DL Dacheng Lu
LebenslaufKontakt ↗
DACHENG LU / INGENIEUR FÜR AUTOMATISIERUNG UND KI

Ingenieur für
Automatisierung und KI.

Seit Juni 2026 arbeite ich als Projektingenieur für Automatisierung und KI bei der Grad5 GmbH und verantworte dort die technische Umsetzung zweier interner Produkte. Ich suche den Einstieg ins Produktmanagement im Rhein-Main-Raum.

01 / ÜBER MICH

Hallo, ich bin Dacheng.

Ich bin Ingenieur und arbeite an Automatisierung und KI-Produkten. Ich erforsche, wie praktische Werkzeuge Menschen und KI-Agenten helfen, komplexe Aufgaben klar und sorgfältig zu erledigen.

Meine Open-Source-Projekte folgen einer einfachen Idee: Nützliche Arbeit soll leichter verständlich, überprüfbar und fortsetzbar sein.
01 / BERUFLICHE PRAXIS

Woran ich gerade arbeite.

Zwei interne Produkte und ein interner KI-Agent bei der Grad5 GmbH, eines der Produkte mit KI. Beschrieben ohne Kundendaten und ohne interne Details.

PRODUKT 01 · KI-KOMMUNIKATION

Kundenanfragen an einem Ort

Anfragen aus WhatsApp, E-Mail und Web-Chat laufen in einem Postfach zusammen. Ein Bot führt durch die wichtigsten Rückfragen, ein Gateway regelt den Zugriff auf das Sprachmodell, jede Konversation bleibt einem Konto zugeordnet. Ich verantworte die technische Umsetzung. Stand: Postfach im Produktivbetrieb, KI-Teil im Teststack.

Nutzen: weniger manuelle Weiterleitung, nachvollziehbare Übergabe an den Service.
Chatwoot · n8n · Autotask · Python · Docker
PRODUKT 02 · PROJEKT UND ZEIT

Projekte planen, im Budget bleiben

Ein internes Cockpit plant Projekte, verfolgt Aufgaben und gebuchte Zeiten und führt das Budget mit. Zeiten werden im Vier-Augen-Prinzip freigegeben, Schreibzugriffe sind standardmäßig ausgeschaltet. Stand: ausgerollt, Schreibweg noch nicht scharf.

Nutzen: Fortschritt und Budget an einer Stelle sichtbar.
Laravel · Filament · Autotask-API · Testsuite
FÄHIGKEIT · AUTOMATISIERUNG

Abläufe, die prüfbar sind

Wiederkehrende Vorgänge baue ich als versionierte Workflows: Eingang prüfen, Schritte ausführen, Ergebnis kontrollieren, bei Fehlern anhalten statt weitermachen. Zugangsdaten bleiben außerhalb der Exporte.

Nutzen: weniger stille Fehler, klare Übergabepunkte.
n8n · Webhooks · REST-APIs · Prüfskripte
02 / WAS I FÜR EIN TEAM TUE

Technik verstehen, Produkt entscheiden.

Ich bringe technische Umsetzungserfahrung in Produktfragen ein: Welche Abläufe lassen sich automatisieren, wo braucht es menschliche Kontrolle, und wie prüfen wir das Ergebnis? Im Produktmanagement möchte ich diese Erfahrung nutzen und meine Fähigkeiten in Nutzerforschung, Priorisierung und Erfolgsmessung ausbauen.

2. Platz AI Hackathon Neu-Ulm (2025)3. Platz Hackathon Fulda (2025)Deutschlandstipendium (2022)Deutsch C1 · Englisch fließend · Chinesisch

Produktentscheidungen in diesen Projekten sind dokumentiert und mit der Geschäftsführung abgestimmt; Details bleiben intern. Referenzen auf Anfrage.

WERDEGANG
  • seit 06/2026Projektingenieur Automatisierung & KI, Grad5 GmbH
  • 2021 – 2026B.Sc. Umweltingenieurwissenschaften, TU Darmstadt (Note 2,26)
  • 2025 – 2026Werkstudent HSEQ, Apleona GmbH; Bachelorarbeit (Note 1,3)
  • 2024 – 2025Studentische Hilfskraft, Institut für Verkehrsplanung, TU Darmstadt
  • 2024Studentische Hilfskraft, DLR_School_Lab, TU Darmstadt
  • 2022 – 2024Tutor Technische Mechanik, TU Darmstadt
DIE IDEE / HARNESS ENGINEERING

KI-Arbeit besser begleiten.

Ein KI-Modell kann nächste Schritte vorschlagen. Ein Harness ist der Rahmen darum: klare Ziele, hilfreicher Kontext, Prüfungen und ein Weg, nach Unterbrechungen weiterzuarbeiten.

Man kann sich darunter Notizen, Kontrollpunkte und Prüfungen rund um ein Projekt vorstellen – keine Garantie, dass KI immer richtig liegt. Meine drei unabhängigen Projekte erkunden verschiedene Teile dieser Idee.

Projekte kennenlernen ↗
02 / AUSGEWÄHLTE PROJEKTE

Drei Projekte. Eine Richtung.

Verschiedene Werkzeuge für unterschiedliche Etappen.

Longhaul entdecken ↗
01 / LONGHAUL · 远航

Den Kurs finden.

Für lange Aufgaben: Ziele, Entscheidungen und nächste Schritte im Blick.
Makeextreme entdecken ↗
02 / MAKEEXTREME · 登峰

Jede Stufe zählt.

Für feste Schritte: Ergebnisse prüfen und nach Unterbrechungen fortsetzen.
FlowLore entdecken ↗
03 / FLOWLORE · 流谱

Wissen verbindet.

