Hello World. mAI ist live.

(english below)

Die letzten 13 Monate habe ich mit meinem Team im Kämmerlein gebaut.

Keine Ankündigungen. Keine Posts. Kontakt nur zu ausgewählten Firmen.

Das ändert sich jetzt.

Ich baue mAI-APA – eine Plattform, mit der Organisationen produktionsreife Software professionell generieren und ausrollen können. Keine Prototypen. Keine Mockups. Sondern ein neuer Weg, die Generierung von Business-Software sicher, wartbar, und direkt ausrollbar zu denken.

Das Problem das mich angetrieben hat:

Die meisten Unternehmen haben mehr Ideen für interne Tools als Entwicklungskapazität. Oft stecken sie in den Fachabteilungen — bei Menschen, die das Problem perfekt verstehen, es aber nicht selbst umsetzen können. Der Vertrieb will ein Lead-Qualifizierungstool. Die Buchhaltung will ein custom Reporting-Dashboard. Die Ops-Abteilung will endlich die Prozesse digitalisieren, die seit Jahren auf Excel laufen.

Die Ideen sind gut, doch der Weg zur Umsetzung ist lang und ressourcenintensiv. Künstliche Intelligenz sollte diese Lücke schließen. Für Entwickler reduziert sie die Entwicklungszyklen zwar bereits massiv – inklusive meiner selbst – doch Ergebnisse sind zumeist noch unverlässlich, da Software eben über das Schreiben von Syntax hinausgeht. Und genau hier scheitern Lösungen wie LoFable, ClOOde & Co. eben noch zu häufig.

• \A\ Die Fragen, die zu beantworten wären, sind zumeist „unsexy“ für Fachabteilungen (z.B. Entscheidungen über Datenbankstrukturen). Doch basierend darauf nicht weniger relevant.
• \B\ Die strukturellen Verzerrungen von künstlicher Intelligenz (Sycophancy, Post-Hoc-Rationalisierung, etc.) sagen den meisten Menschen nicht viel und klingen abstrakt. Das macht sie aber nicht weniger gefährlich für die Entwicklung kritischer Business-Software.
• \C\ Die Frage, was Software ist, würde gemeinhin wohl als „Code“ beschrieben werden. Aber damit betrachten wir nur die Spitze des Eisbergs. Der Unterschied zwischen „mein internes Tool“ und „production-grade Software“ ist enorm. Wenn KI diese Architektur nicht sauber abbilden kann, wird die viel zitierte „last mile“ der Entwicklung eben doch schnell zum „long tail“, der 95% der Entwicklungsdauer frisst. Erwartungen und Realität klaffen auseinander.

Kurz gesagt, wollen wir Verlässlichkeit. Genau hier setze ich an. Mit mAI ermöglichen wir den Spagat Fachabteilungen und IT-Abteilungen zu verknüpfen.

Wie Fragen von „gruppengerechter Sprache“, „Semi-Deterministik“, „skalierbare Architektur“ und Weiteres angeht und was es mit dem Framework „APA“ auf sich hat, wird über die kommenden Tage & Wochen mehr und mehr hier verfügbar sein.

Hashtags: #KI #AI #Gründen #BuildInPublic #Innovation #SoftwareEntwicklung #Entrepreneurship

---

For the past 13 months, I have been building behind closed doors with my team.

No announcements. No posts. Contact only with selected companies.

That changes now.

I am building mAI-APA – a platform that enables organizations to professionally generate and deploy production-ready software. No prototypes. No mockups. Instead, a new way of thinking about the generation of business software: secure, maintainable, and ready for immediate rollout.

The problem that drove me:

Most companies have more ideas for internal tools than they have development capacity. Often, these ideas are stuck in specialist departments — with people who understand the problem perfectly but cannot implement it themselves. Sales wants a lead qualification tool. Accounting wants a custom reporting dashboard. The Ops department finally wants to digitize processes that have been running on Excel for years.

The ideas are good, but the path to implementation is long and resource-intensive. Artificial intelligence should bridge this gap. For developers, it is already massively reducing development cycles – myself included – but results are still mostly unreliable because software goes beyond just writing syntax. And this is exactly where solutions like LoFable, ClOOde & Co. still fail all too often.

• \A\ The questions that need to be answered are usually "unsexy" for specialist departments (e.g., decisions about database structures). However, they are no less relevant because of that.
• \B\ The structural biases of artificial intelligence (sycophancy, post-hoc rationalization, etc.) don't mean much to most people and sound abstract. But that doesn't make them any less dangerous for the development of critical business software.
• \C\ The question of what software is would generally be answered as "code." But in saying that, we are only looking at the tip of the iceberg. The difference between "my internal tool" and "production-grade software" is enormous. If AI cannot cleanly map this architecture, the much-cited "last mile" of development quickly becomes a "long tail" that devours 95% of the development time. Expectations and reality drift apart.

In short, we want reliability. This is exactly where I come in. With mAI, we make it possible to bridge the gap between specialist departments and IT departments.

How questions regarding "group-appropriate language," "semi-determinism," "scalable architecture," and more are addressed, and what the "APA" framework is all about, will become increasingly available here over the coming days and weeks.

Hashtags: #KI #AI #Gründen #BuildInPublic #Innovation #SoftwareEntwicklung #Entrepreneurship