Lisa Eichhöfer

Marketing & Kommunikation · baut KI-Anwendungen selbst

Ich komme aus der Kommunikation und habe angefangen, die Werkzeuge selbst zu bauen, statt auf sie zu warten.

Sieben Monate, in denen aus „das müsste man automatisieren“ Software wurde, die im Tagesgeschäft einer Lebensmittelmarke läuft: Reklamationen, Produktdaten, Marketing-Reporting. Von der ersten Zeile bis zum Server, auf dem es betrieben wird.

Berlin B.A. Gesellschafts- & Wirtschaftskommunikation, UdK 15 eigene Repositories 6 Anwendungen im Betrieb

Ausgewählte Arbeiten

2026
2026 · goodmoodfood produktiv
PythonIMAPClaudeREST-APIDocker

Reklamations-Assistent

Vorher: jede Beschwerde von Hand gelesen und übertragen

Beschwerden kamen als Fließtext im Postfach an. Jede musste gelesen, eingeordnet und manuell in die Bearbeitung überführt werden — das kostete jeden Tag Zeit und ging in Stoßzeiten unter.

Ich habe eine Pipeline gebaut, die Mails automatisch abholt, von einem Sprachmodell analysieren lässt und daraus fertige Vorgänge im Helpdesk anlegt — die Einschätzung liegt als interne Notiz gleich beim Vorgang. Standard ist ein Testlauf ohne Schreibzugriff; erst ein ausdrücklicher Befehl schreibt live, und ein Abgleich verhindert doppelte Vorgänge. Das Helpdesk-System dahinter habe ich ebenfalls selbst aufgesetzt, inklusive Mailanbindung an den bestehenden Provider.

2026 · goodmoodfood im Einsatz
PostgreSQLPythonWooCommerce-APITelegram-Bot

Produktdatenbank mit automatischer Claim-Prüfung

Verstreute Daten und ein rechtliches Risiko in einem

Produktinformationen lagen über den Shop, eine gewachsene Reihe von Excel-Versionen, CSV-Exporte und Notion verteilt. Gleichzeitig sind gesundheitsbezogene Aussagen bei Lebensmitteln streng reguliert — ein falscher Satz auf einer Produktseite ist ein Abmahnrisiko.

Die Datenbank spiegelt den Shop an einer Stelle zusammen, mit versionierten Texten und fertigen Ansichten fürs Team. Der eigentliche Kern ist die Prüfschicht: Die Health-Claims-Regeln liegen als Tabelle vor, ein Scanner prüft die Live-Seiten dagegen, und ein Bot, mit dem sich Shop-Texte per Chat schreiben lassen, darf erst veröffentlichen, nachdem diese Prüfung bestanden ist. Das Modell schreibt, die Regel entscheidet.

2026 · Eigenentwicklung läuft seit Mai
Next.jsTypeScriptAgent SDKSQLiteEmbeddings

Chatty — Arbeitsumgebung für lange KI-Gespräche

Das Werkzeug, das mir im Alltag gefehlt hat

In langen Gesprächen mit Sprachmodellen geht der Anfang verloren, und Gutes aus alten Chats findet man nie wieder. Also habe ich mir eine eigene Oberfläche gebaut.

Sie hat farbige Markierungen mit einem Sammelblatt, benannte Nebenchats an jedem Hauptgespräch, eine Anzeige, wie voll der Kontext gerade ist, und eine semantische Suche über alle Gespräche — die Textvektoren werden lokal berechnet und im Prozess verglichen, ganz ohne externe Datenbank. Ein Wissensfilter läuft im Hintergrund und ist bewusst so gebaut, dass er das Tippen nie ausbremst. 28 Schnittstellen, 17 Oberflächenbausteine, seit Mai im täglichen Gebrauch.

2026 · goodmoodfood Version 1 fertig
FastAPIpandasSQLiteChart.js

Marketing-Dashboard

Auftrag der Geschäftsführung

Newsletter, Social, Web-Analytics und Shop-Umsatz lagen in vier getrennten Werkzeugen. Die einfachste Frage — bringt unser Marketing eigentlich Umsatz? — ließ sich nicht beantworten, ohne einen halben Tag Exporte zusammenzuklicken.

Das Dashboard führt die Quellen an einem Ort zusammen und lässt eine KI-Auswertung die Zusammenhänge in Klartext erklären. Bewusste Entscheidung für Version 1: Datei-Upload statt Live-Schnittstellen. Die API-Freigaben bei den Plattformen hätten Wochen gedauert — so stand nach wenigen Tagen etwas Benutzbares, und die Anbindung ist als nächste Stufe geplant, nicht gestrichen.

