweise sichtbar: das Problem eingrenzen, den gesamten Weg bauen, wiederkehrende Abläufe automatisieren, messen, was läuft, und die Hoheit über Code und Daten behalten.
Zwei Disziplinen, ein System
Eine Suche, die lernt.
Agenten, die entwickeln.
Suche und Reinforcement Learning finden den schnellsten Lauf; Agentic Engineering verbessert fortlaufend das System darum herum. Das Labor betreibt beides produktiv – unter den Bedingungen, die auch Kunden kennen: begrenzte Hardware, unbeaufsichtigter Betrieb und die Pflicht, jedes Ergebnis zu verifizieren.
Suche und Reinforcement Learning
Die schnellsten Eingaben für ein NES-Spiel ab dem Einschalten finden – auf einem Desktop-PC von 2017.
- Spielmodell. Ein kleines Spielpaket liest den Emulator-RAM aus und gliedert das Spiel in Zustände, sodass die Engine weiß, wo jedes Level beginnt und endet.
- Explorative Suche. Eine Frontier-Suche im Stil von Go-Explore und eine Baumsuche verzweigen von Emulator-Save-States aus in parallelen Emulatoren; jedes Level wird direkt in den Speicher geladen und abwechselnd geübt.
- Gelernte Steuerung. Eine PPO-Policy mit Stable-Baselines3 auf Gymnasium-Umgebungen lernt auf der GPU, welche Tasten wirken, und lenkt die Suche.
- Lernen aus Video. Ein kleines CNN liest ein Referenzvideo eines Tool-Assisted Speedruns Level für Level und erzeugt daraus eine Routenkarte – verbleibende Frames je Kartenzelle –, die die Suche und ihre Checkpoints lenkt.
- Verifikation zuerst. Ein neuer Abschnitt zählt erst, wenn das Movie ab dem Einschalten bildgenau abläuft; danach wird jeder Abschnitt auf weniger Frames gekürzt.
Für Kunden: Suche, Lernen und strenge Verifikation, die ein messbares Ergebnis auf Hardware optimieren, die ein Unternehmen bereits besitzt – jedes Experiment nachverfolgt in Weights & Biases.
Agentic Engineering
Claude in einen verlässlichen, unbeaufsichtigten Entwicklungsprozess verwandeln – mit eingebauter Evaluation und Observability.
- Multi-Agenten-Laborläufe. Steckt die Suche fest, delegiert ein zeitgesteuerter Claude-Code-Lead-Agent an Subagenten, die das Spiel untersuchen, recherchieren, bauen und verifizieren, und verbessert das Spielpaket: Zustände, Rewards und RAM-Speicher.
- Harte Gates. Eine Änderung wird nur ausgeliefert, wenn ihre Tests bestehen und das aktuelle Movie weiterhin ab dem Einschalten abläuft.
- Observability. Jeder Laborlauf wird per OpenTelemetry in Langfuse getraced: eine Session pro Lauf, ein Trace pro Runde, Subagenten verschachtelt.
- Evaluation. Jeder Lauf wird danach bewertet, ob die Suche anschließend vorankam, und ein Critic prüft die Laborberichte und hält Lehren für den nächsten Lauf fest.
- Autonome Wartung. Ein zweiter Agent, gebaut mit dem Claude Agent SDK, läuft alle sechs Stunden: Er liest Bugsink-Fehler, Laborberichte und den laufenden Run, behebt das wichtigste Problem samt Test, merged und deployt oder öffnet einen Pull Request.
Für Kunden: Agenten, die innerhalb definierter Grenzen auf echten Systemen handeln, an Ergebnissen gemessen werden und für jede Änderung einen Trace und einen Audit-Trail hinterlassen.
Einblick ins Produkt
Gemacht, um genutzt zu werden,
nicht nur zum Vorführen.
Die Website speist sich aus dem Lauf selbst: dem Livestream, den Laborberichten und der Methode dahinter. Es handelt sich um echte Ansichten des Labors, nicht um Präsentations-Mock-ups.
Die Laborseite zeigt, was die Claude-Agenten getan haben: Laborläufe, ausgelieferte Änderungen, Subagenten-Aufgaben und wie oft die Suche danach vorankam.
Fünf Schritte erklären, wie die Suche erkundet, die Policy lernt, das Labor Vorschläge macht, der Verifier prüft und der bewiesene Lauf veröffentlicht wird.
Durchgängiges System
Vom Spielspeicher
zum bewiesenen Lauf.
Jede Stufe ist verbunden, automatisiert und einzeln nachprüfbar. Flyte-Workflows betreiben Speedrun und Labor unbeaufsichtigt – auf portablen, offenen Komponenten statt unnötiger Plattformabhängigkeit.
Retro Speedlab / Speedrun-Kreislauf In Betrieb
- 01Erkundenstable-retro · Save States · Go-ExploreFrontier erweitert
- 02LenkenPPO · TAS-Routenkarte · RTX 2070Suche gesteuert
- 03VerifizierenBildgenaue Wiedergabe ab dem EinschaltenLauf bewiesen
- 04VerbessernClaude Code · Langfuse · Dokkubestanden → deployenfehlgeschlagen ↺ verwerfen
- 05VeröffentlichenFastAPI · PostgreSQL · TwitchÖffentlich live
Selbst gehostet auf DokkuUnbeaufsichtigt rund um die UhrJeder Agentenlauf getraced
Was es zeigt
Klein genug zum Nachprüfen.
Vollständig genug, um nützlich zu sein.
Der Wert dieser Fallstudie liegt nicht in einem polierten Konzeptpapier, sondern in der Verbindung von Forschungsfrage, Suche und Lernen, autonomen Agenten und laufendem Betrieb.
Klare Forschungsfrage
Eine eng gefasste Frage, öffentlich beantwortet: wie schnell eine KI ein NES-Spiel ab dem Einschalten auf einem Desktop-PC von 2017 durchspielt.
Messbare Ergebnisse
Jedes Release wird in Weights & Biases nachverfolgt – geschaffte Level, eingesparte Frames, Stunden seit dem letzten Fortschritt –, und jeder Laborlauf wird danach bewertet, ob die Suche vorankam.
Kontrollierte Autonomie
Agenten arbeiten unbeaufsichtigt hinter klaren Gates: Die Tests müssen bestehen, das Movie muss weiterhin ab dem Einschalten ablaufen, und jeder Lauf hinterlässt einen Trace und einen Bericht.
Full-Stack-Umsetzung
Eine Vue-3-Website und ein Stream-Overlay auf FastAPI und PostgreSQL, Twitch-Chatbefehle mit „Ask the AI“ und ein Discord-Bot, der Rekorde und Laborläufe postet.
Disziplin im Betrieb
Docker und Dokku auf einem Hetzner-Server und einem Heimserver, selbst gehostetes Bugsink und Umami sowie ruff und pyright im Strict-Modus in der CI.
Pragmatische KI
Claude schreibt den Stream-Kommentar und die Laborbericht-Karten; jede Eingabe im Lauf stammt aus der Suche und einer gelernten Policy, bewiesen durch Wiedergabe.
Belege erkunden
Sehen Sie das System,
nicht nur die Zusammenfassung.
Die Seite für Engineers listet jede Komponente auf – vom Desktop-PC zu Hause bis zur Website – und zeigt, wie gut die Agenten arbeiten, gemessen über alle Laborläufe.