Quellen, Anleitungen und wiederverwendbare Ideen zur Automatisierung finden.
THREE PROJECTS / EINE ART DER ZUSAMMENARBEIT

Eine Aufgabe, drei Perspektiven.

Ein Release-Digest zeigt, wie die Projekte sich ergänzen können. Öffne die einzelnen Schritte für ihre Aufgaben.

01FlowLoreQuellen und Rezept finden

Ausgangspunkt sind das Release-Digest-Rezept und seine Abhängigkeiten. Das Offline-Beispiel verwendet zwei fiktive Releases.

Eingabe: Rezeptentwurf und fiktive Release-Daten.

Offline-Beispiel ansehen ↗
02LonghaulBelege festhalten und prüfen

Belege zum geprüften Bericht festhalten. Ändert sich der Bericht, verwirft das Beispiel die alten Belege, bis der wiederhergestellte Bericht erneut geprüft ist.

Ausgabe: ein an die Berichtsversion gebundener Prüfbeleg.

Checkpoint-Beispiel ansehen ↗
03MakeextremeBekannte Schritte ausführen und prüfen

Feste Schritte des Beispiels ausführen, den Bericht prüfen und eine geänderte deklarierte Ausgabe wiederherstellen. Ein separater Test behandelt eine tatsächliche Unterbrechung.

Ausgabe: ein geprüfter Bericht; Wiederaufnahme wird separat getestet.

Wiederaufnahmetest ansehen ↗

Unabhängige Projekte · Manuell geskriptetes Beispiel · Kein gemeinsamer Adapter oder automatische Übergabe. Die Schritte zeigen Rollen; die Reihenfolge kann variieren.

IN PRACTICE / RELEASE DIGEST

Was passiert, wenn sich ein geprüfter Bericht ändert?

Ein dokumentiertes Offline-Beispiel mit fiktiven Release-Daten. Wähle einen Zeitpunkt, um den Beitrag jedes Projekts zu sehen.

BERICHT GEPRÜFT

Ein Bericht mit Prüfbeleg.

FlowLore liefert Rezept und fiktive Daten. Makeextreme führt feste Schritte aus. Nach einem unabhängigen Vergleich hält Longhaul eine Beobachtung zum Bericht fest.

digest.mdBericht + dokumentierte Beobachtung
ALTER BELEG IST VERALTET

Der Bericht ändert sich nach der Prüfung.

Das Skript verändert den Bericht. Der alte Beleg passt nicht mehr zu den Dateibytes und wird zurückgewiesen. Der geänderte Bericht gilt nicht als geprüft.

digest.mdBericht geändert · Prüfung nötig
WIEDERHERGESTELLT UND ERNEUT GEPRÜFT

Wiederherstellen, vergleichen, erneut festhalten.

Makeextreme stellt die deklarierte Ausgabe wieder her. Das Beispiel vergleicht sie erneut und hält eine neue Beobachtung fest. Ein separater Test behandelt einen echten Prozessabbruch.

digest.mdWiederhergestellter Bericht + neuer Beleg
9 / 9

Fälle in der eingefrorenen lokalen Baseline, in denen die richtige Antwort „Ablehnung“ war. Das Modell lehnte keinen davon ab, sondern reparierte die kaputte Eingabe. Zehn dieser Ausgaben hätten einen Renderer passiert, der nur Bytes vergleicht.

Messung und Fälle ↗

Interaktive Darstellung, kein Live-Lauf. Die Projekte sind manuell per Skript verbunden; ein gemeinsamer Adapter oder eine automatische Übergabe existiert nicht. Die Prüfungen decken nur die genannten Bedingungen ab, keine inhaltliche Wahrheit.

Quellcode und Anleitung ansehen ↗
GEPRÜFTE TESTS

Fünf Fragen, fünf gemessene Antworten.

Keine Schätzungen: hinter jeder Zahl steht ein Lauf, den ich zeigen kann.

ZahlFrageWas das heißt
über 1.000Skaliert es?Anfragen über WhatsApp, E-Mail und Web-Chat laufen in einem Postfach, fünf Mitarbeiter arbeiten darin (19.11.2026).Im Alltag im Einsatz, nicht im Test.intern
10 von 24Ist es verlässlich?Modellantworten waren falsch; eine Prüfung hat sie vor der Ausgabe gestoppt.Ohne diese Prüfung wären sie als Ergebnis durchgegangen.local-model-baseline ↗
0,8 sIst es schnell genug?Antwortzeit auf einem Laptop. Auf einem Handheld dauert dieselbe Antwort 8,9 s.Unter einer Sekunde fühlt sich an wie eine Suche, nicht wie Warten.deck-llm-bench ↗
0 €Was kostet es?Kosten pro Lauf: lokal auf dem Gerät, offline, ohne Cloud.Daten bleiben im Haus, keine Rechnung pro Anfrage.intern
0Was passiert beim Abbruch?Neustarts von vorn. Bereits gerechnete Schritte bleiben erhalten.Ein Abbruch kostet keine Rechenzeit.makeextreme ↗

Drei der fünf Zahlen lassen sich im verlinkten Code nachrechnen; die anderen zwei stammen aus dem internen Betrieb.

03 / DER ANSATZ

Fortschritt braucht ein Fundament.

Eine Richtung für die Arbeit, Belege für Ergebnisse und ein Weg zur Fortsetzung, wenn Unerwartetes geschieht.
01

Kontext bewahren

Ziel, Vorgaben und nächsten Schritt festhalten.
02

Bewusst fortsetzen

Aufzeichnungen mit den echten Ergebnissen abgleichen.
03

Ergebnisse prüfen

Verstehen, was eine Prüfung belegt – und was nicht.
04 / KONTAKT

Neugierig auf die Arbeit?

Ideen, Fragen und sorgfältiges Feedback sind willkommen.Schreib mir ↗