AI Automation Engineer: Ich entwickle AI-Agenten und produktive LLM-Anwendungen.
Mit Python, APIs, RAG und MCP verbinde ich Modelle mit Daten, Tools und bestehenden Systemen. Prozessautomatisierung mit KI und die Orchestrierung der Abläufe setze ich unter anderem mit n8n um.
Ozan Orhan
AI Automation Engineer · Hannover · deutschlandweit remote möglich
Python · AI Agents · RAG · MCP · APIs · n8n
Projekte
Alle Projekte- 01
Hermes Pocket AI Agent
Ein selbst gehosteter Sprachagent mit einem Handgerät als Interface. Aufnahme auf dem Gerät, Agentenlogik auf dem Server, Toolzugriff über MCP. - 02
Leistungsnachweis Automation
Ein monatlicher Workflow, der Zeiterfassungen aus Toggl verarbeitet, kundenspezifisch aufbereitet und daraus automatisch Leistungsnachweise und Dokumente erzeugt. - 03
Wissensbasis — RAG + MCP-Server
Eine zentrale RAG-Wissensbasis, die Agenten über MCP als Retrieval-Tool nutzen können. - 04
AI Visibility Monitoring Platform
Drei Workflows führen fünf externe Datenquellen zusammen und prüfen, ob sich umgesetzte Maßnahmen messbar ausgewirkt haben — ohne dass jemand Daten von Hand sammelt. - 05
Recruiting Jobs Sync
Eine LLM-gestützte Datenpipeline, die Stellenanzeigen aus HTML strukturiert und über last_seen_at idempotent synchron hält.
Profil
Ozan Orhan ist AI Automation Engineer aus Hannover. Er entwickelt KI-Agenten und automatisiert Geschäftsprozesse mit KI, n8n, RAG und MCP.
Ich entwickle AI-Automationen und LLM-Anwendungen, die Modelle mit APIs, Datenquellen und bestehenden Systemen verbinden. Mein Schwerpunkt liegt auf AI Agents, Python, MCP, RAG und der Orchestrierung mehrstufiger Workflows.
Mich interessiert besonders der Weg vom funktionierenden Prototyp zum zuverlässigen System: strukturierte Outputs, Tool Calling, Fehlerbehandlung, Fallbacks, Logging, Observability und ein kontrollierbarer Betrieb. In meinen Projekten setze ich das unter anderem mit schema-validierten Ausgaben, Human-in-the-loop, Health Checks, zentralem Error Handling und deterministischer Logik rund um LLM-Komponenten um.
Wenn ein AI-System eine eigene Oberfläche braucht, setze ich sie mit Angular und TypeScript selbst um. Dadurch kann ich Anwendungen von der Integration und Backend-Logik bis zur Benutzeroberfläche durchgängig entwickeln.
- AI Agents · LLM Integration · MCP · RAG · Automation · APIs
- Python · n8n · TypeScript · Angular · Docker · PostgreSQL
- Structured Outputs · Tool Calling · HITL · Error Handling · Fallbacks · Observability
Tech-Stack
- AI-Systeme & Agenten
- AI AgentsMulti-Agent WorkflowsTool CallingStructured OutputsHuman-in-the-loopPrompt Engineering
- RAG & Retrieval
- RAGEmbeddingsVector SearchChunkingpgvector
- LLM & Integration
- OpenAIClaudeOpenRouterMCPREST APIsWebhooks
- Automation & Backend
- Pythonn8nFastAPIPostgreSQLSupabaseDockerTraefik
- Frontend
- AngularTypeScriptJavaScriptHTMLSCSS
- Production AI
- Error HandlingFallbacksLoggingObservabilityCredential Management
Kontakt
Für passende Rollen und Austausch zu AI Engineering, Agents und Automation.