BayTech GmbH, Luzern (Eigenentwicklung)

Mastgenerator: Civil 3D liefert die Anforderungen, Inventor erzeugt die passende Mastvariante parametrisch (iLogic) und gibt sie als SAT an Civil 3D zurück
Prototyp automatische Werkstattzeichnungen: Python über die Inventor-COM-API, rund 50 Zeichnungsregeln, prismatische Teile und Profilteile
Eigene MCP-Server als Schnittstelle zwischen LLM-Assistent und Inventor, Civil 3D und Navisworks: Modelle lesen, Parameter setzen, Regeln ausführen, Dokumente steuern
Regelbasierte Variantenlogik statt manueller Modellierung, reproduzierbare Ergebnisse

BayTech GmbH, Luzern (Eigenprojekt baytech.ch)

Internet und Informationstechnologie

< 10 Mitarbeiter

Technisches SEO-Audit einer zweisprachigen Unternehmenswebsite (60 Seiten, DE/EN, statisches HTML auf Apache) für klassische Suche und KI-Suchsysteme (GEO)
Automatisierte Ist-Analyse mit Python (BeautifulSoup, lxml): Title, Meta-Description, Canonical, hreflang, Open Graph, H1, Sitemap und interne Links aller Seiten
Crawler-Tests mit Googlebot, Bingbot und OAI-SearchBot: robots.txt, X-Robots-Tag, Statuscodes, Inhalte ohne JavaScript-Abhängigkeit
Strukturierte Daten nach Schema.org als JSON-LD (Organization, Service, SoftwareApplication, BreadcrumbList, FAQPage), validiert gegen das offizielle Vokabular: 36 Blöcke ohne Fehler und Warnungen
Optimierung von Titeln und Meta-Beschreibungen, 301-Weiterleitungen über .htaccess (mod_rewrite), XML-Sitemap mit 56 URLs, alle mit Status 200
Rendering-Tests mit Playwright auf Desktop, Tablet und Mobil; Einarbeitung der Befunde aus Google Search Console und Bing Webmaster Tools
KI-gestützter Workflow mit Abweichungsliste, Probelauf auf Kopie, Sicherung und Freigabe je Änderungsrunde – ohne Eingriff in Design und Architektur

Schweizer Handelsunternehmen (Konsumgüter), anonymisiert

Theme-Entwicklung in Liquid: Sections und Schema, HTML, CSS und JavaScript, Mehrsprachigkeit, variantenabhängige Bildlogik
Theme-Deployment und -Validierung über ein eigenes Skript, Versionierung mit Git
Shopify Admin API: Produkte, Varianten, Preise, Metafelder, Kollektionen und Zubehörverknüpfungen programmatisch pflegen
Aufbau eines Custom-Metafeldschemas für technische Produktspezifikationen inkl. Datenblatt-PDFs
Automatisierte Produktbeschreibungen und Textaufbereitung, Massenaktualisierungen statt manueller Pflege
Datenqualitätssicherung: Fehlwert-Reports, Dry-Run- und Apply-Prinzip bei allen schreibenden Läufen

Eigenentwicklung für einen Schweizer Retailbetrieb (anonymisiert)

Ausgangslage: Schichtplanung für rund 30 Mitarbeitende an sechs Standorten wurde manuell in Excel gepflegt – zeitaufwändig, fehleranfällig und schlecht nachvollziehbar
Engine: Constraint-Optimierung mit Google OR-Tools (CP-SAT) in Python; Halbtags-Slots, Pensen, Verfügbarkeiten, Ferien, Erfahrungsstufen und Sprachanforderungen als harte Bedingungen, Präferenzen als weiche Ziele mit Strafgewichten
Architekturentscheid: deterministischer Betrieb ohne LLM zur Laufzeit – gleiche Eingabe liefert auf jedem Rechner denselben Plan; sämtliche Regeln in einer editierbaren Konfigurationsdatei statt im Code
Web-Anwendung in Python (stdlib http.server) mit eigenen API-Endpunkten für Stammdaten, Regeln, Planlauf, Roster und Export; Frontend in HTML und JavaScript
Excel als Datenquelle und Ausgabe (openpyxl), zusätzlich PDF-Export und Auswertungen; Quelldatei wird nie überschrieben
Integration in ein Workforce-Management-System: Übergabe der Schichten als unveröffentlichte Entwürfe, Abgleich der Verfügbarkeiten
Produktisierung: neutralisierte Kundenversion, Windows-Installer und Autostart-Einrichtung