2026 · goodmoodfood abgeschlossen
FlaskFuzzy-MatchingLiteLLMNotion-API

Influencer-Matcher

Aus Handarbeit wurde ein Vorschlag pro Person

Für eine Testimonial-Kampagne sollte über hundert Kooperationspartnerinnen jeweils das passende Produkt zugeordnet werden. Die Grundlage dafür — Jahre an Kooperationshistorie — existierte, aber nur als Tabellenwust.

Das Tool durchsucht diese Historie unscharf, verkraftet also abweichende Schreibweisen und Handles, schlägt pro Person ein Produkt vor und lässt ein Sprachmodell die Zuordnung begründen. Profile, Bewertungen und Notizen synchronisieren mit Notion. Die Modellanbindung ist anbieterunabhängig gebaut, gespeicherte Zugangsdaten sind verschlüsselt abgelegt.

2026 · Eigenentwicklung im Betrieb
NodeExpressSprachsyntheseNotion-API

Sprach-Assistent

Reden statt tippen

Sprechen, transkribieren lassen, vom Modell beantworten lassen, Antwort vorlesen — mit Anbindung an Notion, um Seiten und Aufgaben per Stimme zu lesen und anzulegen.

Später kam eine Anfrage aus einem fremden Projekt, dem genau ein Baustein fehlte: das Vorlesen. Statt die ganze Anwendung zu öffnen, habe ich den Sprachausgabe-Teil als eigenen, abgesicherten Endpunkt herausgeschnitten. Der andere Dienst nutzt ihn seitdem, ohne Zugriff auf den Rest zu haben.

Außerdem gebaut

Auswahl

Belegerkennung

Foto eines Belegs, Modell liest Datum, Menge und Preis gegen ein festes Datenschema aus, Historie sagt den nächsten Termin voraus.

Umfrage-App für eine Pilotstudie

Zur wahrgenommenen Authentizität KI-veränderter Werbung. Serverseitige Datenhaltung, geschützter Auswertungsbereich, CSV-Export.

Team-Empfehlungstool

Persönliche Produkttipps der Kolleginnen und Kollegen, gepflegt vom Team selbst. Seit Mai im Unternehmen im Einsatz.

Lern- und Bewerbungs-Dashboard

Persönliches Planungswerkzeug mit KI-Auswertung und einem Prüfungsmodul, das Schreibproben bewertet und den Verlauf archiviert.

Preisbeobachtung

Containerisierter Dienst, der Preisentwicklungen mitschreibt.

Habit-Tracker

Kleine Anwendung mit serverseitiger Speicherung — der Test dafür, dass Daten Neuveröffentlichungen überleben.

Wie ich arbeite

vier Grundsätze

Die Regel entscheidet, nicht das Modell

Wo ein Sprachmodell nach außen schreibt, steht eine überprüfbare Regel davor. Ein Modell darf formulieren; ob etwas veröffentlicht werden darf, entscheidet eine Prüfung, die man nachlesen kann.

Schlüssel bleiben auf dem Server

Zugriffe auf Modelle laufen über serverseitige Zwischenschichten, nie aus dem Browser. Gespeicherte Zugangsdaten liegen verschlüsselt. Ohne gesetzte Absicherung startet eine Anwendung gar nicht erst.

Erst liefern, dann ausbauen

Lieber nach drei Tagen etwas Benutzbares mit Datei-Upload als nach sechs Wochen die perfekte Schnittstelle. Was in Stufe eins bewusst fehlt, wird notiert, nicht verschwiegen.

Was ich baue, betreibe ich auch

Meine Anwendungen laufen auf einem Server, den ich selbst eingerichtet habe — mit Verschlüsselung, eigener Domainzone, dauerhaftem Speicher und einem Betriebshandbuch. Einschließlich der Ausfälle, die ich dort schon gefunden und behoben habe.

Werkzeug

im Einsatz, nicht nur gelesen
Sprachen
Python · TypeScript · JavaScript · SQL
KI
Claude Agent SDK (Python und TypeScript) · OpenAI API · LiteLLM für anbieterunabhängige Anbindung · Embeddings und semantische Suche · Bilderkennung mit strukturierter Ausgabe · Spracherkennung
Web
FastAPI · Flask · Next.js · Express · Jinja2 · Chart.js
Daten
PostgreSQL · SQLite · pandas · WooCommerce-API · Notion-API · Klaviyo- und Analytics-Auswertungen
Betrieb
Linux · Docker und Compose · Reverse Proxy mit automatischen Zertifikaten · DNS · Git und GitHub
Marketing
Meta und TikTok Ads · KPI-Tracking · Google Analytics · MAXQDA · Canva · Photoshop · Marktforschung mit 180 Teilnehmenden

Kontakt

lisa.mje@gmail.com LinkedIn · Lisa Eichhöfer Berlin

Code und Live-Zugänge zu den einzelnen Projekten gebe ich gern auf Anfrage weiter.