tlg
fbab4d3c14
- entwurf.md: Wissenstransfer als gelebte Praxis (regelmäßige Update-Meetings, direkter Austausch) statt Verengung auf KI-Workshops - gedaechtnis/inhalte.md: Baustein entsprechend angepasst Co-Authored-By: Claude Opus 4.8 (1M context) <noreply@anthropic.com>
18 lines
1.8 KiB
Markdown
18 lines
1.8 KiB
Markdown
# Inhaltliche Bausteine (geprüft)
|
|
|
|
Bewährte, faktisch korrekte Inhalte und Formulierungen zu Erfahrungen/Skills.
|
|
Was hier steht, ist verifiziert richtig. Wird am Ende jeder Session aktualisiert.
|
|
|
|
## Korrekte Fakten
|
|
- Standard-All-in-Stundensatz für **Agenturprojekte: 105 € netto** (Direktbeauftragung KMU: 120 € netto). Quelle: `vorgaben/marketing.md` §2.
|
|
- Eine **Sicherheitsüberprüfung SÜ2** dauert mindestens drei Monate, teils bis zu einem Jahr → Projekte mit SÜ/Sicherheitsüberprüfung fallen aus (in `vorgaben/rahmenbedingungen.md` als ❌ verankert).
|
|
|
|
## Bewährte Bausteine
|
|
- Product-Lifecycle-Baustein: „In mehreren Positionen habe ich komplexe technische Systeme von Grund auf begleitet, vom Aufstellen der Anforderungen über Lösungskonzepte und Implementierung bis zu Verifikation, Deployment und geordnetem Wissenstransfer bei der Übergabe."
|
|
- Wissenstransfer an Kunden ist in **jedem** Projekt gelebte Selbstverständlichkeit: laufend über regelmäßige Update-Meetings und direkten Austausch während der Zusammenarbeit, nach Bedarf. Nicht auf die (kurzen) KI-Workshops/Schulungen verengen, das stellt es zu klein dar. Bewährter Satz: „Wissenstransfer ist für mich gelebte Praxis: In allen bisherigen Projekten habe ich mein Wissen laufend in regelmäßigen Update-Meetings und im direkten Austausch an die Teams meiner Kunden weitergegeben."
|
|
|
|
## Nicht zutreffend / nicht behaupten
|
|
- **Nicht** behaupten, täglich/laufend an einer produktionsreifen Agentic-AI-Plattform oder „der ersten produktionsreifen Plattform" zu arbeiten.
|
|
- On-Premise-KI mit RAG (Projekt „Kischdle") ist **Proof-of-Concept-/Evaluierungsniveau**, kein produktiver ML-Wirkbetrieb → kein „tiefgehendes Production-ML/MLOps" behaupten.
|
|
- Keine Kafka-Praxiserfahrung behaupten (nur übertragbares Verständnis ereignisgetriebener Architekturen vorhanden).
|